Pogrešno pitanje o AI-u u školama

Zamislite učenika koji je završio radni list iz matematike. Svi odgovori su tačni. Pomogao mu je AI asistent. Završio je brže nego inače.

Šta je učenik naučio?

Radni list nam to ne može reći. Trebamo vidjeti šta će se desiti kada učenik dobije novi zadatak, bez asistenta.

To je razlika kojoj se stalno vraćamo dok čitamo istraživanja o AI-u u obrazovanju. Ona oblikuje i naš pristup toj temi na seminarima za nastavnike u lokalnim zajednicama. „Pomaže li AI učenju?“ prirodno je pitanje za takav razgovor. Ali samo po sebi ostavlja previše toga neodređenim.

Dva pitanja čine ga korisnijim:

1. Koji dio posla obavlja AI, a šta učenik još mora sam promisliti?
2. Mjerimo li uspjeh uz alat ili znanje koje ostaje bez njega?

Odgovori mijenjaju način na koji čitamo dokaze — i ono što bismo tražili od isprobavanja alata u učionici.

Kada radni list i test pričaju različite priče

U eksperimentu u jednoj turskoj srednjoj školi učenici s osnovnim GPT-4 asistentom postigli su 48% bolji rezultat na vježbama od kontrolne grupe. Na narednom testu bez pomoći bili su 17% lošiji. Strukturirani GPT-4 tutor izbjegao je taj pad, ali nije pokazao pozitivan efekat na testu. To su relativne razlike, ne procentni poeni. Tutor je dobio i nastavnički pripremljena rješenja i smjernice za česte greške. Bastani i saradnici, PNAS, 2025

Ta razlika važna je svakome ko gleda uspješnu demonstraciju alata. Tačan odgovor govori nešto o zajedničkom radu učenika i alata. Sam po sebi ne govori šta učenik sada može uraditi samostalno.

Važna je i za osmišljavanje nastave. „Daj smjernicu umjesto odgovora“ zvuči kao dobro pravilo. Ali ovaj eksperiment promijenio je više stvari istovremeno. Ne pokazuje da je samo uskraćivanje gotovih odgovora proizvelo razliku.

Naš zaključak je da izborom modela veliki dio pedagoškog posla ostaje otvoren. Neko još treba odabrati zadatke, predvidjeti poteškoće, odlučiti kada pomoći i odrediti šta se računa kao napredak. Te odluke zaslužuju jednaku pažnju kao ime modela.

Napredak je moguć. Važno je dokle nalaz doseže.

Eksperiment na Harvardovom kursu fizike daje pozitivan rezultat: 194 studenta ostvarila su veći napredak za manje vremena uz posebno pripremljen AI tutor nego u poređenoj nastavi s aktivnim učenjem. Tutor je koristio strukturirane aktivnosti i pripremljena rješenja. Bila je to kratka intervencija s neposrednim testiranjem, a ne dokaz trajnog napretka tokom cijelog studija. Kestin i saradnici, Scientific Reports, 2025

Taj rezultat shvatamo ozbiljno. Kada ga navodimo, navodimo i njegove granice.

Napredak na testu odmah nakon učenja, znanje zadržano mjesec kasnije i sposobnost primjene ideje u nepoznatoj situaciji različiti su ishodi. Školi mogu biti važna sva tri. Dokaz za jedan ne možemo jednostavno prenijeti na ostale.

Isto važi za poređenje. Bolje od kojeg časa, za koje učenike i na kojem gradivu? Ti detalji dio su nalaza. Bez njih koristan rezultat lako postaje slogan.

Broju treba kontekst

Zato smo oprezni prema jednom velikom broju koji bi trebao opisati „AI u obrazovanju“. Prije nego što prosjek upotrijebimo za odluku, želimo znati šta je ušlo u njega: koji učenici, koje aktivnosti, koje kontrolne grupe i kakvi testovi.

Postoji i konkretan razlog za provjeru izvora. Meta-analiza Wanga i Fana, o kojoj se mnogo govorilo, povučena je u aprilu 2026. zbog neslaganja koja su narušila urednikovo povjerenje u analizu i zaključke. Taj rad više nije pouzdana potpora tvrdnjama; njegovo povlačenje ne presuđuje ostatku literature. Obavijest o povlačenju

Nastavniku koji odlučuje kako koristiti asistenta naredne sedmice uži nalaz može biti korisniji od impresivnog prosjeka. Liči li ispitana aktivnost na njegov čas? Provjerava li test ono što želi da učenici nauče? Može li osigurati pripremu i podršku kakvu je istraživana intervencija zahtijevala?

Šta bismo predložili školi da isproba

Počeli bismo od jednog ishoda učenja, opisanog bez spominjanja AI-a. Naprimjer: učenik treba moći objasniti zašto istu operaciju primjenjujemo na obje strane jednačine.

Zatim bismo oko toga osmislili aktivnost. Učenici prvo pokušavaju riješiti zadatak i objašnjavaju jedan korak, pa tek onda konsultuju asistenta. Asistenta koriste za razgovor o svom obrazloženju. Nakon toga dobijaju novi zadatak bez njega i ponovo objašnjavaju postupak.

Ovo je prijedlog aktivnosti, a ne tvrdnja da su navedene studije potvrdile upravo taj redoslijed. Njegova vrijednost je u tome što jasno pokazuje šta želimo da učenik nauči i daje nastavniku nešto konkretno što može procijeniti.

Ako je izvedivo, istoj ideji treba se vratiti kasnije. Je li učenik zadržao razumijevanje? Prepoznaje li isti princip kada zadatak izgleda drugačije? Mala provjera u učionici neće dokazati opći uzročno-posljedični efekat, ali može otkriti gdje je uredno završen rad sakrio nerazumijevanje.

Postoje i aktivnosti u kojima je cilj upravo sposobnost korištenja AI-a. Tada treba procijeniti kako ga učenici koriste: provjeravaju li odgovor, prepoznaju li slabo objašnjenje i mogu li obrazložiti vlastite odluke. Važno je jasno odrediti koju sposobnost čas razvija.

To želimo od razgovora o AI-u u školama: jasnije objašnjenje šta učenici vježbaju i kako ćemo znati da im je pomoglo.

Popunjen radni list je koristan. Pitanje je šta učenik može kada pred sobom dobije sljedeći, prazan.