Imparare costruendo, eseguendo e osservando
Trame Semantic Studio è un ambiente didattico open source progettato per trasformare concetti complessi in esperienze operative.
Non è un semplice editor, non è un simulatore isolato e non è un chatbot affiancato a un corso.
È una piattaforma in cui il contenuto che si costruisce è un modello strutturato e semanticamente valido, che può essere modificato, eseguito, analizzato passo dopo passo e verificato.
L’obiettivo è semplice: spostare l’attenzione dalla sintassi al significato.
Lo studente non deve perdere tempo a capire perché una parentesi è sbagliata o perché un comando non è ammesso in un determinato punto. L’ambiente propone soltanto ciò che ha senso inserire nel contesto corrente e rende visibili le conseguenze delle scelte fatte.
Trame Semantic Studio nasce per la didattica, ma il modello architetturale su cui è costruito è lo stesso che può essere utilizzato per rappresentare domini tecnici, processi, automazioni e sistemi complessi.
Un unico ambiente, più domini
La piattaforma non è costruita attorno a una singola materia.
Il motore centrale conosce concetti generali come:
- documenti;
- nodi;
- proprietà tipizzate;
- relazioni;
- comandi;
- validazioni;
- diagnostica;
- esecuzione;
- revisioni;
- permessi.
I diversi ambiti vengono aggiunti attraverso Domain Pack dichiarativi.
Questo significa che Trame Semantic Studio può essere esteso con nuovi verticali senza modificare o ricompilare il motore centrale.
Le prime verticali già disponibili sono:
- Computer quantistici
- Flussi con l’intelligenza artificiale
- Processi e macchine a stati
Le verticali disponibili
Trame Quantum Studio
Capire il calcolo quantistico senza trasformarlo in magia
Il verticale quantistico permette di costruire ed eseguire circuiti quantistici reali attraverso un simulatore, osservandone il comportamento passo dopo passo.
Il percorso non parte dalle formule, ma dall’esperimento.
Gli studenti possono lavorare su:
- qubit;
- sovrapposizione;
- porte quantistiche;
- misura e collasso;
- entanglement;
- stato di Bell;
- rumore;
- decoerenza;
- confronto tra simulazione ideale e rumorosa;
- esecuzione passo passo;
- OpenQASM;
- codice Python/Qiskit generato dal modello.
Il simulatore utilizzato dal verticale quantistico è basato su Qiskit Aer, mentre la piattaforma mantiene separato il modello didattico dal motore di simulazione.
Due livelli didattici
Sono già previsti profili distinti per:
Scuola media
Il lessico tecnico viene tradotto in concetti immediatamente comprensibili.
Ad esempio, una porta Hadamard può essere presentata come “Metti in bilico”, mentre una CNOT può diventare “Lega due qubit”.
L’obiettivo è far comprendere il fenomeno prima di introdurre il nome tecnico.
Scuola superiore
La stessa esperienza viene proposta utilizzando terminologia, formule e notazione standard:
- H;
- CNOT;
- ampiezze;
- probabilità;
- regola di Born;
- interferenza;
- matrici;
- OpenQASM;
- Qiskit.
Lo stesso motore permette quindi di adattare il livello linguistico e concettuale senza cambiare il modello sottostante.
Trame AI Lab
Dall’uso dell’AI alla comprensione dei processi che la utilizzano
Il verticale dedicato all’intelligenza artificiale non nasce per insegnare a scrivere prompt.
L’obiettivo è più importante: insegnare a scomporre un lavoro complesso in passi verificabili.
Gli studenti costruiscono flussi nei quali ogni passaggio è visibile e osservabile.
Possono lavorare con:
- sequenze di operazioni;
- variabili;
- condizioni;
- passaggi condizionali;
- richieste a modelli linguistici;
- risultati intermedi;
- breakpoint;
- analisi dell’esecuzione;
- controllo di ciò che sta per essere inviato a un modello.
Il principio è semplice:
un compito complesso non dovrebbe essere affidato a una singola richiesta opaca, ma suddiviso in passi che possono essere osservati, verificati e corretti.
L’intelligenza artificiale come componente, non come scatola magica
Nel flusso, un modello linguistico rappresenta soltanto uno dei possibili passaggi.
La piattaforma consente di mostrare in modo molto concreto:
- cosa viene inviato al modello;
- quando viene inviato;
- quale risposta viene restituita;
- dove viene salvata;
- quale condizione decide cosa farne;
- cosa succede se il modello non è disponibile.
La parte fondamentale del percorso funziona anche senza alcun provider AI configurato.
Questo rende possibile utilizzare il verticale anche in ambienti scolastici nei quali non si vogliono inviare contenuti verso servizi esterni.
Quando necessario, è possibile configurare anche un modello locale.
Trame Workflow
Imparare a vedere i processi
Il verticale dedicato ai processi e alle macchine a stati parte da oggetti semplici, come un semaforo, per arrivare alla modellazione di procedure reali.
Gli studenti imparano a distinguere:
- stati;
- transizioni;
- eventi;
- condizioni;
- stati finali;
- percorsi ammessi;
- casi mancanti;
- stati irraggiungibili;
- vicoli ciechi.
La regola centrale è:
se una transizione non è modellata, quel passaggio non può avvenire.
Questo rende immediatamente visibile la differenza tra descrivere un processo a parole e costruire un modello eseguibile.
Dalla scuola al mondo reale
Gli esempi possono partire da:
- un semaforo;
- un distributore automatico;
- un ordine;
- una prenotazione;
- un’iscrizione a un corso;
- una richiesta in segreteria;
- una pratica amministrativa.
L’obiettivo finale è portare gli studenti a riconoscere i punti deboli di un processo:
- cosa succede se un evento non è previsto?
- cosa succede se una condizione è falsa?
- esistono stati da cui non si esce?
- esistono stati che nessuno può raggiungere?
- manca un caso reale che il modello non ha previsto?
È probabilmente il verticale con il collegamento più immediato tra pensiero computazionale e organizzazione del lavoro.
Il modello prima del codice
Trame Semantic Studio nasce da una scelta precisa: il documento non è semplice testo.
In un editor tradizionale si scrivono caratteri e solo successivamente un compilatore, un interprete o un sistema di analisi stabilisce se quello che è stato scritto ha senso.
In Trame Semantic Studio il documento è già un modello strutturato.
Ogni elemento:
- ha un tipo;
- possiede proprietà definite;
- può essere inserito soltanto dove è ammesso;
- viene validato dal server;
- può essere eseguito;
- può essere analizzato;
- può essere annullato;
- viene versionato.
Il catalogo degli elementi inseribili cambia quindi in funzione della posizione in cui ci si trova.
Lo studente non riceve semplicemente un suggerimento: vede solo gli elementi semanticamente compatibili con quel punto del modello.
Più viste, un solo modello
Uno stesso documento può essere osservato da prospettive differenti.
A seconda del dominio possono essere disponibili:
- Modello — struttura gerarchica del documento;
- Vista — rappresentazione grafica;
- Codice — rappresentazione testuale o codice generato;
- Esecuzione — parametri e risultati;
- Analisi — esecuzione passo dopo passo.
Non sono copie separate.
Cambiare il modello da una vista modifica lo stesso oggetto sottostante.
Questo evita uno dei problemi più comuni degli strumenti didattici: la divergenza fra diagramma, codice e rappresentazione grafica.
Eseguire per capire
Ogni verticale è costruito attorno allo stesso principio:
non basta costruire un modello: bisogna poterlo eseguire e osservare mentre funziona.
Durante l’esecuzione la piattaforma può mostrare:
- il passo corrente;
- lo stato precedente;
- lo stato successivo;
- i valori delle variabili;
- il risultato di una condizione;
- gli eventi elaborati;
- gli eventi ignorati;
- le trasformazioni applicate;
- eventuali errori;
- il motivo per cui un’operazione non è stata eseguita.
Questo permette di spostare la didattica dalla domanda:
“qual è la risposta giusta?”
alla domanda:
“cosa è successo e perché?”
Verifica basata sul lavoro reale
I percorsi didattici non utilizzano quiz a risposta multipla.
Ogni passo chiede allo studente di modificare realmente il proprio documento.
La piattaforma verifica direttamente il modello prodotto.
Può quindi controllare, ad esempio, che:
- sia stata aggiunta una determinata operazione;
- un circuito sia stato eseguito;
- siano presenti un certo numero di stati;
- sia stata aggiunta una condizione;
- sia stata creata una transizione;
- un flusso contenga un determinato tipo di passaggio.
Quando manca qualcosa, la piattaforma non restituisce un generico “sbagliato”.
Spiega cosa manca.
Strumenti per il docente
Trame Semantic Studio include funzioni specifiche per l’utilizzo in classe.
Il docente può:
- creare classi;
- creare account per gli studenti;
- assegnare percorsi;
- seguire lo stato di avanzamento;
- vedere quali passaggi sono stati completati;
- vedere quante verifiche sono state tentate;
- individuare i problemi comuni a più studenti.
Il prospetto della classe permette quindi di capire rapidamente dove si sta bloccando il gruppo, senza dover controllare singolarmente tutti gli schermi.
La piattaforma non assegna automaticamente voti: la valutazione resta responsabilità del docente.
Local-first
Trame Semantic Studio è progettato per poter funzionare sulla macchina scelta dall’organizzazione o dalla scuola.
Documenti, classi, progressi e risultati possono rimanere completamente nell’infrastruttura locale.
L’accesso a servizi esterni è necessario soltanto quando viene configurato esplicitamente un provider per le funzioni AI.
È possibile utilizzare anche modelli linguistici locali, mantenendo l’intero flusso all’interno della propria rete.
Installazione semplice con Docker
La piattaforma può essere installata su:
- Windows;
- macOS;
- Linux.
È sufficiente Docker.
Non è necessario installare manualmente:
- Python;
- Node.js;
- PostgreSQL;
- Redis;
- Qiskit.
Per un laboratorio scolastico è possibile installare Trame Semantic Studio su una sola macchina e permettere agli studenti di accedervi tramite browser dalla rete locale.
Il progetto può essere avviato con Docker Compose ed è pensato per poter essere installato anche da un docente o da un tecnico di laboratorio senza dover configurare manualmente tutti i componenti software.
Software libero
Trame Semantic Studio è distribuito con licenza:
AGPL-3.0-or-later
Il software può essere:
- utilizzato;
- studiato;
- modificato;
- ridistribuito.
Il codice sorgente, i materiali e le segnalazioni sono disponibili nel repository ufficiale:
GitHub
https://github.com/Trame-Future/trame-semantic-studio
Manuali didattici
Il progetto include una collana di manuali progettata insieme alla piattaforma.
Manuali generali
Installare la piattaforma a scuola
Guida pratica per docenti, animatori digitali e tecnici di laboratorio.
Contiene:
- installazione;
- configurazione;
- Docker;
- creazione dell’istanza;
- gestione della classe;
- aggiornamento;
- backup;
- manutenzione;
- risoluzione dei problemi.
Trame Semantic Studio — capire lo strumento
Il manuale generale della piattaforma.
Spiega:
- il modello semantico;
- il funzionamento dell’editor;
- le viste;
- l’esecuzione;
- l’analisi;
- l’assistente;
- i Domain Pack;
- il funzionamento in classe.
Manuali del verticale quantistico
Guida del docente — Computer quantistici
Percorso per accompagnare il docente nella preparazione e nella gestione delle lezioni.
Come funziona un computer quantistico
Edizione per la scuola media.
Computer quantistici — costruirli, eseguirli, capirli
Edizione per la scuola superiore, con terminologia tecnica, formule, OpenQASM e Qiskit.
Manuali del verticale AI
Guida del docente — Flussi con l’intelligenza artificiale
Guida per affrontare AI, flussi, variabili, condizioni, privacy e uso critico dei modelli.
Far fare un lavoro al computer, un passo alla volta
Manuale per studenti della scuola media e superiore.
Il percorso introduce il pensiero computazionale attraverso flussi osservabili e porta l’intelligenza artificiale soltanto nell’ultima parte.
Manuali del verticale Workflow
Guida del docente — Processi e macchine a stati
Percorso per insegnare stati, transizioni, eventi, guardie e analisi dei processi.
Come si scrive un processo
Manuale per studenti della scuola media e superiore.
Il percorso porta dalla modellazione di un semaforo fino all’analisi di processi reali e alla ricerca dei casi non previsti.
Perché Trame Semantic Studio
La maggior parte degli strumenti didattici insegna prima la sintassi e poi il concetto.
Trame Semantic Studio prova a invertire l’ordine.
Prima:
- il modello;
- il comportamento;
- le relazioni;
- le conseguenze;
- il perché.
Poi, quando serve, il codice.
Questo permette di utilizzare lo stesso ambiente per affrontare temi molto diversi mantenendo una metodologia comune:
costruire → eseguire → osservare → capire → modificare → verificare.
Un progetto aperto
Le tre verticali attuali rappresentano i primi esempi di ciò che può essere costruito sopra il motore semantico.
L’architettura a Domain Pack permette di immaginare nuovi percorsi dedicati, ad esempio, a:
- algoritmi;
- reti;
- cybersecurity;
- automazione;
- sistemi distribuiti;
- IoT;
- logica;
- processi amministrativi;
- business process management;
- robotica;
- simulazione di sistemi.
Il principio rimane invariato:
rendere esplicita la struttura di un problema, permettere alla macchina di verificarla ed eseguirla, e rendere comprensibile ciò che succede.
Repository
Codice sorgente, documentazione e materiali del progetto:
https://github.com/Trame-Future/trame-semantic-studio
