Raport OECD o AI w edukacji pokazuje, że uczniowie korzystający z AI zazwyczaj osiągają niższe wyniki

Raport OECD o AI w edukacji ujawnił trudny konflikt: większość uczniów korzystających z chatbotów przy pracy szkolnej uzyskała wyniki niższe niż uczniowie, którzy ich unikali. Ten wzorzec pojawił się w badaniu z 2025 roku obejmującym 760 000 piętnastolatków z 91 krajów i gospodarek.

Ten nagłówek nie oznacza, że każdy uczeń powinien zamknąć ChatGPT lub Gemini. Umiarkowani użytkownicy czasem osiągali lepsze wyniki niż użytkownicy okazjonalni lub intensywni. Częsti użytkownicy zyskiwali również niewielką przewagę, gdy szkoły uczyły ich oceniać informacje generowane przez AI.

Rzeczywisty podział nie przebiega więc między użytkownikami AI a osobami, które z niej nie korzystają. Chodzi o poznawcze delegowanie pracy kontra wspierane ćwiczenie. Chatbot może stworzyć dopracowaną odpowiedź, nie zapewniając jednak, że użytkownik rozumie pytanie, dowody lub stojące za nią rozumowanie.

To rozróżnienie wywiera presję na szkoły, rodziny i twórców AI, by ponownie rozważyli, co powinna mierzyć edukacyjna adopcja technologii. Szybsze odrabianie prac domowych i lepiej wyglądające oddane prace nie oznaczają automatycznie nauki. Samodzielne wykonanie zadania pozostaje trudniejszym i ważniejszym sprawdzianem.

Co faktycznie wykazał raport OECD o AI w edukacji

Uczniowie, którzy unikali AI przy pracy szkolnej, zazwyczaj osiągali lepsze wyniki niż jej użytkownicy, lecz rezultat opisuje zależność, a nie potwierdzoną szkodę.

OECD opublikowała wyniki PISA 2025 8 września 2026 roku. PISA, czyli Program Międzynarodowej Oceny Umiejętności Uczniów, mierzy, jak piętnastolatkowie wykorzystują wiedzę do rozwiązywania nieznanych problemów.

Edycja z 2025 roku była największą w historii programu. Objęła 760 000 uczniów z 91 uczestniczących krajów i gospodarek. Głównym przedmiotem były nauki ścisłe, a czytanie i matematyka dostarczyły dodatkowych miar podstawowej wiedzy.

Po raz pierwszy PISA zebrało szczegółowe informacje o tym, jak często uczniowie korzystali z chatbotów AI przy pracy szkolnej. Pytania obejmowały cztery powszechne aktywności.

Uczniowie wskazywali, czy używali chatbotów, aby pomagały im się uczyć, badać nowy temat, streszczać zadaną lekturę lub tworzyć szkice prac pisemnych. Ankieta rozróżniała także korzystanie okazjonalne, umiarkowane, cotygodniowe i niemal codzienne.

AI stała się już normą dla większości uczniów. W krajach OECD jedynie 14 procent deklarowało, że nigdy lub prawie nigdy nie korzystało z chatbotów przy wszystkich badanych aktywnościach szkolnych.

Mimo to osoby niekorzystające z AI zazwyczaj uzyskiwały wyższe wyniki z nauk ścisłych niż użytkownicy. Uczniowie, którzy nie wykorzystywali AI do tworzenia szkiców prac, również osiągali lepsze wyniki niż ci, którzy zgłaszali jej używanie w tym celu.

Wzorzec różnił się w zależności od aktywności i częstotliwości. Uczniowie korzystający z AI co tydzień jako pomocy w nauce osiągali podobne skorygowane wyniki z nauk ścisłych jak osoby niekorzystające z niej. Ci, którzy używali jej niemal codziennie albo tylko okazjonalnie, mieli tendencję do uzyskiwania niższych wyników.

W przypadku streszczania i wstępnego researchu umiarkowani użytkownicy radzili sobie lepiej niż osoby korzystające z AI zarówno rzadko, jak i intensywnie. OECD zdefiniowała umiarkowane użycie dla tych zadań jako korzystanie od raz w miesiącu do dwóch razy w tygodniu.

Tworzenie szkiców pokazało słabszą wersję tej przewagi pośredniej częstotliwości użycia. Uczniowie unikający tworzenia szkiców z chatbotem nadal mieli najwyraźniejszą ogólną przewagę.

Porównania te skorygowano o przewidywane wyniki z nauk ścisłych z uwzględnieniem statusu społeczno-ekonomicznego uczniów. To istotne, ponieważ adopcja AI nie była równomiernie rozłożona.

Częsti użytkownicy zwykle pochodzili z bardziej uprzywilejowanych środowisk. Osoby niekorzystające z AI częściej doświadczały trudności społeczno-ekonomicznych, w tym ograniczonego dostępu do urządzeń, niezawodnych połączeń internetowych lub płatnych usług AI.

Nawet po uwzględnieniu pochodzenia społeczno-ekonomicznego trudno było oddzielić zachowania użytkowników od ich podejścia do nauki. Uczeń mający trudności może sięgać po AI, ponieważ praca jest już dla niego trudna. Intensywne użycie AI może też zmniejszać wysiłek potrzebny do rozwijania samodzielnych umiejętności.

Raport nie pozwala ustalić, który kierunek przeważa. Dostarcza dowodów przekrojowych, co oznacza, że ankieta uchwyciła korzystanie i wyniki w tym samym okresie oceny.

OECD nie twierdzi więc, że samo otwarcie chatbota bezpośrednio obniża wynik ucznia. Jego mocniejszy wniosek jest bardziej praktyczny: sam dostęp nie przewiduje lepszej nauki.

Wniosek ten podważa powszechne założenie stojące za wdrażaniem AI w klasach. Dostępność łatwo policzyć, podczas gdy zrozumienie znacznie trudniej zmierzyć.

Lepsza praca domowa może ukrywać słabszą naukę

Generatywna AI może podnosić jakość ukończonej pracy, jednocześnie osłabiając ćwiczenie przygotowujące uczniów do samodzielnej pracy.

Ustalenia OECD wpisują się w szerszy dorobek badań eksperymentalnych. Chatboty ogólnego przeznaczenia często poprawiają natychmiastowy efekt pracy podczas zadania wspieranego przez AI. Te korzyści mogą zniknąć po usunięciu wsparcia.

Perspektywa edukacji cyfrowej organizacji opisuje ten problem jako lukę między wykonaniem a nauką. Wykonanie mierzy, czy uczeń pomyślnie ukończył dzisiejsze zadanie. Nauka mierzy, czy uczeń potrafi później zastosować tę wiedzę.

Uczeń może poprosić chatbota o streszczenie rozdziału i otrzymać trafną, czytelną odpowiedź. Ten wynik niewiele mówi o tym, czy uczeń rozpoznał główną tezę, rozważył dowody lub zapamiętał materiał.

Tworzenie szkiców rodzi jeszcze ostrzejszy konflikt. Chatbot może w kilka sekund przekształcić krótkie polecenie w ustrukturyzowany esej. Powstała praca może prezentować słownictwo i organizację, których uczeń nie potrafi odtworzyć samodzielnie.

Widoczny produkt się poprawia, ale ukryty proces uczenia się kurczy. Uczeń poświęca mniej czasu na odtwarzanie informacji z pamięci, rozwiązywanie niepewności, wybieranie dowodów i poprawianie słabego rozumowania.

Te kroki mogą wydawać się nieefektywne. To jednak właśnie w nich zachodzi znaczna część nauki.

Mechanizm ten pomaga wyjaśnić nietypową krzywą częstotliwości w danych PISA. Umiarkowane użycie może uzupełniać aktywny proces uczenia się. Intensywne użycie stwarza więcej okazji do zastąpienia tego procesu.

Użytkownicy okazjonalni mogą także uzyskiwać niższe wyniki z kilku powodów. Niektórzy mogą otwierać chatbota tylko wtedy, gdy są zdezorientowani lub mają zaległości. Częstotliwość korzystania odzwierciedla wtedy istniejące trudności, zamiast je powodować.

OECD Digital Education Outlook przeanalizował kontrolowane badanie z matematyki z udziałem uczniów szkół średnich w Türkiye. Podczas ćwiczeń uczniowie otrzymali dostęp albo do ogólnego interfejsu GPT-4, albo do specjalnie zaprojektowanej wersji korepetytorskiej.

System korepetytorski poprawił wyniki podczas ćwiczeń o 127 procent w porównaniu z uczniami bez dostępu do AI. Ogólny chatbot poprawił je o 48 procent.

Jednak uczniowie ćwiczący z ogólnym chatbotem uzyskali podczas egzaminu bez dostępu do materiałów wyniki o 17 procent niższe niż uczniowie, którzy nigdy nie otrzymali dostępu do AI. Grupa korzystająca z korepetytora uniknęła większości tej straty.

Leżące u podstaw kontrolowane badanie z matematyki oferuje ważne porównanie. Oba systemy wykorzystywały tę samą rodzinę modeli bazowych, lecz ich zachowanie zachęcało uczniów do różnych działań.

Ogólny interfejs chętnie podawał odpowiedzi. Korepetytor zawierał zabezpieczenia mające prowadzić uczniów przez problemy bez natychmiastowego wykonywania za nich pracy.

Ta różnica przenosi debatę poza dokładność modelu. Nawet poprawna odpowiedź może osłabiać naukę, gdy pojawia się, zanim uczeń sformułuje i sprawdzi samodzielne podejście.

Edukacyjna AI potrzebuje zatem kolejnej miary jakości. Twórcy zwykle oceniają, czy model odpowiada poprawnie, wykonuje instrukcje i zadowala użytkowników. System wspierający naukę musi również zachowywać produktywny wysiłek.

Produktywny wysiłek nie wymaga ukrywania każdej odpowiedzi. Oznacza zachęcanie do przypomnienia sobie wiedzy, proszenie o wyjaśnienie, wskazywanie błędnego rozumienia i opóźnianie pomocy, aż uczeń podejmie próbę rozwiązania problemu.

Tradycyjny chatbot optymalizuje działanie pod kątem natychmiastowej pomocności. Edukacyjny korepetytor musi czasem oprzeć się temu impulsowi.

Tworzy to niewygodny konflikt produktowy. Uczniowie często preferują narzędzia redukujące pracę, podczas gdy szkoły potrzebują narzędzi zwiększających samodzielne kompetencje.

Korzystanie, szybkość ukończenia i satysfakcja mogą nagradzać niewłaściwy projekt. System, który czyni zadania bezwysiłkowymi, może wyglądać na skuteczny na panelu kontrolnym, jednocześnie osłabiając wyniki egzaminacyjne.

Wyniki uczniów w PISA dotyczące AI uwidaczniają ten problem pomiarowy w skali globalnej. Szkoły nie mogą oceniać technologii edukacyjnej wyłącznie przez pryzmat adopcji lub jakości oddawanych prac.

Potrzebują dowodów, że umiejętności przenoszą się na sytuacje, w których chatbot jest nieobecny, ograniczony lub nie może dostarczyć gotowej odpowiedzi.

Kompetencje AI zmieniają wynik

Uczniowie odnosili największe korzyści, gdy szkoły łączyły częste użycie AI z wyraźnym ćwiczeniem kwestionowania informacji, które ona generowała.

Około sześciu na dziesięciu uczniów w krajach OECD zgłosiło otrzymywanie zadań klasowych obejmujących ocenę informacji wygenerowanych przez AI. Odsetki krajowe wahały się od 31 procent do ponad 80 procent.

Spośród tych uczniów 46 procent stwierdziło, że czasem wykonywało takie aktywności. Około 33 procent robiło to często, a 22 procent deklarowało, że robiło to bardzo często.

Uczniowie otrzymywali więcej praktyki w ocenie zwykłych informacji internetowych. Około ośmiu na dziesięciu stwierdziło, że na lekcjach proszono ich o ocenę jakości informacji znalezionych w internecie.

To rozróżnienie ma znaczenie, ponieważ wyniki AI tworzą szczególne wyzwania. Chatbot tworzy płynny język nawet wtedy, gdy jego rozumowanie lub dowody są niepełne.

Ocena takiej odpowiedzi wymaga zwykłych umiejętności czytania oraz pewnego zrozumienia, jak systemy generatywne tworzą odpowiedzi. Uczniowie muszą sprawdzać twierdzenia, śledzić źródła, rozpoznawać niepewność i porównywać odpowiedzi z wiarygodnymi materiałami.

PISA odnotowało niewielkie, lecz zauważalne odwrócenie tego trendu wśród uczniów otrzymujących takie możliwości. Części użytkownicy, którzy nauczyli się oceniać informacje AI, nieznacznie przewyższali osoby niekorzystające z AI oraz uczniów używających jej dwa razy w miesiącu lub rzadziej.

Wynik ten nie dowodzi, że lekcje oceny spowodowały poprawę. Szkoły oferujące lepszą edukację w zakresie AI mogą również dysponować lepszymi nauczycielami, zasobami lub szerszym wsparciem akademickim.

Osłabia jednak pogląd, że użycie AI jest jednolicie szkodliwe. Środowisko edukacyjne i zachowanie ucznia wydają się kształtować rezultat.

Ustalenia OECD dotyczące kompetencji AI podkreślają interpretację zamiast biernej konsumpcji. Takie podejście stawia umiejętność czytania w centrum skutecznego korzystania z chatbotów.

Przydatne ćwiczenie klasowe mogłoby dać uczniom wyjaśnienie wygenerowane przez AI, zawierające trafne stwierdzenia, niepoparte założenia i jedno fałszywe cytowanie. Uczniowie mogliby następnie opisać adnotacjami i zweryfikować każde twierdzenie.

Inne zadanie mogłoby wymagać od uczących się napisania pierwszej odpowiedzi bez AI. Mogliby potem poprosić chatbota o krytykę, a następnie wyjaśnić, które sugestie przyjęli lub odrzucili.

Takie aktywności zachowują sprawczość ucznia. Model staje się przedmiotem analizy lub źródłem informacji zwrotnej, a nie automatyczną maszyną do udzielania odpowiedzi.

Tworzą również dowody, które nauczyciele mogą sprawdzić. Sam końcowy esej może ukrywać, jak wiele rozumowania pochodziło od ucznia. Szkice, polecenia, notatki źródłowe i pisemne oceny ujawniają ten proces.

To obszar, w którym praktyki osobistego zarządzania wiedzą mogą wspierać odpowiedzialne korzystanie. Uczniowie, którzy zachowują źródła i własne notatki, mogą porównywać odpowiedzi AI ze ścieżką dowodową.

Ustrukturyzowana przestrzeń pracy dla studentów może pomóc utrzymać powiązania między lekturami, notatkami i pytaniami. Wartość edukacyjna nadal zależy od tego, jak student wykorzystuje te materiały.

Krytyczna ocena nie może sprowadzać się do jednorazowej lekcji o bezpieczeństwie AI. Musi być obecna w zwykłych zadaniach z nauk przyrodniczych, historii, pisania i badań.

Uczniowie potrzebują też przyzwolenia, by kwestionować płynnie sformułowaną odpowiedź. Chatboty komunikują się z pewnością siebie, a młodsi użytkownicy mogą mylić dopracowany język z autorytetem.

Nauczyciele mogą przeciwdziałać temu efektowi, nagradzając weryfikację i korektę. Uczeń, który wskaże niepoparte dowodami twierdzenie modelu, powinien otrzymać uznanie za rozumowanie, a nie tylko za dojście do oczekiwanej odpowiedzi.

Celem nie jest nieufność dla samej nieufności. Chodzi o skalibrowane zaufanie oparte na dowodach, rodzaju zadania i niepewności.

Takie podejście lepiej odpowiada rzeczywistemu wpływowi AI na naukę. Ten sam model może albo skracać proces myślenia, albo zapewniać informacje zwrotne, które go rozwijają.

Różnica w wynikach nie dowodzi, że AI spowodowała spadek

Dane OECD wskazują sygnał ostrzegawczy, ale nie mogą oddzielić wpływu chatbotów od wielu czynników oddziałujących na wyniki uczniów.

Nagłówki o gorszych wynikach użytkowników AI mogą łatwo wyprzedzać dowody. W badaniu PISA nie przydzielono losowo setek tysięcy uczniów do korzystania z chatbotów lub ich unikania.

Uczniowie opisywali własne zachowania. Częstotliwość deklarowana przez respondentów może być niedokładna, a różne osoby mogą inaczej rozumieć sformułowanie „pomóż mi się uczyć”.

Jeden uczeń może używać AI do generowania gotowych odpowiedzi. Inny może prosić o pytania ćwiczeniowe, informacje zwrotne lub alternatywne wyjaśnienie. Obaj mogą trafić do tej samej szerokiej kategorii użytkowania.

Wyniki z nauk przyrodniczych odzwierciedlają również skumulowaną wiedzę, a nie tylko działania wykonane w 2025 roku. Uczniowie przystępowali do oceny z doświadczeniami z różnych szkół, od różnych nauczycieli, z odmiennym wsparciem rodzinnym, motywacją i wcześniejszymi osiągnięciami.

Odwrotna zależność przyczynowa pozostaje prawdopodobna. Uczniowie osiągający słabsze wyniki mogą częściej polegać na chatbotach, ponieważ potrzebują dodatkowej pomocy. Taki wzorzec prowadziłby do niższych wyników wśród użytkowników, nie dowodząc jednak, że AI stworzyła tę różnicę.

OECD otwarcie przyznaje istnienie tego ograniczenia. Wskazuje, że te zależności nie muszą oznaczać, iż AI negatywnie wpływa na wyniki z nauk przyrodniczych.

Szersze trendy w osiągnięciach rozpoczęły się także przed powszechnym wdrożeniem generatywnej AI. W krajach OECD wyniki w czytaniu spadły o 28 punktów między 2015 a 2025 rokiem. Wyniki z matematyki spadły o 22 punkty.

OECD porównuje te zmiany do około półtora roku nauki w czytaniu i nieco ponad jednego roku w matematyce.

ChatGPT stał się publicznie dostępny dopiero pod koniec 2022 roku. Sam nie może wyjaśnić trwającego dekadę spadku.

Zakłócenia wywołane pandemią, frekwencja, zaangażowanie rodzin, cyfrowe rozproszenie uwagi, zmiany programowe i warunki nauki — wszystkie te czynniki powinny znaleźć się w analizie. Wyniki PISA nie przypisują każdemu z nich precyzyjnego udziału w spadku.

Średnie wyniki z nauk przyrodniczych w OECD pozostawały stabilne między 2022 a 2025 rokiem. Ta stabilność dodatkowo komplikuje twierdzenia, że upowszechnienie chatbotów spowodowało natychmiastowe ogólne załamanie.

Jednocześnie brak dowodu przyczynowego nie powinien usuwać ostrzeżenia. Obserwowany wzorzec wielokrotnie przemawia na korzyść niekorzystania, umiarkowanego korzystania lub korzystania pod nadzorem, zamiast intensywnej, niekierowanej pomocy.

Badania kontrolowane wskazują też mechanizmy, które sprawiają, że negatywny wpływ na naukę jest wiarygodny. Gdy uczniowie otrzymują odpowiedzi przed podjęciem próby przypomnienia sobie wiedzy i rozumowania, ćwiczą mniej umiejętności później mierzonych bez pomocy.

Najmocniejsze stanowisko znajduje się więc między paniką a samozadowoleniem. PISA nie dowodzi, że AI czyni uczniów mniej inteligentnymi. Pokazuje, że zwykłe wdrożenie nie przyniosło powszechnej przewagi edukacyjnej.

To ustalenie powinno zmienić ciężar dowodu. Szkoły nie powinny zakładać, że chatbot ma wartość edukacyjną tylko dlatego, że uczniowie używają go do pracy szkolnej.

Twórcy AI również potrzebują dowodów wykraczających poza zaangażowanie użytkowników. Jeśli firma promuje produkt edukacyjny, powinna wykazać trwałe korzyści poprzez opóźnioną i niezależną ocenę.

Takie testy powinny porównywać ogólne chatboty, narzędzia do korepetycji z ograniczeniami, użycie prowadzone przez nauczyciela oraz ćwiczenia bez AI. Powinny też śledzić, czy korzyści utrzymują się w różnych przedmiotach i grupach uczniów.

Równość dostępu wprowadza kolejną niepewność. Uczniowie w trudniejszej sytuacji społeczno-ekonomicznej rzadziej otrzymywali na lekcjach zadania obejmujące ocenę informacji wygenerowanych przez AI.

Byli też częściej osobami niekorzystającymi z AI, potencjalnie z powodu ograniczonego dostępu. Rozszerzanie dostępu bez rozszerzania wskazówek może zastąpić jedną nierówność inną.

Główne ryzyko nie polega po prostu na tym, że niektórzy uczniowie mają lepsze modele. Polega na tym, że niektórzy uczą się, jak zadawać modelom krytyczne pytania, podczas gdy inni otrzymują jedynie natychmiastowe odpowiedzi.

Szkoły muszą przeprojektować zadania, a nie tylko kontrolować chatboty

Wyniki przenoszą presję z decyzji o powszechnym dostępie na projektowanie zadań, oceniania i produktów AI.

Początkowo szkoły traktowały generatywną AI głównie jako problem uczciwości akademickiej. Ta obawa nadal jest istotna.

W odrębnym badaniu OECD wśród nauczycieli 72 procent nauczycieli szkół średnich I stopnia stwierdziło, że AI może szkodzić uczciwości, umożliwiając uczniom przedstawianie wygenerowanej pracy jako własnej.

Samo wykrywanie oferuje słabą odpowiedź. Detektory AI oceniają, czy tekst przypomina pisanie wspomagane przez maszynę, ale nie odtwarzają wiarygodnie sposobu, w jaki uczeń przygotował zadanie.

Uczeń może używać AI do burzy mózgów, korekty gramatycznej, niepopartego źródłami tworzenia szkicu lub pełnego zastąpienia własnej pracy. Tekst końcowy rzadko jasno ujawnia te różnice.

Projektowanie oceniania może dostarczyć bardziej użytecznych dowodów. Nauczyciele mogą prosić o konspekty, adnotacje do źródeł, wersje robocze, ustne wyjaśnienia lub krótkie nadzorowane uzupełnienia.

Metody te czynią rozumowanie widocznym. Pozostają też użyteczne, gdy szkoła dopuszcza pewne formy pomocy AI.

Egzaminy bez dostępu do materiałów zapewniają jeden pomiar samodzielnych kompetencji. Nie powinny jednak stać się jedyną odpowiedzią, ponieważ nauka obejmuje także badania, współpracę, poprawianie tekstów i korzystanie z narzędzi.

Zrównoważony system może oceniać oba tryby. Uczniowie powinni wykazywać podstawową wiedzę bez AI oraz odpowiedzialne stosowanie AI.

Globalne ogłoszenie OECD opowiada się za celowym, umiarkowanym korzystaniem z technologii. Ostrzega także przed zastępowaniem uwagi, wysiłku i zrozumienia.

Ta zasada daje szkołom praktyczny standard. Zadanie powinno określać, która praca poznawcza należy do ucznia i gdzie AI może wnieść wkład.

Na przykład nauczyciel może zakazać AI podczas początkowego rozwiązywania problemu, ale zezwolić na nią podczas poprawiania pracy. Uczniowie mogliby następnie porównać własne podejście z odpowiedzią modelu.

Zadanie z historii mogłoby dopuszczać eksplorację tematu, jednocześnie wymagając, by każde twierdzenie faktyczne było powiązane z zatwierdzonym źródłem. Uczniowie przedstawialiby krótkie wyjaśnienie każdej odrzuconej sugestii AI.

Kurs pisania mógłby wykorzystywać chatboty jako krytyków, a nie autorów. Model mógłby wskazywać niejasne fragmenty, ale uczeń decydowałby, jak je poprawić.

Takie projekty sprawiają, że korzystanie z AI jest wolniejsze niż skopiowanie odpowiedzi. To tarcie jest wartościowe, gdy zmusza uczących się do przyjrzenia się własnemu myśleniu.

Twórcy stoją przed równoległym wyzwaniem projektowym. Tryby edukacyjne potrzebują czegoś więcej niż przyjaznego tonu, uproszczonych wyjaśnień czy dostosowanych do wieku kontroli interfejsu.

Wiarygodny korepetytor powinien diagnozować błędne przekonania, prosić uczniów o opowiedzenie się za odpowiedzią i stopniowo dostosowywać wskazówki. Powinien unikać zbyt wczesnego wykonywania kluczowego zadania intelektualnego.

Nauczyciele potrzebują także wglądu w interakcję. Użyteczny system klasowy mógłby podsumowywać omawiane pojęcia, żądane wskazówki i poprawione błędy bez ujawniania zbędnych danych osobowych.

Prywatność i bezpieczeństwo pozostają ważne, zwłaszcza w przypadku nieletnich. Szkoły potrzebują jasnych zasad dotyczących przechowywania danych, trenowania modeli, adekwatności wiekowej i dostępu do rozmów uczniów.

Przygotowanie nauczycieli to kolejny punkt presji. OECD podaje, że 37 procent nauczycieli szkół średnich I stopnia wykorzystywało AI w swojej pracy w 2024 roku.

Nauczyciele nie mogą kierować zachowaniem uczniów wyłącznie za pomocą dokumentów polityki. Potrzebują przykładów specyficznych dla przedmiotów, pokazujących, kiedy AI wspiera naukę, a kiedy usuwa niezbędną praktykę.

Właściwe podejście będzie różnić się zależnie od dyscypliny. Pomoc podobna do kalkulatora może być odpowiednia po opanowaniu pojęcia matematycznego, lecz szkodliwa podczas jego wprowadzania.

Osoby uczące się języków mogą skorzystać z praktyki konwersacyjnej. Nadal potrzebują jednak okazji do przypominania sobie słownictwa i budowania zdań bez automatycznego uzupełniania.

Pytanie nie brzmi zatem, czy każda klasa powinna przyjąć lub zakazać AI. Chodzi o to, czy każde zastosowanie zachowuje działanie umysłowe, które lekcja ma rozwijać.

Trzy sygnały pokażą, czy edukacyjna AI się poprawia

Kolejną fazę należy oceniać przez samodzielną naukę, dostęp do korzystania pod nadzorem oraz zachowanie produktów, a nie przez samą skalę adopcji chatbotów.

Pierwszym sygnałem są wyniki bez pomocy. Szkoły i badacze potrzebują opóźnionych ocen sprawdzających, czy uczniowie zachowują i przenoszą umiejętności po użyciu AI.

Natychmiastowa jakość zadania nie wystarcza. Użyteczny system powinien poprawiać wyniki, gdy narzędzie jest niedostępne i gdy pytanie różni się od przykładu ćwiczeniowego.

Jeśli przyszłe randomizowane badania wykażą trwałe korzyści w różnych przedmiotach, ostrzeżenie OECD osłabnie. Jeśli dopracowane prace domowe nadal będą poprzedzać słabsze egzaminy, stanie się ono silniejsze.

Drugim sygnałem jest dostęp do wyraźnego nauczania oceny AI. PISA wykazało, że około sześciu na dziesięciu uczniów otrzymało pewną praktykę klasową w ocenianiu informacji wygenerowanych przez AI.

Ten odsetek powinien wzrosnąć, ale sama obecność uczestników nie wystarczy. Badacze powinni mierzyć jakość, częstotliwość i integrację tych lekcji z poszczególnymi przedmiotami.

Powinni także obserwować lukę społeczno-ekonomiczną. Uczniowie w trudniejszej sytuacji społeczno-ekonomicznej obecnie zgłaszają mniej okazji do oceny wyników AI podczas lekcji szkolnych.

Jeśli ta luka się zamknie, a użytkownicy korzystający z AI pod nadzorem będą osiągać lepsze wyniki, znajomość AI będzie wyglądać na istotną interwencję. Jeśli dostęp rozszerzy się bez niezależnych postępów, szkoły będą potrzebować głębszych zmian dydaktycznych.

Trzecim sygnałem jest to, czy produkty edukacyjne przeciwdziałają zastępowaniu odpowiedziami. Twórcy powinni wyjaśniać, w jaki sposób tryby korepetycji zachowują rozumowanie ucznia i jak mierzą naukę po zakończeniu pomocy.

Użyteczne dowody obejmowałyby niezależne oceny, przejrzyste projekty badań i porównania ze zwykłymi chatbotami. Dane o zaangażowaniu nie mogą odpowiedzieć na pytanie edukacyjne.

Zachowanie produktu ma również znaczenie podczas codziennego użycia. Czy korepetytor prosi o próbę przed podaniem rozwiązania? Czy wymaga dowodów i ujawnia niepewność?

Czy nauczyciele mogą skonfigurować rodzaj pomocy dostępnej dla każdego zadania? Czy uczniowie mogą prześledzić, jak zmieniło się ich rozumowanie, zamiast otrzymać jedynie gotową odpowiedź?

Te wybory zadecydują, czy AI stanie się skrótem, korepetytorem czy nierówną mieszanką obu.

Raport OECD o edukacji i AI nie uzasadnia udawania, że chatboty znikną ze szkół. Większość badanych uczniów już z nich korzystała, a egzekwowanie zasad nie może odwrócić tej rzeczywistości.

Uzasadnia jednak wyższy standard. Po wykonaniu zadania wspomaganego przez AI uczniowie powinni wiedzieć więcej niż wcześniej, a nie jedynie dysponować lepszym tekstem.

Rodzice i uczący się mogą natychmiast zastosować ten sam test. Po użyciu chatbota zamknij go i wyjaśnij ideę, rozwiąż powiązany problem albo obroń odpowiedź źródłami.

Jeśli zrozumienie znika wraz z oknem czatu, narzędzie wykonało pracę, ale nie wsparło nauki. Kolejne pytanie brzmi, czy szkoły i twórcy będą projektować rozwiązania z myślą o tym rozróżnieniu.