6. Zdroje a glosář
6.1 Zdroje
Recenzované publikace
Ali, R., Tang, O. Y., Connolly, I. D., Abdulrazeq, H. F., Mirza, F. N., Lim, R. K., Johnston, B. R., Groff, M. W., Williamson, T., Svokos, K., Libby, T. J., Shin, J. H., Gokaslan, Z. L., Doberstein, C. E., Zou, J., & Asaad, W. F. (2024). Demographic representation in 3 leading artificial intelligence text-to-image generators. JAMA Surgery, 159(1), 87–95. https://doi.org/10.1001/jamasurg.2023.5695
Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.
Autenrieth, D., & Schluchter, J.-R. (2026). Künstliche Intelligenz und inklusive Bildung: Empirische Perspektiven auf Einstellungen und Nutzungsmuster von Lehrkräften [Artificial intelligence and inclusive education: Empirical perspectives on teachers' attitudes and usage patterns]. Medienimpulse, 64(1). https://doi.org/10.21243/mi-01-26-24
Barnes, M., & Tour, E. (2026). Teachers' use of generative AI: A 'dirty little secret'? Language and Education, 40(1), 24–39. https://doi.org/10.1080/09500782.2025.2485935
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), Article e2422633122. https://doi.org/10.1073/pnas.2422633122
BEKIARIDIS, G. (author) and ATTWELL, G. (ed.), Supplement to the DigCompEDU Framework: Outlining the Skills and Competences of Educators Related to AI in Education, AI Pioneers – Work Package 3, Erasmus+ Programme, European Union, 2024. Available at: https://aipioneers.org/wp-content/uploads/2024/01/WP3_Supplement_to_the_DigCompEDU_English.pdf
BLOOM, B.S. (ed.), ENGELHART, M.D., FURST, E.J., HILL, W.H. and KRATHWOHL, D.R., Taxonomy of Educational Objectives: The Classification of Educational Goals. Handbook I: Cognitive Domain, David McKay Company, New York, 1956.
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188. https://doi.org/10.1145/3449287
Dier, M. (2025). KI-Kompetenzprofile von Lehrkräften an beruflichen Schulen: Vom Wissen zum didaktischen Handeln [AI competence profiles of vocational school teachers: From knowledge to didactic action]. Journal of Technical Education, 13(2), 66–85. https://doi.org/10.48513/joted.v13i2.328
Dong, Y. (2026). Generative AI technologies and educational outcomes: A comprehensive meta-analysis comparing traditional and AI-driven approaches. Humanities and Social Sciences Communications, 13(1), Article 559. https://doi.org/10.1057/s41599-026-06903-y
Farrokhnia, M., Latifi, S., Papadopoulos, P. M., Hogenkamp, L., Gijlers, H., Khosravi, H., & Noroozi, O. (2026). Generative AI offers more, but students revise less: Comparing the effects of teacher and AI feedback on student essay revisions. International Journal of Educational Technology in Higher Education, 23(1), Article 6. https://doi.org/10.1186/s41239-026-00579-9
Fleckenstein, J., Liebenow, L. W., & Meyer, J. (2023). Automated feedback and writing: A multi-level meta-analysis of effects on students' performance. Frontiers in Artificial Intelligence, 6, Article 1162454. https://doi.org/10.3389/frai.2023.1162454
Jaggy, A.-K., Jansen, T., Fütterer, T., & Trautwein, U. (2026). Almighty ChatGPT? Development of gifted secondary school students' AI (mis)conceptions. Journal of Educational Psychology. Advance online publication. https://doi.org/10.1037/edu0001063
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15(1), Article 17458. https://doi.org/10.1038/s41598-025-97652-6
Krathwohl, D. R. (2002). A revision of Bloom’s taxonomy: An overview. Theory Into Practice, 41(4), 212–218.
Lee, V. R., Pope, D., Miles, S., & Zárate, R. C. (2024). Cheating in the age of generative AI: A high school survey study of cheating behaviors before and after the release of ChatGPT. Computers and Education: Artificial Intelligence, 7, Article 100253. https://doi.org/10.1016/j.caeai.2024.100253
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), Article 100779. https://doi.org/10.1016/j.patter.2023.100779
Liu, B., Zhang, W., & Wang, F. (2026). Can generative artificial intelligence effectively enhance students' mathematics learning outcomes? A meta-analysis of empirical studies from 2023 to 2025. Education Sciences, 16(1), Article 140. https://doi.org/10.3390/educsci16010140
Maršálek, R., & Teplá, M. (2026). "Is AI inevitable?" Development of attitudes and practices of Czech teachers between 2023 and 2025. Education Sciences, 16(2), Article 335. https://doi.org/10.3390/educsci16020335
MIAO, F. and CUKUROVA, M., AI Competency Framework for Teachers, UNESCO, 2024. ISBN 978-92-3-100707-1. DOI: https://doi.org/10.54675/ZJTE2084
REDECKER, C., European Framework for the Digital Competence of Educators: DigCompEdu, PUNIE, Y. (ed.), EUR 28775 EN, Publications Office of the European Union, Luxembourg, 2017. ISBN 978-92-79-73494-6 (pdf). DOI: https://doi.org/10.2760/159770. JRC107466.
Rind, I. A. (2026). Conceptualizing the impact of AI on teacher knowledge and expertise: A cognitive load perspective. Education Sciences, 16(1), Article 57. https://doi.org/10.3390/educsci16010057
Romeo, G., & Conti, D. (2026). Exploring automation bias in human–AI collaboration: A review and implications for explainable AI. AI & Society, 41, 259–278. https://doi.org/10.1007/s00146-025-02422-7
Rowe, J., Klimaszewski, M., Guillou, L., Vallor, S., & Birch, A. (2025). EuroGEST: Investigating gender stereotypes in multilingual language models. In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (pp. 32074–32096). Association for Computational Linguistics. https://doi.org/10.18653/v1/2025.emnlp-main.1632
Scarfe, P., Watcham, K., Clarke, A., & Roesch, E. (2024). A real-world test of artificial intelligence infiltration of a university examinations system: A "Turing Test" case study. PLOS ONE, 19(6), Article e0305354. https://doi.org/10.1371/journal.pone.0305354
Schemmer, M., Kühl, N., Benz, C., Bartos, A., & Satzger, G. (2023). Appropriate reliance on AI advice: Conceptualization and the effect of explanations. In Proceedings of the 28th International Conference on Intelligent User Interfaces (pp. 410–422). Association for Computing Machinery. https://doi.org/10.1145/3581641.3584066
Tian, Z., Liu, A., Esbenshade, L., Sarkar, S., Zhang, Z., He, K., & Sun, M. (2025). Implementation considerations for automated AI grading of student work. In J. Wilson, C. Ormerod, & M. Beiting Parrish (Eds.), Proceedings of the Artificial Intelligence in Measurement and Education Conference (AIME-Con): Full papers (pp. 9–20). National Council on Measurement in Education. https://aclanthology.org/2025.aimecon-main.2/
Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., & Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. New Media & Society, 27(9), 5342–5368. https://doi.org/10.1177/14614448241252820
Wang, J., & Fan, W. (2025). RETRACTED ARTICLE: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences Communications, 12(1), Article 621. https://doi.org/10.1057/s41599-025-04787-y
Wang, J., & Fan, W. (2026). Retraction note: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences Communications, 13(1), Article 528. https://doi.org/10.1057/s41599-026-07310-z
Weinmann, H., Messingschlager, T. V., & Appel, M. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. New Media & Society. Advance online publication. https://doi.org/10.1177/14614448261435197
Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications, 13(1), Article 684. https://doi.org/10.1057/s41599-026-07019-z
Yan, D., & Zhang, S. (2024). L2 writer engagement with automated written corrective feedback provided by ChatGPT. Humanities and Social Sciences Communications, 11, Article 1086. https://doi.org/10.1057/s41599-024-03543-y
Yeo, G. H., & Lansford, J. E. (2025). Effects of artificial intelligence on educational functioning: A review and meta-analysis. Educational Psychology Review, 37(4), Article 110. https://doi.org/10.1007/s10648-025-10085-5
Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). The effectiveness of AI on K-12 students' mathematics learning: A systematic review and meta-analysis. International Journal of Science and Mathematics Education, 23(4), 1105–1126. https://doi.org/10.1007/s10763-024-10499-7
Yu, H., & Xie, Q. (2025). Generative AI vs. teachers: Feedback quality, feedback uptake, and revision. Language Teaching Research Quarterly, 47, 113–137. https://doi.org/10.32038/ltrq.2025.47.07
Zhang, L., Carter, R. A., Jr., Liu, Y., & Peng, P. (2026). Let's CHAT about artificial intelligence for students with disabilities: A systematic literature review and meta-analysis. Review of Educational Research, 96(1), 215–257. https://doi.org/10.3102/00346543241293424
Preprinty, pracovní studie a výzkumné zprávy
Campos, C., & Singleton, J. D. (2026). AI diffusion gaps: Unequal integration of AI across K-12 schools (NBER Working Paper No. 35347). National Bureau of Economic Research. https://doi.org/10.3386/w35347
Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., & Lombardi, M. (2026). Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment (NBER Working Paper No. 34851; rev. October 2026). National Bureau of Economic Research. https://doi.org/10.3386/w34851
Kalai, A. T., Nachum, O., Vempala, S. S., & Zhang, E. (2025). Why language models hallucinate (arXiv:2509.04664v1) [Preprint]. arXiv. https://arxiv.org/abs/2509.04664
Lehmann, M., Cornelius, P. B., & Sting, F. J. (2025). AI meets the classroom: When do large language models harm learning? (arXiv:2409.09047v2) [Preprint]. arXiv. https://arxiv.org/abs/2409.09047
Lodge, J. M., & Loble, L. (2026). Artificial intelligence, cognitive offloading and implications for education [Report]. Australian Network for Quality Digital Education; University of Technology Sydney. https://doi.org/10.71741/4pyxmbnjaq.31302475
Maier, S., Gunzenhäuser, M., Schweisthal, J., Schneider, M., & Feuerriegel, S. (2026). A meta-analysis of the effect of generative AI on productivity and learning in programming (arXiv:2605.04779v1) [Preprint]. arXiv. https://arxiv.org/abs/2605.04779
Shao, J., Wu, Q., Zhang, H., Sun, S., & Zhuang, J. (2026). Mitigating scaffolding collapse in Socratic tutors via representation alignment (arXiv:2607.19371v1) [Preprint]. arXiv. https://arxiv.org/abs/2607.19371
Paris, A., Labetoulle, A., Bezjak, S., Butler, D., Cardoso-Leite, P., Chesné, J.-F., Kirsch, C., Mori, S., Nardi, A., Nencioni, P., Niewint, J., Rossi, F., Storai, F., Toci, V., & Mirazchiyski, P. V. (2023). Comparative European evaluation report (AI4T – Artificial Intelligence for and by Teachers, Deliverable D3.3). Cnesco-Cnam; France Éducation international. https://cnesco.fr/wp-content/uploads/2024/05/AI4T_WP3_D3.3_Comparative-European-Evaluation-Report.pdf
Roy, P., Poet, H., Staunton, R., Aston, K., & Thomas, D. (2024). ChatGPT in lesson preparation: A Teacher Choices Trial [Evaluation report]. National Foundation for Educational Research; Education Endowment Foundation; The Hg Foundation. https://www.nfer.ac.uk/publications/chatgpt-in-lesson-preparation-a-teacher-choices-trial/
Staksrud, E., Mascheroni, G., Milosevic, T., Ní Bhroin, N., Ólafsson, K., Şengül-İnal, G., & Stoilova, M. (2026). European children's use and understanding of generative AI: EU Kids Online 2026 (EU Kids Online Reports No. 1). London School of Economics and Political Science. https://doi.org/10.21953/researchonline.lse.ac.uk.00137132
Statistiky a zprávy organizací
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
OECD. (2025). Results from TALIS 2024: The state of teaching. OECD Publishing. https://doi.org/10.1787/90df6235-en
OECD. (2026). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en
UNESCO. (2023). Global education monitoring report 2023: Technology in education – A tool on whose terms? https://doi.org/10.54676/UZQV8501
Průzkumy a zprávy nadací, nevládních organizací aj.
Bellio, N., & Kayser-Bril, N. (2024, March 4). Wie Bildgeneratoren die Welt zeigen: Stereotypen statt Vielfalt [How image generators show the world: Stereotypes instead of diversity]. AlgorithmWatch. https://algorithmwatch.org/de/bildgeneratoren-stereotypen/
Human Rights Watch. (2022, May 25). "How dare they peep into my private life?": Children's rights violations by governments that endorsed online learning during the Covid-19 pandemic. https://www.hrw.org/report/2022/05/25/how-dare-they-peep-my-private-life/childrens-rights-violations-governments
Latham, K., & Montacute, R. (2025, July). Artificial advantage? AI in the classroom and the inequality gap. The Sutton Trust. https://www.suttontrust.com/wp-content/uploads/2025/07/Artificial-advantage.pdf
Medienpädagogischer Forschungsverbund Südwest. (2024). JIM-Studie 2024. Jugend, Information, Medien: Basisuntersuchung zum Medienumgang 12- bis 19-Jähriger [JIM study 2024: Youth, information, media]. https://mpfs.de/studie/jim-studie-2024/
Michel, L. P., & Goertz, L. (2025). mmb-Trendmonitor 2024/2025. Weiterbildung und digitales Lernen heute und in drei Jahren [mmb trend monitor 2024/2025: Continuing education and digital learning today and in three years] (Results of the 19th mmb Learning Delphi). mmb Institut. https://www.mmb-institut.de/wp-content/uploads/mmb-Trendmonitor_2024-2025.pdf
Robert Bosch Stiftung. (2026). Deutsches Schulbarometer 2026: Befragung Lehrkräfte [German School Barometer 2026: Teacher survey] (Survey conducted by forsa). https://www.bosch-stiftung.de/sites/default/files/documents/2026-06/RBSG_Deutsches_Schulbarometer_Lehrkr%C3%A4fte_2026.pdf
Trucano, M. (2023, July 10). AI and the next digital divide in education. Brookings Institution. https://www.brookings.edu/articles/ai-and-the-next-digital-divide-in-education/
Vodafone Stiftung Deutschland. (2024, March). Pioniere des Wandels: Wie Schüler:innen KI im Unterricht nutzen möchten [Pioneers of change: How students want to use AI in the classroom] (Survey conducted by infratest dimap). https://www.vodafone-stiftung.de/pioniere-des-wandels/
Walton Family Foundation, & Gallup. (2025, June). Teaching for tomorrow: Unlocking six weeks a year with AI. https://news.gallup.com/poll/691967/three-teachers-weekly-saving-six-weeks-year.aspx
Institucionální dokumenty
Børne- og Undervisningsministeriet, Styrelsen for Undervisning og Kvalitet. (2025, August 22). Forsøg med prøverne i engelsk A (stx) [Trial of the English A examinations (stx)] (Case 25/23313). https://www.uvm.dk/-/media/filer/uvm/udd/gym/pdf25/aug/250822-forsoeg-med-proeverne-i-engelsk-a--stx-.pdf
Commission nationale de l'informatique et des libertés. (2025, June 20). Enseignant : comment utiliser un système d'IA dans le respect du RGPD ? [Teachers: How to use an AI system in compliance with the GDPR]. https://www.cnil.fr/fr/enseignant-usage-systeme-ia
Department of Education Northern Ireland. (2026, May 6). Givan announces roll-out of AI tools and training for Northern Ireland teachers [Press release]. https://www.education-ni.gov.uk/news/givan-announces-roll-out-ai-tools-and-training-northern-ireland-teachers
Der Hamburgische Beauftragte für Datenschutz und Informationsfreiheit. (2023, November 13). Checkliste zum Einsatz LLM-basierter Chatbots [Checklist for the use of LLM-based chatbots]. https://datenschutz-hamburg.de/fileadmin/user_upload/HmbBfDI/Datenschutz/Informationen/20231113_Checkliste_LLM_Chatbots_DE.pdf
European Commission. (2026, September 7). Market surveillance authorities under the AI Act. https://digital-strategy.ec.europa.eu/en/policies/market-surveillance-authorities-under-ai-act
FWU Institut für Film und Bild in Wissenschaft und Unterricht. (n.d.). AIS.chat (vormals telli). Retrieved October 16, 2026, from https://fwu.de/ais-chat/
Haridus- ja Teadusministeerium. (2026, March 8). Europe's top PISA performer showcases AI Leap programme as global summit opens in Tallinn [Press release]. https://www.hm.ee/en/news/europes-top-pisa-performer-showcases-ai-leap-programme-global-summit-opens-tallinn
Joint Council for Qualifications. (2025). AI use in assessments: Protecting the integrity of qualifications (Effective from 30 April 2025). https://www.jcq.org.uk/exams-office/malpractice/artificial-intelligence/
Kennisnet. (2026, January 15). Toetsing en generatieve AI in het voortgezet onderwijs [Assessment and generative AI in secondary education] (updated April 28, 2026). https://www.kennisnet.nl/
Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder. (2024, May 6). Orientierungshilfe: Künstliche Intelligenz und Datenschutz [Guidance: Artificial intelligence and data protection] (Version 1.0). https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf
Kultusministerkonferenz. (2024, October 10). Handlungsempfehlung für die Bildungsverwaltung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen [Recommendation for education administrations on artificial intelligence in school education] (Resolution of the Bildungsministerkonferenz; rev. ed. March 2025). https://www.kmk.org/fileadmin/Dateien/veroeffentlichungen_beschluesse/2024/2024_10_10-Handlungsempfehlung-KI.pdf
Ministère de l'Éducation nationale. (2025, June 13). Cadre d'usage de l'IA en éducation [Framework for the use of AI in education]. https://www.education.gouv.fr/cadre-d-usage-de-l-ia-en-education-450647
Ministère de l'Éducation nationale. (2026, February). M.I.A. Seconde, une approche personnalisée de la remédiation en français et en mathématiques [M.I.A. Seconde: A personalised approach to remediation in French and mathematics]. Éduscol. https://eduscol.education.gouv.fr/6693/mia-seconde-une-approche-personnalisee-de-la-remediation-en-francais-et-en-mathematiques
Ministerstvo školstva, výskumu, vývoja a mládeže Slovenskej republiky. (2026, January 15). 20-tisíc licencií ChatGPT Edu podporí rozvoj digitálnych zručností budúcich učiteľov [20,000 ChatGPT Edu licences will support future teachers' digital skills] [Press release]. https://www.minedu.sk/20-tisic-licencii-chatgpt-edu-podpori-rozvoj-digitalnych-zrucnosti-buducich-ucitelov/
Ministerstvo školstva, výskumu, vývoja a mládeže Slovenskej republiky. (2026, May 12). Ministerstvo chce do konca roka sprístupniť AI nástroje pre všetkých učiteľov na Slovensku [The ministry wants to make AI tools available to all teachers in Slovakia by the end of the year] [Press release]. https://www.minedu.sk/ministerstvo-chce-do-konca-roka-spristupnit-ai-nastroje-pre-vsetkych-ucitelov-na-slovensku/
Ministerium für Schule und Bildung des Landes Nordrhein-Westfalen. (n.d.). Dienstanweisung für die automatisierte Verarbeitung von personenbezogenen Daten in der Schule (BASS 10-41 Nr. 4). Retrieved October 16, 2026, from https://bass.schule.nrw/17585.htm
Bayerisches Staatsministerium für Unterricht und Kultus. (n.d.). Private Endgeräte im Dienstgebrauch [Private devices for official use]. Retrieved October 16, 2026, from https://www.km.bayern.de/gestalten/digitalisierung/datensicherheit/private-endgeraete-im-dienstgebrauch
Office of Qualifications and Examinations Regulation. (2026, March). SLT briefing pack: AI and coursework integrity (Version 2.5). https://www.gov.uk/government/organisations/ofqual
Scheiter, K., Bauer, E., Omarchevska, Y., Schumacher, C., & Sailer, M. (2025). Künstliche Intelligenz in der Schule: Eine Handreichung zum Stand in Wissenschaft und Praxis [Artificial intelligence in schools: A guide to the state of research and practice]. Bundesministerium für Bildung, Familie, Senioren, Frauen und Jugend. https://www.empirische-bildungsforschung-bmbfsfj.de/img/KI_Review.pdf
Statsministerens kontor, & Kunnskapsdepartementet. (2026, June 19). Ny nasjonal anbefaling: Kunstig intelligens skal i all hovedsak ikke brukes i barneskolen [New national recommendation: AI should as a rule not be used in primary school] [Press release]. https://www.regjeringen.no/no/aktuelt/kunstig-intelligens-skal-i-all-hovedsak-ikke-brukes-i-barneskolen/id3166807/
SURF. (2026, May 27). Privacy risks Microsoft 365 Copilot remain 'orange' despite improvements. https://www.surf.nl/en/news/privacy-risks-microsoft-365-copilot-remain-orange-despite-improvements
Transport for London. (2022, March). The Knowledge of London: An introduction to learning the Knowledge of London and the examination process. https://foi.tfl.gov.uk/FOI-0355-2425/Introduction%20to%20Knowledge%20Booklet%20(March%202022).pdf
Vanderbilt University, Brightspace Support. (2023, August 16). Guidance on AI detection and why we're disabling Turnitin's AI detector. https://www.vanderbilt.edu/brightspace/2023/08/16/guidance-on-ai-detection-and-why-were-disabling-turnitins-ai-detector/
Verband Bildungsmedien. (n.d.). Urheberrecht und KI [Copyright and AI]. Schulbuchkopie.de. Retrieved October 16, 2026, from https://www.schulbuchkopie.de/index.php/urheberrecht-und-ki
ZHAW Zürcher Hochschule für Angewandte Wissenschaften. (2026). Verwendung generativer KI-Systeme bei Leistungsnachweisen [Use of generative AI systems in assessments] (Richtlinie Z-RL, Version 4.0.0). https://gpmpublic.zhaw.ch/GPMDocProdDPublic/Vorgabedokumente_ZHAW/Z_RL_Richtlinie_KI_bei_Leistungsnachweisen.pdf
Tiskové zdroje
AI Leap Foundation. (n.d.). AI Leap (TI-Hüpe). Retrieved October 16, 2026, from https://tihupe.ee/en
Depue, W. (2023, November 6). What's new with DALL·E 3? OpenAI Cookbook. https://developers.openai.com/cookbook/articles/what_is_new_with_dalle_3
EvidenceB. (2022, November 30). EvidenceB et Docaposte remportent le marché public pour offrir un service de remédiation en français et en mathématiques pour tous les nouveaux lycéens de France [Press release]. https://evidenceb.fr/evidenceb-et-docaposte-remportent-le-marche-public/
OpenAI. (2022, July 18). Reducing bias and improving safety in DALL·E 2. https://openai.com/index/reducing-bias-and-improving-safety-in-dall-e-2
Raghavan, P. (2024, February 23). Gemini image generation got it wrong. We'll do better. The Keyword (Google). https://blog.google/products/gemini/gemini-image-generation-issue/
Legislativa
Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/46/EC (General Data Protection Regulation), OJ L 119, 4.5.2016, p. 1. https://eur-lex.europa.eu/eli/reg/2016/679/oj/eng
Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act), OJ L, 2024/1689, 12.7.2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng — consolidated version of 27 July 2026: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A02024R1689-20260727
Regulation (EU) 2026/1744 of the European Parliament and of the Council of 8 July 2026 amending Regulations (EU) 2024/1689, (EU) 2018/1139 and (EU) 2023/1230 as regards the simplification of the implementation of harmonised rules on artificial intelligence (Digital Omnibus on AI), OJ L, 2026/1744, 24.7.2026 (in force 27 July 2026; corrigendum 29 September 2026). https://eur-lex.europa.eu/eli/reg/2026/1744/oj/eng
Gesetz über Urheberrecht und verwandte Schutzrechte (Urheberrechtsgesetz – UrhG) [German Copyright Act], §§ 2, 16, 44a, 44b, 60a, 97. https://www.gesetze-im-internet.de/urhg/
Schulgesetz für Baden-Württemberg (SchG), § 115b. https://www.landesrecht-bw.de/
Bayerisches Hochschulinnovationsgesetz (BayHIG), as amended by the Act of 8 May 2026 (GVBl. p. 208). https://www.gesetze-bayern.de/
Soudní rozhodnutí
Verwaltungsgericht Hamburg, Beschluss vom 15. Dezember 2025, 2 E 8786/25 (interim relief, § 123 VwGO; not final). https://justiz.hamburg.de/resource/blob/1128534/4a02d061e1d2a47e4ff1449241831117/2-e-8786-25-beschluss-vom-15-12-25-data.pdf
Verwaltungsgericht Kassel, Urteile vom 25. Februar 2026, 7 K 2134/24.KS und 7 K 2515/25.KS (appeal admitted; not final). Press release No. 1/2026 of 26 February 2026. https://verwaltungsgerichtsbarkeit.hessen.de/presse/unzulaessige-nutzung-kuenstlicher-intelligenz-bei-studentischen-pruefungsleistungen
Landgericht München I, Urteil vom 11. November 2025, 42 O 14139/24 (GEMA v. OpenAI; appeal pending before the OLG München).
Raad van State (Afdeling bestuursrechtspraak), uitspraak van 30 juli 2025, 202501708/1/A2, ECLI:NL:RVS:2025:3585. https://uitspraken.rechtspraak.nl/details?id=ECLI:NL:RVS:2025:3585
Tribunal administratif de Paris, ordonnance du 12 février 2026, n° 2600972 (référé).
Kammarrätten i Göteborg, dom den 14 juli 2023, mål nr 4285-23. Reported in Processrätt (2023, November 4), https://processratt.se/kammarratten-i-goteborg-upphaver-disciplinnamndens-beslut-om-fusk-med-ai-verktyg/
6.2 Glosář a klíčové pojmy
|
Pojem |
Synonyma |
Definice |
|
A |
||
|
Adaptivní procvičovací software |
(angl. adaptive practice software) |
Procvičovací software, který se ve školách již používá a přizpůsobuje cvičení odpovědím žáka. Chatboti s generativní AI vykazovali větší účinky na znalosti a porozumění. |
|
Adaptivní vzdělávací platforma |
(angl. adaptive learning platform) |
Platforma, která přizpůsobuje obsah, tempo nebo vzdělávací cestu jednotlivým studujícím. |
|
AI |
umělá inteligence (angl. AI, Artificial Intelligence) |
Počítačové systémy, které vykonávají úlohy spojované s lidským myšlením, jako je rozpoznávání vzorců, zpracování jazyka nebo generování obsahu, a to většinou na základě učení z dat. |
|
AI Pioneers |
|
Rámec, který rozšiřuje DigCompEdu o kompetence pedagogů specifické pro AI. |
|
Akt EU o AI |
Akt o umělé inteligenci, Akt o AI, AI Act, nařízení (EU) 2024/1689 |
Jednotný soubor pravidel EU pro AI založený na riziku. Klasifikuje systémy AI podle rizika, které představují, od zakázaných praktik přes vysoce riziková použití až po běžné nástroje bez zvláštních pravidel, a vztahuje se na veřejné i soukromé organizace včetně škol. V platnosti od 1. srpna 2024, s postupným uplatňováním do roku 2027. |
|
Aktivní role studujících |
samostatnost studujících (angl. learner agency) |
Schopnost studujících činit vlastní rozhodnutí o svém učení, včetně rozhodnutí o využívání zdrojů vytvořených AI. Učitelé by ji měli v procesech podporovaných AI zachovávat. |
|
Algoritmická transparentnost |
(angl. algorithmic transparency) |
Míra, do jaké lze pochopit, jak systém AI dospívá ke svým výstupům a kdo rozhodl o tom, jak se chová. |
|
Anonymizace |
(angl. anonymisation) |
Úprava údajů tak, aby osobu již nebylo možné identifikovat, a to ani z kontextu. Odstranění jmen není anonymizací, zejména u esejí a deníků učení, jejichž autora prozradí už samotný styl. |
|
Asistent AI |
(angl. AI assistant) |
Nástroj AI, který vykonává práci jménem uživatele. Dokáže zmenšit rozdíly ve výstupech mezi uživateli, nikoli však rozdíly ve schopnostech. |
|
Automatizované hodnocení |
automatické bodování, automatizované vyhodnocování (angl. automated grading) |
Využití softwaru k bodování nebo známkování prací. V certifikační zkoušce se týká otázek s výběrem odpovědi. |
|
Automatizované rozhodování |
(angl. automated decision-making) |
Rozhodnutí založené výhradně na automatizovaném zpracování, které má na osobu významný dopad. Známka je takovým rozhodnutím; pouhé formální odsouhlasení návrhu AI se za lidské rozhodnutí nepovažuje. |
|
Autorské právo |
(angl. copyright) |
Právní ochrana děl. U AI je výstup zpravidla autorskoprávně nechráněný, nahrání chráněných děl do systému AI však výjimka pro výuku nepokrývá. |
|
B |
||
|
Běh kurzu |
(angl. course run) |
Konkrétní realizace kurzu se zapsanými účastníky a vymezeným časovým rámcem. |
|
Biometrická kategorizace |
(angl. biometric categorisation) |
Využívání biometrických údajů k třídění osob za účelem odvozování chráněných znaků, jako je rasa, politické názory, náboženství nebo sexuální orientace. Podle Aktu o AI zakázáno. |
|
Biometrické údaje |
(angl. biometric data) |
Údaje o fyzických charakteristikách, jako je obličej nebo hlas. Podle GDPR patří ke zvláštním kategoriím osobních údajů a několik způsobů použití AI, které na nich stojí, je ve školách zakázáno. |
|
C |
||
|
Certifikační cesta |
(angl. certification pathway) |
Cesta, jejímž prostřednictvím jsou kompetence ověřovány a formálně uznávány, zde jako duální cesta (dráha A a dráha B). |
|
Certifikační dráha |
dráha A, dráha B (angl. certification track) |
Jedna ze dvou vzájemně se doplňujících certifikací: dráha A, Výuka s podporou AI (S AI), a dráha B, Gramotnost v oblasti AI (O AI). Učitelé mohou absolvovat jednu z nich, nebo obě. |
|
Certifikát |
(angl. certificate) |
Formální dokument, který uznává dosažení kompetencí. |
|
D |
||
|
Další profesní vzdělávání |
další vzdělávání pedagogických pracovníků, DVPP (angl. continuing professional development, CPD) |
Profesní vzdělávání učitelů, kteří již ve školách působí. Etapa 6 plánu postupu z něj činí strukturovanou nabídku se skládatelnými mikrocertifikáty. |
|
Databáze EU |
(angl. EU database) |
Registr EU, do něhož mohou orgány veřejné moci muset zapisovat vysoce rizikové systémy AI, které používají (čl. 49 Aktu o AI). |
|
Deepfake |
|
Obrazový, zvukový nebo video obsah vytvořený nebo zmanipulovaný pomocí AI, který působí autenticky. Při použití ve výuce musí být označen (čl. 50 odst. 4 Aktu o AI). |
|
Detektor AI |
(angl. AI detector) |
Software, který tvrdí, že dokáže rozpoznat text napsaný strojem. Ve skutečnosti měří předvídatelnost. |
|
Deterministický |
(angl. deterministic) |
Ze stejných výchozích hodnot vždy dávající přesně stejný výsledek. |
|
Diagnostická data |
telemetrie (angl. diagnostic data) |
Technické údaje, které poskytovatel shromažďuje o tom, jak je jeho služba používána. Jak dlouho jsou uchovávány, je otázkou ochrany osobních údajů. |
|
DigCompEdu |
|
Evropský rámec digitálních kompetencí pedagogů. Poskytuje pedagogickou strukturu (horizontální dimenzi) rámce DUAL.AI.TEACHer. |
|
Digitální centrum |
(angl. Digital Hub) |
Centrální online platforma, která sdružuje zdroje, kurzy a komunitní výměnu projektu. |
|
Digitální odznak |
otevřený digitální odznak (angl. digital badge) |
Sdílitelná digitální podoba certifikátu nebo mikrocertifikátu. |
|
Digitální suverenita |
(angl. digital sovereignty) |
Kontrola nad vlastními daty, infrastrukturou a technologickými volbami. Vybudování vlastní platformy samo o sobě větší kontrolu nezajišťuje, proto playbook doporučuje používat tento pojem s rozvahou. |
|
Dimenze |
(angl. dimension) |
Jedna z širokých oblastí, na něž je rámec rozdělen, přičemž každá sdružuje kompetence, které k sobě v praxi patří. |
|
Dimenze inkluze |
(angl. inclusion dimension) |
Dimenze zaměřená na přístupnost, rovnost a inkluzi ve výuce a učení podporovaných AI. |
|
E |
||
|
Efekt novosti |
(angl. novelty effect) |
Dočasný pozitivní účinek způsobený pouze tím, že je něco nové. Může nadhodnocovat výsledky krátkodobých studií. |
|
Efekt zesilování |
zesilování vs. vyrovnávání (angl. amplification effect) |
AI má sklon prohlubovat existující rozdíly. Vyrovnává je pouze tehdy, jsou-li současně splněny tři podmínky: zajištěný přístup, nástroj navržený pro učení, a nikoli pro poskytování odpovědí, a učitel, který jeho používání cíleně podporuje (scaffolding). |
|
EntreComp |
|
Evropský rámec podnikatelských kompetencí. Přispěl do rámce oblastmi kreativity a inovací. |
|
ESCO |
|
Evropská klasifikace dovedností, kompetencí, kvalifikací a povolání. Certifikace je s ní v souladu. |
|
Etická dimenze |
(angl. ethical dimension) |
Dimenze zabývající se etickými hledisky souvisejícími s používáním AI ve výuce a učení. |
|
Etika AI |
(angl. ethics of AI) |
Etické principy, předpisy, institucionální pravidla a praktické pokyny upravující používání AI, kterým učitelé potřebují rozumět a které musí umět uplatňovat. Průřezový aspekt vertikální dimenze. |
|
Europass |
|
Platforma EU, jejímž prostřednictvím lze sdílet digitální certifikáty a třetí strany mohou ověřit jejich platnost. |
|
Evropský rámec |
(angl. European framework) |
Referenční rámec poskytující standardizované definice kompetencí na evropské úrovni. |
|
Evropský rámec kvalifikací |
EQF (angl. European Qualifications Framework) |
Referenční rámec EU, který umožňuje porovnávat kvalifikace mezi zeměmi. Certifikace je s ním v souladu. |
|
F |
||
|
Faktické znalosti |
(angl. factual knowledge) |
Znalosti faktů a pojmů. Tutoři s AI mohou podporovat jejich osvojování. |
|
Falešně pozitivní výsledek |
(angl. false positive) |
Správná, poctivá práce, která byla chybně označena. Chyba, jež poškozuje studenty. |
|
Filtr obsahu |
(angl. content filter) |
Automatický mechanismus, který blokuje nebo upravuje obsah, jejž poskytovatel považuje za nevhodný. Jeho kritéria často nejsou zveřejněna. |
|
G |
||
|
Gamifikace |
(angl. gamification) |
Využívání herních prvků ve výuce. Využití AI pro gamifikaci přineslo zlepšení příliš malé na to, aby se dalo označit za prokázané. |
|
GDPR |
obecné nařízení o ochraně osobních údajů, nařízení (EU) 2016/679 |
Právní předpis EU o ochraně osobních údajů. Zatímco Akt o AI se ptá, zda a jak smí být systém AI použit, GDPR se ptá, zda smějí být konkrétní údaje o konkrétní osobě zpracovávány konkrétním způsobem. |
|
Generativní AI |
GenAI (angl. generative AI) |
AI, která na základě zadání (promptu) vytváří nový text, obrázky nebo jiný obsah. |
|
Generátor obrázků z textu |
generátor obrázků (angl. text-to-image generator) |
Generativní AI, která vytváří obrázky na základě písemného promptu. To, co zobrazí, závisí na jejích trénovacích datech a na úpravách provedených poskytovatelem. |
|
Generování kódu |
(angl. code generation) |
Ponechání psaní programového kódu na AI. Začátečníci by se mu měli vyhnout, protože ještě nedokážou posoudit, zda je kód správný. |
|
Gramotnost v oblasti AI |
(angl. AI literacy) |
Porozumění konceptům AI, jejím příležitostem, omezením a odpovědnému používání. Podle čl. 4 Aktu o AI musí školy podporovat její rozvoj u zaměstnanců, kteří AI používají (závazné od 2. února 2025); konkrétní úroveň, certifikát ani forma nejsou předepsány. Zároveň název certifikační dráhy B. |
|
H |
||
|
Halucinace |
(angl. hallucination) |
Plynulé, sebejisté, nepravdivé. Nejde o vadu čekající na opravu, ale o důsledek způsobu, jakým systémy generují text. |
|
Hodnoticí aktivita |
(angl. assessment activity) |
Aktivita, jejímž prostřednictvím se ověřuje, zda bylo dosaženo výsledků učení. |
|
Hodnoticí kritérium |
(angl. assessment criterion) |
Pravidlo nebo měřítko, podle kterého se posuzuje, zda bylo dosaženo výsledku učení. |
|
Horizontální dimenze |
pedagogická dimenze (angl. horizontal dimension) |
Šest oblastí výukové praxe v rámci DUAL.AI.TEACHer převzatých z DigCompEdu: Profesní zapojení, Digitální zdroje, Výuka a učení, Hodnocení, Posílení postavení studujících a Podpora rozvoje (AI) digitální kompetence studujících. |
|
Hostování dat |
(angl. data hosting) |
Místo, kde jsou data uložena a zpracovávána, např. na evropských serverech nebo mimo EU. Data opouštějící EU vyžadují záruku. |
|
Ch |
||
|
Chatbot s AI |
chatbot (angl. AI chatbot) |
Program, který komunikuje v přirozeném jazyce, dnes obvykle na základě velkého jazykového modelu. |
|
Chatovací rozhraní LLM |
chatovací asistent s AI (angl. LLM chat interface) |
Chatovací okno v prohlížeči, jehož prostřednictvím uživatelé pracují s velkým jazykovým modelem. |
|
I |
||
|
ICEP |
Institute of European Certification of Personnel |
Akreditovaný certifikační orgán (ISO 17024), který provozuje certifikační platformu a zkoušku a vede záznamy o certifikaci. |
|
Informatické myšlení |
algoritmické myšlení (angl. computational thinking) |
Přístup k problémům takovým způsobem, jaký by mohl provést počítač, například jejich rozložení na kroky a rozpoznávání vzorců. |
|
Inteligentní tutorovací systém |
ITS (angl. intelligent tutoring system) |
Zavedený výukový software, který vede studující pomocí úloh a zpětné vazby připravených na míru. |
|
Iterativní zadávání promptů |
zpřesňování promptu (angl. iterative prompting) |
Zlepšování výstupu AI v několika kolech namísto spoléhání na jediný prompt: stanovit cíl, zadat prompt, vyhodnotit výstup, zpřesnit a ověřit. |
|
J |
||
|
Jednorázový prompt |
jediný prompt (angl. one-shot prompt) |
Prompt odeslaný jednou, bez zpřesňování nebo navazujících dotazů. (V technickém úzu může tento pojem označovat také prompt obsahující jeden vzorový příklad.) |
|
K |
||
|
Klasifikace obrázků |
klasifikátor obrázků (angl. image classification) |
Úloha AI, při níž model po natrénování na příkladech třídí obrázky do kategorií (např. papír, plast, ostatní) a poté je testován na nových předmětech. |
|
Klíčová kompetence |
(angl. core competency) |
Jedna z 18 kompetencí rámce DUAL.AI.TEACHer, z nichž každá leží na průsečíku pedagogické oblasti a aspektu AI. |
|
Kód kompetence |
kód vzdělávacího cíle (angl. competence code) |
Označení vzdělávacího cíle, např. AF-TL-2b: aspekt AI (HM, EI, AF) – pedagogická oblast (PE, DR, TL, A, EL, FC) – úroveň progrese (1–3) a cíl (a–c). |
|
Kognitivní odlehčení |
(angl. cognitive offloading) |
Přenesení duševní práce na něco mimo vlastní hlavu. Je užitečné, pokud jsou znalosti již zavedené, a škodlivé, pokud se teprve utvářejí. |
|
Kompetence |
způsobilost (angl. competence, competency) |
To, co učitel zná, umí a je ochoten dělat, popsané tak, aby to bylo možné vyučovat a ověřovat. |
|
Kompetence učitelů v oblasti AI |
(angl. teacher AI competence) |
Znalosti, dovednosti a postoje učitelů potřebné pro výuku s AI a o AI, strukturované podle rámce DUAL.AI.TEACHer. |
|
Kompetenční oblast |
oblast kompetencí (angl. competence domain) |
Skupina souvisejících kompetencí v rámci kompetenčního rámce. |
|
Kurz |
(angl. course) |
Strukturovaný soubor vzdělávacích modulů, který poskytuje ucelenou vzdělávací zkušenost. |
|
Kyborgské psaní |
(angl. cyborg writing) |
Psaní, při němž AI myšlení pisatele rozšiřuje, a nenahrazuje, přičemž studující označují, které části jsou jejich vlastní. |
|
L |
||
|
Ladění modelu |
doladění modelu, bezpečnostní trénink (angl. tuning) |
Úpravy, které poskytovatel provádí po počátečním trénování, aby ovlivnil, co systém zobrazuje nebo říká, například aby byl bezpečnější, spravedlivější nebo rozmanitější. Ladění není ve výstupu vidět, může minout cíl a může se bez upozornění změnit. |
|
Licence |
|
|
|
Lidský dohled |
(angl. human oversight) |
Požadavek, aby na vysoce rizikový systém AI dohlížely kompetentní, proškolené a oprávněné osoby, které rozumějí jeho omezením a mohou jeho výstup nezohlednit nebo přehlasovat. Dohled bez odbornosti není dohledem. |
|
Lokálně nainstalovaný model |
lokálně hostovaný model (angl. locally installed model) |
Jazykový model, který běží na vlastním zařízení nebo serveru školy. Je alternativou v případech, kdy je přístup k internetu ve škole omezen. |
|
M |
||
|
Matoušův efekt |
(angl. Matthew effect) |
Nejvíce získávají ti, kdo už mají výhody: „kdo má, tomu bude dáno“. |
|
Metaanalýza |
přehledová studie (angl. meta-analysis) |
Studie, která slučuje výsledky mnoha samostatných studií zabývajících se stejnou otázkou. |
|
Mezera mezi znalostmi a jednáním |
(angl. knowledge-action gap) |
Naměřený rozdíl mezi tím, co o AI víme, a tím, do jaké míry kvůli tomu měníme způsob výuky. |
|
Mikrocertifikát |
(angl. micro-credential) |
Menší certifikace pokrývající jeden ucelený soubor kompetencí namísto celé cesty; mikrocertifikáty lze skládat a započítat do rozsáhlejších kvalifikací. |
|
Model AI |
(angl. AI model) |
Natrénované jádro systému AI, které ze vstupů generuje výstupy. |
|
N |
||
|
Nadměrné spoléhání |
přílišná důvěra (angl. overreliance) |
Důvěřování výstupům AI více, než si zaslouží, například přijímání chybných známek nebo zpětné vazby. Učitelé používající vysoce rizikovou AI na to musí aktivně dávat pozor. |
|
Nákup |
rozhodnutí o nákupu, zadávání zakázek (angl. procurement) |
Proces, při kterém škola nebo školský orgán vybírá a nakupuje nástroje AI. Právě zde se zajišťují spolehlivá omezení a smluvní záruky, a proto odpovědnost leží na nákupu, nikoli na jednotlivém učiteli. |
|
Nástroj AI |
(angl. AI tool) |
Jakákoli aplikace, která k podpoře určité úlohy využívá AI. |
|
Necílené shromažďování dat |
scraping (angl. untargeted scraping) |
Automatizované hromadné shromažďování obrázků z internetu nebo záznamů z kamerových systémů bez konkrétního účelu nebo konkrétní osoby. |
|
O |
||
|
Obsahová jednotka |
(angl. content unit) |
Nejmenší opakovaně použitelná vzdělávací součást využívaná v přípravách na výuku a v modulech. |
|
Odpovědnost (za rozhodnutí) |
(angl. accountability) |
Povinnost skládat účty z rozhodnutí o používání AI a z jejich důsledků. Odpovědnost zůstává na lidech a institucích, nikdy na systému. |
|
Ochrana osobních údajů |
(angl. data protection) |
Právní ochrana osobních údajů. Nosný základ práva v oblasti AI, který platí odjakživa; v EU především GDPR. |
|
Ochranné mechanismy |
(angl. guardrails) |
Omezení zabudovaná do systému tak, aby myšlení podporoval, a nenahrazoval je. |
|
Online zkouška |
(angl. online exam) |
Formální, strukturované hodnocení probíhající online jako součást hodnoticího procesu. |
|
Operátor |
(angl. operator) |
Činnostní sloveso, na němž je založena formulace vzdělávacího cíle (např. rozpoznat, uplatnit, kriticky posoudit). Vyjadřuje, co se od pedagoga na dané úrovni kompetencí očekává, a činí cíl pozorovatelným. |
|
Orgán dozoru nad trhem |
(angl. market surveillance authority) |
Vnitrostátní orgán, který vymáhá dodržování Aktu o AI. Stížnost u něj může podat kdokoli, včetně učitelů, žáků a rodičů (čl. 85 Aktu o AI). |
|
Osobní údaje |
(angl. personal data) |
Jakékoli informace o identifikovatelné osobě, např. jména, školní e-mailové adresy, práce žáků, hlasové nahrávky, fotografie, známky, docházka a údaje o pokroku v učení. Údaje zůstávají osobními, pokud lze osobu identifikovat z kontextu. |
|
Otevřený model |
otevřený model AI (angl. open model) |
Model AI, jehož součásti jsou volně dostupné, na rozdíl od proprietárních modelů firem. Doporučuje se jako součást veřejně financovaného, spravedlivého přístupu k AI. |
|
Otevřený vzdělávací zdroj (OER) |
OER (angl. Open Educational Resource) |
Výukový a studijní materiál zveřejněný pod otevřenou licencí, která umožňuje jeho volné používání, úpravy a sdílení. |
|
P |
||
|
Pedagogický rámec |
(angl. pedagogical framework) |
Strukturovaný soubor pedagogických principů a přístupů, kterými se řídí navrhování výuky a učení. |
|
Pedagogický rámec kompetencí v oblasti AI |
rámec kompetencí DUAL.AI.TEACHer (angl. AI Pedagogical Competency Framework) |
Struktura, která třídí výukové kompetence související s AI do dimenzí a úrovní, propojuje je s výsledky učení a hodnocením a sjednocuje pedagogické, etické a technické aspekty. |
|
Personalizace |
personalizace pomocí AI (angl. personalisation) |
Přizpůsobování zdrojů, úloh nebo podpory jednotlivým studujícím pomocí AI. Může podporovat inkluzi, ale nese i rizika nerovnosti, zneužití dat a vyloučení. |
|
Plán postupu integrace |
plán integrace (angl. integration roadmap) |
Postupná cesta, kterou učitel nebo instituce prochází od prvního kontaktu s AI až po ustálenou praxi; v DUAL.AI.TEACHer devět etap. |
|
Platforma MOOC |
(angl. MOOC platform) |
Digitální platforma sloužící k poskytování kurzů, správě účastníků a hostování vzdělávacího obsahu. |
|
Playbook |
příručka (angl. playbook) |
Strukturovaný průvodce, který převádí kompetence v oblasti AI do výukové praxe prostřednictvím případů užití, pedagogických modelů a vzdělávacích zdrojů. |
|
Poskytovatel |
poskytovatel AI (angl. provider) |
Společnost, která systém AI vyvíjí a nabízí. Obvykle odpovídá za to, že uživatele informuje o interakci s AI; pokud pro školu zpracovává údaje, jedná podle GDPR jako zpracovatel. |
|
Posouzení dopadu na základní práva |
FRIA (angl. fundamental rights impact assessment) |
Posouzení, které mohou orgány veřejné moci a organizace poskytující veřejné služby muset provést před použitím vysoce rizikové AI (čl. 27 Aktu o AI). |
|
Povinnost transparentnosti |
povinnost označování, povinnost informovat (angl. transparency obligation) |
Povinnost podle čl. 50 Aktu o AI informovat lidi, že komunikují s AI, a označovat deepfakes a texty vytvořené AI k záležitostem veřejného zájmu. Obsah, který prošel lidskou kontrolou a redakční odpovědností, je vyňat, takže pracovní list zkontrolovaný učitelem žádné označení nepotřebuje. |
|
Predikční nástroj |
pravděpodobnostní výstup (angl. prediction engine) |
Jazykové modely generují věrohodné pokračování textu, místo aby vyhledávaly fakta v databázi. To vysvětluje, proč halucinují a proč podobné prompty mohou vést k různým odpovědím. |
|
Proctoring |
dohled u zkoušek, vzdálený dohled (angl. proctoring) |
Dohled nad zkouškami pomocí softwaru, například prostřednictvím webové kamery. AI, která odhaluje zakázané chování při zkouškách, se považuje za vysoce rizikovou; certifikační zkouška využívá vzdálený dohled (proctoring). |
|
Profilování |
(angl. profiling) |
Automatizované hodnocení jednotlivců za účelem analýzy nebo předvídání jejich vlastností či chování. Systém AI ve vzdělávání, který profiluje jednotlivce, je vždy považován za vysoce rizikový. |
|
Prompt |
zadání (angl. prompt) |
Pokyn, který uživatel dává systému AI. Jeho formulace, kontext a omezení utvářejí výstup. |
|
Prompt engineering |
psaní promptů, prompting |
Psaní účinných promptů jako dovednost, kterou se lze naučit, například pro plánování výuky, diferenciaci a hodnocení. |
|
Protokoly |
logy, záznamy událostí (angl. logs) |
Záznamy automaticky generované systémem AI. Zavádějící subjekty vysoce rizikových systémů je musí uchovávat nejméně šest měsíců, pokud jsou protokoly pod jejich kontrolou. |
|
Předvídatelnost |
(angl. predictability) |
Míra, do jaké je formulace textu očekávatelná. Detektory AI měří předvídatelnost, nikoli strojové autorství, a proto chybně označují jednoduché texty nebo texty psané v druhém jazyce. |
|
Přepisování promptů |
(angl. prompt rewriting) |
Poskytovatel automaticky změní prompt uživatele dříve, než jej model obdrží, například aby doplnil podrobnosti nebo rozmanitost. Uživatel změnu nevidí, takže to, co napsal, není to, na co byl stroj dotázán. |
|
Přijetí zpětné vazby |
(angl. feedback uptake) |
Zda je zpětná vazba přečtena, pochopena, zda na jejím základě studující jedná a zda ji pochopil natolik, aby příště dokázal úlohu bez pomoci zvládnout správně. Úzkým hrdlem je přijetí, nikoli kvalita. |
|
Případ užití |
(angl. use case) |
Konkrétní scénář popisující, jak se AI uplatňuje ve výukové praxi. |
|
Příprava na vyučovací hodinu |
plán hodiny (angl. lesson plan) |
Podrobný plán vyučovací hodiny včetně cílů, aktivit a začlenění nástrojů AI. |
|
Příprava učitelů |
pregraduální příprava učitelů (angl. initial teacher education, ITE) |
Vysokoškolské vzdělávání budoucích učitelů. |
|
Přístup zaměřený na člověka |
(angl. human-centred mindset) |
Hodnoty a postoje, které učitelé potřebují při interakci člověka a AI, aby na první místo stavěli potřeby, úsudek a pohodu (well-being) lidí. Průřezový aspekt vertikální dimenze. |
|
R |
||
|
Rámec kompetencí UNESCO v oblasti AI pro učitele |
UNESCO AI Competency Framework for Teachers |
Rámec UNESCO (2024), který vymezuje principy, hodnoty, znalosti a dovednosti, jež učitelé potřebují k etickému, efektivnímu a bezpečnému používání AI. Zdroj vertikální dimenze. |
|
Randomizovaná kontrolovaná studie |
RCT, kontrolovaná studie (angl. randomised controlled trial) |
Studie, v níž jsou účastníci náhodně rozděleni do skupin, takže rozdíly ve výsledcích lze přičíst intervenci. |
|
Revidovaná Bloomova taxonomie |
(angl. revised Bloom's taxonomy) |
Model, v němž se kognitivní procesy vyvíjejí od zapamatování a porozumění přes aplikaci a analýzu až po hodnocení a tvorbu (Anderson & Krathwohl, 2001). Základ úrovní progrese. |
|
Revize kódu |
revize kódu s pomocí AI (angl. code review) |
Studující nejprve napíší vlastní kód a teprve poté požádají AI o návrhy na zlepšení, místo aby jí nechali napsat celé řešení. Návrhy je třeba kriticky posoudit. |
|
Rozhodnutí o odpovídající ochraně |
(angl. adequacy decision) |
Rozhodnutí EU, že země mimo EU zajišťuje odpovídající ochranu osobních údajů, takže do ní lze údaje předávat. |
|
Rozpoznávání emocí |
(angl. emotion recognition) |
AI, která tvrdí, že z biometrických údajů dokáže odvodit pocity nebo záměry, např. detekce pozornosti, analýza nálady nebo hodnocení „zapojení“ z webové kamery. Ve školách zakázáno od 2. února 2025, s úzkými výjimkami ze zdravotních nebo bezpečnostních důvodů. |
|
Rozpoznávání obličejů |
(angl. facial recognition) |
AI, která identifikuje osoby podle obličeje, např. pro evidenci docházky nebo dohled u zkoušek. Vytváření nebo rozšiřování databází pro rozpoznávání obličejů necíleným hromadným shromažďováním (scrapingem) je zakázáno. |
|
Rozpoznávání řeči |
(angl. speech recognition) |
Forma AI, při níž se program snaží rozpoznat vyslovená slova nebo čísla. Jak dobře funguje, závisí na mikrofonu, na tom, jak zřetelně člověk mluví, a na tom, jak tichá je místnost. |
|
S |
||
|
Scaffolding |
podpůrné lešení (angl. scaffolding) |
Strukturované vedení ze strany učitele, které studujícím pomáhá používat nástroj nebo splnit úlohu, kterou by zatím sami nezvládli. |
|
Server |
|
Počítač, který v síti ukládá a zpracovává data pro ostatní. Kde se servery nástroje AI nacházejí (např. v EU), ovlivňuje, jaká pravidla ochrany osobních údajů se uplatní. |
|
Schéma |
(angl. schema) |
Uspořádané znalosti dané osoby. |
|
Skládatelnost |
skládatelný (angl. stackability) |
Možnost v průběhu času kombinovat mikrocertifikáty tak, aby se započítaly do rozsáhlejších kvalifikací. |
|
Smlouva o zpracování osobních údajů |
(angl. data processing agreement, DPA) |
Písemná smlouva mezi školou a poskytovatelem, která stanoví, jak smí poskytovatel s osobními údaji nakládat (čl. 28 GDPR). Praktický test: vylučuje trénování na vašich vstupech? |
|
Smyšlená citace |
vymyšlený zdroj (angl. fabricated citation) |
Odkaz vytvořený AI na zdroj, který neexistuje. Rozpoznávání takových zdrojů je klíčovou ověřovací dovedností a jedním z typických znaků nepřiznaného použití AI. |
|
Sokratovský tutor |
(angl. Socratic tutor) |
Chatbot instruovaný, aby místo odpovědí kladl návodné otázky. Pokud je nastaven pouze promptem, má v delších konverzacích sklon vracet se k poskytování odpovědí, proto je třeba spolehlivá omezení zabudovat přímo do systému. |
|
Soulad s předpisy při používání AI |
soulad s předpisy (angl. AI compliance) |
Používání AI v souladu s právem na ochranu osobních údajů, Aktem o AI, autorským právem a zkušebními předpisy. Soulad s předpisy používání AI umožňuje, nikoli brzdí. |
|
Správce |
správce osobních údajů (angl. controller) |
Podle GDPR subjekt odpovědný za zpracování osobních údajů. Ve školách je jím zpravidla škola. |
|
Spravedlnost |
nediskriminace (angl. fairness) |
Zásada, že AI a její používání nesmí lidi systematicky znevýhodňovat, jako to dělají například detektory AI, které chybně označují texty nerodilých mluvčích. |
|
Standardní smluvní doložky |
SCC (angl. standard contractual clauses) |
Smluvní podmínky schválené EU, které chrání osobní údaje předávané mimo EU, pokud neexistuje rozhodnutí o odpovídající ochraně. |
|
Stažení článku |
retrakce (angl. retraction) |
Oficiální stažení publikovaného článku časopisem. Článek zůstává viditelný s označením „RETRACTED“, aby to každý, kdo jej citoval, mohl rozpoznat. |
|
Stochastický |
náhodný (angl. stochastic) |
Podléhající náhodě, takže stejná nastavení mohou vést k různým výsledkům. |
|
Strategický pokyn |
(angl. policy guideline) |
Dokument na úrovni vzdělávací politiky, který slouží jako podklad pro rozvoj kompetencí a výukových postupů. |
|
Strojové učení |
ML (angl. machine learning) |
Přístup, při němž se systém AI učí vzorce z příkladů, které dostává, místo aby se řídil ručně napsanými pravidly. Jsou-li příklady příliš podobné, neúplné nebo špatně zvolené, model produkuje neočekávané výsledky. |
|
Strukturovaný prompt |
(angl. structured prompt) |
Prompt, který kromě tématu určuje i další parametry, například cílovou skupinu, účel, kontext, jazykovou úroveň, tón, věk studujících, vzdělávací cíl, délku a očekávaný výstup. Poskytuje větší kontrolu nad výsledkem, ale nezaručuje, že bude dobrý. |
|
Studující |
žák, učící se (angl. learner) |
Jednotlivec, který se účastní vzdělávacích aktivit, aby získal znalosti, dovednosti nebo kompetence. |
|
Š |
||
|
Šíření inovací |
difuze inovací (angl. diffusion of innovations) |
Teorie o tom, jak se inovace šíří: snáze se přijímají, pokud je lze vyzkoušet (vyzkoušitelnost) a je vidět, že fungují (pozorovatelnost). |
|
Školní prostředí AI |
prověřená platforma (angl. school AI environment) |
Státem poskytovaná, prověřená platforma AI pro školy s vyjednanými smlouvami, nabízená místo toho, aby se učitelé museli sami registrovat do bezplatných nástrojů. |
|
T |
||
|
Technická bezpečnost |
(angl. technical safety) |
Spolehlivost a robustnost systému AI, aby fungoval podle záměru a nezpůsoboval škodu. |
|
Trénovací data |
trénovací materiál, trénovací příklady (angl. training data) |
Příklady, z nichž se systém AI učí, například miliony obrázků označených lidmi. Zkreslení v tomto materiálu se přenášejí do výstupů systému a nezmizí jen proto, že se modely zvětšují. |
|
Trénování na vstupech uživatelů |
(angl. training on user inputs) |
Situace, kdy poskytovatel využívá to, co uživatelé napíší nebo nahrají, pro vlastní účely, zejména k trénování svých modelů. Osobní údaje lze zadávat pouze tehdy, pokud to písemná smlouva vylučuje. |
|
Třetí strana |
(angl. third party) |
Společnost, která není ani školou, ani vývojářem aplikace, typicky reklamní nebo analytické firmy, které dostávají data, zatímco žák pracuje. |
|
Tutor s AI |
(angl. AI tutor) |
Systém AI určený k vysvětlování obsahu a vedení studujících. Může podporovat osvojování faktických znalostí. |
|
U |
||
|
Učební jednotka |
(angl. learning unit) |
Konkrétní vzdělávací aktivita, kterou studující vykonává v rámci modulu. |
|
Učitel |
pedagog (angl. teacher) |
Osoba odpovědná za navrhování a realizaci výukových a vzdělávacích aktivit. |
|
Udržitelná AI |
(angl. sustainable AI) |
Vývoj a používání AI způsobem, který zohledňuje jejich dlouhodobé environmentální, sociální a ekonomické dopady. |
|
Univerzální design pro učení |
Universal Design for Learning, UDL |
Pedagogický rámec podporující inkluzivní vzdělávání, který zohledňuje rozmanité potřeby a schopnosti žáků a umožňuje přizpůsobovat výuku tak, aby byla dostupná všem. V rámci kompetenčního rámce DUAL.AI.TEACHer slouží k posílení principů inkluzivního vzdělávání. |
|
Úroveň progrese |
úroveň (angl. progression level) |
Jedna ze tří úrovní, na nichž je popsána každá klíčová kompetence: Úroveň 1 Orientační povědomí, Úroveň 2 Reflektivní zavádění (primární cíl pro učitele) a Úroveň 3 Transformativní vedení. |
|
V |
||
|
Vedoucí pracovník školy |
ředitel školy, zástupce ředitele (angl. school administrator) |
Osoba odpovědná za vedení školy, například ředitel nebo jeho zástupce. Kapitola 5.3 se obrací přímo na ně. |
|
Velký jazykový model (LLM) |
LLM (angl. large language model) |
Model AI natrénovaný na velkém množství textu, který generuje věrohodná pokračování textu; základ chatbotů. Funguje jako predikční nástroj, nikoli jako databáze. |
|
Vertikální dimenze |
dimenze AI (angl. vertical dimension) |
Tři aspekty AI v rámci DUAL.AI.TEACHer převzaté z rámce UNESCO: Přístup zaměřený na člověka, Etika AI a Základy a aplikace AI. |
|
Vibe coding |
|
Vytváření nebo rozšiřování softwaru tak, že se v přirozeném jazyce popíše, co má dělat, a kód napíše AI. V playbooku žáci rozšiřují existující simulaci pomocí promptů, místo aby programovali od začátku. |
|
Výjimka pro výuku |
(angl. teaching exception) |
Výjimka z autorského práva, která učitelům umožňuje kopírovat omezenou část díla pro svou třídu. Nevztahuje se na nahrávání chráněných děl do systému AI a materiály určené pro školní výuku, především učebnice, jsou z ní vyňaty. |
|
Výsledek učení |
(angl. learning outcome) |
Měřitelné vyjádření toho, co by měl studující znát nebo umět. |
|
Vysoce rizikový systém AI |
vysoce riziková AI (angl. high-risk AI system) |
Systém AI, na který se kvůli jeho zamýšlenému účelu vztahují přísné povinnosti. Ve vzdělávání: rozhodování o přijetí, hodnocení výsledků učení nebo řízení učení, posuzování přístupu k jednotlivým stupňům vzdělávání a odhalování zakázaného chování při zkouškách; u zaměstnanců: nábor, povýšení, přidělování úkolů a hodnocení výkonu. Povinnosti platí od 2. prosince 2027. |
|
Vysokoškolští pedagogové |
akademičtí pracovníci (angl. university faculty) |
Zaměstnanci vysokých škol podílející se na přípravě učitelů, jedna z cílových skupin playbooku. |
|
Vysvětlitelnost |
vysvětlení AI (angl. explainability) |
Schopnost systému AI objasnit, jak dospěl ke konkrétnímu výsledku. Samotné vysvětlení však nezaručuje správné posouzení výstupu. Příliš složitá nebo naopak zjednodušená vysvětlení mohou dokonce posilovat neopodstatněnou důvěru v AI. |
|
Výuka o AI |
učení O AI (angl. teaching about AI) |
Učinění AI samotné předmětem výuky, aby studenti pochopili, jak funguje a kde selhává. |
|
Výuka s AI |
učení S AI (angl. teaching with AI) |
Používání AI jako nástroje pro vlastní výukovou práci, od plánování až po zpětnou vazbu. |
|
Výukový model |
(angl. teaching model) |
Pedagogický přístup, který vymezuje, jak je strukturována výuka a učení, včetně role AI. |
|
Vzdělávací modul |
(angl. training module) |
Strukturovaná vzdělávací jednotka, která rozvíjí kompetence prostřednictvím vzdělávacích aktivit a materiálů. |
|
Vzdělavatel učitelů |
(angl. teacher educator) |
Akademický pracovník, který se podílí na vzdělávání budoucích učitelů. Rozvoj kompetencí těchto pedagogů je součástí třetí etapy plánu zavádění AI. |
|
Z |
||
|
Zakázané praktiky AI |
(angl. prohibited AI practices) |
Osm způsobů použití AI, které Akt o AI (čl. 5) od 2. února 2025 zcela zakazuje. Čtyři z nich se týkají škol: rozpoznávání emocí, zneužívání zranitelnosti, necílené databáze pro rozpoznávání obličejů a biometrická kategorizace. |
|
Základy a aplikace AI |
(angl. AI foundations and applications) |
Koncepční znalosti a přenositelné dovednosti potřebné k porozumění tomu, jak AI funguje, a k výběru, používání a přizpůsobování nástrojů AI. Obsahově specifický aspekt vertikální dimenze. |
|
Zavádějící subjekt |
(angl. deployer) |
Organizace, která systém AI zavádí a řídí, zpravidla škola nebo školský orgán. Učitel, který nástroj používá podle pokynů školy, obvykle není samostatným zavádějícím subjektem. |
|
Zkreslení |
(angl. bias) |
Zkreslení převzatá z dat, na kterých byla AI trénována, která automaticky nemizí ani s rostoucí velikostí modelu. |
|
Zkreslení vlivem automatizace |
zkreslení způsobené automatizací (angl. automation bias) |
Přijetí doporučení automatizovaného systému bez vlastního ověření jeho správnosti. |
|
Zpracovatel |
zpracovatel osobních údajů (angl. processor) |
Podle GDPR subjekt, který zpracovává osobní údaje jménem správce a výhradně podle jeho pokynů, například poskytovatel AI. |
|
Ztráta kvalifikace |
(angl. deskilling) |
Pozvolné oslabování odborné způsobilosti, když nástroj přebírá práci, jejímž prostřednictvím se tato způsobilost udržuje. |
|
Zvláštní kategorie osobních údajů |
citlivé údaje (angl. special category data) |
Osobní údaje vyžadující zvláštní ochranu, například údaje o zdraví, zdravotním postižení, biometrické údaje nebo údaje vypovídající o etnickém původu či náboženství (čl. 9 GDPR). Bez konkrétní výjimky jsou v zásadě nepřípustné. |