fbpx Immanuel Kant: un tipo alla mano | Science in the net

Immanuel Kant: un tipo alla mano

Read time: 2 mins

La filosofia ha fama di disciplina astratta. Al massimo l’idea di “pratica filosofica” si accompagna ad un agire etico-politico, ma certamente non ad un fare manuale. Lo stesso Aristotele stigmatizzava la poiesi (l’azione diretta alla produzione di un oggetto) come il livello più basso dell’azione umana, antitetico alla teoresi, il pensiero astratto per eccellenza.

La Critica della Ragion Pura di Kant è sicuramente annoverata tra i testi teoretici più ardui della filosofia moderna. Si può “fare” la Critica della Ragion pura? Voi direte “L’ha già fatta Kant, noi che c’entriamo?”. Studiare un’opera significa però capirne l’architettura, un sistema filosofico è una cattedrale del pensiero che va smontata e rimontata per cogliere l’intima e necessaria connessione tra le sue parti. E’ questa l’idea-guida che ha ispirato Hanno Depner, professore di Praktische Philosophie all’Università di Rostock, quando ha progettato il suo libro Kant für die Hand (sottotitolo: "La Critica della Ragion Pura" da costruire e comprendere), Knaus Verlag 2011, 19,99 euro.

Parlare di progetto non è una metafora. Il libro si propone di far costruire al lettore un modello tridimensionale del testo kantiano, con tanto di istruzioni per l’uso. Forse non era questo ciò a cui pensava Maurizio Ferraris quando scrisse il suo libro Un’IKEA di università, ma qui ci troviamo letteralmente davanti ad un esempio di bricolage della filosofia, con tanto di tempi di lettura e costruzione di ogni parte dell’opera. Per esempio, per leggere la parte sui paralogismi servono 5 minuti, per costruirne il modello tridimensionale ce ne vogliono 8.

Al Liceo classico Tito Livio di Milano, la classe quarta E ha deciso che per “fare Kant” non sarebbe bastato il manuale, ma sarebbero servite anche forbici e colla, oltre al vocabolario di tedesco perché purtroppo il testo di Depner non è ancora stato tradotto.

In una sessione di lavoro molto partecipata, gli studenti si sono avventurati nei meandri della Critica della Ragion Pura.

Il risultato ha soddisfatto tutti, in modo particolare la docente di filosofia. In pedagogia e in didattica si parla molto di modalità di apprendimento che rimangono spesso vuoti contenitori: learning by doing, cooperative learning, peer education, edutainment. Qui gli studenti hanno imparato facendo, hanno lavorato insieme in gruppi, si sono aiutati reciprocamente, coordinandosi e costruendo ciascuno sul lavoro dell’altro. E, come si vede dai loro sorrisi, si sono anche divertiti.


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.