Jak uczniowie faktycznie korzystają z AI już teraz
W większości szkół sztuczna inteligencja działa już „po cichu” – tyle że poza radarem nauczycieli. Uczniowie używają chatbotów i translatorów do pisania wypracowań, rozwiązywania zadań domowych, tłumaczenia tekstów na języki obce, streszczania lektur, a nawet do tworzenia prezentacji. Jeśli nauczyciel widzi nagły skok jakości pracy, nietypowo „dorosły” styl albo identyczną strukturę zadań u kilku osób – bardzo często w tle stoi AI.
Najpopularniejsze zastosowania, o których uczniowie otwarcie mówią między sobą, ale rzadko przed nauczycielami, to:
pisanie rozprawek, listów motywacyjnych, maili po polsku i w językach obcych,
rozwiązywanie zadań tekstowych z matematyki (szczególnie gdy można wkleić treść zadania),
generowanie streszczeń lektur, artykułów i filmów,
przygotowywanie prezentacji – od konspektu slajdów po całe treści,
przepisywanie tekstu na „bardziej uczniowski” lub „bardziej oficjalny” styl,
tłumaczenie prac domowych z i na języki obce, z pominięciem własnej analizy.
Dla części uczniów AI jest po prostu „nowym kalkulatorem” – narzędziem, które przyspiesza obliczenia i zapis, ale nie zastępuje zrozumienia. Dla innych staje się sposobem na obejście wysiłku: zamiast samodzielnie napisać rozdział pracy czy esej, kopiują wygenerowany tekst i podpisują własnym nazwiskiem. Tam, gdzie szkoła udaje, że tego problemu nie ma, przestrzeń do nadużyć rośnie najszybciej.
Mit: „AI to chwilowa moda” kontra zmiana systemowa
Mit: sztuczna inteligencja jest modnym gadżetem, który za dwa lata zostanie zastąpiony czymś „nowym”. Rzeczywistość wygląda inaczej. AI wchodzi głęboko w narzędzia, z których i tak szkoły zaczynają korzystać: edytory tekstu, platformy e‑learningowe, systemy dzienników elektronicznych, wyszukiwarki, aplikacje do tworzenia testów. To nie jest jedna „apka do wszystkiego”, którą można wyłączyć. To warstwa, która pojawia się w coraz większej liczbie programów.
Technologia generatywna – taka jak modele językowe, generatory grafiki czy wideo – rozwija się w tempie, którego edukacja tradycyjnie nie zna. Uczniowie wychodzą ze szkoły do świata, w którym AI będzie częścią codziennej pracy niemal w każdym zawodzie: od księgowego, przez grafika, po technika w zakładzie produkcyjnym. Traktowanie sztucznej inteligencji jako ciekawostki powoduje, że szkoła przestaje przygotowywać do realnego rynku pracy.
W praktyce oznacza to jedno: nawet jeśli w danym roku szkolnym szkoła „zablokuje” konkretną stronę, kolejne, sprytniejsze narzędzia pojawią się błyskawicznie. Źródłem przewagi nie jest zakaz, tylko umiejętność świadomego korzystania, rozumienia ograniczeń i łączenia AI z własną wiedzą. To kompetencja, którą albo wykształci szkoła, albo uczniowie zbudują ją samodzielnie – często w sposób chaotyczny i z błędnymi przekonaniami.
Zakazać, ignorować czy uczyć używać – trzy strategie i ich skutki
Szkoły zwykle wybierają jedną z trzech postaw wobec AI: zakazują, udają, że problem nie istnieje, albo stopniowo uczą świadomego korzystania. Każda z tych strategii ma bardzo konkretne konsekwencje.
Zakaz (blokada stron, zapisy w statucie, kary za „korzystanie z AI”): działa tylko częściowo. Uczniowie korzystają z AI poza szkołą, na prywatnych urządzeniach, często w bardziej ukryty sposób. Nauczycielowi łatwiej złapać pojedyncze przypadki plagiatu, ale jednocześnie cała szkoła rezygnuje z możliwości pokazania, jak użyć AI do rozwoju, a nie do ściągania.
Ignorowanie (brak jakichkolwiek zasad, brak rozmowy o AI): wysyła jasny komunikat – „róbcie, co chcecie, nas to nie obchodzi”. Uczniowie tworzą własne normy grupowe: jedni korzystają odpowiedzialnie, inni budują kulturę masowego „podpisywania się” pod cudzym tekstem. Takie podejście wzmacnia podział na tych, którzy mają wsparcie rodziców/mentora w technologiach, i tych, którzy nie mają żadnego przewodnictwa.
Uczyć używać oznacza: ustalić szkolną politykę AI (co wolno, czego nie wolno), rozmawiać o roli sztucznej inteligencji w nauce, pokazywać praktyczne zastosowania i jednocześnie jasno nazywać nadużycia (plagiat, ściąganie). Taka strategia wymaga więcej pracy organizacyjnej na początku, ale w dłuższej perspektywie zmniejsza liczbę konfliktów, niejasności i „polowań na czarownice” przy każdym podejrzanym wypracowaniu.
Dlaczego nauczyciel musi rozumieć AI, nawet jeśli „uczniowie wiedzą lepiej”
Często pada argument: „młodzi i tak wszystko lepiej ogarniają w technologii, ja się nie wtrącam”. To częściowo prawda – uczniowie szybciej klikają, pobierają, testują aplikacje. Równocześnie to oni najczęściej nie dostrzegają skutków prawnych (RODO, prawa autorskie), etycznych (plagiat, manipulacja obrazem) czy długofalowych (uzależnienie od gotowych odpowiedzi, spadek samodzielności).
Rolą nauczyciela nie jest „być szybszym w obsłudze aplikacji”, tylko wprowadzić kryteria oceny: kiedy użycie AI pomaga się rozwinąć, a kiedy jest zwykłym oszustwem; jak odróżnić informację sprawdzoną od halucynacji modelu; w jaki sposób planować własną pracę, żeby AI wspierała proces, zamiast przejmować go w całości. Bez chociaż podstawowego rozumienia zasad działania i ograniczeń sztucznej inteligencji trudno o mądre rozmowy z uczniami.
Na poziomie praktycznym oznacza to minimum: wiedzieć, czym jest generatywna AI, jak działają chatboty tekstowe, w jaki sposób tworzyć polecenia (prompty) i jak sprawdzać wiarygodność odpowiedzi. Dopiero wtedy nauczyciel może tworzyć sensowne zasady pracy, projektować zadania odporniejsze na „przepisywanie z bota” i pokazywać uczniom konstruktywne zastosowania.
Źródło: Pexels | Autor: Max Fischer
Co to właściwie jest AI w szkole – prosty słownik pojęć
Generatywna AI, model językowy, chatbot – po ludzku
Sztuczna inteligencja w edukacji to przede wszystkim generatywna AI – systemy, które na podstawie ogromnej ilości przykładów uczą się tworzyć nowe treści: teksty, obrazy, dźwięki, wideo czy kod. Nie „rozumieją” świata jak człowiek, ale umieją przewidywać, jaka kolejna odpowiedź będzie statystycznie najbardziej pasować do pytania lub kontekstu.
Model językowy to rodzaj AI wyspecjalizowanej w tekście. Na podstawie wpisanego polecenia (promptu) generuje odpowiedzi: wiersz, streszczenie, listę pomysłów, wypracowanie, dialog, kod programu. Nie ma dostępu do całej sieci w czasie rzeczywistym (chyba że twórcy dodali taką funkcję), ale korzysta z tego, czego nauczył się na etapie trenowania.
Chatbot to wygodna forma rozmowy z takim modelem – przypomina komunikator: wpisuje się pytanie, otrzymuje odpowiedź, można dopytać, doprecyzować. Dla szkoły praktyczne są chatboty, które obsługują język polski, pozwalają na pracę z większym tekstem (np. długie wypracowanie, scenariusz lekcji) i umożliwiają zachowanie historii rozmowy.
Większość popularnych narzędzi AI działa w chmurze – czyli na serwerach firmy, która je udostępnia. Uczeń lub nauczyciel wpisuje dane przez przeglądarkę, a obliczenia wykonują się „gdzieś w internecie”. To rodzi pytania o prywatność i przechowywanie danych, dlatego w kontekście szkoły trzeba uważać, co dokładnie wklejamy do takich usług (np. niepełne dane osobowe uczniów, informacje wrażliwe).
Główne klasy narzędzi AI przydatne w szkole
Pod hasłem „AI w szkole” kryje się kilka różnych typów narzędzi. W praktyce można je podzielić według tego, z jakimi treściami pracują:
Narzędzia tekstowe – chatboty do pisania, przerabiania, streszczania tekstów, tworzenia zadań, testów, kart pracy.
Generatory obrazów – tworzą ilustracje, grafiki, komiksy, mapy myśli na podstawie opisu słownego.
Narzędzia do wideo i audio – automatyczne tworzenie napisów, streszczeń filmów, podcastów, generowanie krótkich klipów.
Quizy adaptacyjne i platformy e‑learningowe – testy, które dostosowują poziom zadań do odpowiedzi ucznia, często z elementem AI.
Asystenci językowi – aplikacje specjalizujące się w nauce języków obcych: poprawiają wymowę, podpowiadają konstrukcje gramatyczne, oferują rozmowę.
W niektórych szkołach AI pojawia się także w mniej oczywistych miejscach: w systemach zarządzania ocenami, modułach analitycznych platform edukacyjnych czy narzędziach do monitorowania postępów uczniów. Nawet jeśli nie mają etykiety „AI” w nazwie, korzystają z algorytmów uczenia maszynowego do wykrywania wzorców.
Na blogach poświęconych edukacji i technologii, takich jak praktyczne wskazówki: edukacja, coraz częściej akcentuje się właśnie ten aspekt: nauczenie młodych ludzi, jak zadawać pytania, sprawdzać odpowiedzi i integrować AI z własną pracą, zamiast traktować ją jako fabrykę gotowców.
Mit: „AI to jedno narzędzie do wszystkiego”
Częsty błąd: sprowadzanie całej sztucznej inteligencji do jednego serwisu, z którym akurat uczeń się zetknął. Tymczasem różne rozwiązania służą różnym celom. Chatbot, który świetnie tłumaczy teksty, niekoniecznie będzie najlepszy do generowania zadań z matematyki. A generator grafiki przydaje się głównie na zajęciach plastycznych, projektowych czy marketingowych, a nie do analizy lektury.
Z punktu widzenia szkoły ważne jest podejście: nie „szukamy złotego młotka do wszystkiego”, lecz dobieramy narzędzia do konkretnych zastosowań. Inaczej rozmawia się o AI na języku polskim, inaczej na WOS‑ie czy na przedmiotach zawodowych. Dobrze przygotowany nauczyciel potrafi nazwać, jaki typ AI jest w danym ćwiczeniu wykorzystywany i po co, zamiast przedstawiać technologię jako magiczną skrzynkę.
Narzędzie do nauki a maszynka do gotowych odpowiedzi
Ta sama aplikacja może być wsparciem w nauce albo drogą na skróty – decyduje sposób jej użycia. Jeśli uczeń prosi AI: „napisz za mnie rozprawkę o roli autorytetu w życiu człowieka”, dostaje gotowe wypracowanie, z którego nie musi niczego zrozumieć. Gdy jednak poprosi o listę argumentów, przykłady z literatury, potem sam ułoży plan, doda własne refleksje i dopiero na końcu poprosi AI o feedback – narzędzie staje się trenerem, a nie ghostwriterem.
Rolą nauczyciela jest takie projektowanie zadań, aby zachęcały właśnie do tej drugiej ścieżki. Chodzi o przesunięcie akcentu z „oddaj gotowe dzieło” na „pokaż proces myślenia, decyzje, sposób wykorzystania źródeł”. Wtedy narzędzia AI stają się naturalnym składnikiem warsztatu ucznia, podobnie jak kiedyś słownik czy encyklopedia, z tą różnicą, że skala automatyzacji jest znacznie większa.
Rola nauczyciela w erze AI – co się realnie zmienia, a co nie
Od dostawcy wiedzy do projektanta procesu uczenia się
Przez wiele lat rola nauczyciela była definiowana przede wszystkim jako „przekazywanie wiedzy”. W świecie, w którym uczeń może w kilka sekund wygenerować streszczenie, definicje i listę przykładów, sama transmisja informacji przestaje być głównym zadaniem szkoły. Kluczowe staje się projektowanie doświadczeń edukacyjnych: pytań, zadań, dyskusji, projektów, które zmuszają do myślenia, wyboru, krytycznej oceny.
Nauczyciel w erze AI organizuje proces, w którym uczeń korzysta z różnych źródeł: AI, książek, artykułów, rozmów, własnych obserwacji. Pomaga dobrać kolejność kroków, kryteria oceny, sposób dokumentowania pracy. Pokazuje, że odpowiedź z chatbota to punkt wyjścia, a nie święta prawda; że trzeba porównać kilka źródeł, dopytać o uzasadnienia, poszukać kontrargumentów.
Takie przesunięcie akcentu widać szczególnie w przedmiotach humanistycznych i społecznych, ale równie dobrze dotyczy matematyki czy przedmiotów przyrodniczych. AI świetnie policzy, przekształci wzory, podpowie schemat rozwiązania, lecz to nauczyciel decyduje, jakie pytanie zadać, jak zmodyfikować dane, by uczeń musiał samodzielnie przeanalizować sytuację i wyciągnąć wnioski.
Co AI robi lepiej niż człowiek, a czego nie zastąpi
Sztuczna inteligencja przewyższa człowieka w zadaniach powtarzalnych i „mechanicznych”: tworzeniu wielu wariantów podobnych przykładów, szybkim streszczaniu długich tekstów, tłumaczeniu między językami, generowaniu prostych ćwiczeń zamkniętych, porządkowaniu informacji. Użyta mądrze, może zaoszczędzić nauczycielowi dziesiątki godzin na przygotowanie testów, kart pracy czy list zadań domowych.
Relacja z uczniami i autorytet nauczyciela w czasach AI
Pojawia się obawa: skoro uczeń „wszystko” może sprawdzić w AI, to autorytet nauczyciela runie. W praktyce dzieje się wprost odwrotnie: im łatwiej o informacje, tym więcej zyskuje osoba, która pomaga je porządkować, interpretować i osadzać w realnym życiu. Uczniowie błyskawicznie wyczuwają, czy nauczyciel potrafi rozmawiać o AI mądrze i spokojnie, czy traktuje ją jak zakazane zaklęcie.
Autorytet coraz mniej wynika z „pamięciowego” opanowania treści, a bardziej z postawy: uczciwego przyznania „tego nie wiem, sprawdźmy razem”, pokazywania, jak krytycznie czytać odpowiedzi modelu, jak zadawać lepsze pytania. Nauczyciel, który umie przyjąć rolę przewodnika po świecie informacji (także tych generowanych przez AI), zyskuje na wiarygodności zamiast ją tracić.
Mit brzmi: „jeśli uczeń będzie korzystał z AI, przestanie słuchać nauczyciela”. W rzeczywistości dużo częściej przestaje słuchać wtedy, gdy dostaje zakazy bez sensownego uzasadnienia. Gdy zamiast tego słyszy: „pokażę wam, jak wykorzystać AI, żebyście naprawdę rozumieli temat”, relacja się wzmacnia – bo nauczyciel nie udaje, że technologia nie istnieje.
Granice odpowiedzialności: co oddać AI, a co zatrzymać przy sobie
Kuszące jest zrzucenie na AI wszystkiego, co żmudne: formułowanie tematów lekcji, pisanie informacji do rodziców, ocenianie prac. W pewnym momencie pojawia się jednak pytanie: gdzie jest ta granica, za którą oddajemy zbyt dużą część odpowiedzialności za proces wychowawczy i dydaktyczny?
Bezpiecznym kryterium jest podział na zadania czysto techniczne oraz te, które wymagają znajomości konkretnego dziecka, jego sytuacji, emocji, historii. AI może pomóc stworzyć szkielet informacji dla rodzica, zestaw kryteriów oceny, listę pytań na kartkówkę; to nauczyciel decyduje, jak je dopasować do klasy, które sformułowania są zbyt chłodne, a które mogą zranić.
Przykład z praktyki: model językowy może wygenerować komentarz do pracy pisemnej: „dobrze dobrane argumenty, popracuj nad kompozycją”. Jednak to nauczyciel wie, że danemu uczniowi trzeba napisać konkretniej, pochwalić postęp od ostatniego zadania i zasugerować jeden, bardzo prosty krok na przyszłość. Tu algorytm nie ma dostępu do szerszego kontekstu, w którym młody człowiek się rozwija.
Źródło: Pexels | Autor: Anastasia Shuraeva
Pierwsze kroki z AI dla nauczycieli – od zera do własnych rutyn
Start bez presji: jedno narzędzie, jeden cel
Największym błędem jest próba ogarnięcia „całej” AI w jeden weekend. Znacznie lepszą strategią jest wybranie jednego, prostego zastosowania, które realnie rozwiązuje codzienny problem. Na przykład: „chcę szybciej układać karty pracy” albo „potrzebuję kilku wariantów tego samego ćwiczenia dla różnych poziomów zaawansowania”.
Dobrym początkiem jest jeden chatbot tekstowy w języku polskim. Nie trzeba od razu znać wszystkich zaawansowanych opcji. Wystarczy kilka prostych zadań: poprosić o przeredagowanie informacji dla rodziców na bardziej zrozumiały język, wygenerowanie trzech wersji zadania domowego lub stworzenie szkicu scenariusza lekcji na podstawie podstawy programowej.
Mit, który sporo osób blokuje, mówi: „żeby korzystać z AI, muszę rozumieć programowanie”. Tymczasem najważniejszą umiejętnością jest formułowanie pytań w zwykłym języku – precyzyjnie, krok po kroku, z podaniem kontekstu i oczekiwanej formy odpowiedzi. To bardziej przypomina pisanie dobrych poleceń do zadań niż pisanie kodu.
Proste schematy promptów dla nauczyciela
Żeby uniknąć wrażenia chaosu, przydaje się kilka gotowych szablonów poleceń, które można potem modyfikować. Chodzi o to, by nie zaczynać każdej rozmowy z AI od zera, tylko korzystać z powtarzalnej „ramy”.
Przykładowe ramy promptów dla pracy nauczyciela:
Do tworzenia kart pracy: „Jesteś doświadczonym nauczycielem [przedmiot] w klasie [poziom]. Na podstawie poniższych treści przygotuj kartę pracy na 45 minut. Zadbaj o: 3 zadania zamknięte, 2 otwarte krótkiej odpowiedzi, 1 zadanie problemowe. Treści: [tu wklej temat, fragment podręcznika lub własne materiały]”.
Do różnicowania poziomów: „Na podstawie tego zadania: [treść] wygeneruj 3 wersje: łatwiejszą, podstawową i trudniejszą. Opisz krótko, czym się różnią poziomy”.
Do porządkowania treści: „Streść poniższy tekst w trzech wersjach: dla klasy 4, 6 i 8 szkoły podstawowej. Zadbaj, aby słownictwo i długość dostosować do wieku. Tekst: [wklej]”.
Do feedbacku do ucznia: „Oceń poniższą wypowiedź ucznia według kryteriów: poprawność merytoryczna, logika wypowiedzi, język. Zapisz feedback w 3–4 zdaniach, w zachęcającym tonie, wskazując 1–2 konkretne rzeczy do poprawy. Praca: [wklej]”.
Takie schematy można sobie zapisać w dokumencie i za każdym razem podmieniać tylko fragmenty w nawiasach. Po kilku tygodniach korzystanie z nich staje się tak naturalne jak używanie gotowych szablonów w dzienniku elektronicznym.
Eksperyment w małej skali: „jedna lekcja testowa”
Zamiast rewolucji w całym rocznym planie warto przeprowadzić mały eksperyment: jedną lekcję zaprojektowaną z aktywnym udziałem AI. Na przykład:
nauczyciel prosi AI o wygenerowanie pięciu pytań problemowych do lektury,
wybiera z nich trzy najlepsze, dopracowuje język i używa na lekcji jako baza do dyskusji,
po zajęciach zapisuje sobie, co zadziałało, a co następnym razem zrobi ręcznie.
Taka „próba generalna” w kontrolowanych warunkach pozwala oswoić narzędzie, sprawdzić, gdzie się myli, jakiego typu podpowiedzi są zbyt schematyczne i gdzie trzeba włożyć własną kreatywność. Uczniowie widzą przy okazji, że AI to nie magia, tylko pomocnik, z którego korzysta także dorosły.
Bezpieczeństwo i granice danych: praktyczne minimum
Zanim zacznie się wklejać do bota klasowe dokumenty, trzeba ustalić kilka prostych zasad. Kluczowa jest świadomość, że część narzędzi używa wprowadzonych danych do dalszego trenowania modeli. Jeśli regulamin na to pozwala, informacje mogą teoretycznie „wyciec” poza kontekst naszej rozmowy.
Bezpieczny nawyk to niepodawanie pełnych danych osobowych uczniów, szczegółów sytuacji rodzinnej, PESEL‑i, skanów świadectw czy orzeczeń. Zamiast „Uczeń Jan Kowalski z klasy 6B ma trudności…” lepiej napisać: „Uczeń klasy 6 szkoły podstawowej ma trudności…”. AI do wykonania zadania nie potrzebuje nazwisk ani wrażliwych szczegółów – niech te zostaną w głowie i notatkach nauczyciela.
Jeśli szkoła rozważa wdrożenie jednego, „oficjalnego” narzędzia AI, rozsądnie jest włączyć do rozmowy administratora IT lub osobę odpowiedzialną za ochronę danych. Mit, że „jak coś jest darmowe, to na pewno jest bezpieczne”, bywa kosztowny – darmowy dostęp często oznacza, że ceną są dane użytkowników lub brak kontroli nad tym, gdzie są przechowywane.
Źródło: Pexels | Autor: Thirdman
Jak AI może realnie odciążyć nauczyciela – konkretne zastosowania w pracy własnej
Projektowanie materiałów: od „pustej kartki” do solidnego szkicu
Jedną z najbardziej czasochłonnych czynności jest start z pustą kartką: nowa karta pracy, nowy sprawdzian, nowy projekt dla uczniów. AI nie zastąpi tu doświadczenia, ale może pomóc przeskoczyć etap „wpatrywania się w ekran” i dostarczyć pierwszy szkic, który da się szybko przerobić.
Przykład: nauczyciel geografii planuje dział o klimacie. Zamiast pisać od zera, prosi AI: „Przygotuj propozycję 10 zadań dla klasy 7 dotyczących stref klimatycznych, zróżnicowanych pod względem trudności”. Następnie wybiera 4–5 najciekawszych, modyfikuje dane, dodaje mapy z własnych źródeł. Oszczędza w ten sposób czas na generowanie pomysłów i może go przeznaczyć np. na przygotowanie ciekawszych ilustracji lub eksperymentu.
Tworzenie wielu wersji zadań i testów
AI świetnie radzi sobie z multiplikowaniem treści: generuje kolejne warianty z innymi liczbami, przykładami, kolejnością odpowiedzi. To szczególnie przydatne, gdy trzeba:
przygotować kilka wersji sprawdzianu, aby ograniczyć ściąganie,
zróżnicować zadania dla uczniów z orzeczeniem o potrzebie kształcenia specjalnego i dla tych bardzo zaawansowanych,
stworzyć „bank zadań” na powtórkę przed egzaminem.
Mit mówi: „jeśli AI układa test, to na pewno będzie zły jakościowo”. To zależy od polecenia. Jeśli nauczyciel jasno określi poziom, typ zadań, obszar podstawy programowej oraz poda przykładowe zadania, model ma się na czym wzorować. Błędem jest wejście z pustym promptem typu „stwórz sprawdzian z biologii” – wtedy rezultat faktycznie bywa losowy i oderwany od programu.
Automatyczne streszczanie i porządkowanie materiałów
Gdy trzeba przerobić obszerny artykuł naukowy, raport lub dokumentację projektową, AI może pełnić rolę „kompresora treści”. Po wklejeniu tekstu można poprosić o:
streszczenie w kilku punktach,
wypisanie kluczowych pojęć z krótkimi definicjami,
zamianę tekstu na prostszy język, z myślą o młodszych klasach,
porównanie dwóch tekstów i wskazanie różnic w argumentacji.
Dzięki temu nauczyciel szybciej ogarnia materiał, wybiera fragmenty przydatne uczniom i może zaplanować wokół nich zadania. AI nie musi być źródłem treści dla uczniów – często lepiej sprawdza się jako narzędzie wstępnej obróbki dla samego nauczyciela.
Wsparcie przy ocenianiu i feedbacku (z zachowaniem kontroli)
Ocenianie prac pisemnych zajmuje mnóstwo czasu. AI może pomóc w dwóch obszarach: wstępnym porządkowaniu oraz generowaniu szkicu komentarza. Przykładowy workflow wygląda tak:
Nauczyciel tworzy prostą rubrykę oceniania (np. treść, struktura, język) i wprowadza ją do chatbota.
Wkleja pracę ucznia i prosi o ocenę w każdej kategorii, z krótkim uzasadnieniem.
Przegląda wygenerowane uwagi, poprawia nieprecyzyjne fragmenty, dodaje swoje obserwacje.
Kluczowe jest, aby nie oddawać całej decyzji algorytmowi. AI może przyspieszyć formułowanie komentarza, ale końcowa ocena i ton komunikatu zostają po stronie człowieka, który zna ucznia. To także dobre narzędzie do treningu uczniów w zakresie samooceny: mogą porównać własną refleksję o pracy z tym, co podpowiedział model, i zobaczyć różnice.
Przygotowanie materiałów dla rodziców i rady pedagogicznej
Nauczyciel często pełni rolę tłumacza: musi przełożyć język podstawy programowej czy zaleceń psychologicznych na zrozumiały opis dla rodziców lub kolegów z rady pedagogicznej. AI może w tym bardzo pomóc, jeśli poda się jej kontekst i grupę docelową.
Przykład: na podstawie kilku stron specjalistycznych zaleceń dotyczących pracy z uczniem w spektrum autyzmu nauczyciel prosi AI o zestawienie „10 praktycznych wskazówek do zastosowania na lekcji w klasie integracyjnej”, zapisanych prostym językiem. Otrzymany materiał staje się bazą do dalszej dyskusji na zebraniu rady, nie ostateczną instrukcją – ale pozwala szybciej wejść w temat i oszczędza żmudne przepisywanie.
AI na lekcji – scenariusze i mikroćwiczenia dla różnych przedmiotów
Język polski: od „napisz za mnie” do „pomóż mi myśleć”
Na języku polskim pokusa użycia AI jako „gotowca” jest największa. Zamiast z tym tylko walczyć, lepiej zmienić konstrukcję zadań tak, by AI wspierała analizę, a nie zastępowała pracę ucznia.
Proste mikroćwiczenia:
Rozbijanie tematu rozprawki – uczniowie proszą AI o listę argumentów „za” i „przeciw” do danego tematu, a następnie wybierają 2–3, które uznają za najsilniejsze, i uzasadniają własnymi słowami, dlaczego. Można też kazać im dopisać własny argument, którego AI nie podała.
Poprawianie tekstu AI – nauczyciel przynosi wygenerowaną wypowiedź (z błędami stylistycznymi lub logicznymi) i prosi uczniów, by ją przeredagowali: skrócili, uporządkowali, dodali lepsze przykłady. AI staje się wtedy „słabym uczniem”, którego tekst trzeba poprawić.
Porównanie interpretacji – uczniowie najpierw samodzielnie piszą krótką interpretację fragmentu wiersza, a dopiero potem porównują ją z propozycją AI. Zadanie polega na wskazaniu różnic, słabych punktów interpretacji modelu i obronie własnego stanowiska.
Matematyka: AI jako generator zadań, a nie maszynka do gotowych wyników
Na matematyce problemem nie jest to, że AI „za dobrze liczy”, tylko że uczniowie próbują dzięki niej ominąć proces myślenia. Zamiast tego można uczynić z modelu narzędzie do trenowania rozwiązywania zadań, a nie do podawania odpowiedzi.
Przykładowe sposoby pracy:
Generowanie wariantów jednego typu zadania – nauczyciel pokazuje uczniom klasyczny przykład, a następnie prosi AI: „Utwórz 5 podobnych zadań tekstowych z równaniami liniowymi, ale zmieniaj kontekst (zakupy, podróże, sport) i liczby”. Uczniowie wybierają dwa zadania, które rozwiązują w zeszycie, a na koniec wspólnie sprawdzają krok po kroku, gdzie algorytm przy układaniu mógł się pomylić (źle dobrane dane, brak sensu realnego).
Sprawdzanie rozumowania, nie wyniku – każdy uczeń rozwiązuje to samo zadanie tradycyjnie, fotografuje rozwiązanie i wprowadza je do narzędzia z prośbą: „Sprawdź tylko tok rozumowania, wskaż, gdzie popełniłem błąd, nie podawaj ostatecznego wyniku”. Nauczyciel uczy wcześniej, jak sformułować takie polecenie. Celem jest informacja zwrotna o procesie, nie gotowa odpowiedź.
Tworzenie zadań przez uczniów przy wsparciu AI – uczniowie w parach tworzą własne zadanie tekstowe (np. o procentach) z pomocą AI, a następnie zamieniają się nimi z inną parą. Ich zadaniem jest wykryć, czy zadanie ma sens, czy jest dobrze policzalne i czy nie zawiera „ukrytego haczyka”, którego autorzy nie zauważyli.
Częsta obawa brzmi: „jeśli pozwolę uczniom korzystać z AI na matematyce, przestaną liczyć”. Rzeczywistość jest taka, że jeśli lekcja polega wyłącznie na mechanicznym „wstaw liczby do schematu”, to i bez AI znajdą sposób, by ominąć pracę. Włączenie modelu do zadań meta-matematycznych (analiza błędów, porównywanie rozwiązań, tworzenie własnych zadań) utrudnia takie „sprytne skróty” i kieruje uwagę na myślenie o procesie.
Przedmioty przyrodnicze: wirtualne laboratorium i asystent doświadczeń
Na biologii, chemii czy fizyce kluczowe są doświadczenia. Tu AI może pełnić rolę „konsultanta od symulacji” i pomocnika przy przygotowywaniu eksperymentów – zwłaszcza tam, gdzie brakuje sprzętu lub czasu.
Planowanie doświadczeń krok po kroku – nauczyciel wpisuje krótki opis: „Chcę pokazać uczniom klasy 8, jak wpływa temperatura na szybkość reakcji chemicznej z wykorzystaniem prostych substancji dostępnych w szkole”. AI proponuje 2–3 możliwe doświadczenia z listą materiałów i przebiegiem. Zadaniem uczniów jest ocenić, które doświadczenie jest najbezpieczniejsze i najbardziej realistyczne w ich warunkach.
Symulacja „co by było, gdyby…” – po przeprowadzonym na żywo eksperymencie fizycznym uczniowie opisują w AI: „Zrobiliśmy doświadczenie z toczącą się kulką po równi pochyłej, taki był przebieg… Jak zmieniłby się wynik, gdybyśmy zwiększyli kąt nachylenia o połowę?”. Zamiast zgadywać, otrzymują jakościowy opis, który następnie konfrontują z przewidywaniami z podręcznika.
Uproszczenie skomplikowanych opisów – fragmenty podręcznika lub artykułu popularnonaukowego o fotosyntezie, efekcie cieplarnianym czy budowie DNA można wrzucić do AI z poleceniem: „Wyjaśnij to tak, jakbyś tłumaczył uczniowi klasy 6, użyj krótkich zdań i przykładów z codziennego życia”. Nauczyciel potem poprawia uproszczenia i wykorzystuje powstały tekst jako bazę do pracy z najsłabszymi uczniami.
Mit, że „AI będzie opowiadać bzdury naukowe”, bywa powtarzany bez sprawdzenia. Modele rzeczywiście potrafią się mylić, szczególnie w niszowych lub bardzo świeżych tematach, ale przy dobrze znanych zjawiskach i przy rodzicielskiej kontroli nauczyciela są użytecznym wsparciem. Kluczem jest zawsze krok weryfikacji: uczeń porównuje opis AI z podręcznikiem lub notatkami z lekcji i zaznacza rozbieżności.
Języki obce: rozmówca do konwersacji i korektor, którego można „przeklikać”
Na językach obcych obawa często brzmi: „uczniowie będą wklejać całe wypracowania do przetłumaczenia”. Zamiast zakazu łatwiej wprowadzić jasne zasady, w jakim zakresie korzystanie z AI jest dopuszczalne – i uczynić z niego narzędzie do intensywnej praktyki.
Przykładowe działania:
Dialog z ograniczeniami – nauczyciel prosi AI: „Prowadź rozmowę z uczniem na poziomie A2 o jego hobby. Używaj prostych czasów i słownictwa, reaguj na błędy delikatną korektą, ale nie zmieniaj tematu”. Uczniowie pracują indywidualnie w pracowni lub na własnych urządzeniach, a następnie przynoszą 2–3 fragmenty rozmowy, które były dla nich najtrudniejsze, do omówienia na forum.
„Półtłumaczenie” tekstu – uczniowie piszą krótką notatkę po polsku (np. opis swojego miasta). Zamiast kazać AI przetłumaczyć wszystko, dostają zadanie: „Wklej swój tekst i poproś o przetłumaczenie tylko podkreślonych zdań, z wyjaśnieniem, dlaczego użyto takiej, a nie innej konstrukcji”. Resztę przekładają samodzielnie, korzystając z tych podpowiedzi.
Korekta z komentarzem – uczeń przekazuje własne wypracowanie w języku obcym i prosi: „Popraw błędy, ale pokaż mi wersję z zaznaczonymi zmianami i krótką listą najczęściej powtarzających się pomyłek”. Nauczyciel może potem odwołać się do tych list „typowych błędów” podczas lekcji, bez osobnego analizowania każdej pracy od zera.
Rzeczywistość jest taka, że AI jako „rozmówca w języku obcym” jest obecnie jednym z najcenniejszych darmowych zasobów dla ucznia, który nie ma kontaktu z native speakerami. Warunkiem jest ustalenie zakresu: kiedy to forma treningu (dozwolona), a kiedy zastąpienie własnej pracy (niedozwolone).
Historia i WOS: analiza źródeł i drzewka przyczynowo‑skutkowe
Na historii i WOS-ie duże wyzwanie stanowi praca z tekstem źródłowym i rozumienie złożonych procesów: przyczyna – przebieg – skutki. AI może pomóc uczniom „rozplątać” te wątki, ale tylko wtedy, gdy nie podaje im gotowych odpowiedzi do wkuwania.
Kilka sprawdzonych pomysłów:
Rozbijanie źródeł na pytania – uczniowie dostają tekst źródłowy (np. fragment kroniki, przemówienia, konstytucji). Ich zadanie: „Wklej tekst do AI i poproś o 5 pytań, które pomagają zrozumieć, o co się w nim toczy spór / czego dotyczy problem”. Następnie wybierają 2 najciekawsze pytania i odpowiadają na nie bez pomocy modelu.
Tworzenie osi czasu i drzewek skutków – po omówieniu tematu (np. przyczyny wybuchu I wojny światowej) nauczyciel prosi AI o „wygenerowanie listy przyczyn posegregowanych na polityczne, gospodarcze i społeczne, w języku zrozumiałym dla ucznia klasy 8”. Uczniowie porównują tę listę z własnymi notatkami, korygują błędy i z tego tworzą własną oś czasu lub mapę myśli.
Porównanie perspektyw – uczniowie zadają AI polecenie: „Wyjaśnij przyczyny rozbiorów Polski z punktu widzenia pruskiego polityka z końca XVIII wieku, a potem z punktu widzenia polskiego szlachcica”. Następnie analizują, które elementy są genealogicznie podobne, a gdzie pogląd zależy od perspektywy i interesów.
Mit, że „AI zawsze przepisuje to, co jest w Wikipedii”, jest uproszczeniem. Owszem, model bazuje na treściach z sieci, ale jego siła leży w przeformułowaniu i strukturyzacji – a to dokładnie to, czego często brakuje uczniom zmagającym się z gęstymi podręcznikami.
Przedmioty artystyczne: inspiracja zamiast kopiowania
Na plastyce, muzyce czy technice AI bywa postrzegana jako „generator gotowych obrazków”, który zabija kreatywność. W praktyce może stać się źródłem inspiracji i materiałem do krytycznego oglądu.
Przykłady wykorzystania:
Burza mózgów przed własną pracą – uczniowie planują plakat na temat ochrony środowiska. Zamiast scrollować internet, wspólnie tworzą z AI listę możliwych metafor i symboli (np. „ziemia jako dom”, „drzewo jako płuca miasta”). Potem wybierają po jednym motywie i opracowują go już ręcznie, na papierze.
Analiza stylu i kompozycji – nauczyciel prosi AI o wygenerowanie kilku opisów (bez obrazu) hipotetycznych plakatów lub grafik w stylu secesji, minimalizmu, pop‑artu. Uczniowie na podstawie opisu szkicują, jak mogłaby wyglądać taka praca, a potem porównują z prawdziwymi dziełami ze sztuki. Celem jest wyłapanie elementów charakterystycznych: linia, kolor, rytm.
Remiks muzyczny w teorii – na muzyce uczniowie proszą AI o „3 pomysły na połączenie motywu z polskiej pieśni ludowej z nowoczesną aranżacją (pop/rap/elektronika)”. Dyskutują, które z tych pomysłów są wykonalne w warunkach szkolnych, a potem wybierają jeden i próbują zrealizować go w prostym programie do montażu dźwięku.
Klucz tkwi w tym, by AI nie była autorem pracy ucznia, tylko towarzyszem w procesie szukania pomysłu, analizowania stylu czy planowania działań. Uczniowie szybciej przechodzą od „nie wiem, od czego zacząć” do „mam trzy sensowne kierunki, który wybieram?”.
Informatyka i technologia: AI jako narzędzie w skrzynce, nie zastępstwo myślenia algorytmicznego
Na informatyce pokusa „napisz mi program” jest oczywista. Zamiast walczyć z wiatrakami, nauczyciel może włączyć AI w proces nauki programowania, jasno pokazując, gdzie przebiega granica między pomocą a plagiatem.
Kilka konkretnych zastosowań:
Wyjaśnianie kodu linijka po linijce – uczniowie dostają krótki program w Pythonie lub Scratchu, który działa, ale nie do końca go rozumieją. Ich zadanie: wkleić kod do AI i poprosić o opis działania każdej linijki w prostym języku. Następnie na kartce rysują schemat blokowy na podstawie tego opisu.
Propozycje ulepszeń, a nie gotowy kod – uczeń ma niedziałający fragment programu. Zamiast kazać AI napisać wszystko od nowa, nauczyciel uczy formułować polecenie: „Oto mój kod, opisz, co robi źle i zasugeruj, co powinienem zmienić, ale nie podawaj gotowego poprawionego kodu”. Dzięki temu uczeń wciąż sam wpisuje rozwiązanie, a AI pełni rolę doradcy.
Porównanie dwóch rozwiązań – uczniowie dostają dwa różne programy realizujące ten sam cel. Proszą AI o analizę: „Wyjaśnij, czym różnią się te dwa programy pod względem czytelności, możliwości rozwijania i potencjalnych błędów”. Takie zadanie w praktyce uczy dobrych nawyków programistycznych, których zwykle nie ma czasu omawiać szerzej.
Mit „AI nauczy programowania za mnie” brzmi atrakcyjnie, ale pomija ważny fakt: żeby skorzystać z pomocy modelu, trzeba i tak rozumieć podstawy, inaczej uczeń nawet nie zauważy, że algorytm wygenerował błąd lub nieoptymalne rozwiązanie. Nauczyciel może tę zależność spokojnie obnażyć na kilku prostych przykładach błędnego kodu „od AI” i wspólnej analizie.
Edukacja wczesnoszkolna: bajki, rymowanki i personalizowane zadania
W klasach 1–3 AI może wydawać się zbyt „poważnym” narzędziem. W praktyce świetnie sprawdza się jako generator prostych historii, rymowanek i mini-zadań dopasowanych do poziomu konkretnej grupy. Dzieci nie muszą widzieć samego narzędzia – pracuje z nim nauczyciel.
Kilka prostych zastosowań:
Personalizowane historyjki do czytania – nauczyciel prosi AI: „Napisz krótką bajkę (ok. 200 słów) dla 2 klasy, w której bohaterem jest kot o imieniu Felek, uwzględnij 5 słów z trudnością ortograficzną: ch, rz, ó, ż, u”. Po wydrukowaniu dzieci podkreślają trudne wyrazy, a potem wymyślają własne zakończenie.
Zadania matematyczne z życia klasy – zamiast suchych zadań typu „Ania ma 5 jabłek…”, nauczyciel podaje AI imiona dzieci (bez nazwisk) i prosi: „Ułóż 10 zadań tekstowych z dodawaniem i odejmowaniem do 20, w których występują imiona: Kacper, Lena, Zosia. Umieść sytuacje z życia szkoły (stołówka, przerwa, biblioteka)”. Dzieci chętniej rozwiązują zadania, w których „występują” ich znajomi i ich świat.
