Umetna inteligenca v šoli
Članek združuje izkušnje dijakinje in znanstvene študije ter pokaže, kako lahko postane generativna umetna inteligenca ob odgovorni rabi dragocen pripomoček pri učenju in kritičnem mišljenju.
Kaj se zgodi, ko postane orodje, ki lahko v nekaj sekundah napiše esej, razloži matematični postopek ali preprosto pojasni kompleksen znanstveni članek, del vsakdanjika v šoli? To ni več hipotetično vprašanje, temveč realnost, s katero se danes soočajo dijaki, učitelji in starši. Generativna umetna inteligenca (UI) je vstopila v učilnice in korenito spremenila pravila igre. Nekateri pozdravljajo možnost personaliziranega učenja in takojšnje pomoči, za druge pa pomeni grožnjo kritičnemu mišljenju in akademski poštenosti. Je umetna inteligenca zaveznik znanja ali le priročna bližnjica, ki nam dolgoročno škodi?
Članek se izogiba enostranskim odgovorom in namesto tega ponuja interpretacijo, ki temelji na kombinaciji dveh pogledov, ki jih poosebljava oba avtorja. Na eni strani prinaša neposreden vpogled iz šolske klopi preko osebne izkušnje dijakinje ljubljanske gimnazije, ki razkriva, kako UI v praksi spreminja pripravo na eseje, reševanje nalog in učenje jezikov. Na drugi strani to osebno perspektivo postavlja v širši kontekst: sistematičen pregled najnovejših znanstvenih raziskav, meta-analiz in mednarodnih smernic, ki kažejo, kakšni so izmerjeni učinki, tveganja in priporočila za odgovorno rabo.
Najin cilj ni ponuditi dokončnih sodb, ampak opisati stanje, kot ga trenutno zaznavata oba omenjena pogleda. Na koncu ponudiva tudi najino skupno razumevanje dogajanja in prepričanje, da je obvladovanje dialoga z umetno inteligenco postalo ključna pismenost 21. stoletja.
Umetna inteligenca kot osebni tutor
V tem poglavju predstaviva konkretne primere, kako dijaki v praksi uporabljajo umetno inteligenco pri vsakdanjih učnih izzivih: od priprave na eseje in pisanja domačih nalog do reševanja matematičnih nalog, učenja jezikov in urejanja zapiskov. Gre za pogled skozi oči dijakinje, ki UI uporablja kot orodje za boljše razumevanje in učenje, ne zgolj za pridobivanje odgovorov. Njena izkušnja služi kot izhodišče za širši razmislek o tem, kdaj je takšna raba resnično smiselna, kje lahko prispeva k boljšemu učenju in kdaj obstaja nevarnost, da postane zgolj bližnjica mimo razumevanja. Pokazalo se je, da ima UI največjo vrednost kot osebni tutor prav tam, kjer ne nadomešča miselnega procesa, temveč ga spodbuja, usmerja in pomaga razčleniti kompleksne pojme.
Priprava na esej: »Sokratski dialog z umetno inteligenco«
Dolga leta je veljalo, da se na šolski esej v srednji šoli ni mogoče resno pripraviti. Uspeh naj bi bil odvisen predvsem od osebnega talenta in trenutnega navdiha. Priprava je večinoma pomenila branje obveznih del ter iskanje redkih analiz na spletnih forumih, ki pa so bile pogosto površne in že zdavnaj prebrane s strani večine dijakov v Sloveniji.
Z razvojem umetne inteligence se je ta predstava korenito spremenila. Danes se lahko z UI pogovarjamo o književnih delih na način, ki spominja na sokratski dialog – z vprašanji, dvomi, nasprotovanji in iskanjem jasnosti. Umetna inteligenca ni več le pasivni vir informacij, temveč postane aktivna sogovornica, ki omogoča poglobljeno razumevanje besedil in razvijanje lastnega mišljenja.
Pri manj znanih, zlasti slovenskih delih, je smiselno, da UI najprej posredujemo celotno besedilo. S tem ji omogočimo, da odgovarja neposredno na podlagi izvirnega gradiva in ne zamenjuje likov, dogodkov ali pomenov. Pri svetovnih klasikah to običajno ni potrebno, saj jih modeli že dobro poznajo.
UI lahko učinkovito povzema vsebino, analizira značaje in odnose med liki, prepoznava temeljne ideje in vrednote posameznega dela ter pomaga razumeti literarne in filozofske plasti besedila. A njena največja prednost je drugje: ne vsiljuje enotnih razlag, temveč spodbuja razmislek, zastavlja dodatna vprašanja, pomaga oblikovati lastne interpretacije ter jih jasneje in bolj prepričljivo ubesediti.
Poleg tega UI ni omejena na standardne analize. Pomaga lahko pri oblikovanju odgovorov na bolj odprta in ustvarjalna vprašanja, ki se pogosto pojavljajo v esejskih naslovih: kako bi se literarni liki obnašali v sodobnem svetu, kako sodobni bralec dojema določeno delo, ali pa, kakšna je aktualnost sporočila v današnjem času. S tem UI ni le orodje za analizo, temveč postane tudi partner pri razvoju argumentacije in razumevanja konteksta.
Priprava na esej z umetno inteligenco zato ni več pasivno branje povzetkov, ampak dinamičen in ustvarjalen dialog, v katerem učenec razvija lastno mnenje, ga kritično preizkuša in nadgrajuje. Če smo nekoč stavili predvsem na talent, lahko danes z dobro usmerjeno uporabo UI talent nadgradimo z orodjem, ki odpira nove poti v razumevanje literature in sveta.
Pisanje celotnih esejev z UI
Poleg priprave na esej mnogi dijaki umetno inteligenco uporabljajo tudi na bolj neposreden, a hkrati bolj tvegan način: tako, da ji preprosto vnesejo navodila za esej in ji prepustijo celotno pisanje. Rezultat je pogosto presenetljivo urejen in na videz dovolj prepričljiv izdelek, ki bi ga lahko brez večjih popravkov oddali učitelju in si s tem prihranili dragoceni čas. Toda takšna strategija se v praksi redko izkaže za uspešno.
Eseji, ki jih UI napiše v celoti sama, so pogosto slogovno in strukturno drugačni od tistega, kar se pričakuje pri šolskem eseju v Sloveniji. Uporabljajo mednaslove, vključujejo generične citate in včasih ponujajo preveč posplošene trditve, ki ne temeljijo dovolj na besedilu. Še pomembneje pa je, da takšni eseji pogosto ne sledijo dovolj natančno konkretnim navodilom, ki jih učitelj poda, kar je eden ključnih kriterijev pri ocenjevanju. Učitelji tako hitro posumijo, da besedila ni napisal dijak, temveč umetna inteligenca.
Tovrstni eseji so pogosto ocenjeni slabše kot tisti, ki jih dijaki napišejo sami. Razlog ni zgolj neustrezna oblika, ampak tudi pomanjkanje osebnega razmisleka, izvirnosti in avtentičnega glasu. Esej, ki ga napiše UI, je lahko jezikovno brezhiben, a mu pogosto manjka tisto, kar dober učitelj zazna takoj: resnična intelektualna angažiranost dijaka.
Zato večina dijakov umetno inteligenco na ta način uporablja predvsem pri nalogah, ki niso neposredno ocenjene – denimo v okviru obveznih izbirnih vsebin (OIV). V drugem letniku smo morali pri OIV oddati esej o filmu, ki smo si ga ogledali pri pouku. Zaradi številnih drugih obveznosti med letom se je nekaj dijakov odločilo, da jim bo esej napisala UI. A profesorji so te prispevke zavrnili, saj so utemeljeno posumili, da eseji niso bili avtorski. Dijaki so jih morali konec leta pod nadzorom ponovno napisati v šoli, kar je pomenilo dodatno delo, stres in izgubljen čas.
Takšna uporaba umetne inteligence torej dolgoročno ni učinkovita. Ne samo, da pogosto ne prinese želenih rezultatov, ampak tudi ne prispeva k znanju, razvoju mišljenja ali izboljšanju pisanja. Kljub temu pa je treba priznati, da marsikateri dijak poseže po tej možnosti ne iz lenobe, temveč zaradi preobremenjenosti: zaradi nenehnega ocenjevanja, tesnih rokov in številnih obšolskih dejavnosti. V takšnih trenutkih umetna inteligenca pomeni predvsem priročno rešitev za pomanjkanje časa in način, kako si izboriti nekaj več miru ali spanca.
Vendar je prav zato še pomembneje, da se umetne inteligence ne uporablja kot nadomestek za lastno delo, temveč kot pripomoček, ki nas podpira in izboljšuje naše sposobnosti. Pisanje eseja ni zgolj šolska naloga, ampak vaja v mišljenju, razumevanju ter izražanju in prav v tem UI lahko postane zaveznik, ne pa orodje za izogibanje učenju.
Reševanje in razlaga naravoslovnih in matematičnih nalog
Poleg literarne analize in pisanja esejev lahko umetna inteligenca pomembno pomaga tudi pri predmetih, kot so matematika, fizika in kemija. Prav tu se pogosto pojavljajo zagate: ne vemo, kako se naloge lotiti, katere formule uporabiti ali kako nadaljevati, ko se nam zatakne sredi postopka. Včasih pridemo tudi do napačnega rezultata, ne da bi vedeli, kje smo naredili napako, in ravno te drobne, težko opazne napake so najpogostejši vir frustracij.
Ker nimamo vedno na voljo učitelja ali sošolcev, še posebej ne popoldne doma ali tik pred testom, lahko umetna inteligenca prevzame vlogo potrpežljivega razlagalca in tutorja pri učenju. Če ji posredujemo besedilo ali fotografijo naloge, nam jo lahko ne le reši, temveč tudi natančno razloži postopek: korak za korakom, z jasno razlago vsake faze. S tem ne dobimo le pravilnega odgovora, temveč razumemo tudi pot do rešitve.
Ta povratna zanka je izjemno dragocena: z njo lahko hitro odkrijemo, kje smo se sami zmotili in zakaj. Iskanje napak v lastnem postopku je namreč zamudno in pogosto neizvedljivo, še posebej ko ne vemo, kaj pravzaprav iščemo. UI nam lahko glede tega prihrani veliko časa in hkrati okrepi naše razumevanje, kar pomeni, da se učimo iz svojih napak, namesto da bi se z njimi zgolj obremenjevali.
Zelo uporabna je tudi pri nalogah, kjer imamo podan le končni rezultat, ne pa celotnega postopka. V takih primerih UI rekonstruira proces reševanja od začetka do konca in nam omogoči, da ga primerjamo s svojim. Na ta način lahko preverimo svojo pot, popravimo napačne korake in utrdimo razumevanje.
Pri zahtevnejših nalogah, ki vključujejo razvejane postopke, večstopenjsko presojanje ali določeno mero ustvarjalnosti, so še posebej dragoceni t. i. »razmišljujoči modeli« umetne inteligence. Gre za napredne pristope, pri katerih model zavestno podaljša čas obdelave in v ozadju izvede več miselnih korakov, pogosto po metodi t. i. verige misli (chain-of-thought prompting). Namesto da bi preprosto podal rezultat, sistem razmišlja na glas – korak za korakom – in sproti preverja skladnost sklepanja. Tak pristop običajno traja nekoliko dlje, tudi nekaj minut, a zato ponudi premišljen in logično strukturiran odgovor, ki ne prikaže le končnega rezultata, temveč razgrne celoten potek mišljenja.
Takšni odgovori so izjemno uporabni ne le za razumevanje posamezne naloge, temveč tudi kot učni pripomoček pri pripravi na teste, maturo ali ustne zagovore. S tem, ko model razloži svojo pot do rešitve, omogoči uporabniku, da sledi razmišljanju, se uči iz njega in hkrati preveri lastno razumevanje. Tako UI postane orodje za krepitev analitičnega mišljenja, ne pa zgolj ponudnik hitrih rešitev.
Vse to kaže, da UI v naravoslovju in matematiki ne deluje le kot »računski stroj«, ampak kot orodje za razvijanje razumevanja, kar prav to je tisto, kar pri učenju najbolj šteje.
Učenje tujih jezikov
Učenje tujega jezika pogosto zahteva obvladovanje velike količine novega besedišča. Zgolj branje ali pasivno poslušanje običajno ne zadošča, saj besede brez aktivne rabe hitro pozabimo. Zato so že dolgo priljubljeno orodje t. i. kartice za učenje (flashcards), ki spodbujajo pomnjenje s pomočjo ponavljanja in preverjanja znanja. A priprava takšnih kartic vzame precej časa in prav tukaj lahko učinkovito pomaga umetna inteligenca.
Z UI si lahko hitro ustvarimo posebej nam prilagojene vaje: vnesemo seznam besed, ki se jih želimo naučiti, in prosimo, naj nam jih UI predstavi z razlagami, prevodi ali primeri uporabe v naključnem vrstnem redu. Sami nato poskušamo odgovoriti s pravilno besedo ali prevodom. Tak način spodbuja aktivno priklic znanja, kar dokazano izboljšuje dolgoročno pomnjenje.
Umetna inteligenca ni omejena le na osnovne kartice. Če ji pokažemo primere vaj s prejšnjih testov ali iz delovnega zvezka, nam lahko ustvari nove naloge po enakem vzorcu, vendar z novim besediščem, ki se ga trenutno učimo. Takšna individualizirana vadba omogoča, da se učimo ciljno in učinkovito, ne le mehansko.
Zanimivo je, da umetne inteligence pri učenju jezikov ne uporabljajo več samo učenci, temveč tudi nekateri učitelji. Včasih je na testu ob kakšni nalogi celo zapisano: »ustvarjeno s ChatGPT-jem«. To kaže, da UI ni le pripomoček za utrjevanje snovi, temveč postaja del širšega učnega okolja. Je orodje, ki ga uporabljajo tako učitelji kot učenci.
Zelo pomemben del učenja jezika je tudi pisanje. Pri pisanju v tujem jeziku pogosto ponavljamo iste napake, ki jih sami težko prepoznamo, še posebej, če pišemo na roko. Ker učitelji zaradi omejenega časa običajno pregledajo le nekaj pisnih nalog, lahko UI tukaj prevzame vlogo dodatnega jezikovnega mentorja. Če ji posredujemo fotografijo ročno napisanega besedila, ga lahko prepiše, popravi in obrazloži napake. Tako ne dobimo le izboljšane verzije besedila, temveč tudi razumevanje, zakaj je nekaj napačno in kako bi lahko to izboljšali v prihodnje.
Z redno uporabo umetne inteligence pri pisanju in utrjevanju besedišča lahko hitreje in trajneje poglobimo znanje tujega jezika, kar pomeni, da umetna inteligenca ne nadomešča učenja, temveč ga dopolnjuje in krepi.
Zbiranje podatkov in urejanje zapiskov
Pri nekaterih predmetih, zlasti pri biologiji, geografiji, zgodovini ali družboslovju, se je treba naučiti velike količine snovi. Pogosto so informacije razpršene po različnih virih: učbenikih, delovnih listih, spletnih straneh, ali pa zapisane v gostih, nepreglednih odstavkih brez jasne strukture. Takšno gradivo je težko prebavljivo, saj zahteva veliko časa že za osnovno razumevanje, kaj šele za učinkovito pomnjenje.
Umetna inteligenca je v takih primerih izjemno uporabna. Lahko ji posredujemo razdrobljene zapiske ali surova besedila, ona pa nam iz njih izdela urejeno, logično strukturirano preglednico ali povzetek. Podatke razvrsti po smiselnih kategorijah, jih organizira glede na primerjave, časovna obdobja, funkcije, razrede, značilnosti – skratka tako, da postanejo razumljivi in si jih zato lažje zapomnimo.
Na primer, pri biologiji smo morali znati primerjati različne organske sisteme pri živalih: od spužev in ožigalkarjev do dvoživk in sesalcev. Ročno zbiranje in zapisovanje teh podatkov v primerjalne tabele bi vzelo zelo veliko časa. UI pa lahko iz virov, ki jih posredujemo (ali ki jih sama že pozna), v nekaj sekundah sestavi tabelo, ki prikazuje razlike v prebavilih, dihanju, obtoku, izločanju in živčevju pri različnih skupinah živali.
Dijaku tako ostane več energije in časa za razumevanje in učenje. Gradivo, ki ga pripravi UI, lahko preprosto prenesemo v Word, PDF ali Excel in ga nato po želji dopolnimo, popravimo, natisnemo ali delimo s sošolci. To omogoča ne samo bolj učinkovito učenje, temveč tudi sodelovanje in izmenjavo znanja. Na ta način UI postane digitalni pomočnik, ki ne zamenjuje učenčevega dela, ampak ga poenostavi tam, kjer so opravila mehanska in časovno potratna, da se lahko pozornost usmeri tja, kjer je res pomembna: v razumevanje, povezovanje in samostojno razmišljanje.
Tik pred oddajo članka je podjetje OpenAI predstavilo novo funkcijo, imenovano študijski način (Study Mode), namenjeno ciljno usmerjenemu učenju z umetno inteligenco. Uporabnika najprej povpraša po temi, ki jo želi razumeti, ter po njegovi starosti oziroma stopnji izobrazbe. Na tej podlagi začne voditi pogovor v obliki vprašanj in povratnih informacij. Uporabnik najprej sam poskuša odgovoriti na vprašanja, nato pa mu sistem pomaga z dodatnimi pojasnili, popravki in spodbudami za nadaljnje razmišljanje. Posebnost tega pristopa je v uporabi sokratske metode, ki z nizom usmerjenih vprašanj spodbuja globlje razumevanje, samorefleksijo in aktivno udeležbo pri učenju.
Učenje s tem načinom postane bolj poglobljeno in interaktivno, saj ni več potrebno dajanje natančnih navodil – umetna inteligenca sama prevzame vlogo tutorja, ki se sproti prilagaja posameznikovemu znanju in tempu. Funkcija je bila razvita v sodelovanju z več izobraževalnimi ustanovami in temelji na najnovejših didaktičnih dognanjih. Na voljo je vsem uporabnikom ChatGPT, ne glede na naročniški paket, kmalu pa bo integrirana tudi v izobraževalno različico ChatGPT Edu. Tak pristop ne samo olajša razumevanje zahtevnih vsebin, ampak krepi tudi samostojno razmišljanje, odpira prostor za radovednost in spodbuja odgovorno rabo umetne inteligence v izobraževalnem procesu.
Sistemski izzivi, merljivi učinki in potencialna tveganja
Vpliv umetne inteligence na izobraževanje ni zgolj teoretičen; njeni učinki so že danes konkretni, merljivi in pogosto večpomenski. V tem poglavju osvetliva dve plati iste medalje. Na eni strani stojijo obetavni podatki, ki kažejo na izboljšanje učnih rezultatov, večjo motivacijo ter bolj prilagojeno podporo posameznim učencem. Na drugi strani pa se odpirajo resna vprašanja: ali pretirano zanašanje na UI spodbuja površinsko učenje? Ali tvegamo izgubo samostojnega mišljenja, vztrajnosti in kritične avtonomije? Ravno ta napetost med priložnostmi in pastmi rabe umetne inteligence predstavlja ključno izhodišče za poglobljeni razmislek o njeni vlogi v prihodnosti izobraževanja.
Meta-analize in raziskave pedagoških učinkov UI
Prve obsežnejše raziskave o vplivu generativne umetne inteligence (UI) na učenje kažejo pretežno spodbudne rezultate. Najzanesljivejši vpogled v učinke ponuja metoda meta-analize, ki združuje izsledke številnih posameznih študij in omogoča oceno skupnega vpliva določene metode ali tehnologije na učne izide.
Meta-analiza, ki je vključila 65 neodvisnih študij (Sun in Zhou 2024), je ocenila, da uporaba generativne UI v povprečju izboljša uspešnost študentov za približno pol standardnega odklona (Hedgesov g ≈ 0,53). To je zmeren, a pomemben učinek, ki je primerljiv s tem, da bi se povprečen študent s 50. percentila povzpel na 69. percentil uspešnosti. Najmočnejši učinki so se pokazali pri nalogah, ki vključujejo tvorjenje besedil (npr. pisanje esejev, poročil) ter pri samostojnem učenju, kjer UI deluje kot tutor, ki nudi sprotno povratno informacijo.
Druga meta-analiza (Zhang, Jantakoon in Laoha 2025) je sistematično preučila učinkovitost tehnologij umetne inteligence (UI) v izobraževanju na podlagi 13 empiričnih študij iz osmih držav. Raziskava je odkrila pomemben in velik splošen pozitiven učinek (g ≈ 0,86), kar kaže na znatne prednosti vključevanja UI v izobraževalne procese. Najmočnejši vpliv so pokazali klepetalni roboti in generativna umetna inteligenca (g ≈ 1,02), medtem ko so spletna učna okolja in navidezna resničnost imele zmeren učinek (g ≈ 0,79). Avtorji opozarjajo na precejšnjo raznolikost med analiziranimi študijami, vendar poudarjajo robustne pozitivne izide in pomembnost upoštevanja kontekstualnih dejavnikov pri implementaciji rešitev UI.
Druge sistematične študije, osredotočene posebej na pogovorne agente (kot je ChatGPT), razlikujejo med kognitivnimi in nekognitivnimi učinki. Analize 27 empiričnih študij (Suo, Yin, Wang, et al. 2025 [preprint]), objavljenih med letoma 2022 in 2025, potrjuje, da imajo ti agenti pomemben pozitiven vpliv na učenje. Na kognitivni ravni (merjeni z ocenami, časom reševanja ipd.) poročajo o zmernih pozitivnih učinkih (g ≈ 0,36). Še nekoliko večji učinki (g ≈ 0,52) pa se kažejo pri nekognitivnih izidih, kot so motivacija, vztrajnost in občutek učinkovitosti – torej prepričanje posameznika, da je zmožen uspešnega reševanja nalog. Ti izidi kažejo, da študenti generativno UI pogosto dojemajo kot varno, neobsojajoče okolje, ki jim omogoča, da se z učno snovjo ukvarjajo več, z manj strahu pred napakami.
Med posameznimi spretnostmi se kot posebej obetavno področje izpostavlja pisanje. Randomizirani kontrolirani preizkusi (RCT), ki veljajo za zlati standard v raziskovanju učinkovitosti, kažejo, da študenti, ki pri pisanju esejev prejemajo povratne informacije s strani UI, dosegajo boljšo strukturo, kohezijo, argumentacijo in razvoj vsebine v primerjavi s tistimi, ki prejemajo zgolj tradicionalno povratno informacijo (npr. od učitelja ali sošolcev). Poleg izboljšav pri kakovosti besedila študije opozarjajo tudi na višjo stopnjo motivacije in angažiranosti pri študentih, ki uporabljajo sisteme z UI, čeprav pri tem beležijo tudi mešane čustvene odzive (Zhang 2025; Lo, Wong in Chan 2025).
V kontekstu učenja tujih jezikov obsežna meta-analiza 31 primerjalnih študij (Lyu, Lai in Guo 2025) potrjuje, da imajo klepetalni roboti zmeren pozitiven učinek (g ≈ 0,61) na kognitivne spretnosti, kot sta pisno izražanje in obseg besedišča, ter tudi na afektivne dejavnike, kot sta motivacija in zanimanje. Učinki so najbolj izraziti, kadar je interakcija z umetno inteligenco vodena in vključuje refleksijo, kar učencem omogoča, da ne le prejmejo takojšnjo povratno informacijo o svojih napakah, ampak tudi razumejo njihove vzroke. Takšen poglobljen pristop omogočajo predvsem naprednejši klepetalni roboti, ki uporabljajo generativno umetno inteligenco in so dostopni prek mobilnih naprav, kar je meta-analiza prepoznala kot ključna dejavnika za povečanje učinkovitosti.
Skupna ugotovitev teh raziskav je jasna: učinki rabe generativne UI so v povprečju pozitivni in zmerni, pri čemer se največje koristi pokažejo tam, kjer se tehnologija ne uporablja pasivno, temveč kot orodje za podporo razumevanju, pisanju in aktivnemu učenju. Vloga učitelja pri usmerjanju te rabe pa ostaja ključna za dosego optimalnih rezultatov in preprečevanje zgolj površinskega znanja.
Mehanizmi učinkovitosti in omejitve uporabe UI v izobraževanju
Na prvi pogled se zdi, da so ugotovitve o vplivu umetne inteligence (UI) na izobraževanje polne nasprotij, kar ustvarja precejšnjo zmedo. Na eni strani imamo obsežne meta-analize, ki združujejo rezultate več sto posameznih študij in večinoma poročajo o zmernih, a statistično značilnih pozitivnih učinkih na učenje.
Po drugi strani pa odmevni terenski poskusi, kot je Whartonova študija (Bastani et al. 2024), slikajo precej bolj kompleksno in zaskrbljujočo sliko. V tej konkretni raziskavi so ugotovili, da čeprav je dostop do splošnega modela, kot je GPT-4, kratkoročno izboljšal uspešnost dijakov pri reševanju nalog, je ista skupina dijakov na končnem preizkusu znanja, ki so ga opravljali brez pomoči UI, dosegla slabše rezultate kot tisti, ki orodja niso uporabljali. To nakazuje, da lahko nekritična uporaba generativne UI, ki omogoča predvsem iskanje končnih odgovorov, dolgoročno celo škodi razvoju samostojnega znanja in sposobnosti reševanja problemov.
Navidezno nasprotje med temi ugotovitvami tako ni nujno protislovje, temveč poudarja ključno spoznanje: ni pomembno le, ali se umetna inteligenca uporablja, temveč predvsem, kako je zasnovana in integrirana v učni proces. Medtem ko lahko premišljeno oblikovana pedagoška orodja z vgrajenimi varovalkami, ki spodbujajo kritično razmišljanje, dejansko podpirajo učenje, lahko prosta uporaba splošnih orodij učence zapelje v pasivno iskanje bližnjic in s tem zavira njihov kognitivni razvoj.
Pozitivni učinki generativne umetne inteligence v izobraževanju niso naključni, temveč so posledica zmožnosti tehnologije, da okrepi in avtomatizira že uveljavljena didaktična načela. Uspešne implementacije spodbujajo aktivno učenje, ponujajo takojšnjo povratno informacijo, omogočajo personalizacijo učne poti in krepijo samoregulacijske spretnosti.
Vpliv teh orodij na učne dosežke so podrobneje raziskali v študiji (Iqbal et al. 2025), ki je vključevala 465 bodočih učiteljev na Kitajskem. Ugotovili so, da generativna umetna inteligenca učne dosežke izboljšuje predvsem preko dveh ključnih mehanizmov. Prvi je kognitivno razbremenjevanje (cognitive offloading), pri katerem orodje prevzame rutinske naloge, kot sta iskanje informacij ali sintaktično preverjanje, kar učencu omogoči, da svoje miselne vire usmeri v kognitivno zahtevnejše procese, kot sta kritična analiza in sinteza idej. Drugi mehanizem pa je družbeno deljena metakognicija (shared metacognition), kjer tehnologija deluje kot katalizator za sodelovalno učenje, saj študente spodbuja k skupni refleksiji, medsebojnemu vrednotenju idej in usklajevanju strategij za reševanje problemov. Na ta način generativna UI ne deluje zgolj kot orodje za posameznika, temveč kot platforma, ki krepi kolektivno inteligenco in poglablja razumevanje v učni skupini.
Ključno vprašanje ni, ali učenec uporablja UI, temveč kateri del miselnega procesa prenese nanjo. Koristno razbremenjevanje nastopi, kadar UI prevzame rutinska, nizko-nivojska opravila – npr. urejanje besedila, iskanje sopomenk, povzemanje vira ali izvajanje znanega računskega postopka. V tem primeru UI poveča učenčevo kognitivno kapaciteto, saj se lahko ta bolj osredotoči na višje miselne procese, kot so načrtovanje, argumentacija, sinteza in povezovanje pojmov. Škodljivo razbremenjevanje pa nastopi, kadar UI prevzame jedrno miselno delo – denimo razumevanje problema, oblikovanje raziskovalnega vprašanja, izdelavo teze ali samo utemeljevanje. V tem primeru UI nadomesti mišljenje, namesto da bi ga podprla. Učenec ne vadi temeljnih kognitivnih spretnosti in učenje se preprosto ne zgodi. Orodje postane kognitivna bergla.
Poleg tega so generativna orodja nagnjena k pojavu, znanemu kot halucinacije, pri katerem z veliko gotovostjo ustvarjajo informacije, ki so napačne, izmišljene ali brez stvarne podlage. To vključuje navajanje neobstoječih virov, napačno interpretacijo dejstev ali generiranje popolnoma izmišljenih podatkov. Posledično je pri uporabi teh orodij za akademske namene, kot so eseji in raziskovalne naloge, ključnega pomena rigorozno preverjanje vseh citatov, referenc in dejstev. Ta nujnost poudarja pomen razvite informacijske in podatkovne pismenosti, ki uporabniku omogoča kritično vrednotenje in verifikacijo vsebine.
Generativna UI kot partner pri učenju: pogoji učinkovite rabe
Osrednje sporočilo tega članka se je potrjevalo skozi vse primere in analize: generativna umetna inteligenca v izobraževanju največ prispeva takrat, ko iz pasivnega orodja postane miselni sogovornik. Ne piše namesto učenca, temveč z njim vodi pogovor, postavlja vprašanja, preverja razumevanje, ponuja protiargumente in pomaga iz prvih zamisli izluščiti jasen, avtorski zapis. V takšnem odnosu UI ni več zgolj »izvajalec nalog«, ampak soustvarjalec učnega procesa, v katerem učenec ohranja osrednjo vlogo: odločanje, presojanje in odgovornost.
Takšna raba temelji na treh med seboj povezanih didaktičnih načelih, ki skupaj ustvarjajo učno okolje, v katerem učenec aktivno sodeluje v miselnem procesu. Prvo načelo je učni dialog, kjer se učenec in umetna inteligenca vključujeta v zaporedje vprašanj, razlag, protiargumentov in revizij. Ta proces spodbuja aktivni priklic znanja, zmanjšuje nevarnost površnega razumevanja in pomaga razbiti občutek lažne gotovosti, ki lahko nastane ob tekočih, a plitvih odgovorih. Drugo načelo je sledljivost miselnega procesa. Različice osnutkov, popravki in obrazložene spremembe omogočajo vpogled v pot razmišljanja in ustvarjajo pogoje za učenje iz napak, za refleksijo in postopno izgradnjo znanja. Tretje načelo je dvojna verifikacija. Učenec najprej utemelji trditev s pomočjo orodja, nato pa mora enako trditev znati oblikovati in zagovarjati tudi brez njega. Takšna ponovitev pod enakimi merili omogoča preverjanje, ali je znanje res ponotranjeno in prenosljivo v nove okoliščine.
Ko to logiko prenesemo v učilnico, se poudarek premakne od izdelkov k procesom, od zgolj »rešenih nalog« k razlagi postopkov, tehtanju možnosti in prenosu znanja v nove kontekste. Tudi ocenjevanje se mora temu prilagoditi, saj večjo težo pridobijo osnutki, sprotne povratne informacije, refleksije in ustni zagovori, hkrati pa ostajajo preverjanja brez UI, ki pokažejo, koliko znanja je ostalo v samostojni rabi. S tem se zmanjšuje razkorak med hitro izvedbo s pomočjo UI in resničnim razumevanjem brez nje.
V takšni rabi pride do izraza še ena, pogosto spregledana razsežnost: čustvena pismenost modelov in pomen človeškega stika. Sporočanje, ki je spodbudno, jasno in spoštljivo, lahko okrepi vztrajnost in zaupanje učenca. Pokroviteljski, sarkastični ali pretirano samozavesten ton pa hitro vodi v pasivnost in odpoved mišljenju. Dobro zasnovana raba UI naj zato razbremeni rutinska opravila, kot so jezikovni popravki, osnovno označevanje napak, zbiranje literature, ter sprosti čas učiteljev in učencev za tisto, kar noben model ne more nadomestiti: pogovor, mentorsko vodenje, skupno razmišljanje.
A takšna raba UI ne zahteva le primerne pedagoške prakse, ampak tudi etični razmislek. Zahteva premišljeno ravnanje z osebnimi podatki, preglednost postopkov in enakopraven dostop do kakovostnih orodij. Zgodnje faze uvajanja novih tehnologij pogosto koristijo tistim z boljšimi napravami ali plačljivimi različicami modelov. Dolgoročna pravičnost se ne zgodi sama od sebe, ampak potrebujemo šolske licence, zanesljivo infrastrukturo in didaktično podporo, ki nove vzorce učenja omogoča vsem, ne le najbolje opremljenim in najbolj motiviranim. Slovenskim učencem dodatno pomaga dobra jezikovna podpora modelov slovenskemu jeziku, a jezikovna dostopnost pri komercialnih modelih ne nadomesti potrebe po sistemski ureditvi tega področja.
Čeprav ponuja članek jasen didaktični okvir, se s tem razprava ne zaključi, temveč šele zares odpira. Pred nami ostajajo ključni izzivi, ki terjajo premišljen odgovor: Kje se konča pomoč pri razmisleku in začne nadomeščanje lastnega mišljenja? Kako zasnovati preverjanje znanja, ki bo uravnoteženo vrednotilo tako proces učenja (kjer je UI partner) kot končno, samostojno znanje učenca? Kako lahko razvijalci vmesnike zasnujejo tako, da bodo spodbujali poglobljeno razlago, namesto zgolj generiranja hitrih odgovorov? In končno, kako bomo to sodelovanje z UI usmerjali tako, da bo krepilo učenčevo intelektualno avtonomijo in njegovo sposobnost za dialog tako z ljudmi kot s stroji?
Viri
Bastani, Hamsa, Osbert Bastani, Ahmet Sungu, Hao Ge, Özge Kabakcı in Rick Mariman: Generative AI Can Harm Learning. SSRN Working Paper, The Wharton School, 2024.
Iqbal, Junaid, Zohaib Farooq Hashmi, Muhammad Zubair Asghar in Muhammad Nauman Abid: Generative AI Tool Use Enhances Academic Achievement in Sustainable Education through Shared Metacognition and Cognitive Offloading among Preservice Teachers. Scientific Reports 15 (2025): 16610.
Lo, N. P. K., Andy Wong in Samuel Chan: The Impact of Generative AI on Essay Revisions and Student Engagement. Computers & Education: Open 100249 (2025).
Lyu, Bin, Chun Lai in Jingjing Guo: Effectiveness of Chatbots in Improving Language Learning: A Meta-Analysis of Comparative Studies. International Journal of Applied Linguistics (2024).
Sun, Lin in Lijun Zhou: Does Generative Artificial Intelligence Improve the Academic Achievement of College Students? A Meta-Analysis. Journal of Educational Computing Research (2024).
Suo, Xiaochen, Baoyuan Yin, Wanqing Wang in drugi: Exploring the Impact of Generative AI-Powered Conversational Agents on Student Learning: A Systematic Review and Meta-Analysis Grounded in Activity Theory. Authorea, 1. julij 2025.
Zhang, Jincheng, Thada Jantakoon in Rukthin Laoha: Meta-Analysis of Artificial Intelligence in Education. Higher Education Studies 15 (2) (2025): 189–203.
Zhang, Kai: Enhancing Critical Writing through AI Feedback: A Randomized Control Study. Behavioral Sciences 15 (5) (2025): 600.
(Članek je bi objavljen tudi v reviji Dialogi 7–8 2025.)
