La pressione sul foglio, la fluidità dei movimenti e il modo di impugnare la penna raccontano aspetti della scrittura che il testo finito lascia in ombra. Raccogliere queste informazioni mentre gli alunni scrivono su carta è il compito di THInkPen (Tele-Health Ink Pen), la penna a inchiostro sensorizzata utilizzata dal Politecnico di Milano e dall’Università dell’Insubria in uno studio su 707 studenti della scuola primaria e secondaria di primo grado. Attraverso l’analisi dei dati e l’intelligenza artificiale, i ricercatori hanno esaminato le caratteristiche del gesto grafico e la possibilità di riconoscere precocemente le difficoltà di scrittura. Il lavoro, pubblicato su PLOS Digital Health il 23 luglio 2026, ha coinvolto sei scuole nelle province di Varese e Novara.
I sensori nella penna, la scrittura sulla carta
THInkPen si usa come una normale penna e permette di svolgere le prove su carta, mantenendo un’esperienza familiare per gli studenti. Al suo interno, accelerometro, giroscopio, magnetometro e sensore di forza registrano dati a 50 Hz, conservati in memoria e trasferibili via Bluetooth Low Energy. Dai segnali sono stati ricavati 178 indicatori che descrivono, tra gli altri aspetti, la pressione esercitata sul foglio, la fluidità del movimento, l’inclinazione della penna e le caratteristiche in frequenza dei segnali. Il risultato è una lettura del processo di scrittura che arricchisce le informazioni dei test clinici, in linea con le indicazioni delle linee guida italiane sui DSA, i Disturbi specifici dell’apprendimento, a favore dell’integrazione di strumenti digitali nella valutazione.
Gli studenti hanno svolto due prove della BVSCO-3, la Batteria per la Valutazione clinica della Scrittura e della Competenza Ortografica, il test più usato in Italia per valutare difficoltà di scrittura, disgrafia e disortografia. Le attività consistevano nel ripetere la parola “UNO” e nello scrivere numeri in lettere, per un minuto ciascuna, in stampatello e corsivo. Confrontando gli indicatori della penna con i punteggi clinici, i ricercatori hanno trovato relazioni significative e consistenti, che confermano la capacità dei dati digitali di descrivere le caratteristiche della prestazione. Il confronto tra classi ha inoltre mostrato che questi indicatori riflettono il miglioramento della scrittura lungo il percorso scolastico, cogliendo l’evoluzione delle competenze grafo-motorie.
Come l’AI riconosce le difficoltà e spiega il risultato
I modelli di intelligenza artificiale hanno distinto gli studenti a rischio di difficoltà di scrittura, identificati attraverso i risultati della BVSCO-3, dagli altri partecipanti. Nelle prove in corsivo, TabPFN ha ottenuto punteggi F1 medi di 0,80 per la ripetizione della parola e 0,84 per la sequenza numerica: una misura che combina precisione e sensibilità della classificazione.
Per capire quali caratteristiche avessero pesato sul risultato, i ricercatori hanno utilizzato SHAP, un metodo di intelligenza artificiale spiegabile (XAI) che misura il contributo di ciascun indicatore alla classificazione. La spiegazione rende leggibile il legame tra i dati raccolti dalla penna e la valutazione del modello, offrendo elementi per approfondire le difficoltà individuali e orientare interventi mirati. La prospettiva dello screening richiede ancora una validazione con studi longitudinali e confronti con diagnosi cliniche di disgrafia; inoltre, l’analisi digitale riguarda le componenti motorie del gesto e lascia fuori la forma delle lettere, come precisano gli autori nella pubblicazione scientifica.
Dalla ricerca all’osservazione delle difficoltà a scuola
Lo studio nasce dal progetto PRIN e-School 2.0, di cui il Dipartimento di Elettronica, Informazione e Bioingegneria (DEIB) del Politecnico di Milano è capofila, in collaborazione con l’Università dell’Insubria. “L’impiego della THInkPen nell’analisi non solo del prodotto finale, ma dell’intero processo di scrittura, potrebbe favorire un’identificazione precoce delle difficoltà di scrittura in ambito scolastico, facilitando così una tempestiva ed efficace attivazione dei servizi clinici”, spiega Simona Ferrante, docente del DEIB e coordinatrice del team di ricercatori del Politecnico di Milano.
La penna era stata pensata inizialmente per lo screening delle malattie neurodegenerative ed è stata poi sviluppata per la valutazione del neurosviluppo, con il contributo di Linda Greta Dui, ricercatrice del DEIB e Tecnovisionaria 2025 sul tema. Il progetto è stato brevettato dal Politecnico insieme all’Università degli Studi di Milano, in particolare con la collaborazione del professor Alberto Borghese. Alla pubblicazione hanno partecipato anche Cesare Cornoldi, professore emerito dell’Università di Padova e tra gli ideatori della BVSCO-3, l’ASST Sette Laghi e il Centro per le Neuroscienze dell’ospedale Los Madroños di Madrid.
La possibilità di riconoscere meglio le difficoltà già a scuola interessa anche i servizi chiamati a valutarle. “Questo aspetto assume particolare rilevanza alla luce della crescente domanda che i servizi di Neuropsichiatria dell’Infanzia e dell’Adolescenza si trovano quotidianamente a fronteggiare e delle conseguenti lunghe liste d’attesa”, osserva Cristiano Termine, docente di Neuropsichiatria Infantile presso l’Università dell’Insubria. “Le difficoltà scolastiche rappresentano infatti uno dei principali motivi di richiesta di valutazione ai servizi, ma non tutte le difficoltà incontrate dagli studenti necessitano necessariamente di un approfondimento clinico specialistico. Diventa quindi fondamentale poter disporre di strumenti di osservazione e di screening affidabili, in grado di aiutare la scuola a comprendere meglio la natura delle difficoltà e a individuare più precocemente le situazioni che richiedono effettivamente un invio ai servizi di Neuropsichiatria dell’Infanzia e dell’Adolescenza”.
