Dva roky výuky za 6 týdnů: Zázračné úspěchy (s) AI a jejích stinné stránky
Pokud postavíme pedagogiku na první místo, může mít AI enormně pozitivní vliv na učení. A pokud ne?
V Nigérii dosáhli s pomocí AI neuvěřitelného úspěchu – s pomoci AI studenti zvládli během pouhých šesti týdnů to, co by jim běžně trvalo dva roky. Je to fascinující příklad toho, jak může AI transformovat vzdělávání. Ale znáte ten pocit, když všichni tleskají, ale vy cítíte, že vám něco důležitého uniká?
Možná máte trust issues, ale možná je to přínosem 🤝 Určitě se chci o tomto úspěchu dnes podrobněji bavit, ale podívejme se i na druhou stranu mince. Jako každodenní uživatelka AI nástrojů si poslední dobou stále častěji kladu otázku: "Opravdu se díky nim lépe učím, nebo jen efektivněji plním úkoly?" A zvlášť mě zaujalo, jak byly tyto dramatické výsledky měřeny. A tak jsem se ponořila do výzkumů, které se otázkou dopadu AI na vzdělávání zabývají.
Vím, že by bylo příjemnější psát jen o zázračných přínosech technologií (a věřte mi, že takových článků mám rozpracovaných několik). Zaroven ale všichni jsme dospělí lidé, kteří potřebují vidět celý obraz, ne jen jeho vyretušovanou verzi. Svět je plný odstínů šedi, a právě v těch nuancích často leží ta nejdůležitější zjištění. A o tom je dnešní newsletter.
Pod povrchem: Hlubší analýza dopadu AI na vzdělávání
Pokud při vývoji AI nástrojů pro vzdělávání postavíme pedagogiku na první místo, může mít technologie na učení mimořádně pozitivní dopad. To je mé klíčové poselství. Ale ráda bych se zamyslel nad novými hypotézami o tom, co se může stát, když k tomuto tématu přistupujeme bez potřebné citlivosti a respektu.
Zatímco miliony lidí používají AI pro učení, výzkumníci začínají bít na poplach. Nektere studie ukazují, že běžné AI modely nejen že nemusí být pro vzdělávání optimální – mohou dokonce aktivně škodit rozvoji znalostí a dovedností.
Bez správných pedagogických postupů může generická AI negativně ovlivnit učení tím, že:
Vytváří nadměrnou závislost – přestáváme se spoléhat na vlastní schopnosti
Oslabuje kritické myšlení – méně ověřujeme informace a méně je zpochybňujeme
Snižuje schopnost samoregulovaného učení – spoléháme na to, že AI udělá část učení za nás
Klíčem tedy je stavět pedagogiku a lidské potřeby na první místo – ne technologii samotnou.
Jak AI oslabuje kritické myšlení – a co s tím
Full study - The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers"by Microsoft Research & Carnegie Mellon University
Lidé, kteří více věří generativní umělé inteligenci, méně kriticky hodnotí její výstupy. Naopak pracovníci, kteří více důvěřují vlastním schopnostem, pečlivěji ověřují, upravují a kriticky začleňují odpovědi AI do své práce.
Výzkumníci analyzovali 936 reálných úkolů provedených 319 lidmi, kteří pravidelně používají ChatGPT, Copilot a další AI nástroje. Zjistili tři klíčové posuny v práci s informacemi:
1️⃣ Hledání a ověřování informací → AI výrazně zjednodušuje přístup k datům, ale uživatelé pak musí věnovat více času jejich ověřování.
2️⃣ Řešení problémů → Místo vlastního myšlení lidé upravují AI odpovědi tak, aby lépe seděly jejich potřebám.
3️⃣ Vykonávání úkolů → Čím dál méně děláme sami. Místo toho dohlížíme na AI, korigujeme a hodnotíme její výstupy.
AI je skvělá pro produktivitu, ale pokud nekriticky přijímáme její odpovědi, můžeme postupně ztratit schopnost samostatně řešit problémy.
Řešení podle výzkumníků:
Transparentnější AI – nástroje by měly vysvětlovat, jak dospěly k odpovědím
Interaktivní spolupráce – nabízet návrhy pro uživatelské úpravy, ne hotová řešení
Vizuální indikátory – jasně ukazovat míru důvěryhodnosti odpovědí
Jak ChatGPT ovlivňuje zapojení (engagement) studentů
How ChatGPT impacts student engagement from a systematic review and meta-analysis study (2024)
Systematická analýza 17 výzkumů (2024) reflektuje - ChatGPT sice zvyšuje motivaci a zapojení studentů, ale jen povrchně. Studenti pracující s AI se cítí více motivovaní, jenže tato motivace se nepřeklápí do skutečného hlubokého porozumění a dlouhodobého zapamatování.
Nejzávažnějším zjištěním je, že bez strukturovaného vedení může ChatGPT dokonce oslabit schopnost kriticky myslet. Studenti přijímají odpovědi bez rozmyslu, místo aby je zpochybňovali a analyzovali.
Jak tento problém řešit v praxi:
Zadávejte kritické hodnocení AI výstupů – Po použití ChatGPT pro návrh eseje vyžadujte, aby studenti našli mezery v logice nebo faktické chyby
AI až po ručním řešení – Nejprve nechte studenty vyřešit příklady samostatně, teprve pak použijte AI pro kontrolu nebo alternativní postupy
Zařaďte povinnou reflexi – Po výzkumu s pomocí AI by měli studenti písemně reflektovat: Co se naučili? Kde AI selhala? Jaký další výzkum museli provést?
Dopad velkých jazykových modelů na výuku programování
The Impact of Large Language Models on Programming Education and Student Learning Outcomes (2024)
LLMs zlepšily výkon při úkolech, ale výrazně snížily schopnost studentů řešit podobné problémy samostatně
Začátečníci, kteří se spoléhali na AI pro generování kódu, měli potíže s rozvojem základních dovedností
Pokročilí studenti dokázali z AI těžit efektivněji
Klíčový problém je nadměrná závislost na AI brání základnímu učení, zvlášť u začátečníků. Používání AI pro vysvětlení (místo přímého generování kódu) se ukázalo jako méně škodlivé.
Praktická řešení:
💭 Omezte používání AI v základních kurzech: V úvodních programovacích třídách by studenti měli být požádáni, aby psali kód ručně a debugovali chyby sami, než jim bude dovoleno používat LLM jako ChatGPT nebo GitHub Copilot.
Example: Assign beginners a Python exercise on basic loops or conditionals where LLMs are not permitted. Once they solve it manually, they could use AI tools to compare their approach to the AI’s suggestions.
💭 Navrhněte adaptivní AI nástroje, které poskytují krok za krokem vedení přizpůsobené začínajícím programátorům namísto poskytování kompletních řešení.
Example: When a beginner writes incomplete code, the AI could highlight specific areas for improvement and offer hints such as: “What condition might stop this loop from running indefinitely?
For a React assignment, provide prompts like “What key component might you need here?” or “How would lifting the state simplify this application?” These scaffolded steps help students plan their code instead of relying on AI-generated solutions.
💭 Omezte závislost na přímých odpovědích a integrujte vedení při debuggingu: Vyvíjejte nástroje, které vedou studenty procesem, spíše než aby přímo opravovaly problémy.
Example: Instead of fixing a syntax error, the AI could ask the user to identify the error by highlighting the problematic area and offering a hint like: “Have you closed all brackets and checked variable names?”
💭 Podporujte postupné učení: Zahrňte funkce, které vedou uživatele k rozložení složitých problémů na menší, zvládnutelné kroky - aby se nejprve zaměřili na vytvoření rámce funkce, než budou psát detailní logiku, čímž posílí dovednosti dekompozice problému.
💭 Sledujte a analyzujte pokrok v učení: dashboard by mohl zobrazovat metriky jako "procento úkolů vyřešených samostatně" nebo pomoci AI; "typy chyb, se kterými se setkal a vyřešil", poskytující vhled do oblastí růstu a příležitostí pro zlepšení.
Děkuji Dr. Phillipe Hardmann za její analýzy!
Světlá stránka: AI jako virtuální tutor v Nigérii pomohl zvládnout dvouleté učení za 6 týdnů
A teď k tolik očekávanému clickbaitu. Abych byla férová, musím zmínit i pozitivní příklady využití AI ve vzdělávání. Pilotní AI program ve státě Edo v Nigérii ukázal transformační potenciál generativní AI jako virtuálního tutora, zvláště v prostředí s omezenými vzdělávacími zdroji. Zlepšení v učení byla pozoruhodná – přibližně 0,3 směrodatné odchylky. Pro představu, to odpovídá téměř dvouletému běžnému učení za pouhých šest týdnů.
AI byla využita v programu po vyučování k poskytování okamžité zpětné vazby a individuálního vedení založeného na výkonu každého studenta. Studenti, kteří se účastnili programu podporovaného AI, dosáhli lepších výsledků v závěrečných zkouškách než jejich vrstevníci, což zdůrazňuje efektivitu AI při překlenování mezer ve vzdělávání. Aplikace AI podporovala interaktivní učení, což pomáhalo udržet studenty motivované a zaujaté probíranou látkou. Program ukázal potenciál pro řešení vzdělávacích výzev v prostředí s omezenými zdroji nabídkou škálovatelných, nákladově efektivních řešení doučování.
Osobně si myslím, že je to trochu jako ten známý vtip o Paretově pravidle v strojovém učení: "Prvních 90 % modelu natrénujete za 10 % času, a pak těch posledních 10 % zabere zbývajících 90 % času." Posun z dramatického nedostatku k základní úrovni je mnohem rychlejší a viditelnější než další zlepšování již fungujícího systému. V zemích, kde chybí učitelé a základní vzdělávací materiály, může AI přinést okamžité a výrazné zlepšení. Naopak ve vyspělých vzdělávacích systémech je těžší dosáhnout stejně dramatického skoku v kvalitě.
To samozřejmě neznamená, že bychom neměli být obezřetní. I v rozvojových regionech potřebujeme zajistit, aby AI nástroje podporovaly kritické myšlení a samostatnost, nejen rychlé odpovědi.
Co si z toho vzít?
Technologie vždy byla dvojsečnou zbraní a AI není výjimkou. Nejlepším přístupem není ji slepě přijmout ani odmítnout – ale používat ji promyšleně, s vědomím jejích limitů.
Pro nás všechny je důležité zachovat si zdravou skepsi. Ptejme se, zkoumeijme, ověřujme. Používejme AI jako nástroj, který rozšiřuje naše schopnosti – ne jako berličku, která je nahrazuje.
Pokaždé, když dostanete odpověď od ChatGPT nebo jiného AI nástroje, zastavte se na moment a položte si otázku: "Dává toto opravdu smysl? Jak bych to řešil/a sám/sama? Co na této odpovědi mohu zlepšit?"
Jen tak zůstaneme pány svého učení a svého myšlení.
S pozdravem, Daria
PS: Máte zkušenost s tím, že vám AI pomohla lépe se něco naučit? Nebo naopak s tím, že jste se díky ní něco nenaučili pořádně? Budu ráda za vaše postřehy a zkušenosti - napište mi!
Výborné zhrnutie. Ďakujem. 🙏🏽
Ja napríklad používam ChatGPT pri zrýchľovaní hľadania podstatných informácií v matematike. Namiesto hľadania, kam sa pozrieť a na čo sa pozrieť, dopytujem AI tým, aby mi tieto informácie vytiahla a potom s nimi ďalej pracujem. V podstate skracuje cestu vyhľadávania. Zároveň ju žiadam o zdroje, z ktorých čerpá, aby som si to vedel overiť, ak pochybujem.