Wyniki testów AI OECD ujawniają odwrócenie trendu w nauce uczniów

Wyniki testów AI OECD ujawniają niepokojącą sprzeczność: uczniowie, którzy unikają chatbotów przy pracy szkolnej, często osiągają lepsze wyniki niż koledzy, którzy z nich korzystają. Ustalenie pochodzi z PISA 2025, międzynarodowego badania OECD obejmującego 15-letnich uczniów.

Wynik podważa popularne założenie dotyczące AI w edukacji. Chatboty mogą tworzyć dopracowane prace domowe, streszczać lektury i odpowiadać na pytania w ciągu kilku sekund. Lepsza praca wspomagana nie prowadzi jednak automatycznie do budowania wiedzy, z której uczniowie potrafią korzystać samodzielnie.

To rozróżnienie stawia chatboty ogólnego przeznaczenia po jednej stronie wyłaniającego się podziału. Po drugiej znajdują się ustrukturyzowane systemy, które skłaniają uczniów do rozumowania, ćwiczenia i wyjaśniania własnych odpowiedzi. Dowody nie przemawiają za zakazem stosowania AI w edukacji. Wskazują raczej, że należy pytać, czy technologia pomaga uczniom myśleć, czy po prostu wykonuje myślenie za nich.

PISA wykazuje różnicę w wynikach testów AI

Kluczowe ustalenie OECD wskazuje na związek między korzystaniem z chatbotów a słabszymi samodzielnymi wynikami, a nie dowodzi, że AI spowodowała niższe rezultaty.

Wyniki PISA 2025 zapewniają jedno z najszerszych dotąd spojrzeń na korzystanie przez uczniów z AI. PISA, Programme for International Student Assessment, mierzy, jak 15-latkowie stosują wiedzę do rozwiązywania nieznanych problemów.

Do 2025 roku większość uczniów w większości uczestniczących systemów edukacyjnych korzystała z chatbotów AI przy pracy szkolnej. Zaledwie 14 procent uczniów w krajach OECD deklarowało, że niemal nigdy nie korzystało z nich do badanych celów.

Cele te obejmowały streszczanie zadanych tekstów, prowadzenie wstępnego researchu, przygotowywanie prac pisemnych oraz uzyskiwanie ogólnej pomocy w nauce. Najczęściej zgłaszanym zastosowaniem była ogólna pomoc w nauce.

Korzystanie niemal codziennie pozostawało mniej powszechne. W krajach OECD regularne użycie deklarował około co piąty uczeń. Ma to znaczenie, ponieważ zarówno częstotliwość, jak i cel użycia wiązały się z odmiennymi wzorcami wyników.

Uczniowie, którzy deklarowali brak korzystania z chatbotów przy konkretnych zadaniach szkolnych, na ogół uzyskiwali wyższe wyniki z nauk ścisłych niż użytkownicy. Ten wzorzec pojawił się w większości uczestniczących krajów i gospodarek.

Zależność nie miała prostego, liniowego charakteru. Uczniowie korzystający z AI co tydzień w celu ogólnej nauki osiągali wyniki podobne do osób niekorzystających z niej, po uwzględnieniu przez badaczy sytuacji społecznoekonomicznej.

Uczniowie korzystający z AI niemal codziennie albo jedynie okazjonalnie mieli tendencję do uzyskiwania wyników niższych niż osoby niekorzystające z niej. Umiarkowani użytkownicy czasem przewyższali uczniów korzystających z niej rzadko i często podczas streszczania tekstów lub badania nowych tematów.

Pisanie było inne. Przewaga wyników umiarkowanych użytkowników była mniej wyraźna, gdy AI pomagała tworzyć prace. Wynik ten współgra z obawą, że generowanie tekstu może zastępować więcej pracy poznawczej niż pomoc w researchu.

Porównanie wykorzystuje prognozowane wyniki z nauk ścisłych skorygowane o profile społecznoekonomiczne uczniów. Nadal opiera się jednak na obserwacyjnych danych o korzystaniu z narzędzi, zgłaszanych przez samych uczniów. Uczniowie nie byli losowo przydzielani do grup korzystających i niekorzystających z chatbotów.

Uczniowie osiągający słabsze wyniki mogą częściej szukać pomocy w AI. Uczniowie z większym obciążeniem pracą, słabszym wsparciem otoczenia lub niższą pewnością siebie mogą też inaczej wdrażać chatboty.

OECD wyraźnie zastrzega, że jej ustalenia nie dowodzą negatywnego związku przyczynowego. Opisują raczej relację kształtowaną przez to, kto wdraża AI, dlaczego z niej korzysta i jak często.

To zastrzeżenie powinno uchronić przed przekształceniem łatwego nagłówka w fałszywy werdykt. PISA nie dowiodła, że każdy uczeń traci wiedzę po otwarciu ChatGPT. Ujawniła jednak konsekwentną różnicę, której szkoły nie mogą bezpiecznie ignorować.

Różnica ma znaczenie również dlatego, że PISA bada samodzielne stosowanie wiedzy. Chatbot może poprawić pracę oddawaną w domu, jednocześnie pozostawiając ucznia gorzej przygotowanego, gdy narzędzie znika.

Ta różnica między ukończoną pracą a utrzymaną umiejętnością tworzy rzeczywisty konflikt. Systemy edukacji od lat oceniają widoczne rezultaty. Generatywna AI może teraz poprawiać te rezultaty bez niezawodnego poprawiania umiejętności uczącego się.

Wyniki testów AI OECD ujawniają odwrócenie trendu w pracach domowych

AI może sprawić, że zadanie będzie wyglądało lepiej, jednocześnie osłabiając związek między tym zadaniem a wiedzą ucznia.

Wcześniejsza prognoza edukacyjna OECD wskazała ten problem, zanim pojawiły się nowe wyniki PISA. AI ogólnego przeznaczenia może podnosić jakość wykonania zadań bez zapewniania trwałych przyrostów w nauce.

Uczeń może poprosić chatbota o streszczenie rozdziału, uporządkowanie argumentacji lub napisanie eseju. Końcowa praca może stać się bardziej przejrzysta, nawet jeśli uczeń mniej czyta, planuje i poprawia.

Te pominięte kroki nie są administracyjnym utrudnieniem. Często stanowią samą aktywność związaną z uczeniem się.

Pisanie wymaga od ucznia przywoływania informacji, ważenia dowodów, porządkowania idei i zauważania luk w rozumieniu. Streszczanie wymaga decyzji, które fakty są ważne i jak się ze sobą łączą.

Gdy chatbot wykonuje te operacje, uczeń otrzymuje odpowiedź, niekoniecznie budując stojącą za nią strukturę poznawczą. Natychmiastowy rezultat wygląda na produktywny, ale samodzielny test ujawnia, co zostało zapamiętane.

Badacze czasem opisują ten wzorzec jako przenoszenie obciążenia poznawczego. Uczący się przekazuje część zadania umysłowego systemowi zewnętrznemu, zmniejszając wysiłek potrzebny do jego ukończenia.

Takie przenoszenie nie jest automatycznie szkodliwe. Kalkulatory, korektory pisowni, wyszukiwarki i książki referencyjne również przenoszą część pracy poza umysł. Uczniowie mogą korzystać z tych narzędzi, rozwijając jednocześnie głębsze umiejętności.

Różnica polega na tym, co pozostaje do wykonania przez uczącego się. Kalkulator nadal wymaga od kogoś wyboru działania i interpretacji wyniku. Chatbot może wybrać argument, stworzyć wyjaśnienie i podać wniosek.

To szersze zastępowanie prowadzi do tego, co badacze nazywają metapoznawczym lenistwem. Metapoznanie oznacza monitorowanie własnego rozumienia, strategii i błędów podczas nauki.

Uczniowie ćwiczą je, gdy rozpoznają własne zagubienie, ponownie rozważają słabą odpowiedź lub proszą o ukierunkowaną pomoc. Płynna odpowiedź chatbota może tłumić te sygnały, sprawiając, że niepełne zrozumienie wydaje się rozwiązane.

Wyniki PISA zawierają kolejną wskazówkę. Uczniowie unikający chatbotów AI częściej deklarowali też silniejsze zachowania związane z szukaniem pomocy.

Pomoc człowieka zwykle wymaga negocjacji. Nauczyciel, rodzic lub kolega z klasy może zapytać, czego uczeń już próbował i gdzie zawiodło rozumowanie. Chatbot ogólnego przeznaczenia często odpowiada natychmiast, o ile nie zostanie inaczej pokierowany.

Ta wygoda zmienia koszt unikania wysiłku. Przed generatywną AI zlecenie kompletnego eseju wymagało pieniędzy, koordynacji lub oczywistego przewinienia. Teraz wiarygodny szkic może powstać podczas krótkiej sesji w przeglądarce.

Odwrócenie trendu staje się najjaśniejsze, gdy narzędzie zostaje usunięte. Uczniowie mogą oddawać lepsze prace wspomagane, a potem mieć trudności na zamkniętej ocenie wymagającej tej samej wiedzy.

Badanie chińskiego szkolnictwa średniego z 2026 roku przedstawia ostrzejszą wersję tego wzorca. Badanie kary za naukę przeanalizowało 30 miesięcy danych od 26 811 uczniów klas od 7 do 12.

Badacze śledzili prace domowe, czas ich realizacji, comiesięczne egzaminy zamknięte oraz egzaminy wstępne o wysokiej stawce z dziewięciu przedmiotów. Wdrożenie AI wiązało się z lepszą produktywnością przy pracach domowych, ale gorszymi wynikami bez pomocy narzędzia.

To badanie również wymaga ostrożności. Wdrożenie nie było losowo przydzielane, a badacze wnioskowali o pewnych zachowaniach polegających na zlecaniu pracy na podstawie danych administracyjnych. Nie może ono potwierdzić uniwersalnej kary dla każdego ucznia ani każdej klasy.

Mimo to jego struktura rozwiązuje słabość zwykłej analizy prac domowych. Porównuje pracę wspomaganą z ocenami, podczas których uczniowie muszą działać bez narzędzia.

Wyniki testów AI OECD wskazują w tym samym kierunku w znacznie szerszej międzynarodowej próbie. Łącznie te ustalenia podważają oceny oparte głównie na efektach pracy wykonywanej w domu.

Jeśli szkoły nadal będą traktować dopracowane prace domowe jako bezpośredni dowód uczenia się, AI sprawi, że ten sygnał będzie mniej wiarygodny. Zadanie może coraz częściej mierzyć dostęp, umiejętność formułowania poleceń i redagowania, a nie samodzielne opanowanie materiału.

Dane nie uzasadniają prostego zakazu AI

Najmocniejsze dowody odróżniają niekierowane generowanie odpowiedzi od użycia AI zaprojektowanego wokół nauczania i aktywnego uczestnictwa.

Ostrzeżenie OECD łatwo spłaszczyć do twierdzenia, że AI zawsze szkodzi nauce. Jej własne ustalenia odrzucają taką interpretację.

Cotygodniowe korzystanie z AI dla ogólnej nauki wiązało się z wynikami z nauk ścisłych podobnymi do braku użycia. Umiarkowane korzystanie z niej przy niektórych zadaniach również dawało lepsze rezultaty niż użycie rzadkie albo intensywne.

Ten wzorzec sugeruje, że częstotliwość ma znaczenie, ale sama częstotliwość nie wystarcza. Cel i projekt dydaktyczny otaczający narzędzie mogą zmienić rezultat.

Uczeń, który prosi o gotową odpowiedź, nie doświadcza tego samego co osoba prosząca o wskazówkę. Żadne z tych doświadczeń nie przypomina nadzorowanej lekcji, podczas której nauczyciel kwestionuje błędne rozumowanie.

To rozróżnienie pojawia się w badaniach kontrolowanych. Badanie Banku Światowego przetestowało sześciotygodniowy, wspierany przez nauczycieli program korepetycji z AI dla uczniów szkół średnich w stanie Edo w Nigerii.

Program wykorzystywał Microsoft Copilot do wspierania nauki angielskiego po zajęciach. Nauczyciele nadzorowali ustrukturyzowane aktywności, dostarczali polecenia i pomagali uczniom oceniać odpowiedzi systemu.

Uczniowie objęci interwencją uzyskali poprawę o 0,31 odchylenia standardowego w ocenie obejmującej język angielski, wiedzę o AI i umiejętności cyfrowe. Nigeryjski eksperyment z korepetycjami dostarcza zatem dowodów, że kierowane użycie może poprawiać naukę.

Wynik ten nie przeczy ostrzeżeniu OECD. Wyjaśnia mechanizm, który za nim stoi.

Nigeryjski program nie oddał uczniom nieograniczonego silnika odpowiedzi i nie założył, że nauka nastąpi sama. Umieścił model w programie nauczania, harmonogramie i procesie prowadzonym przez nauczyciela.

Chatbot działał jako korepetytor w ramach systemu dydaktycznego. Nie zastępował tego systemu.

Nowsze dowody eksperymentalne również komplikują wyłącznie negatywną narrację. Badacze Zara Contractor i Germán Reyes losowo przydzielili studentów studiów licencjackich do nauki nieznanego tematu z generatywną AI lub bez niej.

Uczestnicy wykonywali samodzielne oceny natychmiast i tydzień później. Dostęp do AI podniósł natychmiastowe wyniki wiedzy o 0,27 odchylenia standardowego, a te zyski utrzymały się po tygodniu.

Randomizowany eksperyment wykazał silniejsze odroczone korzyści wśród użytkowników wykorzystujących AI do wspomagania. Uczniowie ci prosili AI o wyjaśnianie pojęć zamiast generowania za nich tekstu.

Użytkownicy automatyzacji wykazywali odwrotny wzorzec. Ich krótkoterminowa poprawa jakości efektów znikała po odebraniu dostępu do AI.

Ten kontrast zapewnia praktyczne ramy interpretacji wyników testów AI OECD. Istotne pytanie nie brzmi, czy chatbot pojawił się podczas nauki.

Pytanie brzmi, które kroki poznawcze pozostały po stronie ucznia. Wyjaśnianie, przywoływanie wiedzy, porównywanie i samokorekta mogą wspierać naukę. Automatyczne tworzenie może je omijać.

Wiek i kontekst również ograniczają bezpośrednie porównania. Randomizowany eksperyment obejmował studentów studiów licencjackich, podczas gdy PISA bada 15-latków. Interwencja Banku Światowego została przeprowadzona w konkretnych warunkach nigeryjskich.

Ustrukturyzowany program zajęć pozalekcyjnych nie jest w stanie przewidzieć, co się dzieje, gdy miliony uczniów prywatnie korzystają z różnych chatbotów. Niewielki eksperyment nie może rozstrzygnąć długoterminowych skutków we wszystkich przedmiotach.

Mimo to pozytywne badania ujawniają słabość całkowitego zakazu. Usunięcie AI oznaczałoby również rezygnację z możliwości korepetycji, które mogą rozszerzać zakres informacji zwrotnej i ćwiczeń.

Wybór polityki nie polega więc na zestawieniu nieograniczonego użycia z całkowitym wykluczeniem. Szkoły potrzebują zasad, które odróżniają produktywną pomoc od zastępowania własnego wysiłku.

Chatbot może mieć prawo zadawać pytania sokratejskie, tworzyć ćwiczenia praktyczne lub wyjaśniać, dlaczego odpowiedź jest błędna. Można natomiast ograniczyć mu możliwość tworzenia finalnego tekstu do pracy podlegającej ocenie.

Uczniowie mogą również dokumentować historię interakcji i wyjaśniać, które sugestie przyjęli. Taki proces uwidacznia rozumowanie, zamiast traktować końcowy dokument jako jedyny dowód.

Narzędzia dla uczniów powinny wspierać wyszukiwanie informacji, refleksję i porównywanie źródeł. Osobista przestrzeń robocza ucznia może pomóc organizować materiały, lecz uczeń nadal musi je oceniać i łączyć.

Raport OECD wskazuje projektowanie nauczania jako linię podziału. Powszechna dostępność narzędzi ogólnego przeznaczenia nie jest strategią uczenia się. Szkoły muszą zdecydować, które zastosowania zachowują wysiłek, a które go eliminują.

Szkoły stoją teraz przed problemem oceniania

Chatboty wywierają największą presję na szkoły, które nadal utożsamiają niesamodzielny wynik pracy z indywidualnym zrozumieniem.

Generatywna AI nie stworzyła wszystkich słabości prac domowych i zaliczeniowych. Ułatwiła wykorzystywanie istniejących słabości i utrudniła ich ignorowanie.

Nauczyciele od dawna wiedzą, że praca wykonywana w domu odzwierciedla nierówny poziom pomocy. Niektórzy uczniowie otrzymują szerokie wsparcie rodziny, prywatne korepetycje lub redakcyjne uwagi. Inni pracują samodzielnie.

AI dodaje stale dostępnego współpracownika, który może wygenerować zasadniczą treść odpowiedzi. Końcowy tekst może nadal być trudny do odróżnienia od autentycznej pracy ucznia.

Oprogramowanie do wykrywania nie rozwiązuje tego problemu w sposób wiarygodny. Fałszywie pozytywne wyniki mogą karać oryginalne teksty, podczas gdy przeredagowany tekst AI może uniknąć wykrycia. Szkoły potrzebują modeli oceniania, które ujawniają proces pracy ucznia.

Presja wykracza poza celowe oszustwa. Uczeń może korzystać z chatbota zgodnie z liberalną polityką, a mimo to unikać ćwiczeń potrzebnych do późniejszych osiągnięć.

To sprawia, że intencja jest niepełnym kryterium. Uczący się w dobrej wierze może wielokrotnie prosić o dopracowane wyjaśnienia, czuć się produktywnie i odkryć lukę w wiedzy dopiero podczas egzaminu.

Brytyjski regulator kwalifikacji odniósł się bezpośrednio do kwestii uczciwości. Jego wytyczne dotyczące prac zaliczeniowych z 2026 roku stwierdzają, że przedstawianie pracy wygenerowanej przez AI jako własnej jest oszustwem.

Kara rozwiązuje jednak tylko jedną część problemu z nauką. Uczniowie mogą przestrzegać zasad ujawniania użycia AI, a mimo to nadmiernie polegać na generowanych odpowiedziach.

Szkoły muszą obserwować kompetencje za pomocą wielu formatów. Krótkie ustne obrony, pisanie pod nadzorem, kolejne wersje robocze, praktyczne demonstracje i rozwiązywanie problemów na żywo mogą dostarczać mocniejszych dowodów.

Formaty te nie są odporne na przygotowanie uczniów. Utrudniają jednak sytuację, w której końcowy artefakt wytworzony przez AI zastępuje zrozumienie ucznia.

Przeprojektowanie oceniania również wiąże się z kosztami. Egzaminy ustne wymagają czasu pracowników. Praca nadzorowana ogranicza elastyczność. Ocena projektowa może wprowadzać subiektywność oceniania i obciążenia koordynacyjne.

Koszty te rozłożą się nierówno. Dobrze finansowane szkoły mogą szkolić nauczycieli i tworzyć mniejsze grupy egzaminacyjne. Systemy z niedoborami kadrowymi mogą mocniej polegać na skalowalnych zadaniach pisemnych.

Presję odczuwają również dostawcy AI. Produkty ogólnego przeznaczenia zazwyczaj optymalizują odpowiedzi pod kątem użyteczności i kompletności. Cel ten może kolidować z nauczaniem, które czasem wymaga wstrzymania odpowiedzi.

Skuteczny tryb edukacyjny mógłby najpierw poprosić ucznia o próbę rozwiązania. Mógłby udzielać stopniowo coraz wyraźniejszych wskazówek, wskazywać błędne przekonania i wymagać wyjaśnienia przed przejściem dalej.

System potrzebowałby również ochrony prywatności dostosowanej do wieku oraz przejrzystych praktyk dotyczących danych. Rozmowy uczniów mogą zawierać dane edukacyjne, osobiste obawy i wrażliwe sygnały behawioralne.

Nauczyciele potrzebują kontroli nad zgodnością z programem nauczania. Chatbot, który oferuje poprawne, lecz niezgodne z programem metody, może dezorientować uczniów lub podważać starannie ułożoną sekwencję lekcji.

Halucynacje pozostają kolejnym problemem. Pewne siebie fałszywe wyjaśnienie może utrwalić błędne przekonanie, zwłaszcza gdy uczeń nie ma wystarczającej wiedzy, by je zakwestionować.

OECD podaje, że około sześciu na dziesięciu uczniów zostało poproszonych podczas lekcji o ocenę informacji wygenerowanych przez AI. Wśród nich 46 procent robiło to czasami, 33 procent często, a 22 procent bardzo często.

Liczby te pokazują, że umiejętności oceny informacji weszły do wielu klas. Pozostawiają jednak znaczną część uczniów bez regularnej praktyki sprawdzania wyników AI.

Obawy dotyczące uczciwości akademickiej są już powszechne wśród nauczycieli. W OECD Digital Education Outlook 72 procent nauczycieli niższego szczebla szkoły średniej uważało, że AI może umożliwiać uczniom przedstawianie wygenerowanej pracy jako własnej.

Jednocześnie 37 procent nauczycieli niższego szczebla szkoły średniej zgłosiło wykorzystywanie AI w pracy w 2024 roku. Kolejne 57 procent zgodziło się, że AI pomaga pisać lub ulepszać plany lekcji.

To połączenie oddaje napięcie instytucjonalne. Szkoły dostrzegają użyteczne zastosowania dla nauczycieli, a jednocześnie obawiają się, że uczniowie mogą omijać proces uczenia się.

Polityka musi uwzględniać obie strony. Nauczyciele mogą wykorzystywać AI do tworzenia zróżnicowanych ćwiczeń, przygotowywania informacji zwrotnej lub symulowania rozmów korepetycyjnych. Uczniowie nadal potrzebują chronionych okazji do produktywnego zmagania się z problemem.

Produktywne zmaganie się nie oznacza wstrzymywania wszelkiej pomocy. Oznacza zapewnienie wystarczającego wsparcia, by iść naprzód, bez usuwania rozumowania budującego biegłość.

Raport OECD dotyczący edukacji i AI przenosi więc odpowiedzialność na instytucje i projektantów produktów. Mówienie uczniom, by „korzystali z AI odpowiedzialnie”, jest zbyt nieprecyzyjne, by kierować ich zachowaniem.

Zasady powinny określać dozwolone działania, wymagane ujawnienia oraz kompetencje wykonywane bez pomocy. Powinny też wyjaśniać, dlaczego pewien poziom trudności pozostaje edukacyjnie konieczny.

Korelacja jest główną niewiadomą

Porównanie PISA jest ważne ze względu na swoją skalę, lecz jego konstrukcja nie pozwala ustalić, czy korzystanie z chatbotów spowodowało słabsze wyniki z nauk ścisłych.

Uczniowie rozpoczynają korzystanie z AI z różnymi zdolnościami, motywacjami i zasobami. Różnice te mogą wpływać zarówno na adopcję, jak i wyniki testów.

Uczeń mający trudności może częściej korzystać z chatbota, ponieważ dotychczasowe nauczanie go zawiodło. Niższe wyniki poprzedzałyby wtedy użycie AI, zamiast być jego skutkiem.

Uczniowie osiągający wysokie wyniki mogą unikać chatbotów, ponieważ mają już silne nawyki uczenia się. Ich wyższe wyniki mogą odzwierciedlać te nawyki, a nie brak AI.

Częstotliwość deklarowana przez samych uczniów stanowi kolejne ograniczenie. Uczniowie mogą różnie rozumieć „pomóż mi się uczyć”, zapominać o okazjonalnym użyciu lub zaniżać zgłoszenia zachowań, które wydają się zakazane.

Kategorie te łączą także wiele stylów interakcji. Jeden użytkownik korzystający z narzędzia co tydzień może prosić o pytania ćwiczeniowe. Inny może przy tej samej zgłaszanej częstotliwości wygenerować całe zadanie.

PISA skorygowało porównania wyników z nauk ścisłych o status społeczno-ekonomiczny. Poprawia to analizę, lecz nie pozwala kontrolować każdej różnicy między użytkownikami a osobami niekorzystającymi z AI.

OECD przyznaje to wprost. Raport stwierdza, że zależności mogą odzwierciedlać złożoną mieszankę tego, kto wdraża AI i w jaki sposób z niej korzysta.

Język nagłówków powinien zatem pozostać ostrożny. „Uczniowie korzystający z AI uzyskali niższe wyniki” opisuje zaobserwowany związek. „AI spowodowała niższe wyniki uczniów” formułuje twierdzenie przyczynowe, którego dane PISA nie mogą poprzeć.

Chińskie badanie panelowe oferuje mocniejsze porównania w czasie i wynikach, lecz również pozostaje obserwacyjne. Badacze nie przydzielili losowo długoterminowego dostępu do chatbotów tysiącom dzieci.

Kontrolowane badania rozwiązują część problemów związanych z selekcją. Zazwyczaj obejmują jednak mniejsze próby, krótsze okresy lub wysoce ustrukturyzowane interwencje.

Badanie w Nigerii pokazuje, że ukierunkowane korepetycje AI mogą pomagać w określonych warunkach. Nie dowodzi, że nienadzorowane korzystanie z chatbotów przyniesie ten sam rezultat.

Eksperyment z udziałem studentów studiów wyższych wykazał zyski w nauce, gdy AI wzbogacała wyjaśnienia. Jego uczestnicy, dziedzina i kontrolowane środowisko różnią się od codziennego użycia w szkołach średnich.

Ograniczenia te nie unieważniają ostrzeżenia. Określają, co szkoły powinny zbadać w następnej kolejności.

Jeśli różne źródła danych wielokrotnie wskazują na lepsze zadania, lecz słabsze wyniki bez pomocy, edukatorzy mają wiarygodny powód, by przeprojektować ocenianie. Nie muszą czekać na uniwersalne oszacowanie związku przyczynowego.

Jednocześnie przedwczesna pewność może prowadzić do złej polityki. Całkowity zakaz może zepchnąć użycie do podziemia, zablokować korzystne korepetycje i uniemożliwić szkołom nauczanie kompetencji AI.

Bardziej uzasadnioną odpowiedzią jest kontrolowane wdrażanie. Szkoły mogą porównywać klasy, przedmioty i projekty narzędzi, mierząc zarówno wyniki wspomagane, jak i późniejsze wyniki bez pomocy.

Powinny także monitorować różnice między grupami uczniów. AI może wspierać osoby z ograniczonym dostępem do korepetycji, jednocześnie szkodzić tym, którzy używają jej głównie do unikania wysiłku.

Potrzeby związane z dostępnością wymagają szczególnej uwagi. Niektórzy uczniowie wykorzystują AI do wsparcia językowego, pomocy w czytaniu lub porządkowania myśli. Ograniczenia nie powinny usuwać dostosowań bez równoważnych alternatyw.

Znaczenie mają również różnice między przedmiotami. Wygenerowanie eseju historycznego zastępuje inny wysiłek umysłowy niż otrzymanie informacji zwrotnej dotyczącej dowodu matematycznego.

Pomiar długoterminowy jest kluczowy. Narzędzie może poprawić wynik kartkówki po tygodniu, ale osłabić zapamiętywanie po semestrze. Inne może początkowo spowalniać pracę, jednocześnie budując trwałe umiejętności rozumowania.

Główna niewiadoma nie dotyczy więc tego, czy AI zmienia uczenie się. Już teraz zmienia kolejność, wysiłek i dowody towarzyszące nauce.

Niepewność dotyczy tego, które projekty tworzą trwałą wiedzę, dla których uczniów i w jakich warunkach. Ustalenia OECD stanowią punkt odniesienia, a nie ostateczną odpowiedź.

Trzy sygnały pokażą, co wydarzy się dalej

Kolejną fazę należy oceniać na podstawie samodzielnych wyników, edukacyjnego projektowania produktów i reformy oceniania, a nie wyłącznie adopcji chatbotów.

Pierwszym sygnałem będzie sposób, w jaki badacze przeanalizują bazę danych PISA 2025. Badania na poziomie krajowym mogą sprawdzić, czy związek utrzymuje się między przedmiotami, politykami szkolnymi i środowiskami uczniów.

Spójna luka po zastosowaniu silniejszych kontroli wzmocniłaby ostrzeżenie OECD. Duże zróżnicowanie zależne od celu lub praktyki szkolnej wzmocniłoby argument za ukierunkowanymi zasadami zamiast szerokich ograniczeń.

Badacze powinni oddzielać tworzenie szkiców, streszczanie, badania, informację zwrotną i korepetycje. Łączenie ich pod ogólną kategorią użycia AI ukrywa mechanizmy, które szkoły najbardziej potrzebują zrozumieć.

Drugim sygnałem będzie to, czy główni dostawcy chatbotów zmienią tryby edukacyjne. Znacząca zmiana produktu utrzymywałaby aktywność uczniów, zamiast optymalizować każdą interakcję pod kątem natychmiastowego ukończenia zadania.

Przydatne wskaźniki obejmują opóźnione wskazówki, wymóg podjęcia próby, kontrolę nauczyciela, zgodność z programem nauczania oraz wyjaśnienia dostosowane do zdiagnozowanych błędnych przekonań. Niezależne badania powinny sprawdzić, czy te funkcje poprawiają samodzielne zapamiętywanie.

Twierdzenia marketingowe nie rozstrzygną tej kwestii. Dostawcy potrzebują porównań, w których narzędzie zostaje usunięte po nauczaniu, a następnie mierzy się, czy uczniowie potrafią przenieść wiedzę na nowe problemy.

Trzecim sygnałem będzie przeprojektowanie oceniania w trakcie kolejnego cyklu akademickiego. Szkoły i organy egzaminacyjne ujawnią swoje priorytety poprzez zasady oceniania, zadania nadzorowane i wymogi ujawniania użycia AI.

Więcej obron ustnych, etapowych wersji roboczych i demonstracji podczas zajęć pokazałoby, że instytucje nie ufają już samym końcowym pracom wykonywanym w domu. Dalsze poleganie na tekście tworzonym bez nadzoru utrwaliłoby obecny rozdźwięk.

Szkoły powinny publikować dowody z tych zmian tam, gdzie pozwalają na to przepisy o prywatności. Nauczyciele muszą wiedzieć, czy przeprojektowane formy oceniania poprawiają trafność pomiaru, nie tworząc przy tym nieuzasadnionego obciążenia pracą.

Rodzice i uczniowie również potrzebują jaśniejszych oczekiwań. Reguła, która jedynie zezwala na „AI” lub jej zakazuje, nie potrafi odróżnić korepetycji od automatycznego wykonywania pracy.

Najbardziej użyteczny standard zadaje bezpośrednie pytanie: czy uczeń nadal potrafi wyjaśnić, odtworzyć i zastosować wykonaną pracę bez chatbota?

Wyniki testów AI OECD uczyniły z tego pytania kwestię międzynarodowej polityki. Nie uzasadniają paniki ani nie wspierają samozadowolenia.

Uczniowie powinni przyjrzeć się temu, jak obecnie korzystają z chatbotów. Proście o wyjaśnienia, kontrargumenty, pytania ćwiczeniowe i informacje zwrotne dotyczące własnej, pierwotnej próby. Unikajcie sytuacji, w której system zastępuje pierwszy szkic myślenia.

Nauczyciele powinni sprawdzać uczenie się po zniknięciu narzędzia. Zespoły produktowe powinny mierzyć utrzymane kompetencje, a nie tylko szybsze ukończenie zadania czy wyższą satysfakcję.

Kolejna fala dowodów pokaże, czy szkoły potrafią zachować wartość AI jako narzędzia korepetycyjnego, nie zlecając jednocześnie systemowi wysiłku uczącego się. Wynik zależy od decyzji projektowych podejmowanych już teraz.