# Playbook CZ

# 0. O Playbooku DUAL.AI.TEACHer

### Cíle Playbooku

Tento Playbook je určen učitelům, ředitelům škol a vysokoškolským pedagogům, kteří chtějí získat potřebné znalosti o využívání umělé inteligence (AI) ve vzdělávání a o tom, jak přizpůsobit své vzdělávací instituce tak, aby mohly umělou inteligenci využívat efektivněji. AI ve škole a ve vzdělávání učitelů může být využívána k celé řadě účelů. Pokud jde o výuku, rozlišujeme „výuku o AI“ a „výuku s AI“ za účelem předávání znalostí specifických pro daný předmět.

Rozvoj umělé inteligence (AI) postupuje mimořádně rychlým tempem a její používání stále více proniká do naší společnosti, do oblastí každodenního života i do vzdělávání. Tato všudypřítomnost s sebou přináší mnohočetné a často vzájemně propojené dopady, které se týkají etické, sociální, ekonomické, právní i kulturní roviny a dotýkají se otázek, jako je ochrana osobních údajů, spravedlnost a nediskriminace, transparentnost algoritmů, technická bezpečnost a odpovědnost. Právě kvůli rychlosti tohoto šíření a rozsahu jeho důsledků roste potřeba sdílených pokynů, regulačních rámců a nástrojů správy, které dokážou usměrňovat technologický rozvoj zodpovědným a udržitelným směrem.

### Struktura Playbooku

Abychom pokryli všechny tyto aspekty, strukturovali jsme Playbook následovně:

- [**Kapitola 1**](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/1-umela-inteligence-ve-vzdelavani "1. Umělá inteligence ve vzdělávání") se věnuje klíčovým aspektům, které je nezbytné pochopit, abyste mohli AI používat ve vzdělávání.
- [**Kapitola 2**](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/2-dobra-praxe-a-priklady-z-vyuky "2. Dobrá praxe a příklady z výuky") se zabývá výukovou praxí a nabízí řadu příkladů pro různé školní předměty.
- [**Kapitola 3**](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/3-pedagogicky-ramec-kompetenci-v-oblasti-ai "3. Pedagogický rámec kompetencí v oblasti AI") popisuje rámec kompetencí navržený v rámci projektu DUAL.AI.TEACHer. Všechny příklady uvedené v kapitole 2 jsou propojeny s modelem kompetencí a z něj odvozenými vzdělávacími cíli.
- [**Kapitola 4**](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/4-certifikace-a-mikrocertifikaty "4. Certifikace a mikrocertifikáty") popisuje, jak můžete získat kvalifikaci potřebnou k používání AI ve vzdělávacím kontextu.
- [**Kapitola 5**](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/5-plan-postupu-integrace-ai "5. Plán postupu integrace AI") je určena školám a vysokým školám, které chtějí systematicky zlepšovat kompetence svých současných i budoucích učitelů v oblasti AI a integrovat AI do každodenního života školy.
- **[Kapitola 6](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/6-zdroje-a-glosar "6. Zdroje a glosář")** obsahuje seznam literatury a také obsáhlý glosář specifických pojmů z oblasti umělé inteligence, které jsou v Playbooku používány.

### Jak se v Playbooku orientovat

[![Cesta k AI příručce ve škole.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/cesta-k-ai-prirucce-ve-skole.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/gemini-generated-image-t1spb4t1spb4t1sp.jpg)

Obr. 1: „Cesty k odbornosti“ (obrázek vygenerovaný pomocí AI, Google Gemini)

#### Pro učitele

Playbook můžete používat různými způsoby.

**Možnost 1:** Hledáte nápady pro svůj příští školní den – ať už chcete žáky učit o AI, nebo chcete AI využít k výuce odborného obsahu svého předmětu.

V takovém případě přejděte přímo na [kapitolu 2](https://playbook.dualaiteacher.eu/books/playbook-cz/chapter/2-dobra-praxe-a-priklady-z-vyuky), kde průběžně doplňujeme nové příklady dobré praxe. Věříme, že zde najdete, co hledáte. Pokud ne, napište nám prosím e-mail, abychom mohli připravit nový materiál, který pokryje mezeru, na niž jste narazili.

**Možnost 2:** Chcete se dozvědět více o právním rámci, který upravuje používání AI.

V takovém případě přejděte na [kapitolu 1.1](https://playbook.dualaiteacher.eu/books/playbook-cz/page/11-potencial-a-rizika "1.1 Potenciál a rizika").

**Možnost 3:** Rádi byste získali kvalifikaci potřebnou k tomu, abyste mohli efektivně učit o AI a začlenit AI do výuky svého předmětu.

V takovém případě vás zveme, abyste absolvovali náš vstupní test a poté prošli našimi kvalifikačními moduly. Získáváním mikrocertifikátů můžete rozvíjet komplexní profesní vzdělávání přizpůsobené vaší odbornosti.

#### Pro vedení škol

<div id="bkmrk-jste-p%C5%99ipraveni-vyda">Jste připraveni vydat se se svou školou na vzrušující cestu za začleněním AI do vašeho profesního světa? V [kapitole 5](https://playbook.dualaiteacher.eu/books/playbook-cz/page/51-jak-pouzivat-plan-postupu "5.1 Jak používat plán postupu") jsme vytyčili jasný plán postupu, který vás provede krok za krokem. Náš kvalifikační program vám umožní připravit vaše kolegy na dobrodružství, které je čeká.</div>#### Pro vysokoškolské pedagogy

<div id="bkmrk-ui-zanech%C3%A1v%C3%A1-svou-st">Umělá inteligence stále výrazněji ovlivňuje vzdělávání učitelů, někdy zásadním způsobem, jindy prostřednictvím nenápadných změn. Chápeme-li přípravu učitelů jako cestu, která začíná na vysoké škole a postupně se rozvíjí, nabízí vám [kapitola 5](https://playbook.dualaiteacher.eu/books/playbook-cz/page/51-jak-pouzivat-plan-postupu "5.1 Jak používat plán postupu") plán postupu, který vám pomůže inspirovat a podporovat budoucí učitele při objevování proměnlivého světa AI.</div>

# 1. Umělá inteligence ve vzdělávání

# 1.1 Potenciál a rizika

> *Pokud si z této stránky máte zapamatovat jen jednu větu:* AI si našla cestu do škol jako lék, který přichází bez příbalového letáku. Jako učitel nevíte, kdy AI použít, chybí vám informace o dávkování a nemáte žádné informace o vedlejších účincích. Tato kapitola slouží jako příbalový leták k Playbooku.


### Měla by AI přicházet s příbalovým letákem jako lék?

Znáte ten list papíru vložený v každé krabičce s léky? Ten, který pravděpodobně bez zájmu odložíte stranou? Může se zdát nudný, ale tento drobný papír je tichým triumfem minulého století. Ten leták vysvětluje čtyři základní věci: co lék léčí, kolik ho užívat, jaká překvapení může přinést a kdo by se mu měl vyhnout.

Za každým řádkem tohoto letáku stojí celý mechanismus: klinické studie, regulační orgány a povinnost odhalovat chyby. Nikdo nevěří, že vás uzdraví samotný leták. Jeho skutečná síla spočívá v tom, že dělá lék bezpečným pro kohokoli. Právě o toto kouzlo přicházíme, když necháme AI učit bez vedení.

Nástroje AI, které se nyní tiše usazují ve vaší škole, dědí problém, který je starší než AI samotná: vzdělávací technologie jen zřídka přicházejí s návodem. Ve Spojeném království revize zjistila, že pouze 7 ze 100 vzdělávacích technologických společností podrobilo své produkty randomizované studii a pouze 12 ze 100 vyhledalo externí certifikaci. Školy přitom jen zřídka požadují důkladnější ověření kvality a účinnosti těchto technologií. V průzkumu v 17 amerických státech si pouze 11 ze 100 učitelů a vedoucích pracovníků škol vyžádalo před zavedením nového nástroje recenzované důkazy.

Výsledkem jsou v mnoha případech vyhozené peníze. V USA zůstaly v průměru dvě třetiny licencí na vzdělávací software nevyužity a 98 ze 100 licencí nebylo nikdy intenzivně používáno. Projekt EdTech Genome, rovněž v USA, zkoumal přibližně 7 000 výukových nástrojů v hodnotě 13 miliard dolarů a zjistil, že 85 ze 100 z nich buď nebylo vhodně zvoleno, nebo bylo nesprávně zavedeno.

Tato kapitola může vypadat jako suchá, nezbytná část, ale odhaluje skryté příběhy za pravidly. Vypráví, co se skutečně stalo, koho to postihlo, a vrhá světlo na vedlejší účinky, včetně těch, které tiše zasáhly děti, jež se k ničemu nepřihlásily.

### Potenciál AI

**Většina studií o potenciálu AI se zaměřuje na vysokoškolské studenty. Žáci základních a středních škol v těchto studiích dosud figurují poměrně zřídka. A většina studií se týká krátkodobých intervencí trvajících od několika hodin po několik týdnů.** V důsledku toho mohl výsledky pozitivně ovlivnit takzvaný efekt novosti. Rozsáhlý přehled 68 experimentů zjistil přesně tento vzorec: čím kratší byla studie a čím menší byl počet účastníků, tím větší přínos AI byl vykázán.

#### (1) Nechte AI vysvětlit nové téma a procvičování si nechte na svou hodinu

**Představte si následující situaci.** Když žák zítra zamešká určité učivo nebo bude potřebovat znovu vysvětlit obtížný pojem, nechte první vysvětlení na AI tutorovi. Čas ve výuce pak věnujte praktickému procvičování, při kterém dochází ke skutečnému učení.

**Proč na tom záleží.** V pečlivě kontrolované studii se ukázalo, že výuka s využitím AI tutora může být při osvojování nové látky přinejmenším stejně účinná jako kvalitní výuka vedená učitelem. V rámci výzkumu Harvardovy univerzity se 194 studentů fyziky věnovalo dvěma tématům. U jednoho tématu použili AI tutora vyvinutého pro tento účel. U druhého tématu se učili v dobře vedené hodině aktivního učení – s diskusí a řešením problémů ve dvojicích, nikoli formou přednášky. Každý student absolvoval oba přístupy, takže nikdo nemůže tvrdit, že se lepší skupině dostalo lepšího zacházení. V testu provedeném bezprostředně poté dosáhli studenti vyučovaní pomocí AI výrazně lepších výsledků. Výzkumníci zaznamenali medián času 49 minut na dokončení úkolu oproti 60 minutám vyhrazeným pro hodinu v rozvrhu. Autoři jsou ve výkladu těchto výsledků opatrní: látka byla pro studenty nová a velká část úkolu spočívala jednoduše v jejím dobrém vysvětlení. Výslovně odmítají rozšířit svůj výsledek na úlohy, které vyžadují propojení více myšlenek. A šlo o vysokoškolské studenty, nikoli o žáky osmé třídy.

Podobné závěry přináší také rozsáhlý přehled 228 studií, ovšem s jedním důležitým omezením. Generativní AI vedla k výraznějšímu zlepšení znalostí a porozumění učivu než starší technologie založené na umělé inteligenci, například inteligentní výukové systémy nebo adaptivní vzdělávací software. Ze čtyř hodnocených oblastí však byla tato výhoda generativní AI prokázána pouze v jedné.

**Více informací.** Kestin, G., Miller, K., Klales, A., Milbourne, T., &amp; 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*, Article 17458. Volně dostupné, DOI 10.1038/s41598-025-97652-6. Článek popisuje, jak byl tutor navržen a kontrolován. To se hodí každému, kdo by chtěl vyvinout vlastního AI tutora.

#### (2) Lepší využití času na přípravu hodin

**Představte si následující situaci.** Ušetřete část času potřebného na přípravu hodin tím, že necháte AI vytvořit první návrh plánu hodiny, který následně důkladně upravíte.

**Proč na tom záleží.** Nikdo nezpochybňuje, že učitelé mají vysokou pracovní zátěž. Jedním z potenciálních přínosů AI je proto efektivnější využití pracovní doby. Studie v Anglii zkoumala, zda cílené používání AI při přípravě hodin může snížit pracovní zátěž učitelů. Výzkumníci náhodně rozdělili 259 učitelů přírodovědných předmětů na 68 školách buď do skupiny, která používala ChatGPT spolu s online průvodcem jeho dobrým používáním, nebo do skupiny, která byla požádána, aby generativní AI vůbec nepoužívala. **Učitelé ve skupině s ChatGPT strávili přípravou přírodovědných hodin pro 7. a 8. ročník (věk 11 až 13 let) přibližně 56 minut týdně oproti přibližně 81 minutám ve srovnávací skupině.** Panel odborníků na daný předmět posoudil kvalitu přípravy hodin. Nevěděli, zda byly přípravy vytvořeny s pomocí AI, nebo bez ní. Odborníci nenašli žádný důkaz, že by se kvalita příprav lišila. Je však třeba zdůraznit dva body. (1) **Učitelé nástroj s postupujícími týdny používali stále méně.** Hodnotitelé to vykládají jako přechod učitelů od fáze učení k rutině; může to však také znamenat, že se úspora času bez podpory sama neudrží. (2) Studie měřila čas, který učitelé věnovali přípravě hodin, nikoli výsledky učení jejich žáků.

„Všechno se vrací k času. I učitelé, kteří vidí hodnotu AI, mají jen zřídka čas naučit se ji používat.“

**Více informací.** Roy, P., Poet, H., Staunton, R., Aston, K., &amp; Thomas, D. (2024, 12 December). ChatGPT in lesson preparation: A Teacher Choices Trial. NFER, commissioned by the Education Endowment Foundation and the Hg Foundation. Volně dostupné na educationendowmentfoundation.org.uk.

#### (3) Lepší podpora žáků, kterým běžná výuka nestačí

**Představte si následující situaci.** Vaše škola rozhoduje, jak chce vynaložit své prostředky. Chce zakoupit chatbota s AI. Jak pravděpodobné podle vás je, že jí poskytovatelé chatbota doloží důkazy o přínosech bota pro různé předměty?

**Proč na tom záleží.** Poskytovatel může poukázat na výzkum zaměřený na žáky se zdravotním postižením – jednu z nejdéle zkoumaných oblastí AI ve vzdělávání, kterou je snadné při přidělování prostředků přehlédnout. V analýze 29 studií zahrnujících 41 skupin žáků se zdravotním postižením zaznamenali výzkumníci mírné pozitivní účinky v různých vzdělávacích prostředích. Je však důležité věnovat pozornost podrobnostem. V přibližně 70 % těchto studií se totiž pod pojmem „AI“ skrýval robot, zpravidla humanoidní, kterého často na dálku ovládal výzkumník, aniž by o tom dítě vědělo. Software použila jen jedna z pěti studií. Toto tedy není důkaz, že chatbot pomůže žákovi s autismem ve vaší třídě. Recenzenti také nedokázali určit, **co** tyto intervence činí účinnými. Na základě svého výzkumu nedokázali identifikovat, čím se studie, které fungovaly, lišily od těch, které nefungovaly.

**Více informací.** Zhang, L., Carter, R. A., Jr., Liu, Y., &amp; 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. Volně dostupné, DOI 10.3102/00346543241293424. Skutečným klenotem je tabulka zahrnutých studií: okamžitě odhaluje, jak málo se tato oblast ve skutečnosti věnuje nástrojům, které jsou dnes školám nabízeny.

#### (4) Naučit žáky, jak AI selhává

**Představte si následující situaci.** Požádejte svou třídu, aby vytvořila deset obrázků „lékaře“ a deset obrázků „zdravotní sestry“. Spočítejte, kdo se v každé sadě objevuje, a poté rozpoutejte diskusi: odkud se tyto vzorce vzaly a kdo o nich rozhodl?

[![Gemini&#95;Generated&#95;Image&#95;mfaur1mfaur1mfau.jpg](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/scaled-1680-/gemini-generated-image-mfaur1mfaur1mfau.jpg)  ](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/gemini-generated-image-mfaur1mfaur1mfau.jpg)

Obr. 1: „Jednoduchý prompt: lékař a zdravotní sestra“ (obrázek vygenerovaný pomocí AI, NanoBanana 2).

**Proč na tom záleží.** Klasická ukázka tohoto problému může dnes působit zastarale, ale právě proto si zaslouží pozornost. Po mnoho let byl výsledek předvídatelný: pokud jste požádali AI o vytvoření obrázku lékaře, téměř vždy zobrazila muže. Při testování neziskovou organizací AlgorithmWatch zobrazoval nástroj Midjourney lékaře téměř výhradně jako bílé muže, zatímco Adobe Firefly vykazoval zřetelnou, i když nedokonalou snahu o větší rozmanitost. Podobné rozdíly mezi jednotlivými nástroji potvrdila také odborná recenzovaná studie, která analyzovala 2 400 obrázků chirurgů vytvořených pomocí AI. Dva ze tří populárních generátorů zobrazovaly ženy jen výjimečně, zatímco třetí se přiblížil skutečnému zastoupení žen v chirurgických profesích.

Pokud dnes zadáte stejný prompt, může se na obrázku objevit lékařka nebo zdravotní bratr (obr. 1). Nenechte se však zmást dojmem, že předsudky a stereotypy zcela zmizely. Analýza z roku 2026, která zkoumala 1 344 obrázků vytvořených třemi populárními generátory, ukázala opak: při zadání požadavku na zobrazení „kompetentní osoby“ jeden ze systémů nezobrazil ani jedinou ženu.

Nezmizely tedy samotné předsudky a stereotypy, změnilo se pouze to, na jaké úrovni se projevují. A právě v tom spočívá důležité poučení. Za každým takovým obrázkem stojí lidská rozhodnutí: na jakých datech byl systém vytrénován a jak jeho vývojáři následně nastavili, co má zobrazovat. Právě tato dodatečná nastavení lze měnit, pro uživatele však zůstávají skrytá a rozhoduje o nich společnost, která daný nástroj vyvíjí.

**První úroveň lidských rozhodnutí představují data, ze kterých se systém učil.** Jde o miliony obrázků vytvořených a označených lidmi, z nichž každý určitým způsobem odráží dosavadní podobu světa. Právě na tuto úroveň upozorňují klasické příklady předsudků a stereotypů v AI. Žáci tento princip snadno pochopí: umělá inteligence se stává odrazem dat, na kterých byla vytrénována.

**Druhou úroveň ovlivňuje to, co se společnost vyvíjející daný nástroj rozhodne uživatelům zobrazovat.** Tento vliv však na samotném obrázku není nijak patrný. Uplatňují se zde tři mechanismy, které sami vývojáři popisují vlastními slovy.

- **Vaše slova jsou přepsána dřív, než se dostanou k modelu.** Z vlastní vývojářské dokumentace OpenAI: „k optimalizaci všech vašich příkazů před jejich předáním do DALL-E používáme GPT-4“ – a „tuto funkci momentálně nelze vypnout“. To, co napsal váš žák, není to, na co byl stroj ve skutečnosti dotázán.
- **Vzhled se doplní, pokud to příkaz ponechává otevřené.** OpenAI o své technice rozmanitosti: „Tato technika se uplatňuje na úrovni systému, když DALL·E dostane příkaz popisující osobu, který nespecifikuje rasu ani pohlaví, například ‚hasič‘.“ Poté uživatelé dvanáctkrát častěji uváděli, že obrázky zobrazují lidi rozmanitého původu. „Lékař“ je přesně takový příkaz.
- **A toto ladění se může minout cílem.** Google po pozastavení generování obrázků v Gemini v roce 2024: „Naše ladění, které mělo zajistit, že Gemini zobrazuje rozmanitost lidí, selhalo v případech, kde by rozmanitost jasně neměla být zobrazena.“

Když tedy žák napíše „lékař“ a objeví se žena, obrázek sám o sobě neprozradí, která vrstva ji do existence přivedla. Tato nejistota není chybou lekce. Je to sama lekce.

Dříve převládalo vysvětlení, že umělá inteligence pouze přebírá předsudky a stereotypy společnosti. Dnes je však potřeba jít o krok dál a uvědomit si něco podstatnějšího: za výsledkem stojí rozhodnutí konkrétní společnosti. Toto rozhodnutí přitom ze samotného výstupu nepoznáte a může se kdykoli změnit, nenápadně a bez předchozího upozornění. Právě toto poznání zůstává důležité bez ohledu na vývoj nových modelů AI, zatímco konkrétní příklady stereotypů mohou postupně ztrácet svou aktuálnost.

A právě to je hlavní sdělení, které by si žáci měli odnést a které neztratí platnost ani s další aktualizací AI: obrázek vytvořený umělou inteligencí není pouhým odrazem reality a jeho podoba není náhodná. Někdo rozhodl o tom, co na něm uvidíme.

[![Tok vrstev při tvorbě obrázku.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/tok-vrstev-pri-tvorbe-obrazku.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/srBzeichenflache-1-100.jpg)

Obr. 2: „Proč obrázek vytvořený na základě příkazu typu ‚nakresli lékaře‘ vypadá tak, jak vypadá, a proč vám to samotný obrázek neprozradí“ (obrázek vygenerovaný pomocí AI, NanoBanana 2)

Tuto lekci lze začít brzy. Když 209 finských žáků ve 12 třídách, 6. a 7. ročníku, prozkoumalo toto téma, počet těch, kdo dokázali zkreslení vysvětlit pomocí dat, vzrostl z přibližně 7 ze 100 na 44 ze 100. Poctivá výhrada: studie měřila, co děti dokázaly vysvětlit, nikoli to, jak by později jednaly.

„Zkreslení není výsadou AI. Může ho obsahovat i učebnice. Důležité je vědět o náhodě, o datech, která stojí za odpovědí, a o možných zkresleních.“

**Více informací.** Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., &amp; Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. *New Media &amp; Society, 27*(9), 5342–5368. Volně dostupné, DOI 10.1177/14614448241252820. Studie neměla srovnávací skupinu – čtěte ji jako slibný návrh výuky, nikoli jako důkaz.

Weinmann, H., Messingschlager, T. V., &amp; Appel, M. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. *New Media &amp; Society*. Online first. Volně dostupné, DOI 10.1177/14614448261435197.

Ali, R., et al. (2024). Demographic representation in 3 leading artificial intelligence text-to-image generators. *JAMA Surgery, 159*(1), 87–95. DOI 10.1001/jamasurg.2023.5695.

Vlastní prohlášení dodavatelů: OpenAI (2022), *Reducing bias and improving safety in DALL·E 2*; Depue, W. (2023), *What’s new with DALL·E 3?*, OpenAI Cookbook; Raghavan, P. (2024), *Gemini image generation got it wrong. We’ll do better*, Google.

#### Jak pevné jsou v tuto chvíli výzkumné výsledky o potenciálu AI?

**To nejdůležitější.** Pokud vám někdo cituje studii, než souhlasíte, zeptejte se na dvě věci: „Kdo byli účastníci a jak dlouho studie trvala?“

**Proč na tom záleží.** V roce 2025 metaanalýza 51 studií uvedla **významný přínos** ChatGPT pro akademický výkon žáků. Článek byl přečten statisíckrát a posloužil jako základ mnoha sebejistých tvrzení ve sborovnách. **Dne 22. dubna 2026** časopis článek stáhl. *Stažení (retrakce)* znamená, že časopis oficiálně odvolá něco, co publikoval; článek zůstává viditelný, označený poznámkou „STAŽENO“, aby to poznal každý, kdo jej citoval. Dva externí výzkumníci odhalili nesrovnalosti v syntéze studií. Redaktor časopisu napsal, že problémy „podkopávají důvěru redakce ve validitu analýzy“. Autoři na korespondenci v této věci nereagovali.

To neznamená, že AI nemá žádný dopad. Existují seriózní studie, které prokazují mírné přínosy. Tato oblast výzkumu navíc ještě není dobře ustálená, protože je relativně nová a velmi dynamická. Znamená to, že často citované číslo bylo nesprávné a že trvalo rok a dva externí experty, než se na to přišlo.

Další výhrada stojí za zmínku. Přinejmenším v matematice platí, že čím blíže je důkaz škole, tím menší je efekt. Napříč předměty je obraz nejednoznačný: některé novější přehledy zjišťují ve školách větší efekty než na vysokých školách – školních studií je však stále málo a jsou malé.

**Více informací.** Samotné stažení má jednu stránku, je volně dostupné a stojí za přečtení právě proto, že je krátké: Wang, J., &amp; Fan, W. (2026). Retraction note: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking. *Humanities and Social Sciences Communications, 13*, 528. DOI 10.1057/s41599-026-07310-z.

**Stažený** originál byl *HSSC 12,* 621 (2025). Stále platí: Wu, X., Zhu, P., Zhang, J., Yin, M., &amp; Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. *Humanities and Social Sciences Communications, 13*, 684. Volně dostupné, DOI 10.1057/s41599-026-07019-z.

Údaj týkající se pouze škol v matematice: Yi, L., Liu, D., Jiang, T., &amp; 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. DOI 10.1007/s10763-024-10499-7.

Širší a novější souhrnná analýza: Han, X., Peng, H., &amp; Liu, M. (2025). The impact of GenAI on learning outcomes: A systematic review and meta-analysis of experimental studies. *Educational Research Review, 48*, 100714. DOI 10.1016/j.edurev.2025.100714.

### Rizika AI

#### (1) Dělat něco není totéž jako se to naučit

**Představte si následující situaci.** Než zadáte domácí úkol, který dokáže vyřešit chatbot, zamyslete se nad tím, jaký je smysl daného úkolu. Nebylo by dobré úkol změnit?

**Proč na tom záleží.** Učíte se s chatbotem rychleji? Zhruba tisíc žáků 9. až 11. ročníku procvičovalo matematiku ve třech skupinách: jedna používala standardního chatbota, druhá verzi naprogramovanou tak, aby odpověď nesdělovala a místo toho kladla doplňující otázku, a třetí pracovala bez chatbota. Během používání chatbota vypracovala skupina se standardním chatbotem o 48 procent více cvičení než skupina bez něj. Poté všichni absolvovali stejnou zkoušku bez chatbota. Výsledek, který se zprvu zdál překvapivý, byl takový, že skupina používající standardního chatbota dopadla o 17 procent hůře než žáci, kteří chatbota nepoužívali vůbec. Skupina, která pracovala s chatbotem zadržujícím odpověď, nevykázala v testu žádný pokles výkonu oproti skupině bez chatbota, ale procvičovala více. Žáci používající standardního chatbota nebyli líní ani nepodváděli. Pracovali usilovněji a naučili se méně, protože nástroj neodstranil úsilí, ale kognitivní náročnost, která učení tvoří.

„AI velmi usnadňuje dobrat se řešení, aniž bychom mu porozuměli.“

**Více informací** Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., &amp; Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. *PNAS, 122*, e2422633122. DOI 10.1073/pnas.2422633122.

#### (2) Detektory AI trestají špatné žáky

**Představte si následující situaci.** Dostanete studentskou esej k oznámkování. Ze zvědavosti ohledně její pravosti ji vložíte do detektoru AI. Objeví se výsledek: esej byla téměř jistě napsána pomocí AI.

**Proč na tom záleží.** Používáte nástroj pro detekci obsahu vytvořeného umělou inteligencí, abyste zajistili spravedlivé hodnocení, **přesto má u určité skupiny přesně opačný účinek.** Detektor nerozpoznává text vygenerovaný strojem. Měří, jak předvídatelná je formulace. A právě v tom spočívá problém, například když žák píše v cizím jazyce, nemá s psaním dostatek praxe nebo má omezenou běžnou slovní zásobu. Jeho písemný projev je předvídatelný. Když sedm široce používaných detektorů analyzovalo 91 esejí, které pro anglický test TOEFL napsali nerodilí mluvčí – shromážděných z čínského online fóra –, mylně je označily jako vygenerované strojem přibližně v šesti z deseti případů. Eseje amerických žáků osmé třídy psané v jejich mateřské angličtině byly téměř všechny klasifikovány správně. Nástroj, který u přesně jedné skupiny vyvolává falešně pozitivní výsledky, není neutrální. A tato skupina se navíc dokáže bránit nejméně.

**Více informací.** Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., &amp; Zou, J. (2023). GPT detectors are biased against non-native English writers. *Patterns, 4*(7), 100779. Volně dostupné, DOI 10.1016/j.patter.2023.100779.

#### (3) Kde na světě skončí data žáků?

**Představte si následující situaci.** Používáte nástroj AI, který nabízí vaše škola. Zkuste zjistit, kam putují data žáků.

**Proč na tom záleží.** Dokáže vaše škola zaručit, že data nejsou předávána třetí straně? Třetí strana je společnost, která není ani vaší školou, ani vývojářem aplikace. Typicky jde o reklamní nebo analytické společnosti, které data získávají, zatímco žák pracuje. Nikdo ve škole tuto společnost nevybral. Když výzkumníci provedli technickou analýzu 163 vzdělávacích produktů doporučených vládami během uzavření škol souvisejícího s pandemií, 145 z nich zpracovávalo data dětí způsobem, který ohrožoval nebo porušoval jejich práva tím, že je předávalo 196 společnostem třetích stran nebo jim k nim udělovalo přístup, převážně z reklamního odvětví. Ze 42 vlád, které si vyvinuly vlastní produkty místo jejich nákupu, 39 vyvinulo produkty se stejným problémem. Studie se týká produktů z roku 2021 a některé se od té doby mohly změnit. Nemůžeme však vyloučit, že totéž platí pro aplikace AI.

**Více informací.** Human Rights Watch (2022). "How dare they peep into my private life?: Children's rights violations by governments that endorsed online learning during the Covid-19 pandemic. Volně dostupné na hrw.org. Přílohy podle jednotlivých zemí umožňují dohledat, co bylo kde doporučeno.

#### (4) AI dorazí naposledy tam, kde je potřeba nejvíce

**Představte si následující situaci.** Kolik školení jste již sami absolvovali o výuce o AI nebo o oborové výuce s AI?

**Proč na tom záleží.** V jednom experimentu řešili dospělí s vysokoškolským vzděláním i bez něj pracovní úlohu z oblasti podnikání. S asistentem AI zmizely zhruba tři čtvrtiny rozdílu mezi oběma skupinami. Když výzkumníci asistenta následně odebrali, značná část rozdílu se vrátila. Autoři docházejí k závěru, že velkou část práce odvedla AI a že po jejím odebrání přetrvala jen část zlepšení.

Průzkum mezi americkými řediteli škol doplňuje druhou polovinu obrazu: čím znevýhodněnější byli žáci školy, tím méně škola udělala pro integraci AI – méně pravidel, méně školení učitelů, méně pokynů k používání AI žáky. Jde o souvislost, nikoli o důkaz příčiny.

**Celkově vzato:** dobrý nástroj dokáže zmenšit rozdíl, dokud je v rukou žáka. Má však sklon dostat se ke školám, které jej potřebují nejméně, a po jeho odebrání zůstane jen část jeho přínosu.

Německá čísla ukazují stejný vzorec. Mezi 1 590 mladými lidmi ve věku 14 až 20 let vnímalo AI jako příležitost pro školu 80 procent mladých z nejmajetnějších rodin, ale jen 55 procent z nejméně majetných. Používání sleduje stejný gradient: z mladých lidí, kteří nástroje AI používají, je pro školu nebo domácí úkoly využívá 70 procent žáků gymnázií oproti 58 procentům na ostatních středních školách.

**A co další vzdělávání učitelů?** Průzkum mezi více než deseti tisíci učiteli v Anglii zjistil, že 45 procent učitelů na soukromých školách již absolvovalo formální školení o AI, oproti 21 procentům na státních školách. V rámci státního systému se tento podíl pohyboval od 26 procent na školách s nejmajetnějšími žáky po 18 procent na školách s nejméně majetnými žáky.

**Více informací.** Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., &amp; Lombardi, M. (2026). *Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment* (NBER Working Paper 34851). Pracovní studie, zatím neprošla recenzním řízením. Campos, C., &amp; Singleton, J. D. (2026). *AI diffusion gaps: Unequal integration of AI across K-12 schools* (NBER Working Paper 35347). Latham, K., &amp; Montacute, R. (2025). *Artificial advantage? AI in the classroom and the inequality gap*. The Sutton Trust. Volně dostupné na [suttontrust.com](http://suttontrust.com). Vodafone Stiftung Deutschland (2024), *Pioniere des Wandels*; mpfs (2024), *JIM-Studie 2024*. Obojí volně dostupné, v němčině.

#### (5) Co se při učení s AI zlepší, nemusí být to, co je vidět

**Představte si následující situaci.** Zavedete do výuky nového chatbota a žáci jsou z jeho používání nadšení.

**Proč na tom záleží.** Rozsáhlý přehled 228 studií sledoval čtyři různé oblasti, které by AI mohla zlepšit: znalosti a porozumění; aplikaci toho, co člověk ví; afektivní stránku, jako je motivace a zapojení; a schopnost plánovat, sledovat a opravovat vlastní učení. Tři ze čtyř se zlepšily. Poslední nikoli – alespoň pokud to studie dokázaly posoudit.

- **Pokud jde o znalosti a porozumění,** generativní AI dosáhla lepších výsledků než starší formy AI, jako jsou inteligentní tutorovací systémy a adaptivní procvičovací software.
- **Pokud jde o aplikaci znalostí a afektivní stránku,** generativní AI nedosáhla lepších výsledků než starší software, který mnoho škol již vlastní.
- **Pokud jde o sebeřízení učení,** byl souhrnný efekt malý a mohl být dílem náhody – a studií bylo příliš málo na to, aby bylo možné zkoumat, jaký druh AI by vůbec mohl pomoci.

Jen hrstka výsledků pocházela z randomizovaných studií – a nadšení, které vidíte v prvních týdnech, je přesně to, co krátké studie zachytí nejlépe.

Ještě jedna rychlá poznámka na okraj: **v tomto přehledu byla největší zlepšení zjištěna v oblasti umění a humanitních věd.**

**Více informací.** Yeo, G. H., &amp; Lansford, J. E. (2025). Effects of artificial intelligence on educational functioning: A review and meta-analysis. *Educational Psychology Review, 37*(4), article 110. DOI 10.1007/s10648-025-10085-5.

# 1.2 Výuka o AI versus výuka s AI

### Shrnutí

- ***AI je navigace.*** Zkušenému pomáhá, nezkušenému může bránit v učení. Záleží na uživateli, ne na technologii.
- **Nejdříve je potřeba učit o AI, teprve potom s AI.** Abychom mohli správně posoudit její odpovědi, musíme rozumět tomu, jak funguje.
- **Vědět není totéž jako umět.** Učitelé hodnotí své znalosti o AI výše než svou schopnost s ní vyučovat, a samotné školení tuto propast neuzavírá.
- **Učitelé využívají AI spíše při přípravě než přímo ve výuce.** V Německu používá AI alespoň několikrát měsíčně polovina učitelů, ale méně než třetina z nich s ní nechává pracovat žáky během vyučování.
- **Pedagogika poráží technologii.** Využití AI k přepracování a rozvíjení vlastní práce poráží její využití jen k procvičování nebo vyhledávání informací; práce ve skupinách poráží samostatnou práci; zpětná vazba poráží gamifikaci.
- **Lepší zpětná vazba neznamená lepší učení.** V jednom experimentu vedly komentáře AI, hodnocené jako lepší než komentáře učitele, k úpravám, které nebyly o nic lepší. Rozhoduje to, zda je zpětná vazba *využita*.
- **AI zvyšuje výkon, nikoli samostatné řízení učení.**
- **Jasná pravidla a intenzivní používání se objevují společně.** Ve velkém americkém průzkumu měly školy s pravidly pro používání AI více učitelů, kteří AI používali – a celkově tak ušetřily více času, nikoli méně.
- **Chraňte si vlastní mapu.** Úleva se mění ve ztrátu dovedností tam, kde AI přebírá práci, která buduje a udržuje úsudek.

> *Pokud si z této stránky máte zapamatovat jen jednu větu:* **AI je jako navigace. Pomáhá těm, kteří se už dokážou sami orientovat, ale těm ostatním může nenápadně bránit v tom, aby se to naučili.**

### Problém navigace

Abyste mohli řídit londýnské taxi, musíte nejprve složit zkoušku ze znalosti města. Ta zahrnuje 320 stanovených tras na území o rozloze přibližně 293 km² v okruhu 9,7 km od Charing Cross. Londýnský dopravní podnik Transport for London počítá až se dvěma lety přípravy, než uchazeči vůbec začnou skládat zkoušky.

I zkoušení řidiči používají navigaci a nikdo si o nich kvůli tomu nemyslí nic horšího. Znalostní zkouška se s příchodem zařízení nestala zbytečnou. Navigace se stala tím, co dělá jízdu bezpečnou. Řidič, který město dobře zná, využívá navigaci především k získání informací, které sám nemůže znát, například o nehodě na mostě nebo aktuální dopravní situaci. A také pozná, když ji navigace navede do ulice, která je už od dubna rozkopaná.

Nyní si představte začínajícího řidiče ve stejném taxi se stejnou navigací. Bez problémů dorazí na každou adresu a zpočátku se zdá být stejně schopný jako zkušený řidič. Pouhým následováním pokynů navigace si však nebuduje vlastní orientační schopnosti. Ani po roce odbočování podle jejích pokynů se nedokáže samostatně pohybovat po městě a nepozná, když ho navigace vede špatně.

[![C1&#95;2&#95;Fig&#95;1.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/scaled-1680-/c1-2-fig-1.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/c1-2-fig-1.png)

Obr. 1: „Výsledek závisí na řidiči“ (obrázek vygenerovaný pomocí AI, Google Gemini)

Na levé straně vidíme řidiče, který se ve městě dobře orientuje. Navigace mu pouze doplňuje informace, které sám nemůže znát. Tomu se říká „prospěšné přenesení kognitivní zátěže“ (beneficial offloading).

Na pravé straně je řidič, který se ve městě nevyzná a je na navigaci zcela závislý. V tomto případě jde o „škodlivé přenesení kognitivní zátěže“ (detrimental offloading).

Stejná navigace, dvě řidičky, opačné výsledky. **Rozdíl nikdy nebyl v zařízení.** Nejde jen o obrázek. Studie řidičů zjišťují, že lidé, kteří se silně spoléhají na navigaci, si vytvářejí horší mentální mapu svého okolí. Tříletá studie ukázala, že intenzivnější používání navigace šlo ruku v ruce s výraznějším poklesem prostorové paměti. A psychologové už dvě desetiletí vědí, že stejná podpora, která pomáhá začátečníkovi, může překážet tomu, kdo už danou oblast ovládá. Totéž platí i obráceně. Účinek nástroje AI závisí mnohem více na tom, co uživatel už zná, než na samotném nástroji.

Výzkumníci tomu říkají [schéma](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy"), tedy uspořádané předchozí znalosti dané osoby. Tam, kde je schéma zavedené, předání práce stroji člověka odlehčí. Výzkumníci tomu říkají užitečné [kognitivní odlehčení](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy"). Když se však znalosti teprve mají vytvořit, tentýž proces může zabránit jejich vzniku. Tomu se říká škodlivé [kognitivní odlehčení](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy").

Studie s přibližně tisícem žáků druhého stupně ukazuje, jak se to děje v hodině matematiky. Jedna skupina cvičila s neomezeným chatbotem, druhá bez něj. Zatímco jej měla k dispozici, dosáhla skupina s chatbotem v procvičovacích úlohách **o 48 % lepších výsledků.** Poté následovala zkouška bez chatbota. Titíž žáci, kteří tak dobře řešili procvičovací úlohy, nyní dopadli **o 17 % hůře** než skupina, která chatbota nikdy nepoužila. Třetí skupina používala verzi AI vytvořenou tak, aby odpověď zadržovala a místo toho kladla otázky. Tato skupina nic neztratila.

Právě tato třetí skupina je celou otázkou návrhu. Navigace, která pojmenuje cíl a pomůže vám najít trasu, vás naučí město. Navigace, která říká odbočte vlevo za 200 metrů, vás nenaučí nic, ať jsou její data sebelepší. Výzkumníci tomuto rozdílu říkají [mantinely](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy"), a právě návrh rozhoduje o tom, zda pomůžete svým žákům naučit se mapu města, nebo jen najít cíl.

Prosíme, pamatujte: Vy tu znalost máte. Vaši žáci ji v předmětu, který učíte, ještě nemají. Tato asymetrie je celou podstatou kapitoly.

„Nástroje, po kterých žáci v současnosti sahají, jsou vytvořeny k řešení problémů, nikoli k výuce – a to je v současnosti hlavní potíž mé práce.“

### Dvě patra, ne dvě témata

V odborné literatuře jsou tyto dvě oblasti považovány za samostatné obory. Můžete si je představit jako dvě patra budovy, přičemž většina učitelů se nachází v přízemí a k prvnímu patru nevede žádné schodiště.

Ve studii s 90 učiteli bavorských odborných škol, kteří se přihlásili na školení o AI, hodnotili učitelé své znalosti o AI v průměru na 3,4 z 5, svou schopnost využívat ji ve výuce však mnohem níže, na 2,6. Vědění a konání se od sebe odpojily. Studie v pěti evropských zemích poté zkoumala, zda dokáže školení tuto propast uzavřít. Zúčastnilo se jí 736 učitelů z Francie, Irska, Itálie, Lucemburska a Slovinska. Učitelé byli rozděleni do dvou skupin. Jedna skupina absolvovala online kurz a během studie dostávala podporu, druhá absolvovala tentýž online kurz až po skončení studie. Výsledky ukázaly, že se zvýšily znalosti a schopnost posoudit, co daný nástroj dokáže. Ve většině zemí se však pravidelné používání AI ve výuce nezměnilo: učitelé si nástroje vyzkoušeli a vrátili se k tomu, co dělali předtím.

Tomu se říká propast mezi věděním a jednáním. Kurzy vytvářejí znalosti, ale změna praxe vyžaduje doprovázení, zkoušení a kolegy, se kterými lze věci promýšlet. Přenos je třeba naplánovat, nikoli v něj jen doufat.

„Jedinou nevýhodou tohoto webináře je, že si to nemůžeme hned vyzkoušet.“

### Co učitelé skutečně dělají

Nejspolehlivější zjištění napříč jednotlivými zeměmi je poněkud překvapivé: **učitelé používají AI intenzivně sami pro sebe a se svými žáky jen málokdy**. V Německu používá nástroje AI několikrát měsíčně nebo častěji 52 % učitelů. Z těch, kdo AI používají, však jen 29 % nechává své žáky s AI pracovat ve výuce. Veřejná debata o „AI ve třídě“ je tak z velké části debatou o něčem, co se ve velkém měřítku zatím neděje.

[![Ledovec využití AI ve výuce.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/ledovec-vyuziti-ai-ve-vyuce.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/c1-2-fig-21.jpg)

Obr. 2: „Rozdíl mezi používáním AI k přípravě a jejím používáním přímo ve výuce“ (obrázek vygenerovaný pomocí AI, Google Gemini)

Co se však skutečně děje, je snižování pracovní zátěže učitelů, a v tomto ohledu jsou výsledky povzbudivé. V rámci experimentu v Anglii získalo 259 učitelů z 68 škol přístup k ChatGPT a metodické příručce pro přípravu hodin přírodovědných předmětů pro žáky ve věku 11 až 13 let. Přípravou strávili **přibližně 56 minut týdně oproti 81 minutám** ve srovnávací skupině. Nezávislí hodnotitelé, kteří nevěděli, ze které skupiny daná hodina pochází, nenašli žádný důkaz rozdílu v kvalitě. Ve velkém americkém průzkumu odhadli učitelé, kteří AI používají alespoň jednou týdně, že ušetří téměř šest hodin týdně – jde o jejich vlastní odhad, nikoli o měření.

Za pozornost stojí ještě jedno zjištění. Stejný americký průzkum ukázal, že **ve školách s jasně stanovenými pravidly pro používání AI ji využívalo více učitelů (70 % oproti 60 %), což vedlo k celkové úspoře jejich pracovního času přibližně o čtvrtinu vyšší.** U jednotlivého učitele, který AI používá každý týden, byl rozdíl malý. Jde o vlastní výpověď učitelů, nikoli o měření, a průzkum nedokáže ukázat, kterým směrem vztah příčiny a následku skutečně míří: dobře organizované školy možná prostě zvládají obě věci dobře. Je to však opak toho, co většina lidí očekává – **jasná pravidla a intenzivní používání se objevují společně, nikoli v rozporu. [1.4 Soulad s předpisy při používání AI](https://playbook.dualaiteacher.eu/books/playbook-cz/page/14-soulad-s-predpisy-pri-pouzivani-ai "1.4 Soulad s předpisy při používání AI")**

„Je důležité mít ji jako doplněk, ale rozhodně nenechat ChatGPT řídit celou hodinu.“

### Proč nezáleží na nástroji

Pokud jste čekali žebříček nejlepších nástrojů AI, výzkum vás zklame, a při druhém čtení vás pak osvobodí. Když výzkumníci shromáždí mnoho jednotlivých studií a ptají se, co odlišuje třídy, kde AI pomohla velmi výrazně, od těch, kde pomohla jen málo, odpovědí není nikdy značka softwaru. Je to to, co měli žáci s nástrojem *dělat*. Následující body shrnují důležité výsledky výzkumu. Všechny výsledky však vycházejí jen z malého počtu studií.

- V matematice získali žáci, kteří AI použili k přepracování řešení nebo k rozvinutí vlastního pokusu, přibližně dva a půlkrát více než žáci, kteří ji používali jen k obohacení běžných úloh, jako je procvičování nebo kontrola odpovědí.
- Žáci, kteří AI používali společně ve skupinách, získali přibližně o 70 % více než žáci, kteří ji používali samostatně.
- Tam, kde byla AI použita k poskytování zpětné vazby na práci žáků, patřila zlepšení k největším. Použití AI ke gamifikaci hodin přineslo zlepšení příliš malé na to, aby jej bylo možné považovat za prokázané.

Pedagogika je důležitější než použitá technologie. Tam, kde výzkumníci roztřídili studie podle toho, co žáci ve skutečnosti dělali, záleželo na činnosti více než na nástroji. Zajímavé je, že stejný vzorec byl zjištěn i u předchozí generace digitálních nástrojů na středních školách. Výsledky do značné míry závisejí na tom, zda byli učitelé v jejich používání proškoleni.

Dobrá zpětná vazba není totéž co zpětná vazba, která funguje. V jednom experimentu napsalo 70 vysokoškolských studentů argumentační esej a o týden později ji přepracovali. Byli náhodně rozděleni do tří skupin: jedna dostala zpětnou vazbu od zkušeného učitele, jedna od chatbota s prostou instrukcí a jedna od téhož chatbota, který byl vyzván, aby esej promyslel krok za krokem. Podle stejného hodnoticího kritéria produkoval chatbot postupující krok za krokem ze všech tří nejlepší zpětnou vazbu. Byla lepší než u prostého chatbota i lepší než u učitele. Poté následovaly úpravy a všechny tři skupiny se zlepšily zhruba stejně. Nejlepší zpětná vazba ve studii nepřinesla o nic více zlepšení než zpětná vazba hodnocená nejhůře. Lepší komentáře nevedly k lepší eseji.

Toto zjištění stojí za pozornost, protože zpochybňuje běžný předpoklad, že kvalitnější zpětná vazba automaticky vede k lepším výsledkům učení. Tak tomu ale není. Zpětná vazba je účinná pouze tehdy, pokud s ní žák skutečně pracuje: přečte si ji, porozumí jí, využije ji v praxi a osvojí si získané poznatky natolik, aby je příště dokázal uplatnit samostatně. Rozhodující tedy není jen kvalita zpětné vazby, ale především to, jak ji žák využije.

Více neznamená vždy lépe. V další studii, s 60 žáky 11. ročníku a 240 texty, vytvořila AI mnohem více komentářů týkajících se obsahu než učitelé. Žáci však častěji uplatňovali komentáře učitelů. Když je žák konfrontován s třiceti přesnými opravami, může buď přestat diagnostikovat a začít třídit podle priority, nebo prostě jen vyhovět. Pokud žák pravidla jednoduše dodrží, v podstatě tím říká, že úprava nebyla nutná. Je to opět ta navigace, jen na jiné úrovni. Dává vám opravdu podrobnou zpětnou vazbu, jako „odbočte vlevo za 200 metrů“, ale pro váš vlastní text.

Na tom, kdo to říká, záleží. Nejsme si úplně jisti, proč jsou komentáře učitelů uplatňovány častěji. Jde spíše o interpretaci než o měření, ale nejpravděpodobnějším vysvětlením je, že zpětná vazba je vnímána jako akt mezi lidmi. To, co řekne někdo, kdo ví, co jste dělali minulé pololetí, a uvidí, co uděláte dál, je něco jiného než tatáž věta vygenerovaná na požádání.

**Co z toho plyne pro praxi.** Souhrnná analýza studií o automatizované zpětné vazbě k psaní, provedená ještě před nástupem dnešních chatbotů, dospěla k podobným výsledkům. Zpětná vazba přinesla více, když ji žáci museli uplatnit v novém textu, než když jen upravovali text, který měli před sebou, a více, když byla využívána během několika lekcí, a ne jen jednou. A ještě jednu věc je třeba férově říci: ve srovnání s žádnou zpětnou vazbou zpětná vazba od AI pomáhá. Ve studii německého týmu s 459 žáky vyššího sekundárního vzdělávání zpětná vazba generovaná AI mírně zlepšila jejich úpravy textů i jejich motivaci.

Totéž rozdělení se objevuje i v širším měřítku. Jeden tým shrnul 228 studií: AI jasně a konzistentně zlepšila to, co žáci dokázali vytvořit, zatímco jakékoli zlepšení jejich schopnosti plánovat, sledovat a opravovat vlastní učení bylo natolik malé, že mohlo jít o náhodu. Nejostřeji je to vidět v programování. Žáci s asistentem AI byli měřitelně rychlejší, ale na konci nebyli o nic lepší než žáci bez něj. Udělat více a být lepší není totéž, a AI tyto dvě věci odděluje.

### Evropa jako zrcadlo

Napříč Evropou se výsledky průzkumů používání AI učiteli pohybují **od zhruba devíti z deseti v českém vzorku po zhruba jednoho ze sedmi ve Francii.** Průzkumy se liší metodou i časováním: český údaj pochází z malého průzkumu 317 učitelů z roku 2025 a zahrnuje jakoukoli zkušenost s AI, zatímco francouzský údaj pochází z mezinárodního šetření učitelů OECD TALIS 2024, v němž necelá polovina českých učitelů uvedla, že AI používá ve výuce.

Francie vybudovala jeden z největších státních programů AI na kontinentu: adaptivní procvičovací software pro matematiku a francouzštinu, zdarma pro každého žáka prvního ročníku vyššího sekundárního vzdělávání. Přesto francouzští učitelé používají AI jen zřídka a pouze 9 % francouzských učitelů absolvovalo jakékoli školení o AI, oproti 38 % v průměru zemí OECD.

Norsko zapracovalo problém navigace do své politiky (alespoň jako doporučení) tak, jak by to udělala autoškola pro taxikáře: nejprve se učit s mapou a teprve potom přidat zařízení. V červnu 2026 Norsko doporučilo, aby žáci 1. až 7. ročníku zpravidla neměli k AI přístup. V 8. až 10. ročníku lze AI zavádět postupně a uvážlivě, jakmile učitelé získají kompetence k jejímu vedení. Na vyšším sekundárním stupni by se žáci měli naučit používat AI účelně.

### Slepé místo

Jedno z rizik AI se zmiňuje jen zřídka a přirovnání k navigaci ho dobře vystihuje: **znalost londýnských ulic není trvalá**. Řidič, který se pět let spoléhá pouze na pokyny navigace, si znalost města neudrží. Postupně ji ztrácí a přestává si všímat i toho, že ho navigace vede do rozkopané ulice.

Také své odborné dovednosti si udržujete právě tím, že vykonáváte činnosti, které za vás AI dokáže snadno převzít: připravujete úkoly, předvídáte možné chyby žáků a formulujete vysvětlení. **Pokud AI převezme činnosti, díky nimž se rozvíjí odborný úsudek, může se úspora práce postupně změnit ve ztrátu dovedností.**

V německém průzkumu mezi odborníky na e-learning očekávalo 65 % respondentů, že generativní AI povede ke ztrátě důležitých lidských dovedností, zatímco o rok dříve to bylo 44 %. V medicíně již byl podobný jev zaznamenán: poté, co se podpora AI stala běžnou součástí kolonoskopických vyšetření, lékaři při vyšetřeních bez její pomoci odhalovali méně přednádorových útvarů než dříve.

**Používejte navigaci, ale nezapomínejte si udržovat vlastní orientaci.**

# 1.3 Zodpovědné používání AI

### Shrnutí

- **Odpovědné využívání AI je otázkou správného nastavení, nikoli kontroly.** Nástroje pro detekci AI nejsou spolehlivé.
- **Detekce AI může vést k nespravedlivému hodnocení.** Nástroje chybně označují lidskou práci za výstup AI a naopak. Francie a Nizozemsko jejich používání ve školách nedoporučují.
- **AI může vytvářet nepravdivé informace a přebírat předsudky.** Žáky je proto nutné učit tato rizika rozpoznávat.
- **Nejprve vlastní úvaha, potom AI.** Samostatné přemýšlení a vhodná softwarová omezení pomáhají předcházet negativním dopadům AI.
- **Samotné prompty nestačí.** Chatboti často přecházejí k poskytování hotových odpovědí. Důležitý je proto výběr vhodných nástrojů.
- **AI může prohlubovat rozdíly mezi žáky.** Jejich zmírnění vyžaduje dostupné technologie, vhodné nástroje a především proškolené učitele.
- **Inkluze je jedním z největších přínosů AI.** Právě zde vidí učitelé největší potenciál jejího využití.

> Pokud si z této stránky máte zapamatovat jen jednu větu: Hráze se bortí. Naučme se plavat.

### Čtenářský deník, druhý pohled

Vraťme se k našemu žákovi deváté třídy a jeho čtenářskému deníku, který působí až podezřele dokonale. Instinkt je téměř univerzální a je to instinkt dobrého učitele: zjistit, zda použil AI. Postavit lepší hráz.

Tato kapitola pojednává o tom, proč tento instinkt sám o sobě nikam nevede. Dostaneme se k tomu, co funguje místo něj.

Začněme tou nepříjemnou částí. **Učitelé nedokážou spolehlivě rozeznat text vytvořený AI od textu žáka.** Ve dvou studiích německého týmu dostalo 89 budoucích učitelů a 200 zkušených učitelů směs žákovských esejí a esejí od chatbota a měli je roztřídit. Ani jedna skupina to nedokázala spolehlivě, přesto si obě skupiny byly jisté, že to dokážou. Zkušenost pomohla jen málo: i zkušení učitelé přehlédli většinu textů vytvořených AI. Na jedné britské univerzitě výzkumníci vložili odpovědi vygenerované chatbotem běžnými kanály do skutečných online zkoušek bez dozoru, aniž by o tom hodnotitele informovali.

„Můžete ji používat, ale musíte umět vysvětlit výsledek vlastními slovy.“

### Detektor, který trestá špatné žáky

Výzkumníci otestovali sedm nejrozšířenějších [detektorů AI](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy") na esejích TOEFL, které napsali lidé učící se angličtinu jako cizí jazyk a které byly shromážděny z čínského online fóra. Vedle nich zařadili eseje rodilých amerických osmáků. Práce rodilých mluvčích byla klasifikována správně téměř pokaždé. Z esejí v cizím jazyce bylo **více než šest z deseti mylně označeno jako vytvořené strojem**.

Mechanismus není žádnou záhadou. Mnohé z těchto nástrojů nedetekují práci velkých jazykových modelů. Nástroje měří *předvídatelnost*. Text, který používá běžná slova v očekávaném pořadí, je vyhodnocen jako umělý. Lidé píšící v cizím jazyce, s menší slovní zásobou a strnulejšími větnými strukturami, mohou produkovat přesně takový signál. Detektory trénované pro jeden konkrétní test a studie v jiných jazycích přitom ukazují menší rozdíly. Dosud však na trhu neexistují detektory dostatečně spolehlivé na to, aby bylo možné kohokoli obvinit z úmyslného podvodu.

**Chyby nástroje systematicky dopadají na žáky, kteří už nesou největší zátěž.** Instituce si to spočítaly. Vanderbiltova univerzita upozornila, že i kdyby se takový nástroj mýlil jen v 1 % případů, stále by to znamenalo přibližně **750 mylně označených prací ročně** z jejích 75 000 odevzdaných prací. V důsledku toho jej vypnula. Příručka, kterou pro německé spolkové ministerstvo školství napsali výzkumníci, je jednoznačná: technologie *„není dostatečně spolehlivá, aby poskytovala právně bezpečný důkaz“*. Nezávislý evropský test čtrnácti detektorů dospěl ke stejnému verdiktu: *„ani přesné, ani spolehlivé“*.

Velká část Evropy o tom už přestala diskutovat. Francouzské ministerstvo školství a francouzský úřad pro ochranu osobních údajů školám doporučují detektory nepoužívat, nizozemská agentura pro ICT ve vzdělávání Kennisnet je označuje za vysoce nespolehlivé. Ve vysokoškolském vzdělávání jejich používání při hodnocení zakazují jednotlivé univerzity, například ZHAW v Curychu. V Anglii zkušební komise připouštějí detekční software pouze jako jeden z prvků úsudku, který zůstává na učiteli, jenž *„zná své žáky nejlépe“*. Stojí za to si zapamatovat i jeden bod týkající se ochrany osobních údajů: **vložení práce žáka do online nástroje znamená zpracování jeho osobních údajů.** K tomu je zapotřebí právní základ a smlouva s poskytovatelem. → [1.4 Soulad s předpisy při používání AI](https://playbook.dualaiteacher.eu/books/playbook-cz/page/14-soulad-s-predpisy-pri-pouzivani-ai)

Zdá se, že panika ohledně podvádění je slabší, než by odpovídalo hluku kolem ní. Výzkumníci provedli průzkum mezi žáky tří amerických středních škol před vznikem ChatGPT a poté znovu. Podvádění zůstalo zhruba na stejné úrovni. Navazující průzkum mezi více než 4 000 žáky šesti dalších amerických středních škol o rok později zjistil totéž.

Skutečná otázka nikdy nebyla „Jak ho chytím?“ Je jí: co domácí úkol vlastně ještě měří, když jeho výsledek lze vygenerovat na požádání?

„Nejdřív jsem to považoval za podvádění. Teď to vnímám jako signál, že se musí změnit samotný úkol.“

### Dvě věci, které se nedají opravit, a proto je třeba je učit

**Sebejisté smyšlenky jsou vestavěnou vlastností.** Tyto systémy generují věrohodné pokračování textu, a věrohodné není totéž co pravdivé. Přehledy výzkumu se shodují, že žádná technika tento problém dosud neodstranila, i když jej lze omezit a částečně odhalit. Důvodem je, že standardní testy používané k hodnocení velkých jazykových modelů odměňují sebejisté hádání více než přiznání nejistoty, a dokud budou modely takto hodnoceny, přetrvá určitá míra plynulé, dobře formulované nepravdy.

Zkreslení v trénovacích datech jsou vestavěná také. A navíc se s vylepšováním technologie nezmenšují. Evropská studie genderových stereotypů napříč jazyky zjistila, že větší modely, dokonce i po dodatečném tréninku určeném k tomu, aby byly bezpečnější a spravedlivější, někdy stereotypizují více, nikoli méně. Pokud se vlastnost nedá technicky odstranit, musí se stát součástí učiva. A lze ji učit: v jednom finském programu vzrostl podíl žáků, kteří dokázali vysvětlit, odkud se zkreslení generátoru obrázků bere, ze 7 % na 44 %. Důsledkem pro výuku musí být trénink v analýze chyb místo jejich pouhého vyhýbání se. Jinými slovy: chyby stroje se stávají samotnou lekcí.

„Nechte žáka zkontrolovat řešení chatbota, jako by byl učitelem. Právě hledáním chyb se metodu konečně naučí.“

### Co funguje: návrh, nikoli kontrola

Důkazy ukazují na jeden jednoduchý a snadno zapamatovatelný princip: nejprve myslet, pak AI.

- **Nechte člověka zavázat se jako první.** V experimentu s přibližně 200 dospělými se lidé, kteří museli učinit vlastní rozhodnutí *dříve*, než uviděli návrh stroje, řídili jeho chybnými návrhy méně často než lidé, kterým bylo ukázáno krátké vysvětlení uvažování stroje. Vysvětlení AI problém nevyřešilo. Pomohla metoda, která vynutila vlastní úsudek. Vynutit úsudek znamená přimět lidi přemýšlet. Protože přemýšlení vyžaduje úsilí, patřily tyto metody mezi účastníky k nejméně oblíbeným. Nejvíce však pomáhaly těm, kteří jsou již zvyklí intenzivně přemýšlet. Jde o takzvaný Matoušův efekt: ti, kteří již mají určitou výhodu, z ní získávají ještě více.
- **Zabudujte omezení přímo do nástroje.** Chatbot z kapitoly 1.2, který zadržoval odpovědi a místo toho kladl otázky, je stejná myšlenka přenesená do softwaru: žáci, kteří jej používali, na zkoušce nic neztratili, zatímco ti s neomezenou verzí dopadli výrazně hůře.
- **Zviditelněte proces, místo abyste honili výsledek.** Koncepty, pracovní poznámky, krátký rozhovor o práci. Ty vám ukážou, co žák dokáže, aniž by kdokoli musel dokazovat, co udělal.
- Dánsko pilotně ověřuje tento princip: na zapojených školách mohou žáci používat AI při přípravě na ústní zkoušku z angličtiny, zatímco písemná zkouška obsahuje ručně psanou část bez pomůcek.

**Než se na tento přístup spolehnete, je dobré znát dvě důležitá omezení.**

**První omezení:** Často doporučovaný postup, kdy učitel jednoduše zadá chatbotovi, aby se choval jako sokratovský tutor a vedl žáky k odpovědím pomocí otázek, nemusí při delším rozhovoru fungovat spolehlivě. Předběžné výsledky studie se simulovanými žáky, která k říjnu 2026 dosud neprošla recenzním řízením, naznačují, že při opakovaném naléhání mají tito AI tutoři tendenci vracet se k poskytování hotových odpovědí. Spolehlivá omezení proto musí být součástí samotného systému. Důležitější než správná formulace zadání je tak výběr vhodného AI nástroje.

**Druhé omezení:** Požádat AI, aby vysvětlila svůj postup, se může zdát jako jednoduchý způsob ověření správnosti odpovědi. Samotné vysvětlení však nezaručuje, že uživatel nebude AI příliš důvěřovat. Jedna ze studií ukázala, že vysvětlení nesnížila ochotu lidí přijímat nesprávné rady. Příliš technická nebo naopak zjednodušená vysvětlení mohou dokonce falešnou důvěru posilovat. Vysvětlení tedy může učení podpořit, samo o sobě ho však nezaručuje.

### Postoj: dva způsoby selhání, nejen jeden

Obáváme se, že učitelé vkládají do AI příliš mnoho důvěry. Měli bychom se však stejně obávat i opaku. I zkušení lidé mohou padnout za oběť přílišné důvěře. V malém pilotním projektu na amerických školách označily čtyři z deseti dotázaných učitelů zpětnou vazbu nástroje AI pro hodnocení za neužitečnou, většinou nejasnou, nebo dokonce nesprávnou. Výzkum zkreslení vlivem automatizace (automation bias) ukazuje, že lidé mají sklon přijmout návrh stroje, i když mají důvod o něm pochybovat. **Odhalit chybu a opravit ji jsou dva odlišné kroky.**

Opačným pólem je utajování. Učitelé skrývají vlastní používání AI před kolegy i žáky a zakazují jim to, co sami dělají: 77 % z nich používá AI soukromě, zatímco 57 % tvrdí, že žáci by ji nikdy neměli používat k vymýšlení nápadů. Studie akademicky nadaných žáků 6. až 8. ročníku mezitím zjistila, že mezi třetinou a dvěma pětinami z nich už tvrdí, že AI ví více než jejich učitelé. Profese, která skrývá vlastní praxi, nemůže být vzorem zodpovědného jednání, a transparentnost není jen zdvořilostí. Je to mechanismus, kterým funguje výuka vlastním příkladem.

### Pomáhá AI vyrovnávat rozdíly, nebo je naopak prohlubuje?

U pracovních úkolů AI vyrovnává rozdíly. V jednom experimentu podávali účastníci s vyšším vzděláním výrazně lepší výkony než účastníci s nižším vzděláním. S asistentem AI zmizely zhruba tři čtvrtiny tohoto rozdílu. Když byl tutor znovu odebrán, značná část rozdílu se vrátila. **AI odstranila rozdíl ve výstupu, nikoli rozdíl ve schopnostech.**

U učebních úkolů je tomu naopak. Jedna studie nezjistila v průměru žádný přínos, ale zjistila rostoucí propast mezi žáky, kteří už toho hodně věděli, a těmi, kteří ne. Jiná studie se zaměřila na žáky píšící v cizím jazyce: slabší pisatelé dostávali od AI více oprav a úspěšně jich uplatnili méně, a mnozí považovali záplavu zpětné vazby za skličující. Zpětná vazba bez schopnosti ji roztřídit nepomáhá; zavaluje.

Rozdíly mezi žáky existují ještě předtím, než začnou AI vůbec používat. V Německu vnímá umělou inteligenci jako příležitost 80 % žáků z nejlépe socioekonomicky zajištěných rodin, zatímco mezi žáky z nejméně zvýhodněného prostředí je to pouze 55 %. Ve Spojeném království vede dělicí čára spíše sborovnou než skladem se zařízením: **45 % učitelů na soukromých školách absolvovalo formální školení v používání AI, oproti 21 % na státních školách.** V rámci státního sektoru bohatší školy opět předstihují ty chudší. Průzkum z roku 2026 mezi více než 25 000 dětmi ze 17 evropských zemí ukazuje stejné sociální rozdělení v tom, jak moc a jak různorodě AI používají. Výrok jednoho komentátora vystihuje celý problém lépe než jakékoli číslo: *„bohatí mají přístup k technologii i k lidem, kteří jim pomohou ji používat, zatímco chudí mají přístup pouze k technologii.“*

Rozhodujícím faktorem je tedy to, zda má žák k dispozici učitele, který je na využívání AI dostatečně připraven. Umělá inteligence může pomáhat vyrovnávat rozdíly mezi žáky, pokud jsou splněny tři podmínky: dostupnost technologií, využívání nástrojů navržených pro podporu učení, nikoli pouze pro poskytování hotových odpovědí, a odborné vedení ze strany učitele. Pokud některá z těchto podmínek chybí, může AI naopak rozdíly prohlubovat. Protože se všechny tři podmínky často vyskytují společně na stejných školách, zatímco jinde chybějí, AI má přirozenou tendenci existující nerovnosti prohlubovat. Jejich vyrovnávání proto vyžaduje cílené úsilí.

# 1.4 Soulad s předpisy při používání AI

<p class="callout info">**Upozornění:** Tuto kapitolu jsme pečlivě zpracovali, ale právo v oblasti AI se rychle vyvíjí. Právní předpisy se od vydání této příručky mohly změnit. Vždy si proto ověřte jejich aktuální znění a v případě potřeby postupujte podle platné legislativy ve své zemi. Tato kapitola nepředstavuje právní poradenství.</p>

### Shrnutí

- ***Neexistuje žádné právní vakuum.*** Právo na ochranu osobních údajů platilo vždy.
- ***Harmonogram se posunul.*** Povinnosti pro vysoce rizikové systémy AI ve vzdělávání začínají platit **2. prosince 2027**, nikoli v srpnu 2026. Ověřte si to v podkladech své školy (viz také [1.6](https://playbook.dualaiteacher.eu/books/playbook-cz/page/16-legislativa "1.6 Legislativa")).
- ***Již závazné od února 2025.*** Systémy, které čtou emoce žáků z jejich obličeje nebo hlasu, jsou zakázány a školy, které používají AI, musí přijmout opatření k budování gramotnosti svých zaměstnanců v oblasti AI. Od srpna 2026 musí chatboti uvádět, že jsou AI, a deepfaky musí být označeny.
- ***Největší výzvou je ochrana osobních údajů.*** Údaje o žácích nesmí být zadávány do AI nástrojů bez odpovídající smluvní ochrany, která vylučuje jejich využití k trénování AI. Samotný souhlas obvykle nestačí a pouhé odstranění jmen neznamená anonymizaci údajů.
- ***V autorském právu je problémem samotné nahrání.*** Výjimka pro výuku se nevztahuje na vkládání chráněných děl do AI.
- ***Detektory neobstojí jako důkaz.*** Soudy uznaly závěry vyvozené z konkrétních skutečností. Pravidla musí být jasná předem a požadavek na přiznání použití AI je lepší než zákaz.
- ***Známky zůstávají věcí člověka.*** Pro nás je to samozřejmé, ale je důležité zdůraznit, že formální odklepnutí návrhu od AI není lidským rozhodnutím.
- ***Odpovědnost leží na zadavateli nákupu, nikoli na vás*** – a soulad s předpisy umožňuje, nebrání. Školy s jasnými pravidly jsou právě ty, jejichž učitelé uvádějí, že ušetří nejvíce času.

> Pokud si z této stránky máte zapamatovat jen jednu větu: Soulad s předpisy je dům, nikoli zeď.
> 
> ### Co smím dělat?
> 
> Než cokoli napíšete, vložíte nebo nahrajete, mějte na paměti tyto čtyři kroky. Následující přehled používejte jako obecné vodítko. Požadavky ve vaší zemi se mohou od zde uvedených lišit. **Proto si vždy ověřte předpisy platné pro vaši zemi a školu.**
> 
> [![Rozhodovací strom pro bezpečné používání AI ve škole.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/rozhodovaci-strom-pro-bezpecne-pouzivani-ai-ve-skole.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/fig-1-4-1.jpg)
> 
> Obr. 1 (obrázek vygenerovaný pomocí AI)
> 
> „Nejsme si ani jistí, co smíme dělat, a už vůbec ne, pokud jde o ochranu osobních údajů.“

### Čtenářský deník, třetí pohled

Náš žák deváté třídy, jeho čtenářský deník, podezření jeho učitelky. V [kapitole 1.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/12-vyuka-o-ai-versus-vyuka-s-ai "1.2 Výuka o AI versus výuka s AI") šlo o otázku učení; v [kapitole 1.3](https://playbook.dualaiteacher.eu/books/playbook-cz/page/13-zodpovedne-pouzivani-ai "1.3 Zodpovědné používání AI") o odborný úsudek. Zde je to soudní spis.

V prosinci 2025 rozhodl Správní soud v Hamburku, v Německu, o naléhavém návrhu v tomto případu. Učitelka angličtiny si všimla, že čtenářský deník je napsán na mnohem vyšší úrovni pravopisu, gramatiky a slovní zásoby než chlapcova písemná práce ve třídě o téže knize. Chlapec později přiznal, že použil ChatGPT, a škola deník hodnotila jako pokus o podvod. Jeho otec podal k soudu návrh na předběžné opatření; soud jej zamítl. Jeho odůvodnění přesahuje tento případ: žáci musí předpokládat, že mají svou práci vypracovat zcela samostatně, pokud jim nebyla výslovně povolena nějaká pomůcka – neoznámené použití AI je tedy podvodem i bez písemného pravidla proti AI. (V tomto případě učitelka třídě ve skutečnosti řekla, že ChatGPT není povolen.) Jednu výhradu je třeba mít na paměti hned od začátku: jde o rozhodnutí jediného soudu, v řízení o předběžném opatření, a není pravomocné.

Toto je vhodná chvíle věnovat se nejčastějšímu omylu v této oblasti. Neexistuje žádné právní vakuum. Nikdy neexistovalo.

### Dům má tři patra

Mnoho učitelů vnímá právní regulaci umělé inteligence jako soubor nových pravidel, která se teprve připravují v Bruselu. Užitečnější je však představit si ji jako dům, ve kterém už dávno žijeme. **Základy domu tvoří ochrana osobních údajů.** Jsou pevně dané, existují již řadu let a ovlivňují každodenní fungování škol. **Horní patro představuje Akt o umělé inteligenci (AI Act)**, evropské nařízení, které rozděluje systémy AI podle míry rizika a stanovuje jim odpovídající povinnosti. Některá jeho ustanovení již platí, jiná se teprve začnou uplatňovat a harmonogram jejich zavádění se může měnit. **Dveře a okna symbolizují autorské právo a pravidla školního hodnocení.** Jde o konkrétní předpisy, se kterými se učitelé setkávají při každodenní práci, často aniž by si to uvědomovali.

[![Dům pravidel pro AI ve školách.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/dum-pravidel-pro-ai-ve-skolach.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/fig-1-4-2.jpg)

Obr. 2: „Soulad s předpisy je dům“ (obrázek vygenerovaný pomocí AI)

#### Přízemí: ochrana osobních údajů, jasnější, než si mnozí myslí

Nakládání s něčími osobními údaji vždy vyžaduje právní opodstatnění. Jako veřejnoprávní subjekt škola své oprávnění v zásadě odvozuje ze svých zákonných povinností podle školského práva. Neexistuje žádná obecná licence, která by přišla automaticky s tím, že jste učitel.

Z toho plynou tři důsledky, které tvoří praktické jádro této kapitoly.

Souhlas problém neřeší. Jedním zjevným řešením by bylo prostě se zeptat rodičů. Tento přístup má však dva nedostatky. Zaprvé, souhlas musí být udělen svobodně. Ve školním kontextu, kde hrají roli známky, žádost učitele nepředstavuje svobodnou volbu. Zadruhé, souhlas musí být informovaný, čehož je obtížné dosáhnout, když nikdo neví, kde údaje skončí. Oprávnění musí vycházet ze školského práva, nikoli z podpisu, protože to přesouvá odpovědnost výše, mimo vás.

Odstranění jmen údaje neanonymizuje. V roce 2024 německé úřady pro ochranu osobních údajů společně prohlásily, že pokud lze osobu z kontextu stále identifikovat, jde stále o osobní údaj. To je ve školách obzvlášť problematické, protože právě u typů textů, u nichž učitelé nejvíce potřebují pomoc – esejí, volného psaní a čtenářských deníků – prozrazuje autora už samotný styl.

Dělicí linií je smlouva: poskytovatel smí s vašimi údaji nakládat, pokud tak činí výhradně na váš pokyn a existuje o tom písemná dohoda. Ve chvíli, kdy ale to, co napíšete, použije pro vlastní účely, dohoda se hroutí, protože už nejedná vaším jménem. Praktický test tedy zní: existuje taková dohoda a vylučuje trénování na vašich vstupech? Pokud ne, žádné osobní údaje by se neměly vkládat.

Dvě poznámky pod čarou stojí za zmínku: údaje týkající se zdraví a zdravotního postižení podléhají podle práva EU ještě přísnější ochraně. Do nástroje AI nepatří. A tam, kde učitelé používají soukromá zařízení, přinejmenším dva německé spolkové státy (Severní Porýní-Vestfálsko a Bavorsko) jasně stanoví, že **odpovědnost za ochranu osobních údajů nese škola a její ředitel**, který musí takové používání schválit.

#### Horní patro: co Akt o AI zatím vyžaduje a co ještě ne

**Zde je oprava, kvůli které je většina existujících podkladů zastaralá.** V červenci 2026 EU pozměňujícím nařízením známým jako Digital Omnibus odložila nejtěžší soubor povinností Aktu o AI pro vzdělávání – tedy těch, které se týkají systémů zařazených jako **vysoce rizikové**, tedy systémů používaných k rozhodování o přijímání, k hodnocení toho, co se žáci naučili, nebo k jejich sledování během zkoušek – **ze srpna 2026 na 2. prosince 2027**. Velké množství podkladů napsaných v roce 2025 a na počátku roku 2026 stále uvádí staré datum. Pokud takový dokument máte ve své škole, potřebuje poznámku pod čarou.

Užitečnější oprava jde opačným směrem: to, co už platí, se podceňuje, a to, o čem se nekonečně diskutuje, ještě neplatí.

Dvě věci jsou závazné od 2. února 2025.

- **Rozpoznávání emocí ve školách je zakázáno.** Systémy, které tvrdí, že dokážou číst pocity žáků z jejich obličeje, hlasu nebo těla – analýza nálady, hodnocení „zapojení“ z webkamery –, se nacházejí na krátkém seznamu praktik Aktu, které jsou prostě zakázány, s úzkými výjimkami ze zdravotních nebo bezpečnostních důvodů. Nástroje, které pouze rozpoznávají únavu nebo to, zda se někdo dívá na obrazovku, jsou šedou zónou; to je otázka pro nákup, nikoli pro třídu.
- **Školy, které nasazují AI, musí přijmout opatření k budování gramotnosti svých zaměstnanců v oblasti AI.** Od července 2026 zákon stanoví, že není nutné zaručit žádnou konkrétní úroveň – nedělat nic však není možné. Za porušení této povinnosti nehrozí žádná pokuta na úrovni EU, a proto je široce přehlížena; vnitrostátní orgány ji mohou vymáhat od srpna 2026.

**Od 2. prosince 2026 je zakázáno používat AI k vytváření sexualizovaných deepfake materiálů zobrazujících identifikovatelné osoby.**

Přečtěte si tuto druhou povinnost společně s [kapitolou 1.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/12-vyuka-o-ai-versus-vyuka-s-ai "1.2 Výuka o AI versus výuka s AI") a něco zapadne na místo. Propast mezi znalostmi o AI a schopností s ní vyučovat už není jen odborným problémem. **Od února 2025 jsou školy ze zákona povinny na ní pracovat.**

Od **2. srpna 2026** musí chatboti uživatelům sdělovat, že jsou AI, a poskytovatelé musí obsah vygenerovaný AI strojově čitelně označovat; samotné školy musí označovat deepfaky a texty napsané pomocí AI, které zveřejňují za účelem informování veřejnosti. Pracovní list, který učitel zkontroloval, žádné označení nepotřebuje. Od **2. prosince 2027** platí povinnosti pro vysoce rizikové systémy – systémy používané k rozhodování o přijímání, k hodnocení toho, co se žáci naučili, nebo k jejich sledování během zkoušek. Kdokoli takový systém *používá*, přebírá vlastní povinnosti, mimo jiné svěřit dohled osobám, které mají, slovy Aktu, *„nezbytnou způsobilost, odbornou přípravu a pravomoc“*.

#### Dveře a okna: autorské právo a zkoušky

Poněkud proti intuici je **to, co z AI vychází ven, tou snadnější částí.** Text nebo obrázek, který AI vygeneruje sama, nemá lidského autora ve smyslu vyžadovaném autorským právem, takže sám o sobě obvykle není chráněn; pokud jej člověk utváří vlastními tvůrčími rozhodnutími, výsledek chráněn být může. Není to však zárukou, že je „čistý“: v široce sledovaném rozsudku mnichovský soud zjistil, že si chatbot zapamatoval texty písní a reprodukoval je téměř doslovně. Soud přisoudil odpovědnost **poskytovateli**, nikoli osobě, která zadání napsala. Rozsudek není pravomocný.

Výjimka, která učitelům umožňuje kopírovat materiál pro výuku, se vztahuje přesně na toto: kopírování omezené části díla pro danou třídu. **Nahrání chráněného díla do komerčního systému AI je jiný úkon a výjimka jej neřeší.** Materiál vytvořený přímo pro školní výuku, jako jsou učebnice a pracovní sešity, je z výjimky v zásadě vyloučen, pokud jsou pro něj snadno dostupné licence.

**Jak moc by vás to mělo znepokojovat?** Méně, než by se z té mezery mohlo zdát, a přece víc než vůbec. Tato otázka zatím zůstává právně nevyřešená. Žádný soud vyšší instance o ní dosud nerozhodl a podle odborné literatury se na tuto situaci stávající zákonné výjimky příliš nehodí. Tam, kde nositel práv vznese námitku, šlo by o civilní nárok, a v praxi je to spíše záležitost školní politiky a nákupu než něco, co může vyřešit jednotlivý učitel. V praxi je jasný úzký případ. Je to hranice, kterou stanovují vzdělávací nakladatelé, a stojí za to si ji zapamatovat: **materiály ze školních učebnic a od nakladatelů by se do nástrojů AI neměly vkládat vůbec – ani naskenované, ani přepsané, dokonce ani pro vytvoření pracovního listu.**

Judikatura v této oblasti je napříč Evropou v současnosti nejednotná. V únoru 2026 rozhodl Správní soud v Kasselu, v Německu, o dvou univerzitních případech stejně a velmi ostře: přestože univerzita neměla výslovný zákaz AI, hranice byla překročena *„už při jediném neoznámeném použití generativní AI“*. Rozsudky nejsou pravomocné. Ve stejném měsíci pařížský správní soud v řízení o předběžném opatření zabránil univerzitě sankcionovat studenta, protože univerzita předem nestanovila žádné pravidlo pro používání AI. Švédský odvolací soud dospěl již dříve k podobnému výsledku: student odevzdal tři vymyšlené citace, ale pravidla kurzu povolovala pro práci vypracovávanou doma „veškeré pomůcky“, takže nebylo porušeno žádné pravidlo. Naproti tomu v Nizozemsku nejvyšší správní soud v červenci 2025 potvrdil sankci vůči studentovi práv, který předložil čtyři neexistující zdroje: podvod byl prokázán nade vší rozumnou pochybnost a na tom, zda měl v úmyslu klamat, nezáleželo.

Vzorec napříč jurisdikcemi tedy nesouvisí se zeměmi. Souvisí s tím, zda pravidlo existovalo předem a zda byl podvod skutečně prokázán.

Z toho pro praxi plynou tři pravidla.

1. **Detektory neunesou důkazní břemeno.** Podvod musí prokázat škola. Soudy uznaly závěry vyvozené z konkrétních skutečností: zdroje, které se ukážou jako neexistující, zřetelný rozdíl mezi tím, co žák napíše, a tím, co dokáže ústně vysvětlit, náhlé skoky v úrovni v rámci téhož textu, přiznání. Žák pak může podat vysvětlení. Samotný styl psaní je slabým základem – přední němečtí právní komentátoři pochybují, že na něm lze zjištění vůbec postavit. Výstup detektoru je v nejlepším případě důvodem podívat se blíže. Míra chybovosti uvedená v [kapitole 1.3](https://playbook.dualaiteacher.eu/books/playbook-cz/page/13-zodpovedne-pouzivani-ai "1.3 Zodpovědné používání AI") jej činí jako důkaz nepoužitelným.
2. **Pravidla musí být jasná před hodnocením, nikoli až po něm.** Neobstojí ani plošný zákaz, ani plošné povolení. Funguje prohlášení o samostatné práci s doložkou o AI, spolu s povinností uvést, co bylo použito. Přiznání místo zákazu.
3. **Známky zůstávají věcí člověka.** Lidé mají právo nebýt předmětem rozhodnutí s právními účinky, která činí samotný stroj, a školy nemají žádný právní základ pro to, aby taková rozhodnutí přijímaly pomocí softwaru; známka takovým rozhodnutím je. Německá Stálá konference ministrů školství a kultury to formuluje ještě ostřeji: hodnocení je úkolem, který dokážou vykonat jen učitelé. A zásadně platí, že **formální odklepnutí návrhu od AI se za lidské rozhodnutí nepovažuje.** Zjištění, že lidé často přijímají chybnou zpětnou vazbu od AI, je tedy právním i pedagogickým problémem.

„Každý experimentuje na vlastní pěst, takže se pravidla mění z hodiny na hodinu.“

Právo, etika a didaktika tak dospívají ke stejné odpovědi: hodnoťte proces, nejen výsledek.

### Kde skutečně leží odpovědnost

V reakci na to Německo zavedlo státem poskytovaná školní prostředí AI. Jde o prověřené platformy se sjednanými smlouvami, místo aby se učitelům ponechalo, aby se sami přihlašovali k čemukoli, co je zdarma. Ačkoli tím řeší problémy, které jednotliví učitelé sami vyřešit nemohou, tyto platformy jsou stále kritizovány kvůli způsobu, jakým jsou řízeny, tomu, zda je učitelé skutečně přijímají, a tomu, zda jsou hodnocení, která podporují, spolehlivá. Protože se zavádění v jednotlivých spolkových zemích liší, bude nějakou dobu trvat, než se ukáže, jak si učitelé s těmito platformami vedou.

To, co je na tomto přístupu skutečně specifické, je užší, než se na první pohled může zdát, a stojí za to to vyjádřit přesně. Německo je jediný systém, který jsme našli, v němž platformu vyvíjí a provozuje sám veřejný subjekt – FWU, vlastněný spolkovými zeměmi – s technickými dodavateli. Francie poskytuje adaptivní procvičovací software pro celý ročník, ale jeho vytvoření zadala externě: jedna soukromá společnost napsala software, druhá hostuje data. Několik dalších zemí si koupilo přístup ke komerčním chatbotům; většina ostatních nabízí pouze metodické pokyny.

Vybudovat si platformu sám automaticky neznamená mít větší kontrolu. Německá platforma běží na stejných komerčních jazykových modelech na evropských serverech jako platformy všech ostatních, jak upozornilo jedno odvětvové sdružení. Francouzský systém je naproti tomu hostován ve Francii pod nejvyšším bezpečnostním certifikátem, jaký francouzský stát uděluje. Jedna země si postavila fasádu domu a pronajímá si motor, druhá si koupila software a nechala si klíče od budovy. Ani jedna z možností jednoznačně nepředstavuje tu „nejsuverénnější“ volbu, což stojí za zvážení, než tento pojem použijete.

Nizozemsko zvolilo odlišný přístup, který stojí za pozornost, protože nabízí transparentnější způsob řešení stejného problému. Namísto vývoje vlastních nástrojů nebo nákupu nových řešení se nizozemské školy a univerzity spojily a nechaly provést nezávislé posouzení hlavních poskytovatelů AI. Při prověřování AI asistenta společnosti Microsoft odhalily dva zásadní nedostatky, které se nepodařilo odstranit: netransparentní pravidla automatického filtrování obsahu, která společnost odmítla zveřejnit, a uchovávání diagnostických dat po dobu 18 měsíců, pro které nebylo nalezeno dostatečné odůvodnění. Vyjednávaly. V březnu 2026 však poskytovatel odmítl cokoli změnit. Hodnocení tak zůstává na „oranžové“, a nizozemským školám se doporučuje postupovat obezřetně a posuzovat případ od případu, místo aby dostaly plošné schválení. Jedna země riziko odstranila tím, že si vybudovala vlastní obchvat, druhá se podívala blíž a rozhodla se, že na to ještě není připravena. Obě cesty nabízejí řešení problému, který byl představen na začátku této kapitoly.

Toto srovnání ještě jednu věc vyjasňuje. Stížnost, že učitelé dávají přednost bezplatnému chatbotu před tím oficiálním, není v Německu důsledkem selhání implementace. V Estonsku, kde stát vyjednal přístup pro žáky vyššího sekundárního stupně, používala oficiálního chatbota sedm měsíců po zahájení programu týdně sotva o něco více než třetina z nich. Ukázalo se, že většina z nich používala bezplatné nástroje už předtím, než program začal. **Všude prověřené prostředí soupeří s tím pohodlnějším.** Poskytnout oficiální nástroj je nezbytné. To však nestačí.

Strukturální bod nicméně platí: soulad s předpisy je podmínkou, která věci umožňuje, nikoli překážkou. Vzpomínáte, co zaznělo v [kapitole 1.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/12-vyuka-o-ai-versus-vyuka-s-ai "1.2 Výuka o AI versus výuka s AI")? **Školy s jasnými pravidly měly více učitelů, kteří AI používali – a celkově ušetřily více času.** Pravidla používání nezpomalila.

# 1.5 Současný stav AI ve vzdělávání

### Shrnutí

- **AI je ve vzdělávacím prostředí již široce používána.**
    - **Výuka s AI.** Učitelé v současnosti AI používají k přípravě nebo zlepšování plánů hodin, k hodnocení a k odlišení obsahu pro různé úrovně vzdělávání.
    - **Výuka o AI.** Žáci AI používají, přestože nemají žádný základ v tom, co AI je, jaká jsou její omezení a jak ji používat zodpovědně.
- **Je zapotřebí technického porozumění a kritického myšlení.** Učitelé i žáci potřebují rozumět tomu, jak jazykové modely fungují (trénování, nakládání s daty, jejich předpovídací povaha), a musí si osvojit praktické ověřovací dovednosti, od odhalování smyšlených citací až po ověřování faktické správnosti obsahu vytvořeného AI.
- **Je třeba definovat zodpovědné používání a etický postoj.** Je zapotřebí orientace v právní a etické oblasti (AI Act, GDPR), stejně jako přístup k AI jako k podpoře, nikoli náhradě lidského myšlení, založený na transparentnosti a odpovědnosti, spolu s výslovnou výukou formulování zadání jako naučitelné dovednosti.
- **Je zapotřebí rovného přístupu a nových modelů hodnocení.** Je třeba chránit rovný přístup k nástrojům AI (veřejné financování, otevřené modely, politiky minimálního věku), a zároveň posunout hodnocení od známkování konečného výsledku k posuzování procesu a schopnosti žáků kriticky pracovat s výstupy AI.

> Pokud si z této stránky máte zapamatovat jen jednu větu: AI je ve vzdělávacím prostředí již přítomna, ale není regulována. Je zapotřebí strukturovaných rámců, které podpoří odborný rozvoj pedagogů, zlepší jejich znalosti a umožní jim učit s AI i o AI.

### Současné využití AI ve vzdělávacím prostředí

Umělá inteligence (AI) je dnes součástí každodenní vzdělávací praxe, a to zdaleka nejen v podobě pilotních projektů. Mezi běžné aplikace patří adaptivní vzdělávací platformy, inteligentní tutorovací systémy, automatizované hodnocení a příprava hodin s pomocí AI pro učitele (OECD, 2026). Nejviditelnější změnou je však přímé používání obecných nástrojů jak žáky, tak učiteli.

#### Výuka s AI

AI učitelé stále více využívají jako podpůrný nástroj v mnoha fázích své práce, od přípravy hodin až po hodnocení. Podle průzkumu OECD TALIS uvedlo v roce 2024 používání AI 37 % učitelů nižšího sekundárního vzdělávání, přičemž 57 % z nich uvedlo, že jim AI pomáhá psát nebo zlepšovat plány hodin (OECD, 2026). Kromě přípravy vyučovacích hodin využívají učitelé AI také k přizpůsobování učiva různým úrovním znalostí a dovedností žáků, tvorbě procvičovacích materiálů a podpoře hodnocení. Využívání AI však přináší i určitá rizika. Celkem 72 % učitelů vyjádřilo obavy, že AI může žákům usnadnit vydávání vygenerovaného obsahu za vlastní práci. To poukazuje na rozpor mezi praktickými přínosy AI ve výuce a potřebou zachovat poctivost při plnění školních úkolů (OECD, 2026).

#### Výuka o AI

Vedle používání AI jako výukové pomůcky roste i potřeba učit žáky o samotné AI: jak funguje, jaká jsou její omezení a jak ji používat zodpovědně. To zahrnuje vybudování základního porozumění jazykovým modelům jako predikčním strojům, nikoli databázím, což vysvětluje jejich sklon k halucinacím, stejně jako praktické dovednosti, jako je ověřování faktické správnosti výstupů AI a rozpoznávání smyšlených citací (UNESCO, 2024). Zahrnuje to také rozvíjení kritického myšlení ohledně formulování zadání, posun žáků od pouhého následování pokynů k jejich samostatné formulaci, a budování povědomí o etických a právních rozměrech používání AI, včetně ochrany osobních údajů a evropského Aktu o AI. Rámec UNESCO pro kompetence učitelů v oblasti umělé inteligence (AI Competency Framework for Teachers, 2024) považuje tyto znalosti a dovednosti za klíčovou součást odborných kompetencí pedagogů. Zdůrazňuje, že učitelé musí nejprve sami získat potřebné vzdělání v těchto oblastech, aby je následně dokázali účinně předávat svým žákům.

### Co chybí?

Vedle institucionálních rámců a dat o zavádění AI je důležité porozumět tomu, jak se tato dynamika projevuje v praxi. V rámci projektu DUAL.AI.TEACHer proběhla série workshopů. Na nich byla oslovena řada aktérů ze vzdělávací oblasti s cílem získat bezprostřední pohled na současné používání AI ve výuce. Tyto workshopy odhalily řadu konkrétních potřeb a obav vyjádřených pedagogy, které se týkaly praktických, pedagogických i vzdělávacích aspektů. Následující oddíly tyto potřeby podrobně popisují.

- **Porozumění fungování AI.** Žáci i učitelé by měli vědět, jak vznikají a jak se trénují jazykové modely a co se děje s údaji, které do nich zadávají. Důležité je také pochopit, že tyto modely fungují na principu předpovídání pravděpodobných odpovědí, nikoli jako databáze ověřených informací. Proto mohou vytvářet i nesprávné nebo smyšlené informace (tzv. halucinace). Učitelé by proto měli absolvovat srozumitelné školení zaměřené na základní principy fungování velkých jazykových modelů.
- **Kritické myšlení, kladení otázek a ověřování AI.** Žáci i učitelé musí být schopni zpochybňovat odpovědi vygenerované AI a rozpoznávat smyšlené informace. Jsou zapotřebí i praktické ověřovací dovednosti, od porovnávání výstupů AI s oficiálními zdroji až po rozpoznávání obrázků a videí vytvořených AI. Žáci se musí posunout od pouhého následování pokynů k jejich formulování a kritickému přemýšlení o požadovaném výstupu.
- **Etika, ochrana osobních údajů a regulace.** Je zapotřebí obecné porozumění etickým a právním aspektům používání AI, včetně evropského Aktu o AI a GDPR. Bezpečné a zodpovědné používání je nezbytné k předcházení nelegálním praktikám, spolu s povědomím o souvisejících otázkách, jako je zkreslení ve výukových materiálech a nespolehlivost detektorů AI.
- **Odpovědné používání AI.** Umělou inteligenci je důležité využívat jako podpůrný nástroj, nikoli jako náhradu vlastního myšlení. Žáci by měli jasně rozlišovat mezi svou vlastní prací a obsahem vytvořeným pomocí AI. Tento přístup, někdy označovaný jako „kyborgí psaní“, spočívá v tom, že AI rozvíjí a podporuje myšlenky autora, místo aby je vytvářela za něj. Důležité je také posilovat samostatnost žáků a jejich odpovědnost za výslednou práci.
- **Praktické dovednosti.** S formulováním zadání (promptů) je třeba zacházet jako s naučitelnou dovedností, nikoli jako s něčím, co si člověk osvojí sám od sebe. Učitelé i žáci potřebují výslovnou výuku psaní účinných zadání a učitelé potřebují proškolení v tvorbě zadání pro přípravu hodin, diferenciaci výuky a hodnocení. Zapotřebí je také širší obeznámenost s nástroji, aby bylo možné vybrat vhodný nástroj pro daný předmět.
- **Rovný přístup a infrastruktura.** Přístup k AI je jádrem rostoucích obav o rovnost, protože bohatší školské obvody si mohou dovolit lepší nástroje, což prohlubuje rozdíly ve schopnostech mezi školami. Je zapotřebí veřejného financování, které zaručí rovný přístup bez ohledu na zdroje dané školy, přičemž součástí tohoto úsilí by mělo být upřednostňování otevřených modelů AI před komerčními. Je také třeba stanovit minimální věk pro používání AI.
- **Hodnocení.** Je zapotřebí odlišného přístupu k hodnocení, zaměřeného na proces, nikoli na konečný výsledek, včetně reflexí žáků nad koncepty vytvořenými pomocí AI. Zapotřebí jsou také úkoly integrující AI, které hodnotí schopnost žáků kriticky posoudit, ověřit a upravit výstup AI, což nastoluje otázky ohledně role člověka i v případech, kdy samotní učitelé při hodnocení spoléhají na AI. Zapotřebí jsou rovněž konkrétní metody pro výuku, jako je ověřování faktické správnosti textu vytvořeného AI, porovnávání odpovědí různých chatbotů, diskuse o používání AI v domácích úkolech a zapojení nedigitálních nástrojů, jako jsou flipchartové tabule.

„Kdo učí s AI, musí umět ověřit každou odpověď, kterou dává, protože chyby se stávají. Bez solidních oborových znalostí je neodhalíte.“

# 1.6 Legislativa

<p class="callout info">**Upozornění:** Přestože jsme tuto kapitolu připravili s maximální pečlivostí, právní předpisy upravující využívání AI se rychle vyvíjejí. Od vydání této příručky mohlo dojít ke změnám, proto si vždy ověřte aktuální právní úpravu a zohledněte příslušné předpisy platné ve vaší zemi. Informace uvedené v této kapitole nenahrazují odborné právní poradenství.</p>

### Shrnutí

- **Právním základem je Akt o AI Evropské unie.** Pravidla EU pro AI platí od srpna 2024 a postupně nabývají účinnosti až do roku 2027. Vztahují se nejen na technologické společnosti, ale i na školy.
- **Gramotnost v oblasti AI je povinností, ne kurzem k odškrtnutí.** Školy musí svým zaměstnancům pomáhat budovat gramotnost v oblasti AI.
- **Některé způsoby využívání AI jsou výslovně zakázány.** Patří mezi ně například rozpoznávání emocí žáků na základě mimiky nebo hlasu, využívání AI ke zneužívání zranitelnosti dětí a ovlivňování jejich chování, vytváření databází pro rozpoznávání obličejů nebo používání biometrických údajů k odvozování citlivých charakteristik, jako je rasa či náboženské vyznání.
- **Riziko závisí na rozhodnutí, nikoli na produktu.** Běžné nástroje pro psaní, research, překlad a přípravu hodin nejsou vysoce rizikové jen proto, že se používají ve škole. Vysoce rizikovými se stávají ve chvíli, kdy ovlivňují přijetí, vzdělávací dráhu, výsledky zkoušek nebo pracovní rozhodnutí.
- **Ne všechno, co vytvoří AI, musí být označeno.** Povinnost informovat leží především na poskytovateli; materiál zkontrolovaný učitelem s lidskou redakční kontrolou je z této povinnosti vyňat.
- **Vysoce rizikové systémy AI vyžadují člověka, který je může přehlasovat.** Výstup AI nikdy není konečným rozhodnutím. Musíte rozumět jeho omezením a být schopni jej odmítnout nebo přehlasovat.
- **Akt o AI stojí nad ostatními zákony, nenahrazuje je.** Vnitrostátní právo na ochranu osobních údajů, školské, pracovní právo, právo na ochranu dětí a autorské právo platí i nadále souběžně s ním.
- **GDPR upravuje data, nikoli jen nástroj.** I systém AI, který je v pořádku podle Aktu o AI, může být nadále nepřípustný, pokud zpracovává osobní údaje žáků nebo zaměstnanců bez platného právního základu.

> Pokud si z této stránky máte zapamatovat jen jednu větu: Používejte AI na podporu svého odborného úsudku, nikoli jako jeho náhradu – přísnější pravidla platí, jakmile AI pomáhá rozhodovat o známkách, vzdělávací dráze nebo o lidech.

### Akt EU o umělé inteligenci

Akt EU o umělé inteligenci (nařízení (EU) 2024/1689) je jednotný, na riziku založený předpisový rámec EU pro umělou inteligenci. Namísto regulace konkrétních produktů klasifikuje systémy AI podle rizika, které představují, a podle toho k nim přiřazuje povinnosti – od naprostého zákazu u malé skupiny praktik, přes dodatečné povinnosti pro „vysoce rizikové“ použití, až po žádná zvláštní pravidla pro běžné nástroje. Platí přímo ve všech členských státech, a to jak pro veřejné, tak pro soukromé subjekty.

Akt nabývá účinnosti postupně. Platí od 1. srpna 2024; od 2. února 2025 jsou již závazné níže uvedené zakázané praktiky a povinnost budovat gramotnost v oblasti AI ([čl. 4](https://overview.legal/laws/ai-act/art-4)); od 2. srpna 2026 se uplatní většina jeho zbývajících ustanovení.

[![Časová osa AI Actu 2024–2027.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/casova-osa-ai-actu-2024-2027.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/9q1fig1-1-6.jpg)

Obr. 1: „Plán postupu v oblasti AI“ (obrázek vygenerovaný pomocí AI)

### Kdo odpovídá za používání AI?

Pokud škola zavádí a řídí systém AI, je zpravidla zavádějícím subjektem škola nebo školský orgán ([čl. 3 odst. 4](https://overview.legal/laws/ai-act/art-3)). Učitel obvykle není samostatným zavádějícím subjektem, pokud nástroj používá podle pokynů školy, musí se však i tak řídit těmito pokyny a všemi příslušnými školními pravidly a pravidly ochrany osobních údajů.

### Učitelé musí vědět, co používají

Školy a školské orgány musí přijmout vhodná opatření na podporu rozvoje gramotnosti v oblasti AI u osob, které jejich jménem systémy AI používají ([čl. 4](https://overview.legal/laws/ai-act/art-4)). Akt o AI nestanovuje konkrétní úroveň způsobilosti, certifikát ani formu školení. Ty spíše závisí na použitém systému AI, způsobu jeho použití a na tom, koho se to může dotknout.

### Praktiky AI zcela zakázané pro školy

Akt o AI zcela zakazuje osm praktik v oblasti AI ([čl. 5](https://overview.legal/laws/ai-act/art-5)); čtyři z nich se přímo týkají škol:

1. Používání systémů AI ve vzdělávacích institucích k odvozování emocí nebo záměrů z biometrických údajů (jako jsou mimika nebo hlasové charakteristiky žáků) je obecně zakázáno. Existují úzké výjimky pro lékařské účely nebo účely bezpečnosti ([čl. 3 odst. 39](https://overview.legal/laws/ai-act/art-3); [čl. 5 odst. 1 písm. f](https://overview.legal/laws/ai-act/art-5)).
2. Systémy AI, které zneužívají něčí zranitelnost danou věkem (jako u dětí), zdravotním postižením nebo sociální či ekonomickou situací, způsobem, který zkresluje jejich chování a způsobuje jim újmu, jsou zakázány bez ohledu na záměr ([čl. 5 odst. 1 písm. b](https://overview.legal/laws/ai-act/art-5)).
3. Budování nebo rozšiřování databáze pro rozpoznávání obličejů necíleným stahováním obrázků z internetu nebo z kamerových záznamů je zakázáno. To je relevantní, pokud škola zvažuje nástroj pro rozpoznávání obličejů pro účely docházky nebo dohledu při zkouškách ([čl. 5 odst. 1 písm. e](https://overview.legal/laws/ai-act/art-5)).
4. Používání biometrických údajů ke kategorizaci osob za účelem odvození chráněných znaků, jako je rasa, politické názory, náboženství nebo sexuální orientace, je zakázáno. To je relevantní pro jakýkoli nástroj založený na biometrii, například software pro dohled nad zkouškami, který jde nad rámec svého deklarovaného účelu ([čl. 5 odst. 1 písm. g](https://overview.legal/laws/ai-act/art-5)).

### Musí být obsah vytvořený AI vždy označen?

Pokud žáci komunikují přímo se systémem AI, například s chatbotem, musí být informováni, že komunikují s AI. Za jasné sdělení této skutečnosti obvykle odpovídá poskytovatel systému ([čl. 50 odst. 1](https://overview.legal/laws/ai-act/art-50)).

Školy a učitelé musí označit deepfake obsah nebo text vytvořený AI publikovaný k záležitostem veřejného zájmu, pokud jsou tyto materiály použity ve výuce ([čl. 50 odst. 4](https://overview.legal/laws/ai-act/art-50)). Tento požadavek se neuplatní tam, kde obsah vytvořený AI prošel účinnou lidskou kontrolou nebo redakčním dohledem a za jeho zveřejnění přebírá redakční odpovědnost konkrétní osoba nebo instituce. Pracovní list vytvořený s pomocí AI a zkontrolovaný učitelem tedy automaticky označení nevyžaduje.

### Kdy se AI ve vzdělávání stává vysoce rizikovou

Běžné nástroje pro psaní, překlad, research a přípravu hodin nejsou vysoce rizikové jen proto, že se používají v rámci práce. Klasifikace závisí na zamýšleném účelu systému, nikoli jen na tom, o jaký produkt jde ([čl. 6](https://overview.legal/laws/ai-act/art-6) · [Příloha III](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3)).

Systémy AI mohou být klasifikovány jako vysoce rizikové, pokud jsou určeny k tomu, aby:

<table id="bkmrk-pro-u%C4%8Ditele-pro-%C5%A1kol" style="width: 100%;"><colgroup><col style="width: 48.333333%;"></col><col style="width: 51.547619%;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro učitele</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro školy</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- rozhodovaly o přístupu, přijetí nebo zařazení žáků do vzdělávacích nebo odborných institucí a programů;
- hodnotily výsledky učení žáků nebo řídily jejich vzdělávací postup;
- posuzovaly odpovídající úroveň vzdělání, kterou žák obdrží nebo ke které může mít přístup; nebo
- odhalovaly zakázané chování žáků během zkoušek.

*([Příloha III](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3), bod 3)*

</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- najímaly nebo vybíraly učitele, včetně prověřování žádostí o zaměstnání;
- rozhodovaly o smluvních podmínkách, povýšení nebo ukončení pracovního poměru učitele;
- přidělovaly úkoly na základě chování nebo osobních vlastností učitele; nebo
- hodnotily výkon učitelů.

*([Příloha III](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3), bod 4)*

</td></tr></tbody></table>

Omezený kontrolní nebo přípravný nástroj může spadat mimo kategorii vysoce rizikových i tehdy, pokud nemá významný vliv na rozhodnutí. Vzdělávací systém, který profiluje jednotlivce, je však vždy považován za vysoce rizikový.

### Co vysoce rizikové AI znamená pro školy a učitele

Klasifikace systému AI jako vysoce rizikového automaticky nevylučuje jeho použití ve školách. Vysoce rizikové systémy s sebou ale nesou povinnosti ([čl. 26](https://overview.legal/laws/ai-act/art-26)):

Tyto povinnosti pro vysoce rizikovou AI ve vzdělávání se uplatní od 2. prosince 2027 – výše uvedené zákazy a povinnost gramotnosti v oblasti AI však platí už dnes.

<table id="bkmrk-pro-u%C4%8Ditele-pro-%C5%A1kol-1" style="width: 100%;"><colgroup><col style="width: 49.166667%;"></col><col style="width: 50.714286%;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro učitele</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro školy</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- používat jej pouze pro schválený účel a řídit se jeho pokyny;
- nepovažovat výstupy AI za konečná rozhodnutí.;
- znát hlavní omezení AI a možné zdroje chyb;
- nespoléhat se nekriticky na výsledky, i když působí přesvědčivě; a
- Být připraveni výstupy AI odmítnout nebo upravit na základě vlastního odborného úsudku.

</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- zajistit kvalifikovaný lidský dohled a jasně stanovit odpovědnosti;
- zajistit, aby vstupní údaje, které škola poskytuje, byly relevantní a dostatečně reprezentativní;
- monitorovat systém a reagovat na rizika nebo závažné incidenty;
- uchovávat automaticky generované záznamy po dobu nejméně šesti měsíců tam, kde jsou tyto záznamy pod jejich kontrolou; a
- předem informovat žáky, učitele nebo dotčené osoby, pokud systém napomáhá rozhodování, které se jich týká.

</td></tr></tbody></table>

Veřejné subjekty a soukromé organizace poskytující veřejné služby mohou být rovněž povinny provést před použitím vysoce rizikové AI posouzení dopadu na základní práva ([čl. 27](https://overview.legal/laws/ai-act/art-27)). Orgány veřejné moci a organizace jednající jejich jménem mohou být navíc povinny zaregistrovat systém v databázi EU ([čl. 49](https://overview.legal/laws/ai-act/art-49)). Zda je to odpovědností školy, nebo jejího zřizovatele, závisí na konkrétním vnitrostátním školském systému.

### Akt o AI není jediným rozhodným právním předpisem

Akt o AI nenahrazuje evropské ani vnitrostátní předpisy o ochraně osobních údajů, vzdělávání, zaměstnanosti a participaci zaměstnanců, ochraně dětí nebo autorském právu ([čl. 2 odst. 7](https://overview.legal/laws/ai-act/art-2)). Skutečnost, že nástroj není vysoce rizikový, například neznamená, že do něj smíte nahrávat práci nebo osobní údaje žáků.

Nástroj může být přípustný podle Aktu o AI, a přesto být zakázán právem na ochranu osobních údajů nebo pravidly vaší školy.

### GDPR

[GDPR](https://gdpr.eu) (nařízení (EU) 2016/679) je právní předpis EU o ochraně osobních údajů. Hraje doplňkovou roli vedle Aktu o AI: zatímco Akt o AI se ptá, zda a jak smí být systém AI vůbec použit, GDPR si klade užší otázku – smí být právě tento konkrétní údaj o této konkrétní osobě takto zpracován? Splnění jednoho předpisu ještě automaticky neznamená splnění druhého.

- **Uplatní se, jakmile jsou zapojeny osobní údaje.** Za osobní údaje se považují jména, školní e-mailové adresy, žákovské práce, hlasové nahrávky, přepisy, fotografie, známky, docházka i údaje o vzdělávacím pokroku ([čl. 4](https://overview.legal/laws/gdpr/art-4)). Většina nástrojů AI používaných ve výuce se dotýká alespoň jednoho z nich.
- **K jejich zpracování potřebujete právní základ.** Školy se obvykle opírají o právní povinnost nebo o plnění úkolu ve veřejném zájmu; možný je i souhlas, ten však musí být udělen svobodně a u mladších žáků jej musí udělit rodič nebo zákonný zástupce ([čl. 6](https://overview.legal/laws/gdpr/art-6), [čl. 8](https://overview.legal/laws/gdpr/art-8)).
- Některá data vyžadují zvláštní ochranu. Informace o zdraví, biometrické údaje a údaje odhalující rasový nebo etnický původ, náboženství či podobné znaky jsou „zvláštní kategorií údajů“ a jejich zpracování je v zásadě nepřípustné bez konkrétní výjimky ([čl. 9](https://overview.legal/laws/gdpr/art-9)) – to je i jeden z důvodů, proč Akt o AI samostatně zakazuje několik praktik biometrického odvozování ve školách.
- Vězte, kdo za co odpovídá. Škola je zpravidla „správcem“; poskytovatel AI, který zpracovává data jejím jménem, je „zpracovatelem“ a potřebuje smlouvu o zpracování údajů, která jasně stanoví jeho povinnosti ([čl. 28](https://overview.legal/laws/gdpr/art-28)). Ověřte si to předtím, než nový nástroj zavedete v celé škole.
- Data opouštějící EU potřebují záruku. Mnoho oblíbených nástrojů AI je hostováno mimo EU. Osobní údaje tam smí putovat pouze tehdy, pokud existuje rozhodnutí o odpovídající ochraně nebo jiná schválená záruka, jako jsou standardní smluvní doložky ([čl. 44](https://overview.legal/laws/gdpr/art-44)).
- Žáci i zaměstnanci si zachovávají svá práva. Mohou se zeptat, jaké údaje jsou o nich vedeny, nechat si je opravit nebo vymazat a vznést námitku proti rozhodnutím založeným výhradně na automatizovaném zpracování, která se jich významně dotýkají ([čl. 15](https://overview.legal/laws/gdpr/art-15) až [čl. 22](https://overview.legal/laws/gdpr/art-22)) – toto právo funguje souběžně s požadavky Aktu o AI na lidský dohled u vysoce rizikových systémů a tyto požadavky posiluje.

<span style="text-decoration: underline;">**V praxi: než do nástroje AI vložíte skutečné údaje žáků nebo zaměstnanců, ověřte si, že jej vaše škola schválila, nesdílejte více osobních údajů, než úkol vyžaduje, a pokud nástroj jen zkoušíte, dávejte přednost anonymizovaným nebo smyšleným příkladům.**</span>

### Kde hledat pomoc

Vymáhání je v jednotlivých zemích EU organizováno odlišně. Protože se vnitrostátní odpovědnosti mohou měnit, používejte [aktuální seznam vnitrostátních orgánů dohledu nad trhem vedený Evropskou komisí](https://digital-strategy.ec.europa.eu/en/policies/market-surveillance-authorities-under-ai-act). Kdokoli (učitel, žák, rodič) může u tohoto orgánu podat stížnost, pokud se domnívá, že byl Akt porušen ([čl. 85](https://overview.legal/laws/ai-act/art-85)). Pokud vysoce rizikový systém, například nástroj pro přijímací řízení nebo dohled při zkouškách, vedl k rozhodnutí, které žáka významně ovlivňuje, může on (nebo jeho rodiče) rovněž požádat o vysvětlení tohoto konkrétního rozhodnutí ([čl. 86](https://overview.legal/laws/ai-act/art-86)).

### Vnitrostátní pravidla pro vaši zemi

Akt o AI platí v celé EU, ale orgány dohledu, školské právo a praxe ochrany osobních údajů se v jednotlivých zemích liší. Zde budou postupně doplněny poznámky specifické pro partnerské země Playbooku:

- Rakousko
- Česko
- Německo
- Lotyšsko
- Polsko
- Slovensko
- Slovinsko
- Španělsko

# 2. Dobrá praxe a příklady z výuky

# 2.1 Úvod

Kapitola 1 vysvětlila, kdy AI pomáhá, kde škodí a jaká pravidla platí. Tato kapitola ukazuje, jak to vypadá v běžném školním dni.

Příklady jsou zpracovány předmět po předmětu, počínaje biologií, angličtinou jako cizím jazykem, dějepisem a matematikou. V průběhu projektu budou přibývat další předměty. Každý příklad vychází ze situace z běžné výuky a ukazuje, jak lze AI využít, co dělá učitel a kde se může něco pokazit. Příklady uplatňují tři myšlenky z kapitoly 1: AI podporuje učení jen tehdy, když žáci nejprve sami přemýšlejí; než začnete s AI učit, potřebujete o AI něco vědět; a pravidla musí být jasná dříve, než úkol začne.

Prosím, nepřeceňujte význam, dobré praxe. Postupy, o kterých učitelé napříč Evropou referují, jsou slibné přístupy, nikoli ověřené recepty, a žádný z nich zatím nebyl vyhodnocen. Každý příklad berte jako výchozí bod: vyzkoušejte jej, přizpůsobte své třídě a ověřte, zda je v souladu s pravidly vaší školy. Kontrolní seznam shrnuje otázky, které je třeba si položit, než AI vstoupí do vaší hodiny.

Pomocí vestavěného systému štítků v levém horním rohu můžete vyhledávat různé předměty a třídit obsah podle vyučovacích hodin a profesního rozvoje.

[![Moderní příručka DUAL.AI TEACHᵉʳ.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/moderni-prirucka-dual-ai-teach.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/rqtgrafik.png)

Obr. 1: „Ukázka systému štítků“

# 2.2 Biologie: Vibe coding a simulace ve výuce

### Dynamika dravec–kořist (model Lotka–Volterra)

**Předmět:** Biologie  ·  **Ročník:** 9. ročník (14–15 let)  ·  **Délka:** 1 dvouhodina (90 min)  ·  **AI:** Učení **S** AI

<table id="bkmrk-kompetence-v-oblasti"><tbody><tr><th>Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</th><th>Předmětové vzdělávací cíle – úroveň žáka</th></tr><tr><td>**AF-TL-2b**  
(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“

**AF-FC-2b**  
(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou realizovat vedení, které pomáhá žákům rozvíjet praktické dovednosti v oblasti AI, a přizpůsobit úkoly předchozím znalostem žáků a dostupným nástrojům AI.“

</td><td>Na konci hodiny žáci dokážou:

- popsat klíčové proměnné (početnost populace kořisti a predátora) a parametry (rychlost růstu, míra predace, účinnost přeměny potravy na přírůstek biomasy a úmrtnost) modelu Lotka–Volterra;
- formulovat a ověřovat hypotézy o populační dynamice pomocí interaktivní simulace;
- rozšířit existující simulaci o další úrovně ekologické složitosti (např. nosnou kapacitu prostředí, druhý druh nebo sezónní faktor) vytvářením strukturovaných zadání pro jazykový model umělé inteligence;
- kriticky hodnotit předpoklady a omezení modelu (v rámci tématu Povaha vědy – Nature of Science), včetně vysvětlení, proč může zavedení náhodnosti nebo dalšího faktoru vést k destabilizaci modelu.

</td></tr></tbody></table>

*Klíčové poselství:* Studenti nemusí programovat od úplného začátku. K opravdovému pochopení dynamického biologického modelu stačí analyzovat a testovat existující simulaci a poté pomocí velkého jazykového modelu (LLM) postupně přidávat vždy jednu vrstvu ekologické realističnosti. Dříve či později tak sami objeví, kde přesně model naráží na své limity.

[![Simulace predátor–kořist s AI pomocníkem.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/simulace-predator-korist-s-ai-pomocnikem.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/vibe-coding-simulations.png)

Obr. 1: „Dynamika dravec–kořist (model Lotka–Volterra)“ (obrázek vygenerovaný pomocí AI, ChatGPT GPT Image 2)

#### Obsah

Matematické modely a počítačové simulace jsou v ekologii obzvláště cenným nástrojem, protože dokážou vyjádřit vysoce komplexní systémy pomocí matematických rovnic. To umožňuje provádět experimenty in silico a testovat hypotézy na modelu v situacích, kdy by skutečný experiment byl příliš nákladný, příliš pomalý, eticky problematický nebo přímo nebezpečný. Manipulace se skutečnou populací dravců je například jen zřídka reálnou možností. Zároveň je každý model nutně zjednodušením reality, a právě v tom spočívají jeho slabiny: skutečné ekosystémy jsou mnohem komplexnější, než dokáže jakýkoli model plně zachytit.

Model Lotka–Volterra je klasickým příkladem takového zjednodušení, které se uplatňuje při popisu dynamiky vztahu mezi predátorem a kořistí. Systém popisuje pomocí dvou stavových proměnných (početnosti populace kořisti a predátora) a čtyř parametrů (vnitřní rychlosti růstu populace kořisti, koeficientu míry predace, rychlosti rozmnožování predátora na základě ulovené kořisti a úmrtnosti predátora). Za svých idealizovaných předpokladů model předpovídá trvalé periodické kolísání početnosti obou populací, přičemž změny v populaci predátora následují se zpožděním po změnách v populaci kořisti. Toto chování vzniká v důsledku zpětnovazební smyčky: když se populace kořisti zvětšuje, predátoři mají k dispozici více potravy, což jim umožňuje zvýšit svou početnost. Intenzivnější predace následně způsobuje pokles populace kořisti, čímž se snižuje množství potravy pro predátory a jejich populace začíná klesat. Při menším počtu predátorů se populace kořisti může opět obnovit a celý cyklus začíná znovu.

Aby model vytvořil tento čistý cyklus, činí několik silných předpokladů. Je deterministický (stejné počáteční hodnoty vždy vedou přesně ke stejné křivce); jde o uzavřený dvoudruhový systém, který vylučuje veškeré abiotické faktory (teplota, srážky, roční období) i všechny ostatní biotické faktory (potravní rostliny pro kořist, třetí druh, nemoc); a růst každé populace závisí výhradně na velikosti té druhé.

Skutečné populace tyto předpoklady splňují jen zřídka. Narození, úmrtí i vzájemná setkání organismů jsou ovlivněny náhodnými procesy. Stochastická (náhodná) verze téhož modelu se proto může odchýlit od pravidelných cyklických výkyvů a může dokonce vést ke kolapsu populace, například k vyhynutí predátorů, a to i v případech, kdy deterministická verze modelu předpovídá stabilní oscilace. Podobně může k narušení pravidelného cyklu mezi dvěma populacemi stačit přidání jediného dosud nezohledněného faktoru, například teplotně závislé rychlosti růstu nebo omezené dostupnosti potravy pro kořist. Nejde o nedostatek, který by bylo třeba před žáky skrývat, ale o jedno z hlavních poselství této aktivity zaměřené na povahu vědy. Model může být velmi užitečný, a přesto představovat záměrně zjednodušený obraz reality. Umět model správně používat znamená také vědět, které faktory nezahrnuje a jak tato omezení ovlivňují jeho předpovědi. V hlavní aktivitě této vyučovací hodiny žáci na tato omezení přijdou sami, když se pokusí do modelu začlenit právě takové faktory.

#### Plán hodiny

<table id="bkmrk-f%C3%A1ze%C4%8Casaktivita-%C3%9Avod" style="width:100%;"><tbody><tr><th style="width:10.1279%;">Fáze</th><th style="width:4.17143%;">Čas</th><th style="width:85.6768%;">Aktivita</th></tr><tr><td style="width:10.1279%;">Úvod</td><td style="width:4.17143%;">8 min</td><td style="width:85.6768%;">Učitel ukáže neoznačený graf skutečné datové řady dravec–kořist (např. rys/zajíc); žáci popíší vzorec a formulují první hypotézy.</td></tr><tr><td style="width:10.1279%;">Vstup</td><td style="width:4.17143%;">12 min</td><td style="width:85.6768%;">Učitel představí proměnné a parametry modelu pomocí jednoduchého diagramu (bez potřeby diferenciálních rovnic).</td></tr><tr><td style="width:10.1279%;">Zkoumání</td><td style="width:4.17143%;">15 min</td><td style="width:85.6768%;">Žáci ve dvojicích testují své hypotézy na hotové HTML simulaci a zaznamenávají svá pozorování.</td></tr><tr><td style="width:10.1279%;">Adaptace</td><td style="width:4.17143%;">35 min</td><td style="width:85.6768%;">Ve dvojicích žáci absolvují 2–3 kola postupu předpovědět → formulovat zadání → otestovat → analyzovat příčiny, přičemž využívají níže uvedené návodné otázky. V každém kole požádají velký jazykový model (LLM), aby do simulace přidal další prvek, který zvýší její ekologickou realističnost (např. omezenou dostupnost potravy pro kořist, druhý druh nebo sezónní či jiný abiotický faktor), a pokračují tak dlouho, dokud se původní pravidelný cyklus dvou proměnných viditelně nenaruší.</td></tr><tr><td style="width:10.1279%;">Reflexe</td><td style="width:4.17143%;">20 min</td><td style="width:85.6768%;">Diskuse celé třídy vedená otázkami typu: Ve kterém kole simulace přestala produkovat čistý, opakující se cyklus? Co původní model záměrně vynechává a proč? Co z něj dělá užitečné zjednodušení, a ne prostě chybný model?</td></tr></tbody></table>

#### Naváděcí otázky: vrstvení komplexity

Dvojice projdou tolik z následujících kol, kolik jim dovolí 35 minut (většina zvládne dvě; třetí je rozšíření pro ty, kdo skončí dříve). Každé kolo se řídí stejným čtyřkrokovým cyklem:

1. **Kolo 1 — omezte potravní zdroje kořisti (zaveďte nosnou kapacitu prostředí):**
    
    
    - **Předpověz:** Než začnete promptovat, zeptejte se sami sebe: co očekáváte, že se stane s cyklem, pokud se růst kořisti zpomalí, jakmile populace naroste, místo aby rostla neomezeně? Načrtněte křivku, kterou očekáváte.
    - **Promptuj:** Požádejte AI, aby do simulace přidala maximální udržitelnou populaci kořisti, a aby vlastními slovy vysvětlila, jak kvůli tomu upravila rovnici růstu.
    - **Otestuj a porovnej:** Spusťte novou simulaci se stejnými počátečními hodnotami jako předtím. Porovnejte předchozí simulaci s novou: jak se proměnné změnily? Proč tomu tak je?
    - **Diagnostikuj:** Který předpoklad původního modelu (neomezená potrava pro kořist) jste právě odstranili? Je tento faktor biotický, nebo abiotický?
2. **Kolo 2 — přidejte další (biotický nebo abiotický) faktor:**
    
    
    - **Předpověz:** Pokud nyní s kořistí soutěží o potravu třetí druh, nebo ji rovněž loví, případně pokud růst kořisti nyní závisí na teplotě — co očekáváte, že to udělá s původním dvoudruhovým cyklem?
    - **Promptuj:** Zvolte další faktor a napište prompt, ve kterém požádáte AI, aby jej přidala jako novou proměnnou propojenou s těmi stávajícími — přesně specifikujte, jak má interagovat s populací kořisti nebo dravců.
    - **Otestuj a porovnej:** Sledujte simulaci po několik cyklů. Přežije původní dvoudruhový rytmus, zdeformuje se, nebo zmizí?
    - **Diagnostikuj:** Původní model předpokládal, že každá populace závisí pouze na té druhé. Platí to stále i po tomto kole? Jaký skutečný ekologický vztah váš nový faktor reprezentuje?
3. **Volitelné kolo 3 — zaveďte náhodnost:**
    
    
    - **Předpověz:** Pokud jeden parametr (např. míra predace) již není pevně daný, ale je v každém časovém kroku náhodně vybírán z určitého rozsahu, co očekáváte pro dlouhodobou stabilitu populací?
    - **Promptuj:** Požádejte AI, aby nahradila jeden konstantní parametr náhodnou hodnotou a sledovala, zda některá z populací dosáhne nuly.
    - **Otestuj a porovnej:** Spusťte simulaci několikrát se stejným nastavením. Dostanete pokaždé stejný výsledek? Zkolabuje někdy některá z populací?
    - **Diagnostikuj:** Proč mohou stejné „průměrné“ hodnoty parametrů v tomto případě někdy vést k vyhynutí, když deterministický model to nikdy nepředpověděl?

**Závěrečná otázka (pro fázi reflexe):** Ve kterém kole simulace přestala produkovat čistý, opakující se cyklus — a co vám to říká o tom, kolik reálných faktorů musí původní model Lotka–Volterra vynechat, aby zůstal řešitelný a snadno interpretovatelný?

#### Materiály

- Jeden notebook na dvojici žáků, s prohlížečem
- Přístup k chatovacímu rozhraní jazykového modelu přes internet, nebo lokálně nainstalovaný model, pokud je na škole omezen přístup k internetu
- Hotová HTML simulace dravec–kořist (jeden soubor, posuvníky pro vybrané parametry)
- Krátká šablona promptování/pracovního listu pro kola „vrstvení komplexity“ (předpověz → promptuj → otestuj → diagnostikuj)
- Naváděcí otázky pro fázi zkoumání a reflexi o podstatě vědy (účel modelu vs. limity modelu)

# 2.3 Angličtina jako cizí jazyk

### Komunikační vhodnost v angličtině

**Předmět:** Angličtina jako cizí jazyk  ·  **Ročník:** 9. ročník (14–15 let)  ·  **Délka:** 1 dvouhodina (90 min)  ·  **AI:** Učení **S** AI

<table id="bkmrk-kompetence-v-oblasti"><tbody><tr><th>Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</th><th>Předmětové vzdělávací cíle – úroveň žáka</th></tr><tr><td>**AF-TL-2b**  
(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“

**AF-FC-2b**  
(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou realizovat vedení, které pomáhá žákům rozvíjet praktické dovednosti v oblasti AI, a přizpůsobit úkoly předchozím znalostem žáků a dostupným nástrojům AI.“

</td><td>Na konci hodiny žáci dokážou:

- rozlišit mezi gramaticky správnou a kontextově vhodnou angličtinou;
- rozpoznat rozdíly ve slovní zásobě, tónu a registru napříč komunikačními situacemi;
- formulovat strukturované prompty, které specifikují publikum, účel, kontext, jazykovou úroveň a tón;
- porovnat text vygenerovaný pomocí AI a identifikovat nevhodné nebo neautentické formulace;
- upravit text vygenerovaný pomocí AI na základě vlastního jazykového úsudku;
- ověřit, zda odpověď vygenerovaná pomocí AI splňuje požadavky zadané v promptu.

</td></tr></tbody></table>

> **Klíčové poselství:** AI dokáže generovat plynulou a gramaticky správnou angličtinu, to však automaticky neznamená, že je tento jazyk přirozený nebo vhodný pro konkrétní situaci. Změnou publika, účelu a kontextu konverzace vygenerované pomocí AI se žáci učí hodnotit návrhy AI a použít vlastní jazykové znalosti k učinění konečného rozhodnutí.

![](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/scaled-1680-/chatgpt-image-sep-1-2026-at-03-17-43-pm.png)

Obr. 1: „Komunikační vhodnost v angličtině“ (obrázek vygenerovaný pomocí AI, ChatGPT GPT Image 2)

#### Obsah

Úspěšná komunikace v cizím jazyce vyžaduje více než tvorbu gramaticky správných vět. Mluvčí neustále přizpůsobují svou slovní zásobu, stavbu vět, zdvořilost a tón podle publika, účelu a kontextu komunikace. Stejný záměr proto lze vyjádřit velmi odlišnými způsoby v závislosti na tom, kdo s kým mluví. Žádost adresovaná blízkému příteli může být krátká a neformální, zatímco stejná žádost adresovaná učiteli, zaměstnavateli nebo neznámé osobě obvykle vyžaduje jinou slovní zásobu, zdvořilejší formulace a jinou míru formálnosti. Tyto rozdíly jsou součástí registru, který popisuje, jak se jazyk mění podle sociální a komunikační situace.

Pro studenty jazyka může být registr obtížné rozpoznat, protože věta může být gramaticky správná, a přesto v konkrétním kontextu působit nepřirozeně nebo nevhodně. Učebnicové příklady často nabízejí jasné rozlišení mezi formálním a neformálním jazykem, zatímco skutečná komunikace je mnohem pružnější. Věk, vztah mezi mluvčími, kulturní očekávání, komunikační médium a účel komunikace — to vše může ovlivnit používaný jazyk. Sdělení, které zní přirozeně v konverzaci mezi teenagery, může například znít příliš neformálně v e-mailu učiteli, zatímco výraz vhodný pro formální dopis může v běžné konverzaci znít zbytečně odtažitě.

Generativní AI dokáže velmi rychle vytvářet a upravovat dialogy, což ji činí užitečnou pro zkoumání těchto rozdílů. Změnou jednotlivých prvků promptu — například vztahu mezi mluvčími, jazykové úrovně, účelu nebo míry formálnosti — mohou žáci vygenerovat několik verzí téže komunikační situace a porovnat, jak se jazyk mění. Text vygenerovaný pomocí AI zároveň není automaticky spolehlivý jen proto, že zní plynule. Model může vytvořit jazyk, který je příliš formální, opakující se, kulturně neobratný, neodpovídající požadované úrovni nebo plně neodpovídající pokynům zadaným v promptu. Generativní umělá inteligence pracuje také na základě pravděpodobnosti, což znamená, že podobná zadání mohou vést k různým formulacím.

Toto omezení je ústředním prvkem aktivity, nikoli něčím, co by bylo třeba před žáky skrývat. AI je nejužitečnější tehdy, když žáci přistupují k jejímu výstupu jako k jazykovému materiálu k analýze, nikoli jako k odpovědi, kterou je třeba přijmout. V této hodině žáci nejprve zkoumají, jak se registr mění napříč komunikačními kontexty, a poté použijí jazykový model k úpravě vždy jedné komunikační proměnné. Porovnávají výsledné dialogy, identifikují, které jazykové volby fungují a které ne, a některé části výstupu sami upravují. Žáci si tak procvičují jak komunikační kompetenci v angličtině, tak praktickou gramotnost v oblasti AI: zadávání jasných pokynů, ověřování, zda byly tyto pokyny dodrženy, a používání vlastního jazykového úsudku k rozhodnutí, zda je konečný výsledek vhodný.

#### Plán hodiny

<table id="bkmrk-f%C3%A1ze%C4%8Casaktivita-%C3%9Avod" style="width:100%;"><tbody><tr><th style="width:6.67506%;">Fáze</th><th style="width:5.00272%;">Čas</th><th style="width:88.2984%;">Aktivita</th></tr><tr><td style="width:6.67506%;">Úvod</td><td style="width:5.00272%;">10 min</td><td style="width:88.2984%;">Učitel ukáže dvě krátké zprávy sdělující stejnou žádost, například jednu adresovanou příteli a druhou učiteli. Žáci identifikují rozdíly ve slovní zásobě, zdvořilosti a tónu a odhadují, kdo mohl každou zprávu napsat.</td></tr><tr><td style="width:6.67506%;">Vstup</td><td style="width:5.00272%;">10 min</td><td style="width:88.2984%;">Učitel představí pojmy publikum, účel, kontext a registr. Žáci společně identifikují znaky formální a neformální angličtiny a diskutují o tom, proč gramaticky správný jazyk není nutně jazykem vhodným.</td></tr><tr><td style="width:6.67506%;">Zkoumání</td><td style="width:5.00272%;">15 min</td><td style="width:88.2984%;">Žáci ve dvojicích prozkoumají krátký dialog vygenerovaný pomocí AI pro běžnou situaci. Identifikují užitečné výrazy a označí vše, co zní nepřirozeně, příliš formálně, příliš neformálně nebo nevhodně pro jejich úroveň angličtiny.</td></tr><tr><td style="width:6.67506%;">Adaptace</td><td style="width:5.00272%;">35 min</td><td style="width:88.2984%;">Žáci projdou 2–3 kola cyklu předpověz → promptuj → porovnej → diagnostikuj. V každém kole změní jeden aspekt komunikačního kontextu a požádají AI o úpravu dialogu.</td></tr><tr><td style="width:6.67506%;">Reflexe</td><td style="width:5.00272%;">20 min</td><td style="width:88.2984%;">Žáci porovnají své verze a diskutují o tom, které změny nejvíce ovlivnily jazyk. Identifikují, kde AI pokyny dobře dodržela, kde nikoli, a které výrazy by sami změnili.</td></tr></tbody></table>

#### Naváděcí otázky: vrstvení komplexity

Dvojice projdou tolik z následujících kol, kolik jim dovolí 35minutová fáze adaptace. Většina dvojic by měla zvládnout dvě kola, třetí lze použít jako rozšíření:

1. **Kolo 1 — změňte vztah mezi mluvčími:**
    
    
    - **Předpověz:** Představte si, že stejná žádost je adresována blízkému příteli i učiteli. Co očekáváte, že se změní? Zamyslete se nad slovní zásobou, pozdravy, stavbou vět a zdvořilostí.
    - **Promptuj:** Požádejte AI, aby přepsala dialog pro jiný vztah mezi mluvčími.
    
    Například:
    
    > Přepiš tuto konverzaci mezi dvěma přáteli jako konverzaci mezi studentem a učitelem. Zachovej stejný význam, ale použij zdvořilou, přirozenou angličtinu vhodnou pro studenta na úrovni B1.
    
    
    - **Porovnej:** Porovnejte původní a nový dialog. Identifikujte alespoň tři jazykové změny.
    - **Diagnostikuj:** Změnila AI pouze jednotlivá slova, nebo změnila i stavbu vět, pozdravy, žádosti a závěrečné výrazy? Které změny jsou vhodné? Je něco, co byste sami změnili?
2. **Kolo 2 — změňte komunikační účel:**
    
    Žáci nyní změní to, čeho chce jeden z mluvčích dosáhnout. Například:
    
    
    - žádost o informaci → podání stížnosti
    - přijetí pozvání → zdvořilé odmítnutí
    - žádost o pomoc → žádost o povolení
    - neformální konverzace → formální žádost
    
    
    - **Předpověz:** Jaký jazyk očekáváte, že se změní, když se změní účel konverzace?
    - **Promptuj:** Vytvořte podrobnější prompt, který zahrnuje: mluvčí + situaci + účel + jazykovou úroveň + tón.
    
    Například:
    
    > Vytvoř krátký dialog na úrovni B1 mezi zákazníkem a zaměstnancem kavárny. Zákazník dostal špatnou objednávku a chce problém zdvořile vyřešit. Použij přirozenou každodenní angličtinu a dialog omez na osm řádků.
    
    
    - **Porovnej:** Zkontrolujte, zda vygenerovaný dialog splňuje každou část zadání.
    - **Diagnostikuj:** Vyberte jeden výraz, který funguje dobře, a jeden, který byste přepsali. Vysvětlete proč.
3. **Volitelné kolo 3 — přidejte omezení a otestujte hranice AI:**
    
    Žáci upřesní svá zadání.
    
    Například:
    
    > Přepiš konverzaci pro dva patnáctileté. Zachovej angličtinu na úrovni B1. Udělej ji přátelskou a přirozenou, ale bez slangu. Zachovej stejný komunikační účel.
    
    
    - **Předpověz:** Které části předchozího dialogu očekáváte, že se změní?
    - **Promptuj:** Požádejte AI o vytvoření upravené verze.
    - **Porovnej:** Zkontrolujte odpověď oproti každému požadavku v promptu.
    - **Diagnostikuj:** Které pokyny AI úspěšně dodržela? Které ignorovala nebo interpretovala jinak?

**Závěrečná otázka (pro fázi reflexe):** Ve kterém bodě vyžadovala změna komunikační situace více než pouhé nahrazení několika slov, a co vám to říká o efektivní komunikaci v jiném jazyce?

**Navazující otázka:** Pokud je dialog vygenerovaný pomocí AI gramaticky správný, jak můžete rozhodnout, zda je pro danou konkrétní situaci skutečně vhodný a přirozený?

#### Materiály

- Jeden notebook nebo tablet na dvojici žáků, s prohlížečem
- Přístup ke schválenému chatovacímu rozhraní jazykového modelu přes internet, nebo lokálně nainstalovaný model, pokud je na škole omezen přístup k internetu
- Jeden krátký úvodní dialog přibližně na úrovni B1
- Krátká šablona promptování/pracovního listu pro kola adaptace (předpověz → promptuj → porovnej → diagnostikuj)
- Kontrolní seznam pro jazykové hodnocení zahrnující význam, gramatiku, slovní zásobu, registr, přirozenost a splnění zadání
- Učitelem připravené příklady formální a neformální komunikace
- Krátké pokyny k používání AI připomínající žákům, aby nezadávali osobní údaje a aby k jazyku vygenerovanému pomocí AI přistupovali jako k materiálu k analýze a vylepšení, nikoli jako ke klíči se správnými odpověďmi

# 2.4 Občanská výchova: AI, média a realita

### AI, média a realita: Můžeme věřit všemu, co vidíme?

**Předmět:** Občanská výchova  ·  **Ročník:** 5. ročník (10–11 let)  ·  **Délka:** 1 dvouhodina (90 min)  ·  **AI:** Výuka **O** AI

<table id="bkmrk-kompetence-v-oblasti"><tbody><tr><th>Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</th><th>Předmětové vzdělávací cíle – úroveň žáka</th></tr><tr><td>**EA-FC-2a**  
(Etika AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou zavést výukové aktivity rozvíjející etické uvažování žáků o AI, s odůvodněním zvolených metodických postupů.“

</td><td>Na konci hodiny žáci dokážou:

- jednoduše vysvětlit, co dokáže generativní AI s textem a obrázky;
- rozlišovat mezi informací, názorem a uměle vygenerovaným obsahem;
- identifikovat znaky, kvůli kterým může obrázek, text nebo tvrzení působit podezřele nebo nespolehlivě;
- vysvětlit, proč odpověď nebo obrázek vygenerovaný pomocí AI není automaticky pravdivý;
- identifikovat způsoby ověřování informací před jejich přijetím nebo sdílením;
- diskutovat o tom, jak AI může ovlivňovat komunikaci, média a každodenní život lidí;
- zdůvodnit vlastní názor na odpovědné používání obsahu vygenerovaného pomocí AI.

</td></tr></tbody></table>

**Klíčové poselství:** Umělá inteligence dokáže vytvářet přesvědčivé texty i obrázky, ale to, že něco působí přesvědčivě, ještě neznamená, že je to pravdivé. Než něčemu uvěříme nebo to budeme sdílet dál, měli bychom se ptát, odkud daná informace pochází, jaké důkazy ji podporují a zda ji můžeme ověřit z jiných zdrojů.

#### Obsah

Umělá inteligence se stále více stává součástí každodenní komunikace. Systémy AI dokážou generovat texty, obrázky a další formy obsahu, které mohou vypadat, jako by je vytvořil člověk. To vytváří nové možnosti, ale také nové výzvy pro to, jak lidé rozumí informacím a jak je hodnotí.

Pro žáky tohoto věku není důležitá ani tak otázka, jak AI technicky funguje, ale spíše to, jak obsah vygenerovaný pomocí AI může ovlivnit lidi a společnost.

Hodina představuje AI prostřednictvím známé sociální situace: informací, se kterými se žáci setkávají v běžném životě. Učitel předkládá příklady textů a obrázků a žáci se rozhodují, zda je obsah skutečný, upravený, nebo vygenerovaný pomocí AI.

Důraz není kladen na to, aby se žáci naučili AI bezchybně rozpoznávat. Jedním z ústředních závěrů hodiny je naopak to, že samotný vzhled není spolehlivým způsobem, jak zjistit, zda je něco pravdivé.

Žáci se místo toho naučí jednoduchý proces ověřování:

**STOP → ZEPTEJ SE → OVĚŘ → POROVNEJ → ROZHODNI**

Aktivita navazuje na důraz kladený v učivu občanské výchovy na rozvoj kritického myšlení, analýzu důkazů, formulaci a vyjadřování názorů a zkoumání společenského prostředí. Učivo výslovně zahrnuje roli a vliv médií jako jedno z navrhovaných společenských témat pro 5. ročník.

Učivo také výslovně vybízí učitele k rozvíjení racionálního a kritického myšlení kladením otázek vyžadujících uvažování, zkoumáním důkazů, analýzou dat, která podporují nebo zpochybňují závěry, a zvažováním různých interpretací.

Je důležité, že žáci během hodiny s AI systémem přímo neinteragují. AI nástroj ovládá učitel, který třídě prezentuje vybrané výstupy. Úkolem žáků je pozorovat, klást otázky, porovnávat a hodnotit obsah.

#### Plán hodiny

<table id="bkmrk-f%C3%A1ze%C4%8Casaktivita-%C3%9Avod"><tbody><tr><th>Fáze</th><th>Čas</th><th>Aktivita</th></tr><tr><td>Úvod</td><td>10 min</td><td>Učitel ukáže dva nebo tři obrázky nebo krátké texty spojené se známou situací. Žáci se samostatně rozhodují: Je to skutečné? Jak to poznáte?</td></tr><tr><td>Vstup</td><td>15 min</td><td>Učitel představí AI jazykem přiměřeným věku: co generativní AI dokáže a proč může obsah vygenerovaný pomocí AI působit přesvědčivě.</td></tr><tr><td>Demonstrace</td><td>15 min</td><td>Učitel živě použije nástroj AI k vygenerování obrázku nebo krátkého textu na základě jednoduchého promptu. Žáci pozorují, jak rychle lze obsah vytvořit, a diskutují o tom, co AI ve skutečnosti vytváří.</td></tr><tr><td>Zkoumání</td><td>30 min</td><td>Skupiny obdrží několik příkladů informací/obsahu. Použijí kontrolní seznam pro ověřování a rozhodnou, čemu by věřily, co by zpochybnily a co by si dále ověřily.</td></tr><tr><td>Reflexe</td><td>20 min</td><td>Diskuse celé třídy: Můžeme obrázku věřit jen proto, že vypadá skutečně? A co text? Kdo nese odpovědnost, pokud vytvoříme nebo šíříme nepravdivé informace?</td></tr></tbody></table>

#### Naváděcí otázky: STOP → ZEPTEJ SE → OVĚŘ → POROVNEJ → ROZHODNI

Žáci procházejí následující situace společně s učitelem. AI ovládá pouze učitel.

**1. Kolo 1 — STOP: Nevěř tomu hned**

Učitel žákům ukáže obrázek vygenerovaný pomocí AI zachycující známou situaci — například zdánlivě realistickou fotografii neobvyklé události ve Slovinsku.

**Předpověz:** Než cokoliv prozradíte, žáci odpoví:

- Vypadá tento obrázek skutečně?
- Co vás k tomu vede?
- Které detaily jej činí věrohodným?
- Je na něm něco neobvyklého?

**Demonstrace učitele:** Učitel odhalí, že obrázek byl vygenerován pomocí AI, a stručně vysvětlí, jak generativní AI dokáže vytvářet realisticky vypadající obrázky.

**Diskutujte:**

- Co nás vedlo k tomu, že jsme obrázku uvěřili?
- Hledali jsme důkazy, nebo jsme prostě věřili tomu, co jsme viděli?
- Mohl by někdo takový obrázek použít k oklamání ostatních lidí?

**Diagnostikuj:** Žáci rozpoznají rozdíl mezi „Tohle vypadá skutečně“ a „Mám důkaz, že je to skutečné.“

**Klíčová myšlenka:** Realistický vzhled není důkazem, že je něco pravdivé.

**2. Kolo 2 — ZEPTEJ SE: Kdo to vytvořil a proč?**

Učitel předloží krátký text vygenerovaný pomocí AI ve stylu zpravodajského článku.

Učitel například požádá systém AI o vytvoření krátkého článku o smyšlené události na slovinské škole.

Žáci s AI neinteragují. Místo toho analyzují výstup.

**Naváděcí otázky**

- Kdo to napsal nebo vytvořil?
- Odkud tato informace údajně pochází?
- Uvádí text nějaký zdroj?
- Poskytuje důkazy?
- Můžeme tuto informaci ověřit?
- Proč by někdo mohl chtít takovou informaci zveřejnit?
- Zní text jistě, i když nevíme, zda je pravdivý?

**Diagnostikuj**

Žáci zjišťují, že text může znít sebejistě, informativně a přesvědčivě, a přesto mu může chybět spolehlivý zdroj nebo důkazy.

**Klíčová myšlenka:** Sebejistě znějící odpověď není nutně odpovědí správnou.

**3. Kolo 3 — OVĚŘ A POROVNEJ: Pojďme si to ověřit**

Učitel předloží smyšlené tvrzení: „Ve Slovinsku bylo zavedeno nové pravidlo: žáci již o sobotách nesmí používat mobilní telefony.“

Tvrzení je záměrně jednoduché a dostatečně věrohodné, aby žáky přimělo zamyslet se nad tím, jak by je ověřili.

Žáci nemají za úkol pouze odpovědět „pravda“, nebo „nepravda“.

Místo toho musí navrhnout strategii ověření.

**Naváděcí otázky**

- Kde byste tuto informaci ověřili?
- Koho byste se mohli zeptat?
- Věřili byste příspěvku na sociálních sítích?
- Ověřili byste jen jeden zdroj, nebo více?
- Co by se považovalo za dobrý důkaz?
- Kterému zdroji byste věřili více?
- Co by vás přimělo změnit názor?

Učitel poté ukáže, jak lze tvrzení ověřit pomocí různých typů zdrojů.

**Diagnostikuj**

Žáci si uvědomí, že ověřování informací je proces, nikoli pouhé rozhodnutí, zda něco „působí pravdivě“.

To podporuje standard učiva, podle kterého by žáci měli umět navrhnout, najít a použít různé zdroje, shromažďovat data a kriticky hodnotit data, závěry a zdroje.

**4. Volitelné kolo — AI vs. člověk**

Učitel se zeptá systému AI: „Proč je důležité zachovávat kulturní dědictví?“

AI vygeneruje krátkou odpověď.

Žáci poté samostatně sestaví vlastní odpověď bez použití AI.

Třída obě odpovědi porovná.

**Naváděcí otázky**

- Co AI zvládla dobře?
- Co v odpovědi chybí?
- Poskytuje AI informaci, názor, nebo obojí?
- Zná AI naše místní prostředí stejně dobře jako my?
- Která odpověď by byla užitečnější při prezentaci našeho místního kulturního dědictví?
- Může odpověď vygenerovaná pomocí AI nahradit naše vlastní uvažování?

To navazuje na důraz učiva na kulturní dědictví, porozumění žáků minulosti a přítomnosti a jejich schopnost vysvětlit a zdůvodnit vlastní pohled.

**Závěrečná aktivita: Vytvoření třídního pravidla**

Na konci hodiny učitel a žáci společně vytvoří jednoduchý třídní plakát:

**5 OTÁZEK PŘED SDÍLENÍM**

- **STOP** — Musím tomu hned uvěřit?
- **ZEPTEJ SE** — Kdo to vytvořil nebo zveřejnil?
- **OVĚŘ** — Kde mohu informaci ověřit?
- **POROVNEJ** — Říkají to samé i jiné spolehlivé zdroje?
- **ROZHODNI** — Mám dostatek důkazů, abych tomu uvěřil(a) nebo to sdílel(a)?

Plakát se stává hlavním praktickým výstupem hodiny.

**Závěrečná otázka:** Pokud počítač dokáže vytvořit obrázek nebo text, který vypadá zcela skutečně, co bychom měli udělat předtím, než tomu uvěříme nebo to sdílíme s ostatními lidmi?

#### Materiály

- Jeden počítač a projektor pro učitele;
- přístup k jazykovému modelu/nástroji AI ovládanému učitelem;
- 2–3 předem připravené obrázky a texty vygenerované pomocí AI;
- několik příkladů skutečných a smyšlených informací;
- pracovní list STOP → ZEPTEJ SE → OVĚŘ → POROVNEJ → ROZHODNI;
- různé zdroje, které mohou žáci použít k ověřování;
- tabule nebo plakát pro vytvoření třídního pravidla „5 otázek před sdílením“.

#### Role učitele a žáků

Ústředním principem této hodiny je, že používání AI vede učitel.

<table id="bkmrk-u%C4%8Ditel%C5%BD%C3%A1ci-ovl%C3%A1d%C3%A1-n%C3%A1"><tbody><tr><th>Učitel</th><th>Žáci</th></tr><tr><td>Ovládá nástroj AI.</td><td>Pozorují výstup AI.</td></tr><tr><td>Vytváří vybrané příklady.</td><td>Kladou otázky k obsahu.</td></tr><tr><td>Demonstruje, jak AI generuje text/obrázky.</td><td>Identifikují důvody pro důvěru v informaci nebo její zpochybnění.</td></tr><tr><td>Poskytuje příklady a protipříklady.</td><td>Porovnávají různé zdroje.</td></tr><tr><td>Modeluje strategie ověřování.</td><td>Rozvíjejí vlastní strategii ověřování.</td></tr><tr><td>Vede diskusi.</td><td>Vysvětlují a zdůvodňují své závěry.</td></tr><tr><td>Zviditelňuje omezení AI.</td><td>Přemýšlejí o odpovědném sdílení informací.</td></tr></tbody></table>

Žáci se tak učí o schopnostech, omezeních a společenských důsledcích AI, aniž by potřebovali vlastní přístup k systému AI.

# 2.5 Mezipředmětové souvislosti: Návrh výuky s podporou umělé inteligence

### Návrh výuky s podporou AI

**Předmět:** Profesní rozvoj učitelů  ·  **Cílová skupina:** Učitelé  ·  **Délka:** 1 workshop (90 min)  ·  **AI:** Výuka **S** AI

<table id="bkmrk-kompetence-v-oblasti"><tbody><tr><th>Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</th><th>Předmětové vzdělávací cíle – úroveň žáka</th></tr><tr><td>**AF-DR-2b**  
(Základy a aplikace AI × Digitální zdroje, úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou uplatňovat strategie promptování, iterace a zdokonalování k získání použitelných materiálů vygenerovaných pomocí AI.“

**AF-TL-2b**  
(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“

</td><td>Na konci workshopu účastníci dokážou:

- formulovat strukturovaný prompt pro vytvoření vzdělávací aktivity ve vlastní oblasti;
- vyhodnotit aktivitu vygenerovanou pomocí AI z hlediska pedagogické relevance, přesnosti a vhodnosti pro cílovou skupinu;
- identifikovat prvky materiálu vygenerovaného pomocí AI, které vyžadují lidské ověření nebo úpravu;
- zlepšit počáteční výstup AI pomocí promptování, iterace a ruční revize;
- integrovat AI do výuky při zachování jasné pedagogické role učitele i žáka.

</td></tr></tbody></table>

> **Klíčové poselství:** Generativní AI dokáže urychlit přípravu hodiny, použitelná vzdělávací aktivita však málokdy vznikne z jediného promptu. Efektivní návrh výuky s podporou AI je iterativní proces, ve kterém učitelé definují pedagogický cíl, generují nápady, vyhodnocují výstup, zdokonalují jej a činí konečná pedagogická rozhodnutí.

![](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/scaled-1680-/chatgpt-image-sep-1-2026-at-04-27-24-pm.png)

Obr. 1: „Návrh výuky s podporou AI“ (obrázek vygenerovaný pomocí AI, ChatGPT GPT Image 2)

#### Obsah

Generativní AI dokáže učitelům pomoci s řadou úkolů souvisejících s přípravou výuky, včetně generování nápadů na aktivity, přizpůsobení materiálů různým skupinám žáků, tvorby příkladů a otázek nebo navrhování alternativních způsobů vysvětlení tématu. Lotyšská případová studie Datorium demonstruje tento praktický přístup k rozvoji kompetencí učitelů v oblasti AI: učitelé se nejprve seznámí s AI a jejím využitím ve vzdělávání a poté postupují k praktickému experimentování, plánování výuky, hodnocení a tvorbě diferencovaných materiálů. Po aplikaci ve výuce následuje reflexe a zpětná vazba, díky čemuž se používání AI stává součástí iterativního procesu profesního učení, nikoli jednorázovým technickým cvičením.

Užitečnost generativní AI pro návrh výuky výrazně závisí na informacích a omezeních, které učitel poskytne. Žádost jako „Vytvoř hodinu o klimatické změně“ ponechává většinu pedagogických rozhodnutí na systému AI. Strukturovanější prompt může specifikovat předmět, věk žáků, jejich předchozí znalosti, vzdělávací cíl, délku trvání, výukovou metodu, dostupné zdroje a očekávaný výstup žáků. Přidání těchto prvků nezaručuje dobrou hodinu, dává však učiteli větší kontrolu nad tím, co AI vytvoří, a usnadňuje hodnocení výsledného materiálu vzhledem k zamýšlenému vzdělávacímu cíli.

I podrobný prompt může vytvořit materiál, který je věcně nepřesný, pedagogicky slabý, nerealistický vzhledem k dostupnému času výuky nebo nevhodný pro konkrétní skupinu žáků. AI může navrhovat aktivity bez zohlednění dynamiky třídy, předpokládat zdroje, které nejsou dostupné, generovat úkoly, které ve skutečnosti neměří stanovený vzdělávací cíl, nebo poskytovat obsah, který působí přesvědčivě, ale vyžaduje věcné ověření. Z tohoto důvodu by měl být vzdělávací materiál vygenerovaný pomocí AI vnímán jako pracovní návrh, nikoli jako hotový výukový zdroj.

Ústředním procesem učení v této aktivitě proto není pouhé naučit se psát „dobrý prompt“. Učitelé procházejí opakovaným cyklem definuj → promptuj → vyhodnoť → zdokonal → ověř. Vycházejí ze skutečného vzdělávacího cíle z vlastní výuky, použijí AI k navržení aktivity, vyhodnotí výsledek podle pedagogických kritérií, v případě potřeby prompt zdokonalí a nakonec provedou vlastní úpravy, než je aktivita považována za připravenou pro výuku. To odpovídá důrazu případové studie Datorium na praktické experimentování, společnou tvorbu, uplatnění ve výuce a reflexi, přičemž pedagogická odpovědnost a ověřování výstupů zůstávají v rukou učitele.

#### Plán workshopu

<table id="bkmrk-f%C3%A1ze%C4%8Casaktivita-%C3%9Avod"><tbody><tr><th>Fáze</th><th>Čas</th><th>Aktivita</th></tr><tr><td>Úvod</td><td>10 min</td><td>Účastníci identifikují jeden úkol přípravy výuky, u kterého by AI mohla být potenciálně užitečná. Lektor představí AI jako asistenta/spolutvůrce, nikoli jako autonomního tvůrce hodin.</td></tr><tr><td>Vstup</td><td>15 min</td><td>Účastníci porovnají jednoduchý prompt se strukturovaným pedagogickým promptem a zkoumají, jak dodatečný kontext mění vygenerovanou vzdělávací aktivitu.</td></tr><tr><td>Zkoumání</td><td>15 min</td><td>Každý účastník zvolí skutečný vzdělávací cíl ze svého předmětu a požádá jazykový model o vygenerování krátké aktivity, která tento cíl řeší.</td></tr><tr><td>Adaptace</td><td>35 min</td><td>Účastníci projdou dvě až tři kola cyklu promptuj → vyhodnoť → zdokonal → ověř, přičemž postupně přidávají pedagogická omezení a kontrolují výslednou aktivitu.</td></tr><tr><td>Reflexe</td><td>25 min</td><td>Účastníci porovnají svůj původní výstup AI s finální verzí připravenou pro výuku a identifikují, které úpravy vzešly z promptování a které vyžadovaly jejich vlastní odborný úsudek.</td></tr></tbody></table>

#### Naváděcí otázky: od výstupu AI k aktivitě připravené pro výuku

**Kolo 1 — definujte pedagogický účel:**

Než začnete promptovat AI, definujte:

- Kdo jsou žáci?
- Co by měli znát nebo umět?
- Jaké mají předchozí znalosti?
- Kolik času je k dispozici?
- Co by žáci měli během aktivity skutečně dělat?

Vygenerujte počáteční aktivitu a porovnejte ji se zamýšleným vzdělávacím cílem.

**Diagnostikuj:** Pomáhá aktivita žákům skutečně dosáhnout cíle, nebo se pouze týká stejného tématu?

**Kolo 2 — přidejte omezení vyplývající z reality výuky:**

Zdokonalte prompt přidáním realistických podmínek, jako je velikost třídy, dostupné materiály, délka hodiny, úroveň žáků, výuková metoda nebo požadavky na přístupnost.

Vygenerujte upravenou aktivitu a porovnejte ji s první verzí.

**Porovnej:** Zkontrolujte, zda vygenerovaný text splňuje každou část zadání.

**Diagnostikuj:** Které změny aktivitu zlepšily? Jaké podmínky výuky AI stále nezohlednila?

**Volitelné kolo 3 — ověřte a převezměte zpět kontrolu:**

Vyhodnoťte finální aktivitu vygenerovanou pomocí AI z hlediska:

- věcné přesnosti;
- souladu se vzdělávacím cílem;
- vhodnosti pro skupinu žáků;
- realistického časování;
- srozumitelnosti pokynů;
- přístupnosti a inkluze;
- role učitele a žáka.

Účastníci poté provedou alespoň jednu ruční úpravu, aniž by o revizi požádali AI.

Závěrečné srovnání tedy nezní „Který prompt vytvořil nejlepší odpověď AI?“, ale spíše „Co musel učitel přidat, aby se z nápadu vygenerovaného AI stala použitelná vzdělávací aktivita?“

**Závěrečná otázka (pro fázi reflexe):** Ve kterém bodě vyžadovala aktivita vygenerovaná pomocí AI více než pouhé zdokonalení promptu, a co vám to říká o roli učitele při návrhu výuky s podporou AI?

**Navazující otázka:** Pokud vzdělávací aktivita vygenerovaná pomocí AI působí kompletně a dobře strukturovaně, jak můžete rozhodnout, zda je skutečně pedagogicky vhodná a připravená k použití se žáky?

#### Materiály

- Jeden notebook nebo tablet na účastníka, s prohlížečem
- Přístup ke schválenému chatovacímu rozhraní jazykového modelu, nebo lokálně nainstalovaný model
- Jeden skutečný vzdělávací cíl nebo téma hodiny z výuky každého účastníka
- Šablona strukturovaného pedagogického promptování
- Krátký pracovní list pro cyklus definuj → promptuj → vyhodnoť → zdokonal → ověř
- Kontrolní seznam pro hodnocení zahrnující pedagogickou relevanci, přesnost, vhodnost pro žáky, proveditelnost a soulad se vzdělávacími cíli
- Příklad jednoduchého promptu a strukturovanějšího pedagogického promptu

# 2.6 Dějepis: Rekonstrukce minulosti

### Den v životě středověké Rigy: Co nám historické prameny skutečně mohou prozradit?

**Předmět:** Dějepis  ·  **Ročník:** 7. ročník (13–14 let)  ·  **Délka:** 1 dvouhodina (90 min)  ·  **AI:** Učení **S** AI

<table id="bkmrk-kompetence-v-oblasti"><tbody><tr><th>Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</th><th>Předmětové vzdělávací cíle – úroveň žáka</th></tr><tr><td>**AF-TL-2b**  
(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“

**AF-FC-2b**  
(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace):

„Pedagogové dokážou realizovat vedení, které pomáhá žákům rozvíjet praktické dovednosti v oblasti AI, a přizpůsobit úkoly předchozím znalostem žáků a dostupným nástrojům AI.“

</td><td>Na konci hodiny žáci dokážou:

- vytěžit informace o středověkém městském životě z písemných, obrazových a archeologických pramenů;
- rozlišovat mezi důkazem, rozumnou inferencí a spekulací;
- vysvětlit aspekty obchodu, řemesel a každodenního života ve středověké Rize;
- kombinovat důkazy z několika pramenů k sestavení historické rekonstrukce;
- formulovat prompty, které vyžadují, aby AI pracovala se zadanými historickými důkazy;
- analyzovat informace, aby pochopili význam spolehlivých pramenů.

</td></tr></tbody></table>

**Klíčové poselství:** To, co je zobrazeno, není nutně to, co se skutečně stalo. Historické rekonstrukce kombinují důkazy, rozumné závěry a spekulace. Porozumět minulosti znamená rozpoznat rozdíl mezi tím, co víme z pramenů, co můžeme rozumně usoudit, a co bylo domyšleno k vyplnění mezer a k vyprávění lepšího příběhu.

[![ChatGPT Image Sep 2, 2026 at 01&#95;30&#95;35 PM.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/scaled-1680-/chatgpt-image-sep-2-2026-at-01-30-35-pm.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/chatgpt-image-sep-2-2026-at-01-30-35-pm.png)

Obr. 1: „Jeden den ve středověké Rize: Co nám historické prameny skutečně mohou prozradit?“ (obrázek vygenerovaný pomocí AI, ChatGPT GPT Image 2)

#### Obsah

Historici nemohou přímo pozorovat každodenní život ve středověku. Historici proto rekonstruují minulost na základě stop, které po sobě lidé zanechali: písemných dokumentů, budov, předmětů, obrazů, archeologických nálezů a dalších důkazů. Různé prameny přitom poskytují odpovědi na různé otázky. Záznam o obchodu nám může odhalit, jaké zboží se do města dováželo, zatímco archeologický nález může napovědět, jaké předměty lidé vlastnili nebo používali. Žádný z těchto pramenů však sám o sobě nedokáže zrekonstruovat celý den v životě konkrétního člověka.

Středověká Riga představuje vhodný příklad pro studium tohoto období. Počátkem 13. století se začala rychle rozvíjet a stala se významným centrem, které propojovalo obchod mezi západní Evropou, Livonskem a oblastmi dále na východ. Koncem 13. století již patřila k významným hanzovním obchodním městům. Rozvoj obchodu a řemesel podporoval růst kupeckých a řemeslnických organizací, jako byly cechy.

Moderní média dokážou minulost vykreslit mnohem lépe, než ve skutečnosti dovolují dochované důkazy. Obsah o historii vytvořený pomocí umělé inteligence, například Chloe VS History, nabízí působivé scény ve stylu „cestování v čase“, v nichž diváci zdánlivě navštěvují historická místa a období, například Londýn během morové epidemie ve 14. století. Oblečení, ulice, budovy, lidé a každodenní činnosti jsou prezentovány, jako by byly přímo pozorovány. Tyto scény jsou však rekonstrukcemi: některé detaily mohou vycházet z historických důkazů, jiné mohou být rozumnými závěry a další mohou být spekulativní nebo nepřesné.

Stejný problém se objevuje i v historických filmech. Příběh rytíře (A Knight’s Tale) vytváří rozpoznatelný obraz středověkého světa prostřednictvím zbroje, rytířských turnajů, oděvů, architektury a společenských rolí, zároveň však záměrně využívá moderní hudbu, jazyk a způsoby chování. Připomíná nám tak, že něco může působit přesvědčivě historicky, aniž by to přesně odpovídalo tomu, co se skutečně odehrálo.

Generativní umělá inteligence funguje podobným způsobem. Dokáže spojit útržky historických důkazů do ucelené rekonstrukce jednoho dne ve středověké Rize, může však také doplňovat mezery detaily, které se v pramenech nikdy neobjevily. Některé z těchto doplněných prvků mohou být historicky věrohodné, jiné mohou pocházet z jiného regionu, století nebo společenské skupiny.

Žáci proto potřebují rozlišovat mezi třemi úrovněmi jistoty:

- **Důkaz** – co historické prameny přímo dokládají.
- **Inference (závěr)** – co lze z těchto důkazů rozumně vyvodit.
- **Spekulace** – co bylo domyšleno k vyplnění mezer.

#### Plán hodiny

<table id="bkmrk-f%C3%A1ze%C4%8Casaktivita-1%29-n"><tbody><tr><th>Fáze</th><th>Čas</th><th>Aktivita</th></tr><tr><td>1) Úvod</td><td>10 min</td><td>Žáci sledují středověké AI video Chloe VS History. Identifikují, co jej činí věrohodným, a ptají se, které detaily jsou skutečně podložené důkazy.</td></tr><tr><td>2) Vstup</td><td>10 min</td><td>Představení pojmů důkaz – inference – spekulace a jejich procvičení.</td></tr><tr><td>3) Zkoumání</td><td>15 min</td><td>Žáci analyzují prameny o středověké Rize bez AI a určují, co lze skutečně zjistit.</td></tr><tr><td>4) Adaptace 1</td><td>20 min</td><td>AI rekonstruuje jeden den ve středověké Rize z omezených důkazů. Žáci identifikují, kde vyplňuje mezery.</td></tr><tr><td>5) Adaptace 2</td><td>20 min</td><td>Přidají se další prameny a přísnější promptování. Žáci porovnávají obě rekonstrukce.</td></tr><tr><td>6) Reflexe</td><td>25 min</td><td>Žáci přenášejí stejný rámec kritického myšlení na středověký historický film.</td></tr></tbody></table>

**Naváděcí otázky: od výstupu AI k aktivitě připravené pro výuku**

**1) Navnadění.** Ukažte přibližně 30–60 sekund AI generované návštěvy Londýna během epidemie moru roku 1348 z Chloe VS History ([TikTok](https://www.tiktok.com/@chloe.tiktok33/video/7613244697523408150?is_from_webapp=1&sender_device=pc&web_id=7668702239284266518)/[YouTube](https://www.youtube.com/shorts/oQu-Acwyayc)).

*Diskusní otázka:* „Co způsobuje, že to vypadá jako skutečná návštěva středověkého Londýna?“

Představte problém: „Jak vlastně víme, že jsou tyto detaily historicky přesné?“

**Klíčový princip této hodiny** (Význam pramenů): Historický důkaz → inference → spekulace

**2) Vstup.** Archeologický předmět: středověký hřeben

Poskytněte žákům výroky o předmětu, které je třeba zařadit do kategorií důkaz, inference, spekulace, například:

- „Ve středověké Rize byl nalezen kostěný hřeben.“ — **Důkaz**
- „Někteří obyvatelé Rigy používali hřebeny.“ — **Inference**
- „Majitel si česal vlasy před tím, než každé ráno šel na trh.“ — **Spekulace**

**3) Zkoumání.** Skupinová práce. Analýza pramenů.

4 různé prameny o středověké Rize:

- A) Riga jako hanzovní obchodní město. Text z Muzea historie Rigy a mořeplavby, „Riga jako součást Livonska (13.–16. stol.)“.
- B) Archeologické důkazy hanzovního obchodu. Fotografie z Muzea historie Rigy a mořeplavby, „Archeologické důkazy hanzovního obchodu v Rize“.
- C) Seznam dovozu a vývozu z Rigy. Obchodní údaje z Muzea historie Rigy a mořeplavby, „Archeologické důkazy hanzovního obchodu v Rize“.
- D) Stavební předpisy Rigy z roku 1293, které po požáru omezily výstavbu dřevěných domů.

Žáci vyplní pro každý pramen pracovní list a zodpoví následující otázky: Co víme? Co můžeme rozumně usoudit? Co stále nevíme?

**4) AI doplní chybějící mezery.**

Prompt, který žáci použijí:

> Pomocí pouze pramenů A a B popiš jedno ráno ve středověké Rize z pohledu mladého obyvatele města. Napiš přibližně 150 slov. Vytvoř živou scénu, ale nevkládej informace, které nelze z pramenů rozumně odvodit.

Žáci anotují odpověď AI:

- Důkaz
- Rozumná inference
- Nepodložené / spekulace

**5) AI upravuje svou práci s využitím více důkazů.**

Vylepšený prompt:

> Uprav rekonstrukci s využitím pramenů A–D. Za každým důležitým historickým detailem uveď jeho pramen, například \[Pramen B\]. Pokud něco není přímo uvedeno, ale je to rozumně odvoditelné z pramenů, napiš \[Inference\]. Odstraň detaily, které nelze podložit ani rozumně odvodit.

**Porovnání**

Verze 1 → Verze 2

Najděte:

- jeden detail, který se stal přesnějším;
- jeden detail, který AI odstranila;
- jeden nový detail podložený důkazy;
- jeden detail, který je stále třeba zpochybnit.

**6) Reflexe / přenos znalostí**

Ukažte krátkou, pro výuku vhodnou scénu nebo snímek z filmu Rytíř z Konopiště (2001).

*Diskusní otázka:*

- Na základě klíčových principů z této hodiny — co vyniká jako důkaz, inference, spekulace?
- Pokud filmaři mění historické detaily, aby vytvořili lepší příběh, je to nutně špatně?

**Závěrečná individuální reflexe**

Žáci doplní:

1. Něco může vypadat historicky přesvědčivě, když…
2. Než uvěřím něčemu, co vidím v historickém filmu, měl(a) bych…
3. Historický film může detaily vymyslet nebo změnit, ale…

#### Materiály

- Projektor/interaktivní tabule s reproduktory.
- Středověké AI video Chloe VS History pro navnadění.
- Obrázek středověkého kostěného hřebenu z Rigy.
- Mini pracovní list Důkaz–Inference–Spekulace.
- Sada pramenů o středověké Rize: text o hanzovním obchodu, fotografie archeologických nálezů, seznam dovozu/vývozu, stavební předpisy z roku 1293.
- Pracovní list pro analýzu pramenů.
- Zařízení žáků s přístupem ke schválenému nástroji generativní AI.
- Pracovní listy s prompty a porovnáním pro kola 1 a 2.
- Krátký klip nebo snímek z filmu Rytíř z Konopiště (2001) pro reflexi.

# 2.7 Informatika / přírodní vědy: AI pro reálný školní problém

### Může nám AI pomoci třídit odpad ve škole?

**Předmět:** Informatika/přírodní vědy · **Cílová skupina:** 7. ročník (13–14 let) · **Délka:** 1 dvouhodinový blok · **AI:** Výuka **S** AI

<table id="bkmrk-ai-competencies-vs-su" style="width:100%;table-layout:auto;height:332.625px;"><tbody><tr style="height:49px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:50.059595%;height:49px;">Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:50.059595%;height:49px;">Předmětové vzdělávací cíle – úroveň žáka</td></tr><tr style="height:283.625px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:50.059595%;height:283.625px;">**AF-TL-2b**

*(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace)*:

„Pedagogové rozumějí základním principům AI a strojovému učení a dokážou je předvést na praktických příkladech.“

**AF-FC-2b**

*(*Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace*)*:

„Pedagogové dokážou vést žáky k experimentování s nástroji AI, testování jejich výstupů a kritické reflexi jejich spolehlivosti.“

</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:50.059595%;height:283.625px;">Na konci hodiny žáci dokážou:

- jednoduše vysvětlit, jak se model AI učí z příkladů
- natrénovat a otestovat jednoduchý model klasifikace obrázků
- identifikovat případy, ve kterých model dává nesprávné výsledky
- vysvětlit, jak kvalita příkladů ovlivňuje výkon AI
- vylepšit model na základě testování;
- posoudit, zda by řešení postavené na AI bylo v reálné školní situaci užitečné a spolehlivé.

</td></tr></tbody></table>

> **Klíčové poselství:** AI může pomáhat s reálnými problémy, ale nerozumí automaticky tomu, co vidí. Učí se z příkladů, které jí poskytnou lidé, a její výsledky je proto nutné testovat a vyhodnocovat.

[![Učíme se recyklovat s pomocí AI.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/ucime-se-recyklovat-s-pomoci-ai.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/YTEimage.png)

Obr. 1: „Může nám AI pomoci třídit odpad ve škole?“ (obrázek vygenerovaný pomocí AI, ChatGPT GPT Image 2)

#### Obsah

Třídění odpadu je v mnoha školách každodenní téma. Žáci denně používají papír, plastové lahve, obaly od potravin a další materiály, tyto věci však ne vždy skončí ve správném kontejneru.

Tato známá situace nabízí jednoduchou cestu, jak prozkoumat, jak umělá inteligence funguje. Žáci zkoumají, zda by systém AI dokázal rozpoznat předmět a doporučit, do kterého kontejneru patří.

Během aktivity žáci vytvoří základní **model klasifikace obrázků** s kategoriemi jako *papír*, *plast* a *ostatní odpad*. AI poskytnou několik příkladů, model natrénují a poté jej otestují na nových předmětech.

Aktivita ukazuje důležitý princip strojového učení: **AI se učí vzorce z příkladů, které dostane**. Pokud jsou příklady příliš podobné, neúplné nebo špatně vybrané, může model dávat nečekané výsledky.

Žáci proto nejen vytvoří fungující model. Záměrně jej testují na obtížných příkladech, zkoumají jeho chyby a snaží se jej vylepšit. Mohou například zjistit, že zmačkaná plastová lahev je zařazena jinak než běžná lahev, nebo že výsledek ovlivňuje pozadí obrázku.

Hodina propojuje základní pojem z oblasti AI s reálnou školní situací. Zároveň vede žáky ke kritickému uvažování o spolehlivosti a lidské odpovědnosti: i když systém AI vydá doporučení, stále musí člověk rozhodnout, zda výsledek dává smysl.

#### Plán hodiny

<table id="bkmrk-phase-time-activity-" style="width:100%;table-layout:auto;height:284px;"><tbody><tr style="height:33px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:12.7533%;height:33px;">Fáze</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:9.05684%;height:33px;">Čas</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:78.1899%;height:33px;">Aktivita</td></tr><tr style="height:54px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;height:54px;">Úvod</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;height:54px;">10 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;height:54px;">Učitel ukáže několik běžných odpadních předmětů a zeptá se žáků, kam patří. Třída diskutuje o tom, zda by stejné rozhodnutí dokázala učinit automaticky AI.</td></tr><tr style="height:39px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;height:39px;">Vstup</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;height:39px;">10 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;height:39px;">Učitel představí klasifikaci obrázků a vysvětlí, že AI se učí z příkladů. Krátce předvede vybraný nástroj AI.</td></tr><tr style="height:51px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;height:51px;">Zkoumání</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;height:51px;">20 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;height:51px;">V malých skupinách žáci vytvoří kategorie jako papír, plast a ostatní odpad, připraví příklady a natrénují svůj první model.</td></tr><tr style="height:36px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;height:36px;">Adaptace 1</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;height:36px;">20 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;height:36px;">Žáci testují model na nových předmětech a zaznamenávají, kde uspěje a kde chybuje.</td></tr><tr style="height:33px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;height:33px;">Adaptace 2</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;height:33px;">20 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;height:33px;">Žáci vylepší trénovací příklady, model znovu natrénují a porovnají nové výsledky s první verzí.</td></tr><tr style="height:38px;"><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;height:38px;">Reflexe</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;height:38px;">10 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;height:38px;">Žáci diskutují o tom, zda by jejich systém AI byl dost spolehlivý pro reálné využití ve škole a jaká jsou jeho omezení.</td></tr></tbody></table>

**Vodicí otázky: od experimentu s AI k reálnému využití**

- - ##### **Navnadění – Mohla by AI rozhodnout, kam patří náš odpad?** 
        
        
        - **Učitel ukáže několik běžných předmětů, například:**
            
            
            - list papíru,
            - plastovou lahev,
            - kartonovou krabici,
            - kelímek od jogurtu,
            - tužku.
            
            Žáci nejprve sami rozhodnou, kam který předmět patří.
            
            **Poté se zeptejte:**
            
            
            - Mohl by počítač učinit stejné rozhodnutí z obrazu z kamery?
            - Jak by poznal, že něco je papír, nebo plast?
            - Jaké informace by k tomu potřeboval?
            - Mohl by se někdy rozhodnout špatně?
            
            Představte výzvu:
            
            **Vytvořte model AI, který žákům pomůže rozhodnout, který kontejner použít.**
    - ##### **Vstup – Jak se klasifikátor AI učí?**
        
        
        - Učitel předvede jednoduchý nástroj pro klasifikaci obrázků.
            
            Lze vytvořit tři kategorie:
            
            **Papír – Plast – Ostatní**
            
            Vysvětlete, že model nedostane definici typu:
            
            > „Plast je materiál vyrobený z polymerů.“
            
            Místo toho dostane **příklady** a snaží se v nich najít vzorce.
            
            **Zeptejte se žáků:**
            
            
            - Pokud AI ukážeme jen plastové lahve, porozumí všem druhům plastu?
            - Kolik příkladů by asi potřebovala?
            - Měly by všechny fotografie vypadat stejně?
            - Co by se mohlo stát, kdyby všechny papírové předměty byly vyfoceny na bílém stole?
            
            **Klíčová myšlenka:** Příklady, které poskytneme, ovlivňují to, co se AI naučí.
    - ##### **Zkoumání – Sestavte první model**
        
        Žáci pracují v malých skupinách.
        
        Každá skupina sesbírá nebo použije připravené příklady pro tři kategorie.
        
        Například:
        
        **Papír**
        
        
        - pracovní list
        - noviny
        - karton
        - papírový sáček
        
        **Plast**
        
        
        - plastová lahev
        - plastový kelímek
        - obal
        
        **Ostatní**
        
        
        - tužka
        - kovový předmět
        - obal od potravin jiného druhu
        - textilie
        
        Žáci natrénují svůj první model.
        
        Poté otestují několik snadných příkladů.
        
        U každého testu zaznamenají:
        
        **Předmět → Očekávaný výsledek → Výsledek AI → Správně / Nesprávně**
        
        V této fázi není cílem dosáhnout dokonalé přesnosti. Žáci mají nejprve pochopit, jak se systém chová.
    - ##### **Adaptace 1 – Zkuste AI nachytat**
        
        Žáci nyní testují systém na obtížnějších příkladech.
        
        Například:
        
        
        - zmačkaná plastová lahev;
        - barevný papír;
        - karton s plastovou vrstvou;
        - předmět z jiného úhlu;
        - předmět dále od kamery;
        - stejný předmět na jiném pozadí.
        
        Zeptejte se:
        
        
        - Které příklady AI rozpoznala správně?
        - Kde udělala chyby?
        - Čím se tyto příklady lišily?
        - Mohla by AI reagovat na barvu nebo pozadí místo na samotný předmět?
        - Jaké informace mohou v trénovacích příkladech chybět?
        
        Žáci určí jednu slabinu svého modelu.

- ##### **Adaptace 2 – Vylepšete model** 
    
    Každá skupina provede jednu nebo více změn.
    
    Například:
    
    
    - přidat více příkladů;
    - použít různé druhy papíru nebo plastu;
    - vyfotit předměty z několika úhlů;
    - použít různá pozadí;
    - vyrovnat počet příkladů v jednotlivých kategoriích.
    
    Žáci model znovu natrénují a zopakují část svých dřívějších testů.
    
    Porovnají:
    
    **Verze 1 → Verze 2**
    
    Zeptejte se:
    
    
    - Zlepšil se model?
    - Která změna pomohla?
    - Zůstávají příklady, které nedokáže spolehlivě zařadit?
    - Vyřešilo by problém vždy přidání dalších dat?
    - Kolik testování by bylo nutné, než by se systém nasadil ve skutečnosti?

- ##### **Reflexe – Použili bychom tuto AI ve škole doopravdy?** 
    
    Představte hypotetickou situaci:
    
    **Škola chce vedle kontejnerů na tříděný odpad nainstalovat kameru. Žáci ukážou předmět kameře a AI doporučí, který kontejner použít.**
    
    Žáci rozhodnou, zda by tento nápad doporučili.
    
    Diskutujte:
    
    
    - Důvěřovali byste současnému modelu?
    - Co by se mohlo stát, kdyby dal špatnou odpověď?
    - Měli by mít žáci vždy možnost jeho doporučení ignorovat?
    - Jaké další testování by bylo nutné?
    - Mohla by kamera vytvářet problémy se soukromím?
    - Kde jinde mimo školu by mohl být podobný systém AI užitečný?
    
    Žáci doplní:
    
    
    1. **Naše AI fungovala dobře, když…**
    2. **Naše AI měla problémy, když…**
    3. **Než bychom tento systém použili v praxi, potřebovali bychom…**
    
    **Závěrečná reflektivní otázka:**  
    Když systém AI vydá doporučení, kdo by měl rozhodnout, zda je toto doporučení dost dobré na to, aby se použilo?

#### Materiály

- - Počítač nebo tablet pro každou skupinu
    - Připojení k internetu
    - Přístup k jednoduchému nástroji AI pro klasifikaci obrázků
    - Webová kamera nebo kamera zařízení
    - Čisté vzorky papíru, plastu a dalších běžných předmětů
    - Případně připravené fotografie předmětů
    - Jednoduchý pracovní list pro zaznamenávání výsledků testů
    - Projektor / interaktivní tabule pro učitele
    - Volitelně připravená tabulka pro porovnání **verze 1** a **verze 2** modelu

# 2.8 Matematika: Umí stroj opravdu počítat?

### První setkání s umělou inteligencí ve výuce matematiky na základní škole – rozpoznávání řeči pomocí zařízení „Recheneule“

**Předmět:** Matematika · **Ročník:** 2. ročník (7–8 let) · **Délka:** 1 vyučovací hodina (50 min) · **AI:** Výuka **O** AI

**Příklad ze skutečné školy:** Tento vzorový příklad vychází z doložené praxe školy **Volksschule Hagenberg im Mühlkreis** (Horní Rakousko), která je oficiální „KI-Pilotschule“ rakouského spolkového ministerstva školství. Její učitelé zavádějí AI hravou formou už od 2. ročníku, aby děti připravili na její příležitosti i rizika (ředitelka Martina Ketterer-Hager). Ústředním prvkem je projekt digicase / DLPL, v němž si děti procvičují algoritmické myšlení – včetně matematické hry s rozpoznáváním řeči „Die schlaue Recheneule“, vyvinuté ve spolupráci s PH Linz. Tato hodina staví jednu vyučovací jednotku kolem tohoto reálného nástroje. Odpovídá iniciativě ministerstva „KI-Initiative“ a kompasu se čtyřmi směry Verstehen, Anwenden, Reflektieren, Mitgestalten.

<table class="MsoNormalTable" id="bkmrk-ai-related-competenc" style="width:902px;border-collapse:collapse;height:251.858px;"><thead><tr style="height:46.6319px;"><td style="width:419.545px;border:1pt solid rgb(191,191,191);background:rgb(214,233,234);padding:4pt 6pt;height:46.6319px;"><span style="color:rgb(68,68,68);">**<span style="font-size:9.5pt;">Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</span>**</span>

</td><td style="width:418.509px;border-width:1pt 1pt 1pt medium;border-style:solid solid solid none;border-color:rgb(191,191,191) rgb(191,191,191) rgb(191,191,191);background:rgb(214,233,234);padding:4pt 6pt;height:46.6319px;"><span style="color:rgb(68,68,68);">**<span style="font-size:9.5pt;">Předmětové vzdělávací cíle – úroveň žáka</span>**</span>

</td></tr></thead><tbody><tr style="height:205.226px;"><td style="width:420.057px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:205.226px;">**<span style="font-size:9.5pt;">AF-FC-1a</span>**

*<span style="font-size:9pt;">(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 1 – Orientační povědomí):</span>*

<span style="font-size:9pt;">„Pedagogové dokážou shrnout základní pojmy AI, kterým by žáci měli rozumět, včetně příkladů přiměřených věku.“</span>

**<span style="font-size:9.5pt;">AF-FC-1b</span>**

*<span style="font-size:9pt;">(úroveň 1 – Orientační povědomí):</span>*

<span style="font-size:9pt;">„Pedagogové dokážou rozpoznat technické limity současných systémů AI, které žáci potřebují pochopit.“</span>

</td><td style="width:419.034px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:205.226px;"><span style="font-size:9.5pt;">Na konci hodiny žáci dokážou:</span>

•<span style="font:7pt 'Times New Roman';">    </span><span style="font-size:9pt;line-height:110%;">jednoduchými slovy říct, že „Recheneule“ je počítačový program, který se snaží uslyšet číslo, jež vyslovili, a že to není člověk a ne vždy rozumí;</span>

•<span style="font:7pt 'Times New Roman';">    </span><span style="font-size:9pt;line-height:110%;">řešit s tímto nástrojem nahlas jednoduché příklady na sčítání a odčítání a odečíst, zda počítač uslyšel správné číslo;</span>

•<span style="font:7pt 'Times New Roman';">    </span><span style="font-size:9pt;line-height:110%;">všimnout si a pojmenovat alespoň jednu věc, díky které AI slyší lépe nebo hůře (zřetelná výslovnost, blízkost k mikrofonu, tichá místnost);</span>

•<span style="font:7pt 'Times New Roman';">    </span><span style="font-size:9pt;line-height:110%;">zkontrolovat počítač: když sova ukáže špatné číslo, sami vypočítat správný výsledek a říct, zda chybu udělalo dítě, nebo počítač.</span>

</td></tr></tbody></table>

> **Klíčové poselství:** Děti nástroj nejen používají – ony ho pozorují. Tím, že s „Recheneule“ počítají nahlas a sledují, kdy uslyší správné číslo a kdy se splete, dělají druháci svůj úplně první objev o AI: je to užitečný, ale nedokonalý stroj, a tím, kdo zná správnou odpověď, je stále dítě. Tím se pokládá základ celoživotního návyku ověřovat, nejen věřit.

[![Veselá matematická učebna se sovou.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/vesela-matematicka-ucebna-se-sovou.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/TNachatgpt-image-8-sept-2026-13-34-19.png)

Obr. 1: „První setkání s AI v matematice na 1. stupni – rozpoznávání řeči s ‚Recheneule‘“ (obrázek vygenerovaný pomocí AI, ChatGPT GPT Image 2)

#### Obsah

Malé děti se s umělou inteligencí setkávají dávno předtím, než ji dokážou vysvětlit: hlasoví asistenti doma, fotoaparáty, které najdou obličeje, aplikace, které za ně dokončují věty. Rakouské „KI-Basiscurriculum“ i iniciativa ministerstva „KI-Initiative“ shodně zdůrazňují, že **gramotnost v oblasti AI by měla začínat brzy** **a hravě**, a že patří do výuky na 1. stupni stejně jako do vyšších ročníků. Volksschule Hagenberg im Mühlkreis, jedna z „KI-Pilotschule“, to dělá přesně takto: její učitelé zavádějí AI už od 2. ročníku prostřednictvím her, s projektem digicase / DLPL v centru dění, aby si děti vytvořily první konkrétní představu o tom, co tyto stroje dokážou a co ne.  
  
**„Recheneule“** („chytrá počítající sova“) je jednou z těchto her a do hodiny matematiky se hodí dokonale. Využívá rozpoznávání řeči – jednu z forem AI – takže dítě může nahlas vyslovit číslo a program se je pokusí rozpoznat a použít ve výpočtu. Nástroj je záměrně jednoduchý a, jak uvádějí jeho tvůrci, stále experimentální: zda uslyší správně, závisí na mikrofonu, na tom, jak zřetelně dítě mluví, a na tom, jak je v místnosti ticho. Pro sedmileté dítě to není nedostatek, který je třeba skrývat, nýbrž jádro celé hodiny. Když sova ukáže špatné číslo, dítě na vlastní oči vidí, že chytrý stroj neporozuměl – a že ono samo stále ví, že tři plus čtyři je sedm.  
  
Právě to činí tento nástroj cenným pro výuku o AI v tomto věku. Po dětech se nechce, aby rozuměly tomu, jak rozpoznávání řeči uvnitř funguje; mají je pozorovat, zlepšovat jeho fungování zřetelnou výslovností a blízkostí k mikrofonu a všímat si, kdy selže. Jazykem „KI-Basiscurriculum“ je to první krok od Verstehen (naslouchá stroj, ne člověk) k Reflektieren (ne vždy to trefí a já to mohu zkontrolovat). Učitel udržuje matematiku v popředí: smyslem příkladu je stále příklad a sova je hravý partner, jehož odpovědi se dítě učí ověřovat.  
V této hodině děti předpovídají, zda je sova uslyší, vyzkoušejí to, podívají se, co ukáže, a promluví si o tom, proč se někdy splete – jde o jednoduchou, věku přiměřenou podobu **cyklu předpověz → vyzkoušej → zkontroluj → promluv si**, který se používá napříč těmito vzorovými příklady. Cílem je první, radostná zkušenost s AI jako užitečným pomocníkem, který stále potřebuje člověka, aby jej zkontroloval.

#### Plán hodiny

<table class="MsoNormalTable" id="bkmrk-phase-time-activity-" style="width:852px;border-collapse:collapse;height:289.465px;"><thead><tr style="height:29.2014px;"><td style="width:89.7222px;border:1pt solid rgb(191,191,191);background:rgb(214,233,234);padding:4pt 6pt;height:29.2014px;">**<span style="font-size:9.5pt;color:#000000;">Fáze</span>**

</td><td style="width:69.0972px;border-width:1pt 1pt 1pt medium;border-style:solid solid solid none;border-color:rgb(191,191,191) rgb(191,191,191) rgb(191,191,191);background:rgb(214,233,234);padding:4pt 6pt;height:29.2014px;">**<span style="font-size:9.5pt;color:#000000;">Čas</span>**

</td><td style="width:677.552px;border-width:1pt 1pt 1pt medium;border-style:solid solid solid none;border-color:rgb(191,191,191) rgb(191,191,191) rgb(191,191,191);background:rgb(214,233,234);padding:4pt 6pt;height:29.2014px;">**<span style="font-size:9.5pt;color:#000000;">Aktivita</span>**

</td></tr></thead><tbody><tr style="height:46.0625px;"><td style="width:89.9653px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:46.0625px;"><span style="font-size:9.5pt;">Úvod</span>

</td><td style="width:69.2882px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:46.0625px;"><span style="font-size:9.5pt;">8 min</span>

</td><td class="align-left" style="width:679.635px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:46.0625px;"><span style="font-size:9.5pt;">Na koberci se učitelka zeptá dětí, kde už slyšely, že nějaký přístroj „naslouchá“ hlasu (telefon, reproduktor, tablet). Společně se shodnou na jednoduchém závěru: počítač se sice může snažit nás slyšet, ale není to člověk a může se mýlit.</span>

</td></tr><tr style="height:54.0625px;"><td style="width:89.9653px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:54.0625px;"><span style="font-size:9.5pt;">Ukázka</span>

</td><td style="width:69.2882px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:54.0625px;"><span style="font-size:9.5pt;">7 min</span>

</td><td class="align-left" style="width:679.635px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:54.0625px;"><span style="font-size:9.5pt;">Učitel jednou předvede na velkém plátně „Recheneule“, přičemž jedno číslo vysloví zřetelně a druhé zamumlá, aby žáci viděli, jak sova nejprve slyší správně a poté špatně. Žáci pak hádají, proč tomu tak je.</span>

</td></tr><tr style="height:64.0625px;"><td style="width:89.9653px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:64.0625px;"><span style="font-size:9.5pt;">Vyzkoušení (ve dvojicích)</span>

</td><td style="width:69.2882px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:64.0625px;"><span style="font-size:9.5pt;">20 min</span>

</td><td class="align-left" style="width:679.635px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:64.0625px;"><span style="font-size:9.5pt;">Ve dvojicích u tabletu se sluchátky se děti střídají: jedno nahlas řekne výsledek jednoduchého příkladu (např. „tři plus čtyři“ → řekne „sedm“), druhé sleduje, jaké číslo sova ukáže, a na jednoduchém listu odškrtne smajlíka (slyšela správně) nebo rovnou pusu (slyšela špatně).</span>

</td></tr><tr style="height:49.0625px;"><td style="width:89.9653px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:49.0625px;"><span style="font-size:9.5pt;">Kontrola</span>

</td><td style="width:69.2882px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:49.0625px;"><span style="font-size:9.5pt;">8 min</span>

</td><td class="align-left" style="width:679.635px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:49.0625px;"><span style="font-size:9.5pt;">U každého „slyšela špatně“ si dvojice sama vypočítá správný výsledek a společně rozhodne: řeklo to dítě špatně, nebo to sova špatně slyšela? Zakroužkují, kdo udělal chybu.</span>

</td></tr><tr style="height:47.0139px;"><td style="width:89.9653px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:47.0139px;"><span style="font-size:9.5pt;">Rozhovor</span>

</td><td style="width:69.2882px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:47.0139px;"><span style="font-size:9.5pt;">7 min</span>

</td><td class="align-left" style="width:679.635px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(191,191,191) rgb(191,191,191);padding:4pt 6pt;height:47.0139px;"><span style="font-size:9.5pt;">Zpátky na koberci: Co sově pomohlo, aby nás slyšela? (mluvit zřetelně, být blízko, být potichu). Když se sova spletla, věděli jsme správnou odpověď i tak? Kdo je v příkladu pánem – sova, nebo my?</span>

</td></tr></tbody></table>

**Vodicí otázky: předpověz → vyzkoušej → zkontroluj → promluv si**

Dvojice procházejí těmito krátkými koly během fáze „Vyzkoušení“. Formulace jsou záměrně jednoduché, aby je učitel mohl říkat nahlas; mladší nebo rychlejší dvojice mohou absolvovat více kol.

1.<span style="font:7pt 'Times New Roman';">    </span>**<span style="font-size:10.5pt;line-height:110%;">Kolo 1 – uslyší mě sova?</span>**

- - **Předpověz**: Než promluvíš: myslíš si, že sova tvoje číslo tentokrát uslyší? Palec nahoru, nebo palec dolů.
    - **Vyzkoušej**: Řekni výsledek příkladu nahlas, zřetelně a blízko u mikrofonu.
    - **Zkontroluj**: Podívej se na číslo, které sova ukazuje. Je to tvoje číslo? Odškrtni smajlíka (ano), nebo vážný obličej (ne).
    - **Promluv si**: Pokud to bylo špatně, co bychom mohli změnit? Mluvit hlasitěji? Pomaleji? Být v místnosti víc potichu?

2.<span style="font:7pt 'Times New Roman';">    </span>**<span style="font-size:10.5pt;line-height:110%;">Kolo 2 – kdo udělal chybu?</span>**

- - **Předpověz**: Nejdřív si výsledek příkladu spočítej v hlavě. Co by měla sova ukázat?
    - **Vyzkoušej**: Řekni výsledek. Sleduj sovu.
    - **Zkontroluj**: Pokud sova ukáže jiné číslo, vypočítejte si příklad sami. Jaký je správný výsledek?
    - **Promluv si**: Řekli jsme to špatně my, nebo to sova špatně slyšela? Zakroužkujte na svém listu dítě, nebo sovu.

3.<span style="font:7pt 'Times New Roman';">    </span>**<span style="font-size:10.5pt;line-height:110%;">Kolo 3 (rozšíření) – schválně si to ztížíme:  
  
</span>**

- - **Předpověz**: Co se stane, když budeme šeptat nebo mluvit, zatímco mluví kamarád? Uslyší nás sova i tak?
    - **Vyzkoušej**: Zkuste to jednou šeptem a jednou s trochou hluku – jen tak pro zajímavost.
    - **Zkontroluj**:  Udělala sova více chyb, když to bylo těžší? Spočítej vážné obličeje.
    - **Promluv si**: Co tedy sova od nás potřebuje, aby fungovala dobře? Řekněte to jednou větou.

**Závěrečná otázka (pro fázi Rozhovor):** Když sova ukázala špatné číslo, věděli jsme správnou odpověď i tak? Kdo tedy musí příklad zkontrolovat – počítač, nebo my?  
  
**Navažte otázkou:** Sova je chytrá, ale může slyšet špatně. Kde jinde by se chytrý stroj mohl v něčem splést – a co bychom mohli vždycky udělat, abychom to zkontrolovali?

#### Materiály

- Jeden tablet (nebo počítač) na dvojici s funkčním mikrofonem; důrazně doporučujeme sluchátka s mikrofonem ke každému tabletu, protože tvůrci nástroje upozorňují, že kvalita mikrofonu a ticho v místnosti hrají roli.
- Matematická hra s rozpoznáváním řeči „Recheneule“ z projektu digicase / DLPL (dlpl.at), otevřená v prohlížeči; s povoleným přístupem k mikrofonu.
- Velká obrazovka nebo projektor pro učitelovu ukázku.  
    Velmi jednoduchý pracovní list pro každou dvojici: řádky s políčkem k odškrtnutí smajlíka / rovné pusy a malým kroužkem „dítě, nebo sova?“ pro krok kontroly.
- Krátký seznam připravených příkladů na úrovni třídy (sčítání a odčítání do 20), aby matematika zůstala v centru pozornosti.  
    Tichý kout nebo rozesazení s odstupy, aby rozpoznávání řeči mělo co nejlepší šanci fungovat.

# 2.9 Programování: Pomoc u vybraných úkolů

### <span lang="en-us">Naučte se programovat, aniž by kód psala AI</span>

**Předmět:** Programování · **Ročník:** 9. ročník (14–15 let) · **Délka:** 1 dvouhodinový blok (90 min) · **AI:** Podpora **S** AI

<table id="bkmrk-ai-competencies-vs-su" style="width:100%;table-layout:auto;"><tbody><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:50.059595%;">Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:50.059595%;">Předmětové vzdělávací cíle – úroveň žáka</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:50.059595%;"><span style="background-color:rgb(241,196,15);">**AF-TL-2b**</span>

<span style="background-color:rgb(241,196,15);">*(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace)*:</span>

<span style="background-color:rgb(241,196,15);">„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“</span>

<span style="background-color:rgb(241,196,15);">**AF-FC-2b**</span>

<span style="background-color:rgb(241,196,15);">*(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace)*:</span>

<span style="background-color:rgb(241,196,15);">„Učitelé mohou zavést takové pokyny, které žákům pomohou rozvíjet praktické dovednosti v oblasti umělé inteligence, a to přizpůsobením úkolů jejich dosavadním znalostem a dostupným nástrojům umělé inteligence</span><span style="background-color:rgb(241,196,15);">.“</span>

</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:50.059595%;"><span lang="en-us">Na konci hodiny žáci dokážou:</span>

- <span lang="en-us">využít AI k opakujícím se nebo podpůrným úkolům při programování, jako je odsazování kódu nebo psaní komentářů</span>
- <span lang="en-us">požádat model AI o návrhy na vylepšení kódu, aniž by mu samotný kód předali, aby si žáci mohli sami ověřit své znalosti</span>
- <span lang="en-us">kriticky hodnotit model AI, když se ho ptají, jak by daný kód optimalizoval</span>

</td></tr></tbody></table>

> **Klíčové poselství:** Studenti musí znát základy programování, pokud chtějí vyhodnotit výsledky poskytnuté modelem. Studenti, kteří se teprve začínají učit programovat, by proto měli modely umělé inteligence využívat k provádění podpůrných a opakujících se úkolů souvisejících s programováním, nikoli však k vytváření kódu. Model mohou také využít k tomu, aby si vyžádali návrhy na možné vylepšení kódu, a tak si otestovat své programátorské schopnosti.

[![Student programuje s AI asistencí.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/student-programuje-s-ai-asistenci.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/imagen.png)

Obr. 1: „Naučte se programovat, aniž by kód psala AI“ (obrázek vygenerovaný pomocí AI, Google Gemini 3.6 Thinking)

#### Obsah

Výuka programování se mění v době, kdy systémy AI dokážou kód generovat, vysvětlovat i revidovat. Tyto nástroje sice nabízejí nové příležitosti k učení, přinášejí však i důležitou pedagogickou výzvu: žáci potřebují dostatečné znalosti programování, aby dokázali posoudit, zda je návrh vygenerovaný AI správný, efektivní, nebo vůbec relevantní pro zadaný úkol. Bez základního porozumění programovacím konceptům mohou žáci přijmout chybná řešení, přehlédnout chyby nebo nerozpoznat lepší alternativy. Proto zůstává osvojení základů programování zásadní i tehdy, jsou-li nástroje AI k dispozici.

  
V úvodních kurzech programování by AI měla mít roli nástroje na podporu učení, nikoli náhradního programátora. Žáci mohou AI účelně využívat k opakujícím se nebo rutinním úkolům, které nesnižují kognitivní úsilí spojené s učením se programovat. Příkladem je formátování a odsazování kódu, generování dokumentačních komentářů, vysvětlování chybových hlášení, shrnování pravidel syntaxe nebo pomoc s pochopením účelu konkrétních programových konstrukcí. Tato využití umožňují žákům soustředit pozornost na logiku, algoritmy a postupy řešení problémů, které tvoří jádro programátorské kompetence.

  
Dalším přínosným využitím AI je revize kódu. Místo toho, aby žáci model AI požádali o napsání řešení, napíšou nejprve vlastní kód a poté model požádají, aby určil možná vylepšení. AI může navrhnout srozumitelnější názvy proměnných, lepší uspořádání kódu, omezení redundance, lepší čitelnost nebo alternativní přístupy, které žák samostatně vyhodnotí. Tím se AI mění v partnera pro zpětnou vazbu: žáci mohou porovnat vlastní úvahy s vnějšími návrhy a posoudit silné a slabé stránky svých řešení.

  
Zpětnou vazbu vygenerovanou AI by však žáci neměli přijímat nekriticky. Modely mohou doporučit změny, které jsou zbytečné, neefektivní nebo vycházejí z chybných předpokladů o účelu kódu. Ústředním cílem této hodiny je proto rozvíjet schopnost žáků kriticky hodnotit návrhy AI. Žáci se naučí ptát se modelu AI nejen na to, jaká vylepšení navrhuje, ale také proč tyto změny považuje za přínosné. Porovnáním argumentace modelu s osvědčenými programátorskými principy mohou žáci posoudit, zda navrhovaná optimalizace kód skutečně zlepšuje, nebo zda jde jen o jiné návrhové rozhodnutí.

  
Tato hodina pojímá AI jako nástroj, který podporuje reflexi, sebehodnocení a zvyšování kvality kódu, nikoli jeho generování. Žáci si procvičují psaní vlastních programů, využívání AI k podpůrným úkolům, vyžádání zpětné vazby ke své práci a kritickou analýzu kvality odpovědí, které dostanou. Konečným cílem je pomoci žákům stát se jak lepšími programátory, tak poučenějšími uživateli systémů AI.

#### Plán hodiny

<table id="bkmrk-phase-time-activity-" style="width:100%;table-layout:auto;"><tbody><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:12.7533%;">Fáze</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:9.05684%;">Čas</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:78.1899%;">Aktivita</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;">Úvod</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;">10 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;">Učitel představí dvě krátká řešení téhož problému – jedno napsané žákem a jedno vygenerované modelem AI. Žáci diskutují o tom, které řešení působí srozumitelněji, efektivněji nebo je snazší na pochopení.  
</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;">Vstup</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;">10 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;">Učitel představí vhodná využití AI ve výuce programování a zdůrazní rozdíl mezi podpůrnými úkoly, revizí kódu a generováním kódu.</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;">Zkoumání</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;">15 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;">Žáci pracují ve dvojicích na malém programátorském cvičení a určují, které úkoly by bylo vhodné svěřit asistentovi AI a které mají zůstat jejich odpovědností.</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;"><span lang="en-us">Cyklus vylepšování</span>

</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;">35 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;">Žáci napíšou vlastní řešení a projdou 2 až 3 kola cyklu napiš → zeptej se → vyhodnoť → uprav, přičemž AI využívají pouze k podpůrným úkolům a návrhům na vylepšení.</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:12.7533%;">Reflexe</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:9.05684%;">20 min</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:78.1899%;">Diskuse s celou třídou o užitečnosti a omezeních zpětné vazby od AI se zaměřením na to, jak žáci určovali, zda jsou návrhy přínosné, nebo ne.</td></tr></tbody></table>

**Vodicí otázky: postupné zvyšování složitosti**

Žáci projdou tolik kol, kolik během 35minutového cyklu vylepšování stihnou. Každé kolo má stejné čtyři kroky: Napiš → Zeptej se → Vyhodnoť → Uprav

1. **Kolo 1 — Využití AI k podpůrným úkolům**
    - Napiš: Samostatně vypracuj krátké programátorské cvičení.
    - Zeptej se: Požádej AI o podporu u úkolu, který se netýká samotného programování, například: 
        - zlepšení odsazení,
        - vygenerování komentářů,
        - vysvětlení chybového hlášení,
        - popis toho, co dělá určitá funkce.
    - Vyhodnoť: Popisuje vysvětlení od AI kód přesně? Jsou vygenerované komentáře užitečné a srozumitelné?
    - Uprav: Zapracuj užitečné změny, ale dbej na to, aby logika programu zůstala výhradně tvým dílem.
2. **Kolo 2 — Žádost o návrhy na vylepšení**
    - Napiš: Projdi si svůj hotový program a najdi části, které by bylo možné vylepšit.
    - Zeptej se: Požádej o návrhy na vylepšení, aniž bys AI nechal kód přepsat. Například:

„Navrhni tři způsoby, jak zlepšit čitelnost a udržovatelnost tohoto programu, ale neposkytuj náhradní kód.“

1. - Vyhodnoť: Které návrhy se zdají přínosné? Které návrhy by na program měly jen malý dopad?
    - Uprav: Proveď vylepšení, se kterými souhlasíš, a otestuj, zda se program stále chová správně.
2. **Kolo 3 — Kritické hodnocení rad k optimalizaci**
    - Napiš: Vyber část svého kódu, která provádí opakující se úkol nebo používá cykly.
    - Zeptej se: Požádej o návrhy na optimalizaci a vyžádej si, aby AI svá doporučení zdůvodnila.

Ukázkový prompt:

„Vysvětli, jak by bylo možné tento kód optimalizovat a proč by každá navrhovaná optimalizace zlepšila výkon nebo čitelnost. Neposkytuj optimalizovaný kód.“

- - Vyhodnoť: Jsou navrhované optimalizace skutečně přínosné? Které z nich jsou podloženy jasnou argumentací? Které se jeví jako zbytečné nebo těžko zdůvodnitelné?
    - Uprav: Rozhodni, která doporučení uplatníš, a své rozhodnutí zdůvodni.

**Reflektivní otázky:**

- Které návrhy AI byly pro vylepšení tvého kódu nejužitečnější?
- Poskytla AI nějaké návrhy, se kterými jsi nesouhlasil? Proč?
- Jak jsi určil, zda se optimalizace vyplatí?
- Kdy je AI během programování nejužitečnější?
- Které programátorské úkoly by měl stále vykonávat žák sám?
- Proč jsou znalosti programování nezbytné pro hodnocení zpětné vazby vygenerované AI?
- Jak se mohou žáci při učení programování vyhnout přílišné závislosti na nástrojích AI?

**Závěrečná otázka (pro fázi reflexe):**

Kolik znalostí programování je nutných k tomu, aby člověk posoudil, zda návrh AI program skutečně zlepšuje, a jaká rizika vznikají, když se uživatelé spoléhají na rady vygenerované AI, aniž by kódu sami rozuměli?


#### Materiály

- Jeden notebook na dvojici žáků s programovacím prostředím
- Přístup k chatovacímu asistentovi AI nebo lokálně provozovanému jazykovému modelu
- Krátké programátorské cvičení odpovídající úrovni zkušeností žáků
- Pracovní list podle cyklu napiš → zeptej se → vyhodnoť → uprav
- Reflektivní otázky zaměřené na gramotnost v oblasti AI a kritické hodnocení
- Volitelně ukázky kódu ilustrující dobrou a špatnou programátorskou praxi

# 2.10 Výtvarná výchova: Otisky stylu

#### <span lang="en-us">Čí štětec, čí hlas? Rozpoznávání charakteristických rysů umělců pomocí AI</span>

**<span lang="en-us">Předmět: </span>**<span lang="en-us">Výtvarná výchova a literatura  ·  **Ročník:** 9. ročník (14–15 let)  ·  **Délka:** 1 dvouhodinový blok  ·  **AI:** Výuka **S** AI</span>

<table class="MsoNormalTable" id="bkmrk-ai-related-competenc" style="width:468pt;border-collapse:collapse;border:none;"><tbody><tr><td style="width:234pt;border:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us">Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</span>**

</td><td style="width:234pt;border:solid #999999 1pt;border-left:none;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us">Předmětové vzdělávací cíle – úroveň žáka</span>**

</td></tr><tr><td style="width:234pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us">AF-TL-2b</span>**

*<span lang="en-us">(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace):</span>*

<span lang="en-us">„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“</span>

**<span lang="en-us">AF-FC-2b</span>**

*<span lang="en-us">(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace):</span>*

<span lang="en-us">„Pedagogové dokážou realizovat vedení, které pomáhá žákům rozvíjet praktické dovednosti v oblasti AI, a přizpůsobit úkoly předchozím znalostem žáků a dostupným nástrojům AI.“</span>

</td><td style="width:234pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Na konci hodiny účastníci dokážou:</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">určit pozorovatelné stylistické znaky v obrazech a básních (např. barva, rukopis štětce, kompozice; volba slov, obraznost, rytmus);</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">rozlišit mezi pozorovaným znakem, opakujícím se stylistickým vzorcem a spekulativním připsáním;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">vysvětlit charakteristické prvky stylu konkrétních malířů či básníků;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">zkombinovat důkazy z několika děl a sestavit „profil stylu“ tvůrce;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">formulovat prompty, které po AI vyžadují, aby svou stylistickou analýzu zdůvodnila odkazem na konkrétní díla;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">analyzovat popisy stylu vygenerované AI a pochopit riziko přílišného zobecňování a chybného připsání.</span>

</td></tr><tr><td colspan="2" style="width:468pt;border:solid 1pt;border-top:none;background:#F2F2F2;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us" style="color:#000000;">Klíčové poselství: </span>**<span lang="en-us" style="color:#000000;">Rozpoznat „styl“ není totéž co mu porozumět. AI dokáže odhalit povrchové vzorce napříč mnoha díly, ale odlišit skutečný stylistický rukopis od náhodného znaku či vymyšlené interpretace stále vyžaduje lidský úsudek opřený o reálná díla.</span>

</td></tr></tbody></table>

<span lang="en-us"> </span>

# <span lang="en-us">Obsah</span>

<span lang="en-us">Historikové umění ani literární vědci jen zřídka mají přímý přístup k záměrům umělce. Místo toho rekonstruují jeho „styl“ porovnáváním mnoha děl: tahu štětce, barvy a kompozice v malbě, nebo volby slov, obraznosti a rytmu v poezii. Jediný obraz či báseň může naznačit určitou zálibu, ale teprve vzorec, který se opakuje napříč několika díly, z této záliby činí skutečný charakteristický rys.</span>

<span lang="en-us">Užitečnou případovou studií je Vincent van Gogh. Zhruba během jednoho desetiletí intenzivní tvorby si vypracoval okamžitě rozpoznatelné rysy: hustou pastózní malbu, krátké směrové tahy štětcem a výrazné, často komplementární barevné kontrasty. Protože se tyto znaky opakují ve stovkách obrazů, mohou o nich odborníci mluvit jako o skutečném stylistickém rukopisu, nikoli o jednorázové volbě.</span>

<span lang="en-us">Nástroje AI pro tvorbu obrázků dnes dokážou během několika sekund vygenerovat přesvědčivé obrazy „ve stylu Van Gogha“. Tyto obrázky často reprodukují rozpoznatelné povrchové znaky – vířivé tahy štětcem, žlutomodrou paletu –, mohou však také přehánět nebo vymýšlet detaily, které pro jeho skutečné dílo nikdy charakteristické nebyly, případně do nich vmíchat rysy převzaté od zcela jiných umělců.</span>

<span lang="en-us">Stejný problém se objevuje i u textu. Nástroje AI pro psaní dokážou napodobit básnířku, jako je Emily Dickinsonová, reprodukcí povrchových znaků – pomlček, nepřesných rýmů, krátkých veršů – aniž by nutně zachytily tematické a strukturní kvality, které odborníci považují za skutečně charakteristické pro její dílo.</span>

<span lang="en-us">Žáci proto potřebují rozlišovat mezi třemi úrovněmi jistoty:</span>

**<span lang="en-us">Znak</span>**<span lang="en-us"> – co je přímo pozorovatelné v jednom konkrétním díle.</span>

**<span lang="en-us">Vzorec</span>**<span lang="en-us"> – znak, který se opakuje napříč několika doloženými díly a který lze rozumně označit za charakteristický.</span>

**<span lang="en-us">Připsání</span>**<span lang="en-us"> – tvrzení o významu, vlivu nebo autorství, které jde nad rámec toho, co samotná díla mohou doložit.</span>

# Plán hodiny

<table class="MsoNormalTable" id="bkmrk-phase-time-activity-" style="width:468pt;border-collapse:collapse;border:none;"><tbody><tr><td style="width:60pt;border:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">**Fáze**

</td><td style="width:50pt;border:solid #999999 1pt;border-left:none;padding:5pt 5pt 5pt 5pt;">**Čas**

</td><td style="width:358pt;border:solid #999999 1pt;border-left:none;padding:5pt 5pt 5pt 5pt;">**Aktivita**

</td></tr><tr><td style="width:60pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">Úvod

</td><td style="width:50pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">10 min

</td><td style="width:358pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Ukažte dva obrázky vygenerované AI „ve stylu Van Gogha“ – jeden bližší jeho skutečné technice, druhý přehnaný. </span>Žáci hádají, který je věrnější, a diskutují proč.

</td></tr><tr><td style="width:60pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">Vstup

</td><td style="width:50pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">10 min

</td><td style="width:358pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Představte trojici Znak – Vzorec – Připsání a procvičte jejich rozlišování na detailu skutečného obrazu.</span>

</td></tr><tr><td style="width:60pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">Zkoumání

</td><td style="width:50pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">15 min

</td><td style="width:358pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Žáci bez AI studují 3–4 autentická díla jednoho malíře/básníka a zaznamenávají, které znaky se skutečně opakují.</span>

</td></tr><tr><td style="width:60pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">Adaptace 1

</td><td style="width:50pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">20 min

</td><td style="width:358pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">AI napíše popis stylu z jediného díla nebo z omezeného promptu. </span>Žáci určí, kde si vymýšlí nepodložené charakteristiky.

</td></tr><tr><td style="width:60pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">Adaptace 2

</td><td style="width:50pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">20 min

</td><td style="width:358pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Přidají se další díla a přísnější prompt vyžadující citaci zdrojů. Žáci porovnají oba popisy stylu.</span>

</td></tr><tr><td style="width:60pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">Reflexe

</td><td style="width:50pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">25 min

</td><td style="width:358pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Žáci přenášejí stejný rámec kritického myšlení na sporný případ ověřování pravosti nebo připsání uměleckého díla.</span>

</td></tr></tbody></table>

<span lang="en-us"> </span>

**<span lang="en-us">Vodicí otázky: od výstupu AI k aktivitě připravené pro výuku</span>**

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">Úvod — Ukažte dva obrázky vygenerované umělou inteligencí „ve stylu Van Gogha“ (jeden blíže jeho skutečné technice, druhý přehnaný/stereotypní):</span>**

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span>*<span lang="en-us">Diskusní otázka: </span>*<span lang="en-us">„Čím to působí jako skutečný Van Gogh?“</span>

◦<span style="font:7pt 'Times New Roman';">     </span>*<span lang="en-us">Představte problém: </span>*<span lang="en-us">„Jak poznáme, které stylistické detaily jsou pro tohoto umělce skutečně charakteristické?“ </span>Klíčový princip této hodiny (porovnávání více autentických děl)

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Pozorovatelný znak → opakující se vzorec → připsání/interpretace</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">Vstup — Pozorný pohled na autentické dílo (např. detail z Hvězdné noci nebo sloka básně Emily Dickinsonové):</span>**

◦<span style="font:7pt 'Times New Roman';">     </span><span lang="en-us">Poskytněte žákům výroky o díle, které je třeba zařadit do kategorií znak, vzorec, připsání. </span>Například:

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Na tomto obraze jsou patrné krátké, trhané tahy štětcem – výtvarný prvek</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Van Gogh ve svých pozdních dílech pravidelně používal krátké, směrové tahy štětcem – *vzorec*</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Těmito tahy štětcem vyjadřoval svůj vnitřní citový neklid – *připsání*</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">Zkoumání — Skupinová práce. Analýza autentických děl:</span>**

<span lang="en-us">3–4 díla téhož malíře/básníka, například:</span>

<span lang="en-us">A) Dvě nebo tři reprodukce obrazů z téhož období umělcovy tvorby.</span>

<span lang="en-us">B) Detailní záběry ukazující rukopis štětce nebo písmo.</span>

<span lang="en-us">C) Krátké poznámky o technice nebo životopisu z muzejního či literárního zdroje.</span>

<span lang="en-us">D) Kontrastní dílo jiného malíře nebo básníka pro porovnání.</span>

<span lang="en-us">Žáci vyplní ke každému dílu pracovní list a odpovědí na otázky: Jaké znaky pozorujeme? Jaké vzorce se napříč díly opakují? Co je zatím jen naše interpretace?</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">AI píše popis stylu:</span>**

<span lang="en-us">Prompt, který žáci použijí: Pouze na základě tohoto jednoho obrázku/této básně popiš charakteristický styl autora přibližně ve 150 slovech. Zmiňuj jen znaky, které jsou v díle skutečně vidět nebo přítomny.</span>

<span lang="en-us">Žáci odpověď AI okomentují:</span>

◦<span style="font:7pt 'Times New Roman';">     V</span>ýtvarný prvek

◦<span style="font:7pt 'Times New Roman';">     </span>Rozumný vzorec

◦<span style="font:7pt 'Times New Roman';">     </span>Nepodloženo / připsání

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">AI svou práci přepracuje s využitím většího množství důkazů:</span>**

*<span lang="en-us">Vylepšený prompt: </span>*<span lang="en-us">Přepracuj popis stylu s využitím zdrojů A–D. Za každým stylistickým tvrzením uveď konkrétní dílo, které je dokládá, například \[Dílo B\]. Pokud je tvrzení širším vzorcem odvozeným z několika děl, napiš \[Vzorec\]. Odstraň každé tvrzení, které nelze doložit.</span>

*<span lang="en-us">Porovnejte:</span>*

<span lang="en-us">Verze 1 → Verze 2</span>

Najděte:

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jeden detail, který se stal přesnějším;</span>

◦<span style="font:7pt 'Times New Roman';">     </span>jeden detail, který AI odstranila;

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jeden nový znak podložený důkazy;</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jedno tvrzení, které je stále třeba zpochybnit.</span>

•<span style="font:7pt 'Times New Roman';">     </span>**Reflexe / přenos znalostí**

<span lang="en-us">Ukažte krátký, pro výuku vhodný příklad sporného případu ověřování pravosti obrazu nebo připsání básně.</span>

*Diskusní otázka:*

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Co zde podle klíčových principů této hodiny vystupuje jako výtvarný prvek, vzorec a připsání?</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Pokud pastiš vygenerovaný AI úspěšně napodobí povrch určitého stylu, znamená to, že zachytil skutečné charakteristické rysy autora?</span>

*<span lang="en-us">Závěrečná individuální reflexe:</span>*

<span lang="en-us">Žáci doplní:</span>

<span lang="en-us">1.<span style="font:7pt 'Times New Roman';">   </span></span><span lang="en-us">Stylistický znak se stává skutečnou „charakteristikou“, když…</span>

<span lang="en-us">2.<span style="font:7pt 'Times New Roman';">   </span></span><span lang="en-us">Než uvěřím popisu umělcova stylu od AI, měl/a bych…</span>

<span lang="en-us">3.<span style="font:7pt 'Times New Roman';">   </span></span><span lang="en-us">AI dokáže napodobit povrch stylu, ale…</span>

# Materiály

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Projektor / interaktivní tabule s reproduktory.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Dva obrázky vygenerované AI „ve stylu …“ pro fázi navnadění.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Detailní obrázek nebo ukázka z autentického díla vybraného malíře/básníka.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Mini pracovní list Znak–Vzorec–Připsání.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Balíček zdrojů: 3–4 autentická díla (obrázky / texty básní) a krátké poznámky o technice nebo životopisu.</span>

•<span style="font:7pt 'Times New Roman';">     </span>Pracovní list pro analýzu zdrojů.

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Zařízení žáků s přístupem ke schválenému nástroji generativní AI (text a/nebo obraz).</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Pracovní listy s prompty pro AI a s porovnáním pro kolo 1 a 2.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Příklad sporného případu ověřování pravosti / připsání pro reflexi.</span>

# 2.11 Elektrotechnika: Důvěřuj, ale ověřuj – i u elektrického obvodu

#### <span lang="en-us">Funguje to skutečně? Ověření vysvětlení elektrických obvodů vytvořených umělou inteligencí pomocí skutečných měření</span>

**<span lang="en-us">Předmět: </span>**<span lang="en-us">Fyzika / technika (základy elektrotechniky)  ·  **Ročník:** 8. ročník (13–14 let)  ·  **Délka:** 1 dvouhodinový blok  ·  **AI:** Výuka **S** AI</span>

<table class="MsoNormalTable" id="bkmrk-ai-related-competenc" style="width:468pt;border-collapse:collapse;border:none;"><tbody><tr><td style="width:234pt;border:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us">Kompetence v oblasti AI (rámec DUAL.AI.TEACHer) – úroveň učitele</span>**

</td><td style="width:234pt;border:solid #999999 1pt;border-left:none;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us">Předmětové vzdělávací cíle – úroveň žáka</span>**

</td></tr><tr><td style="width:234pt;border:solid #999999 1pt;border-top:none;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us">AF-TL-2b</span>**

*<span lang="en-us">(Základy a aplikace AI × Výuka a učení, úroveň 2 – Reflektivní implementace):</span>*

<span lang="en-us">„Pedagogové dokážou uspořádat prvky výuky, které zapojují používání AI s jasnými pedagogickými rolemi a strategiemi pro ověřování výstupů.“</span>

**<span lang="en-us">AF-FC-2b</span>**

*<span lang="en-us">(Základy a aplikace AI × Podpora digitální kompetence žáků (v oblasti AI), úroveň 2 – Reflektivní implementace):</span>*

<span lang="en-us">„Pedagogové dokážou realizovat vedení, které pomáhá žákům rozvíjet praktické dovednosti v oblasti AI, a přizpůsobit úkoly předchozím znalostem žáků a dostupným nástrojům AI.“</span>

</td><td style="width:234pt;border-top:none;border-left:none;border-bottom:solid #999999 1pt;border-right:solid #999999 1pt;padding:5pt 5pt 5pt 5pt;"><span lang="en-us">Na konci hodiny účastníci dokážou:</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">sestavit podle schématu jednoduchý sériový nebo paralelní obvod na zkušební desce;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">změřit multimetrem napětí, proud a odpor;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">vypočítat očekávané hodnoty pomocí Ohmova zákona a porovnat je se skutečným měřením;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">rozlišit mezi naměřenou hodnotou, vypočítanou/předpovězenou hodnotou a vysvětlením vygenerovaným AI;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">odhalit chyby ve schématu obvodu nebo ve vysvětlení vygenerovaném AI tím, že je ověří skutečným měřením;</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">formulovat prompty, které po AI vyžadují, aby ukázala své výpočetní kroky a ty bylo možné zkontrolovat.</span>

</td></tr><tr><td colspan="2" style="width:468pt;border:solid 1pt;border-top:none;background:#F2F2F2;padding:5pt 5pt 5pt 5pt;">**<span lang="en-us" style="color:#000000;">Klíčové poselství:  </span>**<span lang="en-us" style="color:#000000;">Vysvětlení obvodu poskytnuté umělou inteligencí může znít naprosto přesvědčivě, a přesto může být nesprávné. Jediným způsobem, jak zjistit, zda se obvod skutečně chová tak, jak se tvrdí, je provést měření a porovnat naměřené hodnoty se základními fyzikálními zákony – nespoléhat se na text, který zní přesvědčivě.</span>

</td></tr></tbody></table>

<span lang="en-us"> </span>

# <span lang="en-us">Obsah</span>

<span lang="en-us">Inženýři ani fyzici nikdy prostě nevěří schématu obvodu ani písemnému vysvětlení toho, jak obvod funguje. Místo toho jej sestaví, změří a vypočítají očekávané hodnoty z prvních principů – z Ohmova zákona a Kirchhoffových zákonů. Schéma může na papíře vypadat zcela správně, ale teprve skutečné měření potvrdí, zda proud opravdu teče tak, jak se tvrdí.</span>

<span lang="en-us">Užitečnou případovou studií je jednoduchý sériový obvod – baterie, rezistor a LED. Ohmův zákon (U = I × R) přesně předpovídá, jak velký proud by měl při daném napětí a odporu téci. Protože se skutečné chování součástek může mírně lišit (tolerance, vnitřní odpor, teplota), bývá naměřený proud obvykle blízký vypočítané předpovědi, ne však vždy zcela totožný – a to je samo o sobě užitečná lekce o rozdílu mezi modelem a realitou.</span>

Nástroje umělé inteligence nyní dokážou během několika sekund vygenerovat schémata zapojení a vysvětlení chování obvodů. Tato vysvětlení často znějí plynule a sebejistě a mohou dokonce obsahovat kompletní výpočet podle Ohmova zákona – mohou však také obsahovat skutečné chyby: nesprávnou hodnotu rezistoru, přerušenou nebo neúplnou smyčku, součástku připojenou s nesprávnou polaritou nebo věrohodně znějící, ale fyzikálně nemožné tvrzení o toku proudu.  
Jedná se o dobře zdokumentovanou slabinu: jazykové modely nejsou kalkulačky a mohou vytvářet technicky znějící vysvětlení, která neobstojí, když je obvod skutečně sestaven a otestován. Sebevědomý tón není důkazem toho, že je technické tvrzení správné.

  
Studenti proto musí rozlišovat mezi třemi úrovněmi jistoty:

**<span lang="en-us">Měření</span>**<span lang="en-us"> – hodnota, kterou multimetr skutečně ukáže na reálně sestaveném obvodu.</span>

**<span lang="en-us">Výpočet</span>**<span lang="en-us"> – hodnota předpovězená z Ohmova a Kirchhoffových zákonů pomocí známých hodnot součástek.</span>

**<span lang="en-us">Tvrzení</span>**<span lang="en-us"> – to, co nástroj AI o chování obvodu uvádí a co je nutné porovnat s předchozími dvěma, než se mu dá věřit.</span>

# Plán hodiny

<table class="MsoNormalTable" id="bkmrk-phase-time-activity-" style="width:468pt;border-collapse:collapse;border:none;"><tbody><tr><td style="width:96px;border:1pt solid rgb(153,153,153);padding:5pt;">**Fáze**

</td><td style="width:67.6667px;border-width:1pt 1pt 1pt medium;border-style:solid solid solid none;border-color:rgb(153,153,153) rgb(153,153,153) rgb(153,153,153);padding:5pt;">**Čas**

</td><td style="width:460.323px;border-width:1pt 1pt 1pt medium;border-style:solid solid solid none;border-color:rgb(153,153,153) rgb(153,153,153) rgb(153,153,153);padding:5pt;">**Aktivita**

</td></tr><tr><td style="width:96px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">Úvod

</td><td style="width:67.6667px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">10 min

</td><td style="width:460.323px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;"><span lang="en-us">Ukažte vysvětlení jednoduchého obvodu s LED vygenerované AI, které obsahuje skrytou chybu (např. nesprávnou hodnotu rezistoru). </span>Žáci hádají, zda je správné a proč.

</td></tr><tr><td style="width:96px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">Vstup

</td><td style="width:67.6667px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">10 min

</td><td style="width:460.323px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;"><span lang="en-us">Představte trojici Měření – Výpočet – Tvrzení a procvičte Ohmův zákon na jednoduchém vzorovém příkladu.</span>

</td></tr><tr><td style="width:96px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">Zkoumání

</td><td style="width:67.6667px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">15 min

</td><td style="width:460.323px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;"><span lang="en-us">Žáci sestaví jednoduchý sériový obvod na zkušební desce a bez AI změří napětí, proud a odpor.</span>

</td></tr><tr><td style="width:96px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">Adaptace 1

</td><td style="width:67.6667px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">20 min

</td><td style="width:460.323px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;"><span lang="en-us">AI předpovídá/vysvětluje chování obvodu pouze ze schématu nebo popisu. Žáci porovnávají její tvrzení s vlastními měřeními a výpočty.</span>

</td></tr><tr><td style="width:96px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">Adaptace 2

</td><td style="width:67.6667px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">20 min

</td><td style="width:460.323px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;"><span lang="en-us">Žáci zadají AI přesné hodnoty součástek a vyžádají si krok za krokem výpočet podle Ohmova zákona. </span>Obě odpovědi AI porovnají.

</td></tr><tr><td style="width:96px;border-width:medium 1pt 1pt;border-style:none solid solid;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">Reflexe

</td><td style="width:67.6667px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;">25 min

</td><td style="width:460.323px;border-width:medium 1pt 1pt medium;border-style:none solid solid none;border-color:rgb(153,153,153) rgb(153,153,153);padding:5pt;"><span lang="en-us">Žáci přenášejí stejný návyk ověřování do jiné oblasti, například na fitness nebo zdravotní kalkulačku využívající AI.</span>

</td></tr></tbody></table>

<span lang="en-us"> </span>

**<span lang="en-us">Vodicí otázky: od výstupu AI k aktivitě připravené pro výuku</span>**

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">Úvod — Ukažte vysvětlení jednoduchého obvodu s LED vygenerované AI, které obsahuje skrytou chybu (např. příliš nízkou hodnotu rezistoru na to, aby LED ochránil):</span>**

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span>*<span lang="en-us">Diskusní otázka: </span>*<span lang="en-us">„Zní toto vysvětlení správně? Jak bychom to vlastně ověřili?“</span>

◦<span style="font:7pt 'Times New Roman';">     </span>*<span lang="en-us">Představte problém: </span>*<span lang="en-us">„Vysvětlení může znít sebejistě, a přesto být chybné – co by prokázalo, že je správné, nebo špatné?“ </span>Klíčový princip této hodiny (měření má přednost před sebejistou formulací)

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Měření → výpočet → tvrzení (které je třeba ověřit)</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">Vstup — Vzorový příklad s jednoduchým sériovým obvodem (baterie, rezistor, LED):</span>**

◦<span style="font:7pt 'Times New Roman';">     </span><span lang="en-us">Poskytněte žákům výroky o obvodu, které je třeba zařadit do kategorií měření, výpočet, tvrzení. </span>Například:

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Multimetr ukazuje proud 9 mA procházející obvodem – *měření*</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Ohmův zákon pro tyto hodnoty součástek předpovídá 9,1 mA – *výpočet*</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">AI uvádí, že tento obvod „bude spolehlivě fungovat v jakémkoli zapojení“ – *tvrzení (k ověření)*</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">Zkoumání — Skupinová práce. Sestavení a měření reálného obvodu:</span>**

<span lang="en-us">Materiály a postup pro každou skupinu, například:</span>

<span lang="en-us">A) Schéma obvodu s baterií, jedním rezistorem a jednou LED v sérii.</span>

<span lang="en-us">B) Zkušební deska propojovací vodiče a uvedené součástky.</span>

<span lang="en-us">C) Multimetr a krátký přehled, jak měřit napětí, proud a odpor.</span>

<span lang="en-us">D) Tabulka barevného kódu rezistorů a údaj o prahovém napětí LED.</span>

<span lang="en-us">Žáci vyplní pracovní list a odpovědí na otázky: Co naměříme? Co předpovídá Ohmův zákon? </span>V čem a o kolik se obě hodnoty liší?

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">AI předpovídá/vysvětluje obvod:</span>**

<span lang="en-us">Prompt, který žáci použijí: Vysvětli, jak velký proud poteče obvodem s 9V baterií, rezistorem 470 Ω a červenou LED v sérii, a proč. </span>Ukaž svůj postup.

Žáci odpověď AI okomentují:

◦<span style="font:7pt 'Times New Roman';">     </span>Odpovídá našemu měření

◦<span style="font:7pt 'Times New Roman';">     </span>Odpovídá našemu výpočtu

◦<span style="font:7pt 'Times New Roman';">     </span>Nepodloženo / je třeba ověřit

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span>**<span lang="en-us">AI svou práci přepracuje podle přísnějších požadavků:</span>**

*<span lang="en-us">Vylepšený prompt: </span>*<span lang="en-us">Přepočítej proud krok za krokem pomocí Ohmova zákona, uveď vzorec i každou dosazenou hodnotu. Uveď všechny předpoklady, které činíš ohledně úbytku napětí na LED v propustném směru, a označ vše, co by bylo nutné změřit pro potvrzení.</span>

*Porovnejte:*

Verze 1 → Verze 2

Najděte:

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jeden údaj, který se stal přesnějším;</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jeden předpoklad, který AI výslovně uvedla;</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jednu hodnotu, která nyní odpovídá vašemu měření;</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">jedno tvrzení, které je stále třeba nezávisle ověřit.</span>

•<span style="font:7pt 'Times New Roman';">     </span>**Reflexe / přenos znalostí**

<span lang="en-us">Ukažte krátký, pro výuku vhodný příklad fitness, výživového nebo zdravotního výpočtu vygenerovaného AI (např. „váš doporučený denní příjem kalorií je…“).</span>

*Diskusní otázka:*

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Co je zde podle klíčových principů této hodiny měření, co výpočet a co tvrzení?</span>

<span lang="en-us">◦<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Pokud odpověď AI zní sebejistě a používá správně vypadající vzorce, znamená to, že je výsledek důvěryhodný?</span>

*<span lang="en-us">Závěrečná individuální reflexe:</span>*

<span lang="en-us">Žáci doplní:</span>

<span lang="en-us">1.<span style="font:7pt 'Times New Roman';">   </span></span><span lang="en-us">Technické tvrzení se stává důvěryhodným, když…</span>

<span lang="en-us">2.<span style="font:7pt 'Times New Roman';">   </span></span><span lang="en-us">Než uvěřím vysvětlení AI o tom, jak něco funguje, měl/a bych…</span>

<span lang="en-us">3.<span style="font:7pt 'Times New Roman';">   </span></span><span lang="en-us">AI může o technickém postupu mluvit sebejistě, ale…</span>

# Materiály

•<span style="font:7pt 'Times New Roman';">     </span>Projektor / interaktivní tabule.

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Zkušební desky, propojovací vodiče, rezistory, LED a bateriové zdroje (jedna sada na skupinu).</span>

•<span style="font:7pt 'Times New Roman';">     </span>Multimetry (jeden na skupinu).

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Tabulka barevného kódu rezistorů a přehled prahových napětí LED.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Mini pracovní list Měření–Výpočet–Tvrzení.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Pracovní list se schématem obvodu a pracovní list pro analýzu zdrojů.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Vysvětlení obvodu vygenerované AI se záměrnou chybou pro fázi navnadění.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Zařízení žáků s přístupem ke schválenému nástroji generativní AI.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Pracovní listy s prompty pro AI a s porovnáním pro kolo 1 a 2.</span>

<span lang="en-us">•<span style="font:7pt 'Times New Roman';">     </span></span><span lang="en-us">Příklad fitness/zdravotního výpočtu vygenerovaného AI pro reflexi.</span>

# 3. Pedagogický rámec kompetencí v oblasti AI

Kompetenční rámec DUAL.AI.TEACHer vznikl na základě srovnávací analýzy tří existujících rámců: DigCompEdu, AI Pioneers a rámce UNESCO pro kompetence učitelů v oblasti umělé inteligence. Namísto vytváření zcela nového rámce byly využity již existující modely, které se vzájemně doplňují a pokrývají různé oblasti profesních kompetencí učitelů potřebných v době rozvoje umělé inteligence.

- Rámec UNESCO AI Competency Framework for Teachers vymezuje základní principy, hodnoty, znalosti a kritické dovednosti, které by pedagogové měli rozvíjet, aby porozuměli roli AI ve vzdělávání a dokázali ji využívat ke zkvalitnění výuky a učení eticky, efektivně, bezpečně a odpovědně.
- Rámec DigCompEdu, který poskytuje jasnou pedagogickou strukturu pro profesní činnosti pedagogů, je užitečný pro propojení kompetencí souvisejících s AI s každodenní pedagogickou praxí.
- Rámec AI Pioneers rozšiřuje DigCompEdu o kompetence specifické pro AI, což jej činí cenným pro propojení digitálně-pedagogické kompetence s konkrétními pedagogickými praxemi souvisejícími s AI.
- Rámce UDL &amp; EntreComp poskytly doplňkové perspektivy posilující inkluzivní dimenzi zaměřenou na studujícího a přispívající k aspektům kreativity a inovace.

# 3.1 Dimenze

Rámec DUAL.AI.TEACHer je strukturován jako komplexní dvojrozměrná matice, která vymezuje celkem 18 klíčových kompetencí, přičemž každá z nich vzniká na průsečíku dvou hlavních dimenzí, kolem nichž je rámec organizován. Horizontální dimenze definuje hlavní oblasti, které charakterizují výukové a vzdělávací praxe, a zachycuje tak pedagogický rozměr rámce. Vertikální dimenze mapuje klíčové aspekty umělé inteligence (AI) a odráží technologické a etické aspekty spojené s jejím začleněním do vzdělávacího kontextu.

Tato struktura umožňuje rámci systematicky propojovat pedagogické kompetence se znalostmi a dovednostmi souvisejícími s AI, čímž zajišťuje, že každá identifikovaná kompetence odráží jak vzdělávací cíl, tak konkrétní dimenzi porozumění AI nebo jejího využití.

### Horizontální dimenze DUAL.AI.TEACHer

Horizontální dimenze rámce vychází z rámce DigCompEdu, který identifikuje klíčové oblasti charakterizující výukové a vzdělávací praxe v digitálním prostředí. Tyto oblasti zahrnují základní pedagogické činnosti vykonávané pedagogy, od profesního zapojení a správy digitálních zdrojů až po navrhování a realizaci vzdělávacích aktivit, uplatňování hodnoticích strategií a podporu aktivního zapojení a digitálních kompetencí studujících.

S ohledem na rámec AI Pioneers Framework přejímá rámec DUAL.AI.TEACHer tuto dimenzi, aby zakotvil kompetence související s AI v širších pedagogických praxích, které jsou již uznávány jako nezbytné pro efektivní výuku, a sladil je s těmito praxemi. Horizontální dimenze je členěna do následujících šesti oblastí:

- **Profesní zapojení**: Tato oblast se zaměřuje na využívání zdrojů podporovaných AI pro profesní interakce, jako je komunikace, spolupráce a rozvoj, ve vztahu k různým zainteresovaným stranám v rámci institucionálního kontextu.
- **Digitální zdroje**: Tato oblast se zaměřuje na zodpovědný výběr, tvorbu, úpravu, používání, hodnocení a sdílení zdrojů podporovaných AI pro účely učení.
- **Výuka a učení**: Tato oblast se zaměřuje na možné začlenění a následné řízení zdrojů podporovaných AI ve výukových a vzdělávacích procesech.
- **Hodnocení**: Tato oblast se zaměřuje na možné začlenění zdrojů podporovaných AI do procesů vzdělávacího hodnocení.
- **Posílení postavení studujících**: Tato oblast se zaměřuje na využívání zdrojů podporovaných AI k podpoře a posílení výukových a vzdělávacích strategií zaměřených na studujícího.
- **Podpora rozvoje (AI) digitální kompetence studujících**: Tato oblast se zaměřuje na pedagogické kompetence potřebné k podpoře a vedení studujících při rozvoji jejich vlastní digitální kompetence v oblasti AI.

### Vertikální dimenze DUAL.AI.TEACHer

Vertikální dimenze rámce vychází z rámce UNESCO AI Competency Framework for Teachers, který původně vymezuje pět klíčových aspektů kompetence v oblasti AI relevantních pro pedagogickou praxi: přístup zaměřený na člověka, etiku AI, základy a aplikace AI, pedagogiku AI a AI pro profesní rozvoj.

Pro účely rámce DUAL.AI.TEACHer byly tyto původní aspekty zredukovány na tři. Dvě z původních oblastí, konkrétně Pedagogika AI a AI pro profesní rozvoj, byly odstraněny, jelikož horizontální dimenze tyto oblasti již obsahovala, byť v mírně odlišné podobě. Průsečík vertikální a horizontální dimenze navíc vytvářel nadbytečné kompetence. Bylo proto rozhodnuto tyto oblasti z vertikální osy vyloučit, aby se předešlo překrývání a byla zajištěna pojmová konzistence napříč celou maticí.

Vertikální dimenze je členěna do následujících tří aspektů:

- **Přístup zaměřený na člověka**: Tento aspekt se vztahuje k souboru hodnot a postojů, které musí pedagogové zohledňovat při interakci mezi člověkem a AI, s cílem upřednostnit potřeby, úsudek a blaho lidí.
- **Etika AI**: Tento aspekt vymezuje základní etické principy, předpisy, institucionální politiky a praktické pokyny upravující používání AI, kterým musí pedagogové porozumět, uplatňovat je v každodenní praxi a napomáhat jejich přizpůsobení konkrétním potřebám a vzdělávacím kontextům.
- **Základy a aplikace AI**: Tento aspekt definuje konceptuální znalosti a přenositelné dovednosti, které pedagogové potřebují k pochopení fungování AI, jakož i k výběru, uplatňování a tvůrčímu přizpůsobování za účelem vytváření vzdělávacích prostředí efektivně podporovaných výukovými a vzdělávacími praxemi využívajícími AI.

Ze tří zachovaných aspektů jsou dva považovány za průřezové aspekty AI (Přístup zaměřený na člověka a Etika AI), jelikož se nevztahují k žádné konkrétní tematické oblasti, ale spíše představují průřezové dimenze, které ovlivňují a prostupují celým spektrem výukových praxí, hodnot a profesního jednání souvisejícího s AI. Třetí aspekt (Základy a aplikace AI) je považován za obsahově specifický aspekt AI, jelikož se týká konceptuálních znalostí a konkrétních technických dovedností, které pedagogové potřebují získat, aby dokázali porozumět nástrojům AI, vybírat je a uplatňovat je ve své pedagogické praxi.

[![Rámec AI Pioneers v češtině.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/ramec-ai-pioneers-v-cestine.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/3-1-a-competence-matrix-revised.jpg)

Obr. 1: „Dimenze rámce DUAL.AI.TEACHer“ (diagram vygenerovaný pomocí AI, OpenAI Codex)

# 3.2 Rámec kompetencí DUAL.AI.TEACHer

Průsečík [horizontální a vertikální dimenze matice](https://playbook.dualaiteacher.eu/books/playbook-cz/page/31-dimenze) vytváří soubor osmnácti kompetencí, přičemž každá z nich představuje konkrétní bod průniku mezi pedagogickou oblastí a aspektem AI. Tyto kompetence definují, co pedagogové potřebují znát, čemu musí rozumět a co musí umět dělat, aby dokázali efektivně a odpovědně začlenit AI do své pedagogické praxe, přičemž kombinují pedagogické kompetence s hodnotami, etickým povědomím a technickými znalostmi vyžadovanými vzdělávacím prostředím podporovaným AI.

<div dir="ltr" id="bkmrk-dual.ai-profesn%C3%AD-zap" style="text-align:left;"><table style="width:100%;table-layout:auto;"><colgroup><col style="width:115px;"></col><col style="width:133px;"></col><col style="width:133px;"></col><col style="width:133px;"></col><col style="width:133px;"></col><col style="width:133px;"></col><col style="width:133px;"></col></colgroup><thead><tr><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">DUAL.AI

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Profesní zapojení

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Digitální zdroje

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Výuka a učení

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Hodnocení

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Posílení postavení studujících

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Podpora rozvoje (AI) digitální kompetence studujících

</td></tr></thead><tbody><tr><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Přístup zaměřený na člověka

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou udržet přístup zaměřený na člověka při využívání AI v profesní komunikaci, budování profesních sítí a v institucionálním a profesním rozvoji

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou zajistit lidský dohled a aktivní roli studujících v procesech podporovaných AI při výběru, tvorbě a hodnocení digitálních zdrojů.

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou udržet aktivní roli studujících, mezilidské vztahy a pedagogický úsudek v centru výuky a učení podporovaných AI.

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou zajistit lidskou odpovědnost a spravedlnost v procesech hodnocení podporovaných AI

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou využívat AI k naplňování rozmanitých vzdělávacích potřeb a stylů učení, přičemž do středu každé inkluzivní praxe staví lidskou důstojnost, rovnost a právo na vzdělání

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou modelovat a rozvíjet postoje k AI zaměřené na člověka jako součást reflektivního rozvoje digitální kompetence studujících v oblasti AI

</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Etika AI

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou uplatňovat etické principy a povědomí o regulaci při vlastním používání AI v profesní praxi a institucionálním kontextu

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou identifikovat a zmírňovat etická rizika ve vzdělávacích zdrojích generovaných nebo vylepšených pomocí AI.

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou zapojit etické uvažování do rozhodování o tom, zda a jak používat AI pro výukové strategie a vzdělávací aktivity

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou zajistit, aby hodnoticí postupy podporované AI splňovaly standardy spravedlnosti, transparentnosti a souladu s právními předpisy, což jim umožňuje reflektovat zpětnou vazbu a zdokonalovat své hodnoticí postupy

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou řešit etické aspekty personalizace pomocí AI, včetně rizik nerovnosti, zneužití dat a vyloučení

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou vzdělávat studující v odpovědném, kritickém a eticky podloženém používání technologií AI

</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:6px 8px;background-color:rgba(0,151,178,0.15);font-weight:700;vertical-align:top;font-size:0.82em;">Základy a aplikace AI

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou uplatňovat základní znalosti o AI při informovaném profesním rozhodování, kriticky se zapojovat do práce s nástroji AI a vést profesní vzdělávání v oblasti AI v institucionálním kontextu

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou kriticky vybírat a používat nástroje AI pro tvorbu, úpravu a zdokonalování digitálních vzdělávacích zdrojů na základě technického porozumění systémům AI

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou uplatňovat porozumění fungování systémů AI při informovaném a kritickém rozhodování o začlenění AI do výuky a učení, čímž zdokonalují své vlastní výukové postupy a přístupy k tvorbě výuky

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou uplatňovat znalosti o AI při navrhování, zavádění a vyhodnocování efektivních a spravedlivých hodnoticích postupů podpořených AI a systematicky zdokonalovat své hodnoticí postupy

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou na základě informovaného porozumění jejich fungování vybírat pedagogické strategie a nástroje AI, které podporují personalizaci a inkluzi

</td><td style="border:1px solid rgb(68,68,68);padding:6px 8px;vertical-align:top;font-size:0.82em;">Pedagogové dokážou rozvíjet porozumění studujících technologiím AI a jejich společenským dopadům jako součást rozvoje kompetencí v oblasti AI

</td></tr></tbody></table>

</div><div dir="ltr" id="bkmrk--1" style="text-align:left;"></div>

# 3.3 Úrovně rozvoje kompetencí a jejich ukazatele

### Sledovatelnost rozvoje kompetencí

[18 klíčových kompetencí rámce DUAL.AI.TEACHer](https://playbook.dualaiteacher.eu/books/playbook-cz/page/32-ramec-kompetenci-dualaiteacher) je formulováno poměrně obecně a tvoří základní strukturu jednotlivých oblastí kompetencí. **Pro usnadnění sebehodnocení i hodnocení druhými a sledování individuálního rozvoje kompetencí** je každá z klíčových kompetencí rozpracována do **konkrétních, pozorovatelných vzdělávacích cílů rozdělených do tří úrovní pokročilosti.**

Jednotlivé úrovně vycházejí z jednoho z nejpoužívanějších modelů ve vzdělávání, revidované Bloomovy taxonomie (Anderson &amp; Krathwohl, 2001; Krathwohl, 2002). Její základní princip je jednoduchý: poznávací procesy se postupně rozvíjejí od zapamatování a porozumění přes aplikaci a analýzu až po hodnocení a tvorbu. **To, co se mezi jednotlivými úrovněmi mění, tedy není obsah ani téma, ale kognitivní hloubka myšlení a jednání**, kterou je pedagog schopen s daným obsahem prokázat.

### Úrovně rozvoje kompetencí a jejich ukazatele

Tato postupně rostoucí náročnost poznávacích procesů se odráží ve formulaci vzdělávacích cílů. Každý cíl obsahuje konkrétní sloveso vycházející z Bloomovy taxonomie (např. rozpoznat, uplatnit, kriticky posoudit). Toto sloveso vyjadřuje, co by měl učitel na dané úrovni dokázat, a umožňuje tak formulovat vzdělávací cíle konkrétně a způsobem, který umožňuje ověřit jejich dosažení.

<table id="bkmrk-%C3%9Arove%C5%88-v-praxi-pedag" style="width: 100%; table-layout: auto;"><colgroup><col style="width: 26.190476%;"></col><col style="width: 44.047619%;"></col><col style="width: 29.642857%;"></col></colgroup><thead><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top;">**Úroveň**

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top;">**V praxi pedagogové dokážou...**

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top;">**Kognitivní procesy (operátory)**

</td></tr></thead><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top;">Úroveň 1

**Orientační povědomí**

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top;">rozvíjejí počáteční profesní orientaci tím, že se učí, co je AI, co dokáže a co je v sázce. Rozpoznávají a vybavují si klíčové koncepty a nástroje AI, uvádějí příklady, třídí je a vlastními slovy shrnují hlavní příležitosti a rizika.

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top;">**Zapamatovat**   
(rozpoznávání, vybavování)

**Základní porozumění** (interpretace, uvádění příkladů, třídění, shrnování)

</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top;">Úroveň 2

**Reflektivní zavádění**

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top;">aplikují a kriticky hodnotí postupy související s AI ve vlastní výuce. Cíleně používají nástroje AI ve výuce a při hodnocení, vysvětlují a porovnávají různé přístupy a výstupy, porovnávají výstupy generované AI s vlastním odborným úsudkem a analyzují přínosy, omezení a výchozí předpoklady.

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top;">**Vyšší porozumění** (vysvětlování, porovnávání)

**Aplikovat**

(provádění, implementace)

**Analyzovat**

(rozlišování, uspořádávání, přisuzování)

**Hodnotit**

(kontrola, kritické posuzování)

</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top;">Úroveň 3

**Transformativní vedení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top;">odpovědně navrhují a dále rozvíjejí vzdělávací praxi související s AI a zároveň zastávají vedoucí roli přesahující rámec vlastní třídy. Hodnotí postupy využívající AI podle pedagogických a etických kritérií, vytvářejí nové přístupy podpořené AI a podporují kolegy i vlastní instituci v odpovědném používání AI.

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top;">**Tvořit**

(generování, plánování, tvorba)

</td></tr></tbody></table>

### Logika stojící za jednotlivými úrovněmi

Jednotlivé úrovně na sebe postupně navazují. Každá vyšší úroveň staví na kognitivních procesech úrovní pod ní. V souladu s Krathwohlem (2002) se však jedná spíše o hierarchii narůstající složitosti než o soubor přísně oddělených fází. Sousední kategorie se mohou překrývat a hranice mezi jednotlivými úrovněmi jsou spíše plynulé než ostré.

Zatímco Úroveň 1 poskytuje nezbytný základ a Úroveň 3 představuje rozšířenou roli v oblasti inovací a profesního vedení, **Úroveň 2 tvoří primární cílovou dimenzi pro pedagogy**. Všichni pedagogové by měli být schopni cíleně začlenit AI do vlastní praxe, posuzovat její výstupy pomocí vlastního odborného úsudku a kriticky reflektovat její pedagogické přínosy, omezení a výchozí předpoklady. Úroveň 2 tedy popisuje úroveň kompetence potřebnou pro informovanou, odpovědnou a reflektivní pedagogickou praxi ve vzdělávacím prostředí ovlivněném AI.

# 3.4 Vzdělávací cíle DUAL.AI.TEACHer

Pro každou z osmnácti identifikovaných kompetencí byl vymezen soubor tří konkrétních vzdělávacích cílů (a–c), jejichž účelem je převést danou kompetenci do konkrétních a prakticky uchopitelných výstupů. Tyto vzdělávací cíle specifikují znalosti, dovednosti a postoje, které se od pedagogů očekává, že rozvinou, aby dosáhli příslušné kompetence, a poskytují tak podrobnější a praktičtější popis toho, co zvládnutí dané kompetence v praxi znamená.

[![Rubrika etiky AI ve výuce.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/rubrika-etiky-ai-ve-vyuce.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/78r3-4-b-competency-card-ei-tl.jpg)

Obr. 1: „Orientace ve vzdělávacích cílech“ (diagram vygenerovaný pomocí AI, OpenAI Codex)

Rozčleněním každé kompetence do jasně vymezených vzdělávacích cílů na různých úrovních usnadňuje rámec DUAL.AI.TEACHer jeho praktické uplatnění v profesním rozvoji, tvorbě vzdělávacích programů a sebehodnocení a nabízí pedagogům konkrétní plán pro postupné budování a prokazování jejich kompetencí souvisejících s AI

### Úroveň 1 – Orientační povědomí

<table id="bkmrk-%C3%9Arove%C5%87-1-profesn%C3%AD-za" style="width: 100%; table-layout: auto;"><colgroup><col style="width: 115px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**ÚROVEŇ 1**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Profesní zapojení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Digitální zdroje**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Výuka a učení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Hodnocení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Posílení postavení studujících**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Podpora rozvoje (AI) digitální kompetence studujících**

</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Přístup zaměřený na člověka**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-1a</summary>

Pedagogové dokážou rozpoznat běžné případy použití AI v profesní komunikaci a budování profesních sítí a situace, v nichž musí mít přednost lidský úsudek, osobní přítomnost nebo budování vztahů.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-1b</summary>

Pedagogové dokážou rozpoznat vlastní vzdělávací potřeby v oblasti AI a nástroje, které podporují jejich další profesní rozvoj.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-1c</summary>

Pedagogové dokážou shrnout, jak je AI v jejich instituci využívána pro zapojení zainteresovaných stran a organizační rozvoj, včetně příležitostí a rizik, které z toho plynou pro lidskou aktivitu, inkluzivitu a vzdělávací hodnoty.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-1a</summary>

Pedagogové dokážou shrnout, jak mohou nástroje AI podpořit výběr, tvorbu, úpravu a správu digitálních zdrojů, včetně toho, které kroky vyžadují lidský dohled a pedagogický úsudek.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-1b</summary>

Pedagogové dokážou rozpoznat typická kritéria kvality vzdělávacích materiálů vytvořených nebo vylepšených pomocí AI, včetně ukazatelů signalizujících, kdy zdroj vyžaduje lidskou kontrolu.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-1c</summary>

Pedagogové dokážou interpretovat, jak může být aktivita a autonomie studujících zachována nebo narušena zdroji vytvořenými nebo personalizovanými pomocí AI, včetně toho, kdy by studující měli být zapojeni do rozhodování o používání daných zdrojů.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-1a</summary>

Učitelé dokážou při různých způsobech využívání AI ve výuce rozpoznat, která pedagogická rozhodnutí musí zůstat v rukou člověka.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-1b</summary>

Pedagogové dokážou rozpoznat situace ve výuce podporované AI, v nichž může dojít k posílení nebo oslabení aktivity studujících, lidské interakce nebo vztahu mezi pedagogem a studujícím, a to včetně ukazatelů smysluplného pedagogického využití AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-1c</summary>

Pedagogové dokážou klasifikovat využití AI ve výuce buď jako podporu pedagogického rozhodování, nebo jako jeho nahrazení, a to včetně důsledků pro odpovědnost a kvalitu učení.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-1a</summary>

Pedagogové dokážou mezi způsoby využití AI při hodnocení rozpoznat, která hodnoticí rozhodnutí musí zůstat odpovědností člověka.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-1b</summary>

Pedagogové dokážou rozpoznat typická rizika hodnocení podporovaného AI pro spravedlnost, transparentnost a blaho studujících, včetně signálů, že je zapotřebí lidská kontrola výsledků generovaných AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-1c</summary>

Pedagogové dokážou klasifikovat AI při hodnocení buď jako podporu pedagogického úsudku, nebo jako jeho náhradu, a to včetně důsledků pro odpovědnost a důvěru studujících.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-1a</summary>

Učitelé dokážou rozpoznat, jak mohou nástroje AI podporovat žáky s různými vzdělávacími potřebami a které z těchto potřeb dokážou naplnit a které nikoli.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-1b</summary>

Učitelé dokážou vyjmenovat typická rizika spojená s využíváním AI k přizpůsobování výuky individuálním potřebám žáků z hlediska inkluze a rovných příležitostí. Dokážou také rozpoznat situace, kdy AI nástroj možnosti žáka omezuje, místo aby je rozšiřoval.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-1c</summary>

Pedagogové dokážou interpretovat, jak se lidská důstojnost, rovnost a právo na vzdělání uplatňují při využívání AI v inkluzivních třídách, včetně toho, kdy musí mít aktivita studujících a pocit sounáležitosti přednost před efektivitou nebo standardizací.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-1a</summary>

Učitelé dokážou svým přístupem k AI ukazovat žákům, jak ji využívat kriticky, odpovědně a s důrazem na člověka. Zároveň si uvědomují, jak jejich vlastní postupy a vyjádření ovlivňují postoje žáků k umělé inteligenci.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-1b</summary>

Učitelé dokážou rozlišit postoje a přístupy, které podporují schopnost žáků kriticky přemýšlet o využívání AI, a určit situace ve výuce, v nichž lze tyto postoje rozvíjet.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-1c</summary>

Pedagogové dokážou rozpoznat rozdíl mezi tím, zda ve vlastní výuce o AI pouze předávají znalosti, nebo rozvíjejí postoje zaměřené na člověka, a to včetně důsledků pro svou roli pedagoga.

</details></td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Etika AI**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-1a</summary>

Pedagogové dokážou vybavit si klíčové etické principy, které se vztahují na jejich vlastní profesní používání AI, a rovněž význam každého z těchto principů v profesním kontextu.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-1b</summary>

Pedagogové dokážou rozpoznat právní a regulační rámce, které upravují používání AI v profesní komunikaci, spolupráci a rozvoji.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-1c</summary>

Pedagogové dokážou rozpoznat situace ve své profesní praxi, v nichž je v sázce etický princip nebo regulační požadavek.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-1a</summary>

Učitelé dokážou vyjmenovat typická etická rizika spojená s výukovými materiály vytvořenými nebo upravenými pomocí AI a popsat jejich možné dopady na žáky.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-1b</summary>

Pedagogové dokážou rozpoznat právní a regulační rámce relevantní pro zdroje vytvořené pomocí AI a situace, kdy se uplatňují.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-1c</summary>

Pedagogové dokážou klasifikovat zdroje etických rizik vyplývajících ze zkreslení, nepřesnosti nebo nevhodného autorství AI u daného vzdělávacího zdroje.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-1a</summary>

Učitelé dokážou vyjmenovat etické zásady důležité pro využívání AI ve výuce a vzdělávání a vysvětlit, jak tyto zásady ovlivňují rozhodování o výukových postupech

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-1b</summary>

Pedagogové dokážou rozpoznat etické otázky specifické pro AI ve třídě a situace výuky, v nichž tyto otázky vyvstávají.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-1c</summary>

Pedagogové dokážou shrnout kroky procesu etické úvahy při rozhodování, zda a jak použít AI ve výuce (zásadové rozhodování oproti nekritickému přijetí nebo automatickému odmítnutí).

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-1a</summary>

Učitelé dokážou vyjmenovat hlavní rizika nespravedlivého hodnocení při využívání AI a vysvětlit, jak mohou jednotlivá rizika ovlivnit žáky.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-1b</summary>

Pedagogové dokážou rozpoznat povinnosti v oblasti transparentnosti při hodnocení podporovaném AI, jako je zveřejnění zapojení AI, vysvětlení výsledků a možnost studujících napadnout rozhodnutí nebo požádat o jeho lidskou kontrolu.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-1c</summary>

Pedagogové dokážou interpretovat, proč je vzdělávací hodnocení považováno za vysoce rizikovou oblast podle právních a regulačních rámců, které se vztahují na AI při hodnocení.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-1a</summary>

Učitelé dokážou vyjmenovat hlavní etická rizika spojená s přizpůsobováním výuky individuálním potřebám žáků pomocí AI a vysvětlit, jak mohou jednotlivá rizika žáky ovlivnit.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-1b</summary>

Pedagogové dokážou klasifikovat typy dat studujících využívaných při personalizaci pomocí AI a míru jejich citlivosti.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-1c</summary>

Pedagogové dokážou interpretovat, proč je personalizovaná vzdělávací AI považována za vysoce rizikovou podle právních rámců a rámců založených na právech.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-1a</summary>

Pedagogové dokážou vyjmenovat klíčové etické otázky spojené s AI, které jsou relevantní pro studující, včetně dopadů na životní prostředí a soukromí.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-1b</summary>

Pedagogové dokážou klasifikovat, které etické otázky náleží do které vzdělávací fáze, a to způsobem přiměřeným věku a kontextu.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-1c</summary>

Pedagogové dokážou interpretovat eticky problematické způsoby používání AI ze strany studujících a vysvětlit, proč se v každém případě jedná o etický problém, a nikoli pouze o porušení pravidel.

</details></td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Základy a aplikace AI**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-1a</summary>

Pedagogové dokážou shrnout klíčové koncepty fungování současných systémů AI a běžné nástroje AI používané v profesní pedagogické praxi.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-1b</summary>

Pedagogové dokážou na příkladech uvést relevantní kritéria pro hodnocení nástroje AI určeného pro profesní úkol.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-1c</summary>

Pedagogové dokážou interpretovat, proč omezení daného nástroje AI způsobují, že je v typických situacích jejich profesní práce nevhodnou volbou.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-1a</summary>

Pedagogové dokážou shrnout klíčové koncepty fungování hlavních typů nástrojů AI používaných pro tvorbu zdrojů, a to na odpovídajících příkladech.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-1b</summary>

Pedagogové dokážou klasifikovat spolehlivost výstupu daného typu nástroje pro odpovídající úkoly, včetně chyb, kterým lze předejít.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-1c</summary>

Pedagogové dokážou vyjmenovat technická kritéria pro výběr nástroje AI pro tvorbu zdrojů a to, co každé z nich znamená.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-1a</summary>

Pedagogové dokážou shrnout klíčové koncepty fungování hlavních typů systémů AI používaných ve výuce, a to na příslušných příkladech.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-1b</summary>

Pedagogové dokážou klasifikovat spolehlivost výstupu daného typu nástroje pro kontext jejich výuky, včetně chyb, kterým lze předejít.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-1c</summary>

Pedagogové dokážou interpretovat, jak technické porozumění napomáhá realistickému rozhodování o tom, zda, kdy a jak začlenit AI do výuky.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-1a</summary>

Pedagogové dokážou shrnout klíčové koncepty fungování hlavních typů systémů AI používaných při hodnocení, a to na typických příkladech každého z nich.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-1b</summary>

Pedagogové dokážou klasifikovat, co daný typ hodnoticího nástroje skutečně měří, co změřit nedokáže a v jakých situacích obvykle selhává.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-1c</summary>

Pedagogové dokážou na příkladech doložit, proč je vhodné klást konkrétní technické otázky týkající se hodnoticího nástroje AI.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-1a</summary>

Pedagogové dokážou shrnout klíčové koncepty fungování hlavních typů AI používaných pro personalizaci a inkluzi, včetně typických příkladů.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-1b</summary>

Pedagogové dokážou klasifikovat, co daný typ nástroje spolehlivě zvládá a co nikoli, a rovněž oblasti, v nichž jeho výkonnost u konkrétních skupin studujících pravděpodobně selže.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-1c</summary>

Pedagogové dokážou klasifikovat, co nástroj AI deklaruje, že měří nebo dělá, oproti tomu, co skutečně měří nebo dělá, včetně toho, proč je tento rozdíl důležitý pro inkluzi.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-1a</summary>

Pedagogové dokážou shrnout klíčové koncepty AI, kterým by studující měli porozumět, včetně příkladů přiměřených jejich věku.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-1b</summary>

Pedagogové dokážou rozpoznat technická omezení současných systémů AI, kterým by studující měli porozumět.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-1c</summary>

Pedagogové dokážou interpretovat praktické dovednosti v oblasti AI, které by studující měli rozvíjet, a to, jak vypadá zvládnutí každé z nich v dané vzdělávací fázi.

</details></td></tr></tbody></table>

### Úroveň 2 – Reflektivní zavádění

<table id="bkmrk-%C3%9Arove%C5%87-2-profesn%C3%AD-za" style="width: 100%; table-layout: auto;"><colgroup><col style="width: 115px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col><col style="width: 133px;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**ÚROVEŇ 2**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Profesní zapojení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Digitální zdroje**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Výuka a učení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Hodnocení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Posílení postavení studujících**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Podpora rozvoje (AI) digitální kompetence studujících**

</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Přístup zaměřený na člověka**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-2a</summary>

Pedagogové dokážou v konkrétních situacích komunikace a budování profesních sítí zprostředkovaných AI ve vlastní praxi rozlišit, kdy AI použít, přizpůsobit její použití nebo se jí zdržet, a to na základě kritérií zaměřených na člověka.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-2b</summary>

Pedagogové dokážou sestavit osobní plán profesního rozvoje podporovaného AI, který začleňuje nástroje AI do jejich vzdělávacích rutin a zároveň chrání jejich růst, autonomii a spolupráci s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-2c</summary>

Pedagogové dokážou vysvětlit principy zaměřené na člověka v institucionálních diskusích nebo pracovních skupinách věnovaných AI tím, že navrhnou úpravy postupů, politik nebo komunikačních praktik souvisejících s AI.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-2a</summary>

Pedagogové dokážou zavést zdroje vytvořené nebo vylepšené pomocí AI do kontextu vlastní výuky v souladu s pedagogickými kritérii a kritérii zaměřenými na člověka.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-2b</summary>

Pedagogové dokážou porovnat nástroje založené na AI určené k tvorbě a výběru digitálních zdrojů, aby zvolili ten, který nejlépe odpovídá konkrétnímu výukovému účelu.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-2c</summary>

Pedagogové dokážou zavést způsoby zapojení studujících do hodnocení a používání zdrojů vylepšených pomocí AI, které posilují aktivitu studujících a pedagogickou kvalitu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-2a</summary>

Pedagogové dokážou realizovat výuku podporovanou AI, v níž se jejich vlastní pedagogický úsudek řídí tím, kdy, jak a proč je AI používána, při zachování aktivity studujících a lidské interakce.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-2b</summary>

Pedagogové dokážou vysvětlit dopad používání AI na interakci ve třídě, zapojení a procesy učení a prostřednictvím výukových strategií chránit smysluplnou interakci mezi pedagogem a studujícími i vztahy mezi vrstevníky.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-2c</summary>

Pedagogové dokážou zavést způsoby, jak formovat používání AI ve výuce a jak tím posílit aktivitu studujících a pedagogickou kvalitu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-2a</summary>

Pedagogové dokážou zavést do vlastní praxe hodnoticí nástroje podporované AI, přičemž konečné hodnoticí rozhodnutí zakládají na kritickém posouzení výstupů těchto nástrojů a na pedagogických kritériích a kritériích zaměřených na člověka.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-2b</summary>

Pedagogové dokážou zkontrolovat, zda jsou známky, analytické výstupy nebo zpětná vazba generované AI spravedlivé, přesné a v souladu se vzdělávacími cíli, a upravit hodnoticí postupy tak, aby chránily rovnost a smysluplnou podporu studujících.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-2c</summary>

Pedagogové dokážou studujícím a dalším zainteresovaným stranám vysvětlit, jak byla AI použita v procesu hodnocení a jakou roli sehrál lidský úsudek při konečném výsledku, a to způsobem, který zachovává důvěru a aktivitu studujících.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-2a</summary>

Pedagogové dokážou zavést nástroje AI na podporu studujících s různými schopnostmi, zázemím a preferencemi, přičemž svá rozhodnutí zakládají na rovnosti, důstojnosti a inkluzivní pedagogice.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-2b</summary>

Pedagogové dokážou vysvětlit, jak diferenciace podporovaná AI ovlivňuje ve vlastní praxi zapojení, autonomii a pocit sounáležitosti studujících, a chránit tak inkluzi a smysluplné učení pro každého studujícího.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-2c</summary>

Pedagogové dokážou zavést způsoby zapojení studujících, a případně i rodin nebo podpůrného personálu, do rozhodování o personalizaci podporované AI, čímž posilují aktivitu studujících, důvěru a rovnost ve vzdělávání.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-2a</summary>

Pedagogové dokážou ve vlastní viditelné praxi realizovat postupy práce s AI zaměřené na člověka, přičemž svá rozhodnutí zakládají na vzdělávacích cílech a cílech souvisejících s občanskou angažovaností.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-2b</summary>

Pedagogové dokážou vytvořit výukové situace, které vybízejí studující k reflexi vlastních postojů, aktivity a odpovědnosti ve vztahu k AI, a zároveň posilují jejich kritické zapojení.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-2c</summary>

Pedagogové dokážou organizovat se studujícími dialog o roli AI v jejich životě, ve škole a ve společnosti, který přispívá k informované aktivitě a odpovědné participaci ve světě prostoupeném AI.

</details></td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Etika AI**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-2a</summary>

Pedagogové dokážou uplatnit etické principy a regulační požadavky při konkrétních rozhodnutích o vlastním profesním používání AI, a to s odůvodněním ve vztahu k integritě, transparentnosti, odpovědnosti a udržitelnosti.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-2b</summary>

Pedagogové dokážou odvodit zásadové reakce na etická dilemata vznikající při profesním zapojení zprostředkovaném AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-2c</summary>

Pedagogové dokážou vysvětlit institucionální normy týkající se AI, eticky podložené postupy a to, jak jejich vlastní jednání přispívá k důvěryhodné profesní kultuře.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-2a</summary>

Pedagogové dokážou pomocí strukturovaných kritérií rozlišit, jaká etická rizika se ve vlastní praxi vyskytují u zdrojů vytvořených nebo vylepšených pomocí AI a jak závažné jednotlivé z nich jsou.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-2b</summary>

Pedagogové dokážou zavést konkrétní strategie ke zmírnění rizik vyplývajících ze zdrojů vytvořených pomocí AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-2c</summary>

Pedagogové dokážou studujícím a kolegům transparentně vysvětlit zapojení AI a zbytková rizika daného zdroje, a to způsobem, který posiluje důvěru a podporuje učení.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-2a</summary>

Pedagogové dokážou uplatnit etické principy při konkrétních rozhodnutích o používání AI ve vlastní výuce, a to s odůvodněním z hlediska pedagogického přínosu a etického rizika.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-2b</summary>

Pedagogové dokážou odvodit zásadové a obhajitelné reakce na etická dilemata související s AI ve výuce.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-2c</summary>

Pedagogové dokážou studujícím a kolegům vysvětlit etické úvahy, na nichž stojí jejich výuková rozhodnutí týkající se AI, a to způsobem, který formuje kulturu třídy a důvěru.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-2a</summary>

Pedagogové dokážou ve vlastní praxi kriticky posoudit nástroje a výstupy hodnocení podporovaného AI z hlediska standardů spravedlnosti, transparentnosti a souladu s právními předpisy a odpovídajícím způsobem upravit svou praxi.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-2b</summary>

Pedagogové dokážou zavést do vlastního hodnocení postupy zajišťující transparentnost, a posílit tak důvěru a porozumění studujících.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-2c</summary>

Pedagogové dokážou na základě zpětné vazby podporované AI odvodit změny nezbytné ve své hodnoticí praxi k zajištění spravedlnosti.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-2a</summary>

Pedagogové dokážou ve vlastním kontextu kriticky posoudit nástroje a postupy personalizace založené na AI z hlediska rizik zneužití dat, diskriminace a zúžení kurikula.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-2b</summary>

Pedagogové dokážou zavést do vlastní personalizační praxe konkrétní ochranná opatření chránící studující.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-2c</summary>

Pedagogové dokážou studujícím a jejich rodinám transparentně vysvětlit, jak AI personalizuje učení, jaká data se přitom využívají a jaká práva studující mají, čímž posilují důvěru a rovnost.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-2a</summary>

Pedagogové dokážou zavést výukové aktivity rozvíjející etické uvažování studujících o AI, s odůvodněním zvolených metodických postupů.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-2b</summary>

Pedagogové dokážou na základě předpokladů vyplývajících z etického uvažování, které studující prokazují při používání AI, odvodit návrhy aktivit, jež jim pomohou zvažovat protichůdné hodnoty.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-2c</summary>

Pedagogové dokážou v eticky sporném používání AI ze strany studujících odvodit příležitosti k učení.

</details></td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Základy a aplikace AI**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-2a</summary>

Pedagogové dokážou pro vlastní profesní úkoly porovnat nástroje AI a na základě základních znalostí o AI vybrat nástroje podle jejich technických možností a omezení.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-2b</summary>

Pedagogové dokážou zavést úpravy ve způsobu používání nástrojů AI, které zohledňují skutečné fungování daného systému a zlepšují kvalitu výstupů.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-2c</summary>

Pedagogové dokážou kolegům srozumitelným jazykem vysvětlit technické koncepty týkající se nástrojů AI a přispět tak k informovanému kolegiálnímu dialogu o AI v profesní praxi.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-2a</summary>

Pedagogové dokážou pro konkrétní úkoly tvorby zdrojů ve vlastní praxi porovnat nástroje AI a vybrat je podle jejich technických možností a omezení.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-2b</summary>

Pedagogové dokážou uplatnit strategie formulace promptů, iterace a zdokonalování za účelem získání použitelných zdrojů vytvořených pomocí AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-2c</summary>

Pedagogové dokážou kolegům vysvětlit, kdy by měl být daný nástroj nahrazen jiným nástrojem, přístupem nebo zdrojem nevyužívajícím AI.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-2a</summary>

Pedagogové dokážou pro konkrétní účely výuky a učení ve vlastní praxi porovnat nástroje AI a vybrat je podle jejich technických možností a omezení.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-2b</summary>

Pedagogové dokážou uspořádat prvky výuky tak, aby zahrnovaly používání AI s jasně vymezenou pedagogickou rolí a strategiemi pro ověřování jejích výstupů.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-2c</summary>

Pedagogové dokážou na základě technické výkonnosti nástrojů AI zavést úpravy svých přístupů k tvorbě výuky a jejich používání.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-2a</summary>

Pedagogové dokážou pro konkrétní hodnoticí úkoly ve vlastní praxi porovnat nástroje AI na základě jejich technických možností, omezení a spolehlivosti.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-2b</summary>

Pedagogové dokážou zavést hodnoticí pracovní postupy, které kombinují výstupy AI se strukturovanou lidskou kontrolou, a rozpoznat, kdy je výstup AI příliš nespolehlivý.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-2c</summary>

Pedagogové dokážou na základě technické výkonnosti hodnoticích nástrojů AI zavést zdokonalení jejich používání.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-2a</summary>

Pedagogové dokážou porovnat nástroje AI s ohledem na jejich technické možnosti a výkonnost z hlediska personalizace, přístupnosti a inkluze konkrétních zapojených studujících.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-2b</summary>

Pedagogové dokážou zavést přizpůsobená nastavení nástrojů AI pro inkluzivní využití zaměřené na studující, kteří to nejvíce potřebují.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-2c</summary>

Pedagogové dokážou ve vlastní praxi rozlišit, jak si nástroje AI skutečně vedou u různých studujících, a podle toho nástroje měnit nebo kombinovat AI s alternativami nevyužívajícími AI.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-2a</summary>

Pedagogové dokážou uspořádat výukové aktivity, které u studujících budují pojmové porozumění fungování AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-2b</summary>

Pedagogové dokážou zavést podporu pomáhající studujícím rozvíjet praktické dovednosti v oblasti AI, přičemž úkoly přizpůsobují dosavadním znalostem studujících a dostupným nástrojům AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-2c</summary>

Pedagogové dokážou vysvětlit společenské dopady AI z technického hlediska a popsat způsoby, jak se žáci mohou do této problematiky aktivně zapojit.

</details></td></tr></tbody></table>

### Úroveň 3 – Transformativní vedení

<table id="bkmrk-%C3%9Arove%C5%87-3-profesn%C3%AD-za" style="width: 100%; table-layout: auto;"><colgroup><col style="width: 11.7956%;"></col><col style="width: 14.7742%;"></col><col style="width: 14.7742%;"></col><col style="width: 14.6551%;"></col><col style="width: 14.6551%;"></col><col style="width: 14.6551%;"></col><col style="width: 14.7742%;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**ÚROVEŇ 3**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Profesní zapojení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Digitální zdroje**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Výuka a učení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Hodnocení**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Posílení postavení studujících**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Podpora rozvoje (AI) digitální kompetence studujících**

</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Přístup zaměřený na člověka**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-3a</summary>

Pedagogové dokážou naplánovat nové postupy zaměřené na člověka pro profesní komunikaci a budování profesních sítí zprostředkované AI v rámci svého týmu nebo instituce, tyto postupy modelovat a mentorovat kolegy v jejich používání.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-3b</summary>

Pedagogové dokážou vytvořit inovativní formáty profesního vzdělávání podporovaného AI, které posilují sebeřízení a kolektivní profesní růst v rámci širší vzdělávací komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-PE-3c</summary>

Pedagogové dokážou naplánovat procesy institucionální změny, které zakotví používání AI zaměřené na člověka v profesní angažovanosti a ovlivní kulturu jejich organizace.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-3a</summary>

Pedagogové dokážou naplánovat pracovní postupy pro tvorbu a kurátorství digitálních zdrojů podporované AI, které jako standardní praxi zakotvují lidský dohled, hlas studujících a pedagogickou odpovědnost, a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-3b</summary>

Pedagogové dokážou vytvořit kritéria kvality, kontrolní protokoly nebo metodické materiály pro zdroje vylepšené pomocí AI a šířit je v rámci svého týmu, školy nebo širší profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-DR-3c</summary>

Pedagogové dokážou naplánovat kolaborativní postupy, které promění způsob, jakým jsou digitální zdroje vylepšené pomocí AI vytvářeny, sdíleny a zdokonalovány napříč vzdělávací komunitou.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-3a</summary>

Pedagogové dokážou vytvořit inovativní přístupy k výuce podporované AI, které záměrně staví do středu aktivitu studujících, mezilidské vztahy a pedagogický úsudek, tyto přístupy vyzkoušet a sdílet výsledky s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-3b</summary>

Pedagogové dokážou vytvořit pedagogické principy a odpovídající formáty výuky nebo protokoly pro práci ve třídě zaměřené na používání AI orientované na člověka ve výuce a učení a šířit je v rámci svého týmu nebo profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-TL-3c</summary>

Pedagogové dokážou naplánovat kolaborativní rozvoj praxe, který promění způsob používání AI ve výuce a učení napříč jejich školou nebo širším vzdělávacím kontextem.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-3a</summary>

Pedagogové dokážou naplánovat postupy hodnocení podporovaného AI, které záměrně chrání lidskou odpovědnost, spravedlnost a pedagogický účel, a sdílet tyto návrhy s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-3b</summary>

Pedagogové dokážou vytvořit principy, kontrolní protokoly nebo metodické pokyny pro odpovědné používání AI při hodnocení v rámci svého týmu, školy nebo širší profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-A-3c</summary>

Pedagogové dokážou naplánovat kolaborativní rozvoj postupů hodnocení podporovaných AI, které promění způsob, jakým je hodnocení v jejich vzdělávacím kontextu prováděno.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-3a</summary>

Pedagogové dokážou vytvořit inkluzivní vzdělávací prostředí podporovaná AI, která záměrně staví do středu důstojnost, rovnost a aktivitu studujících u rozmanitých skupin, a sdílet tyto návrhy s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-3b</summary>

Pedagogové dokážou vytvořit principy inkluzivní praxe, kontrolní seznamy přístupnosti nebo protokoly diferenciace pro používání AI v rámci svého týmu, školy nebo širší profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-EL-3c</summary>

Pedagogové dokážou naplánovat kolaborativní iniciativy, které promění způsob, jakým je AI využívána k prosazování rovnosti a práva na vzdělání v jejich kontextu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-3a</summary>

Pedagogové dokážou vytvořit výukové přístupy, které záměrně modelují a rozvíjejí postoje k AI zaměřené na člověka napříč předměty nebo ročníky, tyto přístupy vyzkoušet a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-3b</summary>

Pedagogové dokážou vytvořit principy, výukové rituály nebo pedagogické formáty pro rozvíjení kritického občanství studujících ve vztahu k AI a šířit je v rámci svého týmu nebo profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">HM-FC-3c</summary>

Pedagogové dokážou naplánovat kolaborativní iniciativy, které promění způsob, jakým jsou v jejich vzdělávacím kontextu rozvíjeny dispozice studujících k AI zaměřené na člověka.

</details></td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Etika AI**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-3a</summary>

Pedagogové dokážou vytvořit etické zásady, rozhodovací pomůcky nebo kodexy praxe pro používání AI v profesní angažovanosti a sdílet je v rámci svého týmu nebo instituce.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-3b</summary>

Pedagogové dokážou naplánovat institucionální mechanismy kontroly nebo odpovědnosti, které posilují soulad s etickými a regulačními požadavky při profesním používání AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-PE-3c</summary>

Pedagogové dokážou naplánovat rozvoj sdílených etických norem a odpovědných postupů práce s AI v rámci své vzdělávací organizace a formovat tak kulturu, v níž je používání AI zásadové, transparentní a odpovědné.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-3a</summary>

Pedagogové dokážou vypracovat kontrolní protokoly, kontrolní seznamy rizik nebo naplánovat pracovní postupy ke zmírnění rizik u vzdělávacích zdrojů vytvořených pomocí AI a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-3b</summary>

Pedagogové dokážou naplánovat postupy pro pedagogické týmy nebo předmětové komise, které zajistí, aby se rozpoznávání a omezování rizik stalo běžnou součástí tvorby, výběru a úpravy výukových materiálů.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-DR-3c</summary>

Pedagogové dokážou naplánovat kolaborativní iniciativy, které promění způsob, jakým je v jejich vzdělávacím kontextu nakládáno s etickými riziky zdrojů vytvořených pomocí AI.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-3a</summary>

Pedagogové dokážou vytvořit strukturované etické rozhodovací pomůcky pro používání AI ve výuce a učení a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-3b</summary>

Pedagogové dokážou naplánovat postupy pro výuku nebo pracoviště, které učiní etické uvažování o AI běžnou součástí přípravy výuky, a šířit je v rámci své profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-TL-3c</summary>

Pedagogové dokážou naplánovat kolaborativní práci, která promění způsob, jakým je etické uvažování začleňováno do výuky podporované AI v jejich vzdělávacím kontextu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-3a</summary>

Pedagogové dokážou vypracovat kontrolní protokoly zaměřené na spravedlnost, transparentnost a soulad s předpisy pro hodnocení podporované AI ve svém kontextu a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-3b</summary>

Pedagogové dokážou naplánovat strukturované reflektivní rutiny, které promění zpětnou vazbu z hodnocení v systematické zlepšování praxe.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-A-3c</summary>

Pedagogové dokážou naplánovat kolaborativní iniciativy, které promění způsob, jakým je při hodnocení podporovaném AI v jejich vzdělávacím kontextu zajišťována spravedlnost, transparentnost a soulad s právními předpisy.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-3a</summary>

Pedagogové dokážou vypracovat etické kontrolní protokoly, kontrolní seznamy dat nebo ochranné rámce pro personalizaci založenou na AI ve svém kontextu a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-3b</summary>

Pedagogové dokážou naplánovat týmové nebo školní postupy, které učiní identifikaci rizik, minimalizaci dat a lidskou kontrolu běžnou součástí personalizovaného používání AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-EL-3c</summary>

Pedagogové dokážou naplánovat kolaborativní iniciativy, které promění způsob, jakým je v jejich vzdělávacím kontextu nakládáno s etickými riziky personalizace pomocí AI.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-3a</summary>

Pedagogové dokážou naplánovat delší výukové sekvence, projektové formáty nebo mezipředmětové celky, které systematicky rozvíjejí etické uvažování studujících o AI a jejich odpovědnost vůči životnímu prostředí.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-3b</summary>

Pedagogové dokážou vytvořit věku přiměřené rámce, slovní zásobu nebo rutiny pro rozvíjení etické aktivity studujících ve vztahu k AI.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">EI-FC-3c</summary>

Pedagogové dokážou naplánovat kolaborativní iniciativy, které promění způsob, jakým je v jejich vzdělávacím kontextu rozvíjena etická aktivita studujících ve vztahu k AI.

</details></td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; font-size: 0.82em;">**Základy a aplikace AI**

</td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-3a</summary>

Pedagogové dokážou naplánovat postupy hodnocení, rámce pro výběr nástrojů nebo úvodní materiály, které kolegům pomáhají uplatňovat základní znalosti o AI při profesním rozhodování, a sdílet je v rámci instituce.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-3b</summary>

Pedagogové dokážou vytvořit formáty profesního vzdělávání zaměřené na AI, které budují gramotnost v oblasti AI v rámci jejich týmu nebo školy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-PE-3c</summary>

Pedagogové dokážou vytvořit institucionální program budování kapacit v oblasti AI, který promění způsob, jakým základní znalosti o AI ovlivňují praxi v jejich vzdělávacím kontextu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-3a</summary>

Pedagogové dokážou naplánovat technické pracovní postupy nebo metodické materiály pro tvorbu zdrojů podporovanou AI a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-3b</summary>

Pedagogové dokážou vytvořit nové způsoby využití nástrojů AI pro tvorbu zdrojů, které využívají jejich skutečné možnosti, a nikoli pouze novost, tyto způsoby vyzkoušet a šířit výsledky v rámci své profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-DR-3c</summary>

Pedagogové dokážou naplánovat budování kapacit v oblasti nástrojů AI pro tvorbu zdrojů, které promění způsob, jakým je AI ve svém kontextu využívána pro vzdělávací zdroje.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-3a</summary>

Pedagogové dokážou vytvořit technicky podložené výukové formáty nebo vypracovat šablony výuky pro výuku integrující AI a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-3b</summary>

Pedagogové dokážou vytvořit nové přístupy k výuce podporované AI, které využívají skutečné možnosti současných systémů AI, tyto přístupy vyzkoušet a šířit výsledky v rámci své profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-TL-3c</summary>

Pedagogové dokážou naplánovat budování kapacit v oblasti AI ve výuce a učení, které promění způsob, jakým základní znalosti o AI formují tvorbu výuky v jejich vzdělávacím kontextu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-3a</summary>

Pedagogové dokážou naplánovat protokoly technického hodnocení, rutiny ověřování nástrojů nebo šablony pracovních postupů pro hodnocení vylepšené pomocí AI ve svém kontextu a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-3b</summary>

Pedagogové dokážou naplánovat systematické postupy sledování a zlepšování technické výkonnosti hodnoticích nástrojů AI a šířit je v rámci svého týmu nebo školy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-A-3c</summary>

Pedagogové dokážou naplánovat budování kapacit v oblasti AI při hodnocení, které promění způsob, jakým základní znalosti o AI formují hodnoticí praxi v jejich vzdělávacím kontextu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-3a</summary>

Pedagogové dokážou vytvořit technické pokyny, rámce pro výběr nástrojů nebo šablony nastavení pro inkluzivní používání AI ve svém kontextu a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-3b</summary>

Pedagogové dokážou vytvořit nové způsoby využití nástrojů AI pro personalizaci a přístupnost, které vycházejí z realistického porozumění tomu, co současné systémy dokážou a co nikoli, tyto způsoby vyzkoušet a šířit výsledky v rámci své profesní komunity.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-EL-3c</summary>

Pedagogové dokážou naplánovat budování kapacit v oblasti AI pro inkluzi, které promění způsob, jakým základní znalosti o AI formují inkluzivní praxi v jejich vzdělávacím kontextu.

</details></td><td style="border: 1px solid rgb(68,68,68); padding: 6px 8px; vertical-align: top; font-size: 0.82em;"><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-3a</summary>

Pedagogové dokážou naplánovat delší výukové sekvence, projektové formáty nebo mezipředmětové celky, které systematicky budují technickou gramotnost studujících v oblasti AI, a sdílet je s kolegy.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-3b</summary>

Pedagogové dokážou vytvářet výukové materiály, přirovnání a aktivity přiměřené věku žáků, které slouží k osvojení základních principů fungování AI a praktických dovedností při jejím používání, a sdílet je se svými kolegy nebo širší pedagogickou komunitou.

</details><details style="margin: 0 0 5px; padding: 3px 5px;"><summary style="font-size: 12px; line-height: 1.35; padding: 2px 4px; white-space: nowrap;">AF-FC-3c</summary>

Učitelé dokážou plánovat společné aktivity a iniciativy, které přispívají k zásadním změnám ve způsobu rozvoje technických kompetencí žáků v oblasti AI v rámci školy či jiné vzdělávací instituce.

</details></td></tr></tbody></table>

# 4. Certifikace a mikrocertifikáty

# 4.1 Certifikační cesta

### Co je certifikace?  


Certifikační cesta DUAL.AI.TEACHer poskytuje učitelům strukturovaný způsob, jak prokázat své kompetence ve dvou vzájemně se doplňujících oblastech: **Výuka s podporou AI** a **Gramotnost v oblasti AI**. Učitelé mohou absolvovat buď jednu certifikační dráhu, nebo obě, v závislosti na svých dosavadních znalostech, profesní roli a rozvojových potřebách.

Certifikační cesta kombinuje sebehodnocení, výukové a přípravné aktivity, formální hodnocení a digitální certifikaci.

### Vyberte si svou dráhu  


Certifikace DUAL.AI.TEACHer se skládá ze dvou vzájemně se doplňujících drah:

- **Dráha A: Výuka s podporou AI (S AI)** – zaměřená na pedagogické využití AI ve výuce a učení.
- **Dráha B: Gramotnost v oblasti AI (O AI)** – zaměřená na porozumění učitelů konceptům AI, jejím možnostem, omezením a odpovědnému využívání.

Účastníci mohou absolvovat buď jednu dráhu, nebo obě dráhy certifikace, v závislosti na svých dosavadních znalostech, profesní roli a rozvojových potřebách.

Předběžné sebehodnocení pomůže uchazečům určit nejvhodnější dráhu.

### Jak certifikace probíhá?  


Certifikační proces probíhá u obou drah podle společného postupu:

1. Učitel se seznámí s certifikací DUAL.AI.TEACHer.
2. Uchazeč se zaregistruje na platformě ICEP.
3. Uchazeč absolvuje předběžné sebehodnocení a zvolí si **dráhu A** nebo **dráhu B**.
4. Uchazeč se vzdělává a připravuje na zkoušku pomocí poskytnutých studijních materiálů, včetně získávání digitálních odznaků v rámci online kurzu MOOC.
5. Uchazeč si rezervuje termín zkoušky.
6. Uchazeč absolvuje zkoušku.
7. Po úspěšném dokončení je vydán certifikát.
8. Certifikát lze sdílet prostřednictvím systému Europass, kde si třetí strany mohou ověřit jeho platnost.
9. Platnost certifikátu je pět let.

[![Infografika certifikační cesty DUAL.AI.TEACHer.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/infografika-certifikacni-cesty-dual-ai-teacher.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/registration-self-assessment-and-track-selection.png)**Obr. 1: „Proces registrace, sebehodnocení a výběru certifikační dráhy“**

### Učení a příprava  


Po výběru certifikační dráhy vstupují uchazeči do fáze učení a přípravy. Využívají poskytnutý výukový obsah a mohou v rámci přípravy na certifikační hodnocení sbírat odznaky prostřednictvím MOOC.

Přípravný proces zahrnuje přístup k výukovým materiálům, podpůrné aktivity, sebehodnocení, praktické úkoly a sledování pokroku. Uchazeč může pokračovat ve studiu, v případě potřeby opakovat aktivity, nebo po dostatečné přípravě přistoupit k certifikačnímu hodnocení.

[![Schéma digitálního vzdělávání DUAL.AI.TEACHer.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/schema-digitalniho-vzdelavani-dual-ai-teacher.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/learning-activities.png)**Obr. 2: „Proces učení a přípravy“**

### Hodnocení a certifikace  


Certifikační hodnocení probíhá formou online zkoušky pro každou certifikační dráhu.

Plánovaná podoba hodnocení zahrnuje:

- **Forma:** Online zkouška
- **Obsah:** 30 otázek s výběrem odpovědi
- **Platforma:** Certifikační platforma ICEP
- **Jazyk:** Angličtina a národní jazyky
- **Počet pokusů:** Až 2 pokusy na uchazeče
- **Dohled:** Vzdálený dohled nad průběhem zkoušky.

Uchazeči absolvují hodnocení pro zvolenou dráhu po dokončení přípravné fáze a sebehodnocení připravenosti. Úspěšné absolvování zkoušky vede k vydání příslušného certifikátu.

Hodnocení může zahrnovat následující typy otázek:

- Jedna nejlepší odpověď
- Výběr z více možností
- Pravda/nepravda

Tyto typy úloh s výběrem odpovědí umožňují objektivní, jednotné a efektivní hodnocení i většího počtu uchazečů a zároveň usnadňují automatické vyhodnocování výsledků.

[![Dvě žluté swimlane vývojové mapy IEP.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/dve-zlute-swimlane-vyvojove-mapy-iep.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-09/issuing-certificate.png)**Obr. 3: „Proces zkoušky a certifikace mezi uchazečem a ICEP“**

### Která dráha je pro mě vhodná?  


Obě certifikační dráhy odpovídají odlišným profesním potřebám a zájmům.

**Dráha A – Výuka s podporou AI (S AI)** je určena učitelům, kteří chtějí využívat AI ve výuce a učení pedagogicky smysluplným, bezpečným a profesně odpovědným způsobem. V rámci návrhu certifikační cesty je to znázorněno na příkladu **Maji Novak**, středoškolské učitelky, která již využívá generativní AI při přípravě hodin, tvorbě materiálů přizpůsobených různým potřebám žáků, výukových aktivitách a poskytování průběžné zpětné vazby. Jejím cílem je překročit fázi pouhého zkoušení nových nástrojů a naučit se AI využívat systematicky, s hlubším porozuměním jejím možnostem i rizikům.

**[![Majina cesta k AI certifikaci.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/majina-cesta-k-ai-certifikaci.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/dual-ai-teacher-certification-pathway-track-a.png)Obr. 4: „Cesta uchazeče – Dráha A: Výuka s podporou AI“**

**Dráha B – Gramotnost v oblasti AI (O AI)** je určena učitelům, kteří chtějí posílit své vlastní porozumění i porozumění svých žáků konceptům AI, jejím omezením, rizikům a odpovědnému využívání. Znázorněno je to na příkladu **Luky Horvata**, učitele vyšší střední školy, který chce pomoci žákům stát se kritickými, informovanými a odpovědnými uživateli AI, se zvláštním zaměřením na otázky, jako je dezinformace, zkreslení (bias), soukromí, transparentnost, využívání dat, lidská autonomie a společenský dopad AI.

**[![Lukova cesta k certifikaci AI.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/lukova-cesta-k-certifikaci-ai.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/dual-ai-teacher-certification-pathway-track-b.png)**

**Obr. 5: „Cesta uchazeče – Dráha B: Gramotnost v oblasti AI“**

Uchazeči mohou absolvovat buď jednu dráhu, nebo obě dráhy, v závislosti na svých dosavadních znalostech, profesní roli a rozvojových potřebách. Předběžné sebehodnocení podporuje výběr nejvhodnější dráhy.

### Udělování a uznávání certifikátů

Po úspěšném dokončení hodnocení obdrží uchazeči **digitální certifikát** za absolvovanou certifikační dráhu.

Model certifikace zahrnuje:

- **Vydání:** Digitální certifikát po úspěšném hodnocení
- **Platnost:** 5 let od data vydání
- **Záznamy o certifikaci:** Vedeny organizací ICEP v centrální databázi
- **Rozsah:** Samostatná certifikace pro dráhu A a dráhu B; uchazeči, kteří absolvují obě dráhy, obdrží oba certifikáty

Certifikace má podpořit uznávání kompetencí učitelů v oblasti AI a jejich další profesní rozvoj. Má rovněž podpořit uznávání a přenositelnost těchto kompetencí napříč evropskými kontexty.

### Další informace

Podrobnější informace o struktuře certifikace, cestě uchazeče, hodnoticích kritériích, průběhu zkoušky, rolích a odpovědnostech, pilotním ověření a udržitelnosti jsou uvedeny v úplném dokumentu **DUAL.AI.TEACHer Certification Pathway Design**.

# 4.2 Mikrocertifikáty

### Mikrocertifikáty

**<span lang="en-gb">Mikrocertifikáty</span>**<span lang="en-gb"> jsou krátké, cílené kvalifikace, které potvrzují konkrétní výsledky učení a dovednosti získané prostřednictvím krátkých školení nebo kurzů. </span>

<div class="n6owBd awi2gc" id="bkmrk-characteristics%3A%C2%A0"><span style="text-decoration: underline;">Charakteristiky: </span></div><div class="yhAwj" id="bkmrk-"></div><div id="bkmrk-short-term-learning%C2%A0">

- <span class="iNqyIf">**<span class="yADgie">Krátkodobé učení</span>**<span class="yADgie"> – absolvuje se v řádu hodin, dnů nebo týdnů, nikoli let.</span></span>
- **<span class="yADgie">Založené na kompetencích</span>**<span class="yADgie"> – zaměřené na jeden jasně vymezený soubor dovedností nebo na jedno téma (např. analýzu dat nebo projektové řízení).</span>
- **<span class="yADgie">Ověřitelný doklad</span>**<span class="yADgie"> – vydává se formou zabezpečených digitálních odznaků (badges) nebo certifikátů, které obsahují metadata o tom, co bylo předmětem učení.</span>

</div><div id="bkmrk-key-benefits%3A-flexib"><div class="otQkpb"><span style="text-decoration: underline;">Klíčové přínosy:</span></div>

- **Flexibilita** – umožňuje rychlé zvyšování kvalifikace nebo rekvalifikaci bez dlouhodobých finančních závazků.
- **Uplatnitelnost na trhu práce** – poskytuje zaměstnavatelům transparentní a snadno ověřitelný doklad o praktických kompetencích.
- **Možnost postupného skládání kvalifikací** – Jednotlivá osvědčení lze často postupně kombinovat a využít k získání vyšší kvalifikace nebo akademického titulu.

</div>### Architektura mikrocertifikátů a certifikace

Certifikační strategie projektu DUAL.AI.TEACHer zavádí formální celoevropský mechanismus pro validaci kompetencí učitelů v oblasti AI.

<span style="text-decoration: underline;">Dvě certifikační dráhy:</span>

<div id="bkmrk-pathway-a---ai-enhan">

1. **Dráha A – Výuka s podporou AI:** Ověřuje kompetence v používání nástrojů AI pro přípravu výuky, adaptivní vyučování, automatizované hodnocení a optimalizaci pracovních postupů.
2. **Dráha B – Gramotnost v oblasti AI a občanské vzdělávání:** Ověřuje kompetence ve výuce informatického myšlení, algoritmického zkreslení, ochrany osobních údajů a etického občanství v době AI.

</div><span style="text-decoration: underline;">Strukturální rámec a soulad se standardy:</span>

<div id="bkmrk-managing-body%3A-led-b">

- **Řídicí orgán:** Certifikaci vede ICEP (Institute of European Certification of Personnel), akreditovaný certifikační a kvalifikační orgán podle SNAS / ISO 17024.
- **Soulad se standardy:** Navázáno na rámce DigCompEdu (pro digitální kompetence učitelů), EntreComp (pro inovace), Universal Design for Learning (UDL), ESCO, EQF a na pokyny EUROPASS Digital Credentials.
- **Cílová skupina:** Během trvání projektu osloví více než 400 budoucích i praktikujících pedagogů.

</div><span style="text-decoration: underline;">Technická architektura a proces udělování certifikátů:</span>

<div id="bkmrk-digital-badges%3A-modu">

- **Digitální odznaky:** Dokončení modulu v MOOC (WP3) automaticky vydá otevřené digitální odznaky za jednotlivé mikrokompetence (např. *Etické používání AI*, *Prompt engineering*, *Adaptivní hodnocení*). <span lang="en-gb">Ty lze snadno sdílet na profesních sítích, jako je LinkedIn, a poskytnout tak ověřitelný doklad o dovednostech.</span>
- **Zabezpečené hodnocení a validace:** Uchazeči absolvují standardizovanou digitální zkoušku s dálkovým dohledem (30 otázek s výběrem odpovědi) na zabezpečené digitální platformě ICEP (`competenceinstitute.com`). Uchazeči mají k dispozici až dva pokusy. <span lang="en-gb">Online certifikace bude nabídnuta na konci celého kurzu jako nástroj hodnocení, který ověří všechny znalosti a dovednosti získané a rozvinuté v průběhu celého kurzu složeného ze všech výukových modulů/kapitol/drah, a následně je potvrdí prostřednictvím mezinárodní certifikační zkoušky. </span>
- **Přenositelná certifikace v rámci EU:** Po úspěšném absolvování jsou udělovány formální digitální certifikáty a mikrocertifikáty platné **5 let** v celé EU. Certifikáty lze exportovat přímo do portfolia profilu EUROPASS a na LinkedIn.

</div>

# 5. Plán postupu integrace AI

# 5.1 Jak používat plán postupu

Tato kapitola představuje plán postupu integrace AI DUAL.AI.TEACHer. Plán postupu popisuje devět etap, které provedou vzdělávání učitelů cestou od první strategické diskuse o AI až k trvalé struktuře pro její využívání. Zaměřuje se jak na přípravné vzdělávání učitelů na vysokých školách, tak na školy a další profesní vzdělávání. **Tato kapitola je určena vedoucím studijních programů přípravy učitelů na vysokých školách, osobám odpovědným za další profesní vzdělávání učitelů a ředitelům škol**.

Záměrně nejde o souvislý text, který by se měl číst od začátku do konce. Přečtěte si tu část, která odpovídá vaší roli.

<table id="bkmrk-phase-time-activity-" style="width:100%;table-layout:auto;"><tbody><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:35.2766%;">Role</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:19.0634%;">Začněte částí</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;background-color:rgba(0,151,178,0.15);font-weight:bold;vertical-align:top;width:45.6501%;">Poté</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:35.2766%;">**Kdokoli**</td><td class="align-center" style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:19.0634%;">[5.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/52-plan-postupu-zkracena-verze)</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:45.6501%;">Zabere to dvě minuty a získáte celý model</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:35.2766%;">**Vedení školy** nebo osoba odpovědná za profesní rozvoj ve škole

</td><td class="align-center" style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:19.0634%;">[5.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/52-plan-postupu-zkracena-verze)</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:45.6501%;">[5.3, určená školám](https://playbook.dualaiteacher.eu/books/playbook-cz/page/53-plan-postupu-pro-skoly)

</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:35.2766%;">**Pracovníci instituce připravující učitele** (vedení studijních programů, vzdělavatelé učitelů, zajišťování kvality)

</td><td class="align-center" style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:19.0634%;">[5.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/52-plan-postupu-zkracena-verze)</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:45.6501%;">[5.4, rozšířená verze, čtená postupně](https://playbook.dualaiteacher.eu/books/playbook-cz/page/54-kompletni-plan-zavadeni-ai-pro-instituce-vzdelavajici-ucitele)</td></tr><tr><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:35.2766%;">**Učitel, který hledá inspiraci pro výuku**

</td><td class="align-center" style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:19.0634%;">[5.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/52-plan-postupu-zkracena-verze)</td><td style="border:1px solid rgb(68,68,68);padding:8px 10px;vertical-align:top;width:45.6501%;">Tam můžete skončit. Kapitoly [5.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/52-plan-postupu-zkracena-verze) a [5.3](https://playbook.dualaiteacher.eu/books/playbook-cz/page/53-plan-postupu-pro-skoly) jsou určeny právě vám</td></tr></tbody></table>

### Jak číst rozšířenou verzi

Část 5.4 popisuje každou z devíti etap v úplnosti: co daná etapa obnáší, proč je navržena právě takto a podle čeho poznáte, že jste ji dokončili. Je referenční verzí plánu postupu a je napsána tak, aby se používala dvakrát. Přečtěte si ji jednou postupně, abyste viděli, proč jsou etapy seřazeny právě v tomto pořadí a které z nich na sobě navzájem závisejí. Poté se k jednotlivým etapám vracejte ve chvíli, kdy na nich právě pracujete – tak ji bude v praxi využívat většina institucí.

Čtenáři, kteří přicházejí z části 5.3, nepotřebují část 5.4 k tomu, aby mohli začít jednat, ale každá etapa, která je tam popsána stručně, je v části 5.4 rozvedena podrobně. Obě části se potkávají v etapě 6, *Začlenit AI do dalšího vzdělávání pedagogů*: právě zde instituce připravující učitele organizují další vzdělávání, které školy následně využívají.

# 5.2 Plán postupu – zkrácená verze

## Náš výchozí bod

Cílem projektu DUAL.AI.TEACHer je vytvořit jasný a přizpůsobitelný plán postupu o sedmi až deseti etapách, který institucím připravujícím učitele pomůže začlenit AI jak do počáteční přípravy učitelů, tak do jejich dalšího profesního vzdělávání. Plán postupu se zaměřuje na institucionální změnu, nikoli na jednotlivé iniciativy, a vznikal společně se vzdělavateli učitelů.

Zvláště relevantní východiska poskytly dva již existující modely.

Prvním je šestietapový model pro vysoké školy, shrnutý heslem „učit se znovu učit“. Postupuje od nového rámování institucionálních debat o AI přes důvěru a správu, jistotu zaměstnanců v práci s AI, změnu kurikula a přepracování výuky a hodnocení až k rozšíření napříč celou institucí (Black, 2025). Jeho hlavní předností je, že chápe AI jako hybatele institucionální proměny, nikoli pouze jako otázku nástrojů.

Druhým je čtyřfázový plán zavádění generativní AI pro školy a školské obvody: vybudovat základy, rozvíjet zaměstnance, aktualizovat obsah výuky a vyhodnocovat a postupovat dál. Jeho předností je operativní zaměření a důraz na konkrétní realizaci.

<span lang="en-us">Oba modely dělají to, co si předsevzaly: jeden se věnuje vysokým školám jako celku, druhý školám a školským obvodům. Instituce připravující učitele stojí na pomezí obou prostředí a právě zde jsme viděli prostor pro rozšíření dosavadní práce. Tyto instituce proměňují vlastní výuku a zároveň připravují budoucí učitele na prostředí, která nemají pod přímou kontrolou. Kdybychom se věnovali jen vnitřní proměně, zůstalo by kurikulum týkající se AI v rukou zaměstnanců s omezenou praktickou zkušeností; kdybychom se věnovali jen budoucí praxi ve třídě, modernizoval by se studijní program, ale nezměnila by se instituce, která jej uskutečňuje. Plán postupu DUAL.AI.TEACHer staví na obou modelech a obě dimenze propojuje.</span>

[![Souhrnná mapa integrace AI do výuky.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/souhrnna-mapa-integrace-ai-do-vyuky.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/grafik.png)

Obr. 1: „Plán postupu integrace AI DUAL.AI.TEACHer: devět etap institucionálního začleňování AI do přípravy učitelů“

## Dvě osy pod jednotlivými etapami

Namísto toho, aby oba referenční modely spojoval krok za krokem, je plán postupu vystavěn kolem dvou souběžných os.

První je **institucionální proměna**: struktury, správa a řízení, kurikulum a formální podmínky, které používání AI umožňují, nebo naopak omezují. Tato osa sleduje logiku „od nového rámování k rozšíření“ známou z modelu pro vysoké školy a opírá se o zavedený výzkum. Teorie difuze inovací označuje možnost inovaci vyzkoušet a možnost pozorovat její výsledky za vlastnosti, které usnadňují její přijetí, což se promítá do důrazu na viditelné pilotní zavádění v etapě 7 (Neal et al., 2018).

Druhou je **lidská kapacita**, která v plánu postupu představuje osu kvality. Vzdělávání nelze zredukovat na izolované workshopy. Výzkum účinného profesního rozvoje učitelů zdůrazňuje dostatečně dlouhé trvání, zaměření na obsah, praxi, reflexi, zpětnou vazbu a koučink (Lipowsky &amp; Rzejak, 2021). Tyto principy proto utvářejí podobu vzdělávacích aktivit v celém plánu postupu, od vzdělavatelů učitelů v etapě 3 až po učitele z praxe v etapě 6. Jednorázový workshop sám o sobě dokončení etapy neznamená.

## Plán postupu v kostce

<table id="bkmrk-phase-time-activity-" style="width: 100%; table-layout: auto;"><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; width: 16.2082%;">Etapa</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; width: 58.3623%;">Úkol</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; background-color: rgba(0,151,178,0.15); font-weight: bold; vertical-align: top; width: 25.4196%;">Hotovo, když</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Strategické sladění</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Zjistit, kde instituce skutečně stojí, a dohodnout se, čeho chce dosáhnout – se zapojením vedení a s ustaveným mezioborovým týmem.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Výchozí pozice i cíl existují v písemné podobě.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Podpůrné řízení a pravidla</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Zavést celoinstitucionální pravidla pro používání AI, ochranu osobních údajů, integritu, zveřejňování použití AI a prověřování nástrojů, formulovaná spíše kolem toho, co je možné, než kolem toho, co je zakázáno.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Zaměstnanci si dokážou odpovědět na otázku „smím to udělat?“, aniž by se museli někoho ptát.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Kapacita vzdělavatelů učitelů</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Budovat kapacitu těch, kdo učí, prostřednictvím dlouhodobého profesního učení zaměřeného na obsah a zakotveného v praxi, doplněného koučinkem a reflexí.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Rozvoj probíhá průběžně, nejde jen o jediný workshop.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Společně navrhnout kurikulum</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Přenést AI do formálního studijního programu revizí sylabů a výsledků učení, ukotvenou v oborových didaktikách, nikoli v samostatném modulu.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Výsledky učení týkající se AI se objevují v běžné dokumentaci modulů několika předmětů.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding-top: 8px; padding-right: 10px; padding-bottom: 8px; vertical-align: top; width: 16.2082%;">Výuka a hodnocení</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Přepracovat učební úlohy a hodnocení tak, aby byly autentické a počítaly s AI, a předvádět výuku s integrovanou AI tak, aby ji studenti zažili v roli učících se.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Formy hodnocení byly skutečně přepracovány, nikoli jen doplněny o prohlášení o použití AI.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Začlenit AI do dalšího vzdělávání pedagogů</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Proměnit další profesní vzdělávání ve strukturovanou nabídku se skládatelnými mikrocertifikáty a zajistit tak větev pro učitele z praxe.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Nabídka má zveřejněnou strukturu a uznávaný certifikát.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Pilotně ověřit v reálných podmínkách</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Vyzkoušet přepracované moduly, další vzdělávání a hodnocení se skutečnými skupinami účastníků a systematicky sbírat zpětnou vazbu.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Existuje zdokumentovaná zpětná vazba, která vedla k rozpoznatelným úpravám.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Vyhodnotit, poučit se a přizpůsobit</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Posoudit nárůst kompetencí, účast, proveditelnost, spravedlivost a dopad a využít získané poznatky k revizi.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Zjištění něco změnila, nejen zaplnila zprávu.</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 16.2082%;">Institucionalizovat a rozšířit

</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 58.3623%;">Převést iniciativu do trvalé struktury: odpovědnost, role, zdroje, zajišťování kvality, obnova.</td><td style="border: 1px solid rgb(68,68,68); padding: 8px 10px; vertical-align: top; width: 25.4196%;">Práce pokračuje i poté, co lidé, kteří ji začali, odejdou.</td></tr></tbody></table>

**AI for Education.** (b. r.). *AI adoption roadmap for education institutions*.  
**Black, A.** (2025, 3. prosince). *Learning to learn again: A roadmap for higher education institutions in the age of AI*. enablinginsights.  
**Lipowsky, F., &amp; Rzejak, D.** (2021). *Fortbildungen für Lehrpersonen wirksam gestalten: Ein praxisorientierter und forschungsgestützter Leitfaden*. Bertelsmann Stiftung.  
**Neal, J. W., Neal, Z. P., Lawlor, J. A., Mills, K. J., &amp; McAlindon, K.** (2018). What makes research useful for public school educators? *Administration and Policy in Mental Health and Mental Health Services Research, 45*(3), 432–446.

# 5.3 Plán postupu pro školy

## Komu je tato část určena

**Ředitelům a zástupcům ředitelů škol a všem, kdo ve škole odpovídají za profesní rozvoj.** Nemusíte mít předchozí části přečtené celé. Pokud jste si prošli devět etap v části 5.2, tato část vám ukáže, jak se vztahují na školu; pokud ne, můžete začít rovnou zde.

**Kde školy do plánu postupu vstupují.** Tento plán postupu vznikl pro instituce připravující učitele, jeho logika změny však není pro tyto instituce specifická a jedna etapa se týká škol přímo. Etapa 6, *Začlenit AI do dalšího vzdělávání pedagogů*, je větví pro učitele z praxe: právě zde instituce připravující učitele organizují další profesní vzdělávání, kterého se účastní vaši zaměstnanci. To je váš vstupní bod. To, co vaše instituce nabízí jako etapu 6, přichází do vaší školy v podobě dalšího vzdělávání, a zda to něco změní ve vašich třídách, závisí na podmínkách uvnitř této školy.

**Proč nelze začít zde a skončit.** Vyslat zaměstnance na jednorázový kurz je nejběžnějším přístupem a zároveň je nepravděpodobné, že by sám o sobě změnil praxi. Co funguje, je dlouhodobé zapojení se zaměřením na obsah, příležitost si věci vyzkoušet a následná podpora v podobě koučinku nebo spolupráce (Lipowsky &amp; Rzejak, 2021). To má pro vedení školy přímý důsledek. Vzácným zdrojem není kurz; je jím chráněný čas poté, v němž učitelé něco vyzkoušejí, proberou to s kolegy a upraví.

[![Integrační roadmapa AI ve vzdělávání.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-11/integracni-roadmapa-ai-ve-vzdelavani.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/grafik.png)

Obr. 1: „Plán postupu integrace AI DUAL.AI.TEACHer: devět etap institucionálního začleňování AI do přípravy učitelů“

## Tři prioritní kroky při zavádění AI na úrovni školy

Etapa 6 je vaším bodem napojení, ale podmínky, díky nimž funguje, vytvářejí etapy 1–3.

***Etapa 1, Strategické sladění.*** Zjistěte, kde vaše škola skutečně stojí. Část vašich zaměstnanců už AI používá, část se jí vyhýbá a školy nemusejí mít o současné praxi jasnou představu. Krátká a poctivá inventura má větší cenu než strategický dokument. Pojmenujte, čeho chcete dosáhnout, a buďte připraveni i na zjištění, že AI momentálně není nejpalčivějším problémem vaší školy; i to je legitimní výsledek této etapy.

***Etapa 2, Podpůrné řízení a pravidla.*** Na úrovni školy je obzvláště důležitá a snadno se přehlédne. Zaměstnanci i žáci potřebují vědět, co je dovoleno, jak se má používání AI přiznávat, které nástroje byly prověřeny z hlediska ochrany osobních údajů a co se považuje za akademickou nepoctivost. Tam, kde to není jasné, nastávají dvě věci najednou: opatrní učitelé se AI vyhýbají úplně a sebejistí ji používají bez jakýchkoli dohodnutých hranic. Jasná a podpůrná pravidla pomáhají řešit obojí. Nemusejí být dlouhá.

***Etapa 3, Kapacita zaměstnanců.*** V původním plánu postupu se tato etapa týká vzdělavatelů učitelů; ve vaší škole se týká vašeho pedagogického sboru. Platí pro ni stejné podmínky kvality. Zvažte, zda místo plošného zavedení pro celý sbor nezačít malou skupinou ochotných kolegů v jednom či dvou předmětech a jejich výsledky nezviditelnit pro zbytek sboru. Inovace se šíří tehdy, když kolegové vidí, že fungují v jejich vlastním prostředí (Neal et al., 2018).

## V čem je situace školy jiná

Vaši situaci odlišují od situace instituce připravující učitele tři omezení a plán postupu je dobré číst s ohledem na ně.

**Máte omezenější možnosti ovlivňovat obsah vzdělávání.** Kroky 4 a 5 předpokládají, že vzdělávací instituce může sama upravovat obsah výuky. Ve školách je však značná část učiva stanovena národními vzdělávacími programy a právními předpisy. Větší prostor pro změny proto máte především v tom, jak jednotlivé předměty vyučujete a jak hodnotíte výsledky žáků, nikoli v samotném obsahu předepsaného učiva. Tyto kroky proto chápejte zejména jako příležitost ke změnám v zadávání úkolů, výukových metodách a způsobech hodnocení.

**Vaši zaměstnanci mají k dispozici méně volného času .** Instituce vzdělávající budoucí učitele mohou svým akademickým pracovníkům zadávat rozvojové úkoly jako součást jejich pracovní náplně. Na školách je však situace jiná. Čas věnovaný rozvojovým aktivitám musí učitelé skloubit se svými výukovými povinnostmi. Právě proto je krok 2 obzvláště důležitý: vytvoření jasných pravidel a metodických pokynů nevyžaduje mnoho času, ale může výrazně usnadnit zavádění AI do školní praxe.

**Jste blíže důsledkům.** Školy se v každodenní praxi bezprostředně potýkají s otázkami rovných příležitostí, ochrany osobních údajů žáků a dostupnosti technologií. Právě proto se krok 8 výslovně zaměřuje na rovnost příležitostí a spravedlivý přístup ke vzdělávání.

  
**Lipowsky, F., &amp; Rzejak, D.** (2021). *Fortbildungen für Lehrpersonen wirksam gestalten: Ein praxisorientierter und forschungsgestützter Leitfaden*. Bertelsmann Stiftung.  
**Neal, J. W., Neal, Z. P., Lawlor, J. A., Mills, K. J., &amp; McAlindon, K.** (2018). What makes research useful for public school educators? *Administration and Policy in Mental Health and Mental Health Services Research, 45*(3), 432–446.

# 5.4 Kompletní plán zavádění AI pro instituce vzdělávající učitele

## Komu je tato část určena

<span class="highlights" style="color: #000000;">**Děkanům, vedoucím studijních programů, vzdělavatelům budoucích učitelů a pracovníkům odpovědných za zajišťování kvality v institucích připravujících budoucí pedagogy.** Tento plán postupu byl napsán především pro vás a tato část předpokládá, že jste si přečetli devět etap v části 5.1. Na rozdíl od čtenářů ze škol potřebují instituce připravující učitele vnímat plán postupu jako celek, protože jednotlivé etapy se týkají různých částí institucionální změny, které na sobě navzájem závisejí.</span>

[![Integrační roadmapa AI ve vzdělávání učitelů (1).png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-11/integracni-roadmapa-ai-ve-vzdelavani-ucitelu-1.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/grafik.png)

Obr. 1: „Plán postupu integrace AI DUAL.AI.TEACHer: devět etap institucionálního začleňování AI do přípravy učitelů“

<details id="bkmrk-1.-strategic-alignme"><summary>1. Strategické sladění</summary>

<span style="color: rgb(0,0,0);">Od reagování ke strategii. Většina institucí nezačíná od nuly. Začínají od mozaiky jednotlivých iniciativ, neformálního používání nástrojů a nevyřešených obav. První etapa tuto výchozí pozici zviditelní a promění ji ve sdílené strategické směřování. Vedení celý proces otevírá, místo aby jej delegovalo, protože pozdější etapy vyžadují rozhodnutí o personálním zajištění, zdrojích a kurikulu, která potřebují institucionální podporu. Instituce posoudí svou připravenost, potřeby a priority a ustaví mezioborový řídicí tým, jehož součástí jsou vzdělavatelé učitelů, IT, studenti a zajišťování kvality. Zapojení studentů není symbolické: kurikulum zažívají bezprostředně a v přípravě učitelů jsou navíc příslušníky budoucí profese. </span>

<span style="color: rgb(0,0,0);">Etapa je dokončena, když instituce dokáže písemně uvést, kde stojí, čeho chce dosáhnout a kdo odpovídá za posun práce vpřed.</span>

</details><details id="bkmrk-2.-enabling-governan"><summary>2. Podpůrné řízení a pravidla</summary>

<span style="color: rgb(0,0,0);">Pravidla přicházejí brzy, protože nejistota se může stát hlavní překážkou přijetí. Zaměstnanci, kteří nevědí, co je dovoleno, se buď AI úplně vyhýbají, nebo ji používají bez společně sdílených očekávání. Instituce vytvoří celoinstitucionální pravidla pokrývající používání AI, ochranu osobních údajů, akademickou integritu, očekávání ohledně přiznání použití AI a postup pro posuzování a schvalování nástrojů. Rozhodující volbou při jejich návrhu je rámování: pravidla by měla vysvětlovat, co je možné a za jakých podmínek, spíše než se skládat převážně ze zákazů. Návrh pravidel se před přijetím rozešle k připomínkám, což zvyšuje jak jejich praktickou užitečnost, tak jejich legitimitu. </span>

<span style="color: rgb(0,0,0);">Etapa je dokončena, když zaměstnanci snadno najdou jasnou odpověď na otázku „Smím to udělat?“ a vědí, kam se obrátit, když nějaký případ pravidla nepokrývají.</span>

</details><details id="bkmrk-3.-teacher-educator-"><summary>3. Kapacita vzdělavatelů učitelů</summary>

<span class="highlights" style="color: #000000;">Vzdělavatelé učitelů nemohou předvádět postupy, které sami neměli příležitost prozkoumat. Tato etapa buduje jejich kapacitu prostřednictvím profesního učení, které je dlouhodobé, nikoli jednorázové, navázané na obsah a oborové didaktiky spíše než zaměřené především na nástroje, a zakotvené v praxi díky spolupráci, koučinku a strukturované reflexi. Právě tyto rysy jsou konzistentně spojovány s účinným profesním rozvojem učitelů (Lipowsky &amp; Rzejak, 2021). Kompetence se mapují na Rámec kompetencí DUAL.AI.TEACHer a na Rámec kompetencí UNESCO v oblasti AI pro učitele, aby rozvoj měl směr i referenční bod. Začleňování AI by mělo stavět na stávající profesní odbornosti vzdělavatelů učitelů, a nikoli s AI zacházet jako se samostatnou technickou kompetencí. Jediný workshop tuto etapu nedokončí. Etapa je dokončena, když mají vzdělavatelé učitelů dlouhodobé příležitosti rozvíjet praxi související s AI, uplatňovat ji a reflektovat ji ve vlastním výukovém kontextu.</span>

</details><details id="bkmrk-4.-co-design-the-cur"><summary>4. Společně navrhnout kurikulum</summary>

<span style="color: rgb(0,0,0);">Zde se AI přesouvá z mimoškolní aktivity do formálního studijního programu. Dokumentace kurzů a modulů se reviduje a výsledky učení se sladí s rámcem kompetencí tak, aby to, co se učí, procvičuje a hodnotí, směřovalo stejným směrem. Ústředním principem návrhu tohoto plánu postupu je, že gramotnost v oblasti AI a výuka s podporou AI by měly být zabudovány do oborových didaktik, nikoli uzavřeny do samostatného modulu. Vyhrazený kurz o AI může být užitečný jako přechodový krok, nese však riziko, že bude signalizovat, že AI je samostatné téma, a nikoli součást každodenní výuky předmětů. Na společném návrhu se vzdělavateli učitelů záleží, protože ti, kdo budou revidovaný program učit, jej musejí spoluutvářet. </span>

<span style="color: rgb(0,0,0);">Etapa je dokončena, když jsou výsledky učení související s AI viditelné v běžné dokumentaci více předmětů či modulů a jsou propojeny se širším studijním programem, místo aby zůstávaly izolované v jediném kurzu.</span>

</details><details id="bkmrk-5.-pedagogy-%26-assess"><summary>5. Výuka a hodnocení</summary>

<span style="color: rgb(0,0,0);">Změnit kurikulum na papíře nestačí, pokud výuka a hodnocení zůstanou beze změny. Tato etapa přepracovává učební úlohy a formy hodnocení tak, aby byly autentické, multimodální a počítaly s AI, a aby se hodnocení zaměřovalo na to, čemu budoucí učitelé rozumějí, co dokážou zdůvodnit, vytvořit a uplatnit, nikoli na výstupy, které generativní systém dokáže vytvořit na požádání. Stejně důležitý je efekt vzoru: budoucí učitelé by měli promyšlenou výuku s integrovanou AI zažít nejprve v roli učících se, než se od nich očekává, že ji budou používat jako profesionálové. Příprava učitelů zde má výjimečnou příležitost, protože studenti zažívají výukové postupy a zároveň si budují vlastní profesní praxi. </span>

<span style="color: rgb(0,0,0);">Etapa je dokončena, když se výsledky učení související s AI promítají do skutečné výuky a hodnocení, a nejsou jen připsány do popisů modulů nebo do požadavků na přiznání použití AI.</span>

</details><details id="bkmrk-6.-embed-ai-into-cpd"><summary>6. Začlenit AI do dalšího vzdělávání pedagogů</summary>

<span style="color: rgb(0,0,0);">Instituce připravující učitele nepřipravují jen budoucí učitele; podporují také ty, kdo už ve školách pracují. Tato etapa rozvíjí další profesní vzdělávání do podoby strukturované nabídky namísto řady izolovaných akcí. Platí pro ni stejné podmínky kvality jako v etapě 3: dlouhodobé zapojení, jasné zaměření na obsah, příležitosti k procvičení a následná podpora prostřednictvím spolupráce, zpětné vazby nebo koučinku. V modelu DUAL.AI.TEACHer lze tuto práci navázat na certifikační cestu vyvinutou v rámci T2.6, což umožňuje, aby profesní učení narůstalo v čase. Etapa 6 zároveň vytváří obousměrné spojení se školami: instituce přispívají profesním učením, zatímco učitelé z praxe přinášejí zpět do přípravy učitelů aktuální zkušenost ze tříd. </span>

<span style="color: rgb(0,0,0);">Etapa je dokončena, když profesní učení pro učitele z praxe tvoří ucelenou a dlouhodobou nabídku s jasnou progresí, nikoli kalendář nesouvisejících jednorázových akcí.</span>

</details><details id="bkmrk-7.-pilot-in-authenti"><summary>7. Pilotně ověřit v reálných podmínkách</summary>

<span style="color: rgb(0,0,0);">Přepracované moduly, nabídky dalšího vzdělávání a formy hodnocení se zkoušejí se skutečnými skupinami účastníků za realistických podmínek a zpětná vazba od vzdělavatelů učitelů, studentů a dalších účastníků se sbírá systematicky. Pilotní ověření snižuje riziko, že se určitý přístup rozšíří dříve, než byl vyzkoušen v praxi. Zároveň činí zavádění viditelným: kolegové vidí, jak přístup funguje v prostředí podobném tomu jejich, mohou o výsledcích diskutovat a přizpůsobit si jej ještě před širším přijetím. Účelem pilotního ověření tedy není prokázat, že návrh byl správný, ale zjistit, co je třeba změnit.</span>

<span class="highlights" style="color: rgb(0,0,0);">Etapa je dokončena, když zdokumentovaná zpětná vazba z reálného zavádění vedla k rozpoznatelným úpravám.</span>

</details><details id="bkmrk-8.-evaluate%2C-learn-%26"><summary>8. Vyhodnotit, poučit se a přizpůsobit</summary>

<span style="color: rgb(0,0,0);">Evaluace se ptá, zda změny dosáhly toho, čeho dosáhnout měly. Podle povahy intervence sem může patřit rozvoj kompetencí, účast, proveditelnost, spravedlivý přístup, zkušenost zaměstnanců i studentů a širší dopady na studijní program. Spravedlivý přístup se zvažuje výslovně, protože začleňování AI může některé nerovnosti zmenšovat a jiné vytvářet nebo posilovat, například napříč předměty, skupinami zaměstnanců nebo studenty s různou mírou přístupu a podpory. Získané poznatky se pak využívají k revizi kurikula, profesního rozvoje, hodnocení i samotného zavádění. </span>

<span style="color: rgb(0,0,0);">Tato etapa rovněž zavádí pravidelný cyklus revize pravidel vytvořených v etapě 2, která se budou muset vyvíjet spolu se změnami technologií, praxe a regulačních podmínek.</span>

</details><details id="bkmrk-9.-institutionalise-"><summary>9. Institucionalizovat a rozšířit</summary>

Závěrečná etapa převádí úspěšnou práci ze stavu projektu do běžných struktur instituce. To znamená jasně určenou odpovědnost, vymezené role, přiměřené zdroje a začlenění do stávajících procesů, jako je rozvoj studijních programů a zajišťování kvality. Rozšiřování by mělo sledovat vlastní kontext, kapacitu a profil instituce, nikoli jediný obecný model. Institucionalizace znamená také vytvoření mechanismů obnovy: technologie AI, vzdělávací praxe i potřeby institucí se budou dále měnit, a proto ani samotný model nemůže zůstat neměnný.

Etapa je dokončena, když práce pokračuje i poté, co lidé, kteří ji začali, odejdou.

</details>## <span class="highlights" style="color: #000000;">Vaše specifické postavení</span>

Instituce připravující budoucí učitele mají dvojí úkol. Na jedné straně musí modernizovat vlastní výuku, na straně druhé připravovat budoucí pedagogy na práci ve školách, jejichž fungování nemohou přímo ovlivnit, v podmínkách, které nelze zcela předvídat, a s technologiemi, které se mohou do jejich nástupu do praxe výrazně změnit. Oba tyto úkoly spolu úzce souvisejí. Pokud se instituce zaměří pouze na modernizaci vlastní výuky, riskují, že vytvoří vzdělávací programy zaměřené na AI, které nebudou dostatečně odpovídat potřebám školní praxe. Pokud se naopak soustředí pouze na přípravu studentů pro budoucí výuku, mohou sice modernizovat studijní programy, ale samotná instituce zůstane beze změny. Plán zavádění AI proto propojuje obě oblasti: proměnu samotné vzdělávací instituce i přípravu budoucích učitelů na využívání AI ve školní praxi.

<span style="color: rgb(0,0,0);">**Etapa 3 umožňuje vše, co následuje.** Velká část pozdější práce závisí na kapacitě vzdělavatelů učitelů. Jejich odbornost leží v jejich oborech a oborových didaktikách, takže začlenění AI není jen otázkou přidání dalšího nástroje. Profesní rozvoj potřebuje propojit používání AI s výukou, učením a hodnocením v konkrétním předmětu, místo aby s ním zacházel jako s obecnou technickou kompetencí. Právě proto si etapa 3 zaslouží zvláštní pozornost tam, kde jsou zdroje omezené.</span>

<span style="color: rgb(0,0,0);"><span class="highlights" style="color: #000000;">**Kde se etapa 4 stává obtížnou.** Princip, podle kterého by měla být AI gramotnost začleněna přímo do didaktiky jednotlivých předmětů, a nikoli vyučována pouze v samostatném modulu, zní jednoduše. Jeho uskutečnění v praxi je však podstatně náročnější. Zatímco za samostatný modul může odpovídat jeden vyučující, začlenění AI napříč studijním programem vyžaduje spolupráci více pedagogů a přehodnocení jejich dosavadních výukových postupů. Pokud samostatný modul slouží jako přechodné řešení, měl by být ideálně součástí dlouhodobějšího plánu postupného začleňování AI do celého studijního programu.</span></span>

<span style="color: rgb(0,0,0);"><span class="highlights" style="color: #000000;">**Váš jedinečný nástroj v etapě 5.** Etapa 5 zdůrazňuje zvláštní rys přípravy učitelů: vaši studenti jsou nyní učícími se a později učiteli. Způsob, jakým je učíte, se proto stává součástí toho, co se o výuce naučí. Pokud budoucí učitelé zažijí promyšlenou výuku s integrovanou AI v roli učících se, setkají se s konkrétními vzory, které mohou později reflektovat a přizpůsobit vlastní praxi. Učit o AI bez toho, aby byl předveden její didaktický potenciál, přináší zcela odlišnou zkušenost. Proto etapa 5 přesahuje pouhou reformu hodnocení.</span></span>

<span style="color: rgb(0,0,0);"><span class="highlights" style="color: #000000;">**Etapa 6 je vaším rozhraním se školami.** Vaše nabídka dalšího profesního vzdělávání je vstupním bodem. Rozšiřuje dosah vaší instituce za okruh budoucích učitelů také k těm, kdo už ve třídách pracují. Spolupráce s učiteli z praxe zároveň může přinášet aktuální zkušenost ze tříd zpět do přípravy učitelů. Další vzdělávání tak může fungovat nejen jako služba poskytovaná školám, ale i jako kanál vzájemného učení mezi školami a institucemi připravujícími učitele.</span></span>

## <span class="highlights" style="color: #000000;">Co dokážete vy a školy ne</span>

<span class="highlights" style="color: #000000;">Instituce připravující učitele mívají větší prostor revidovat studijní programy a hodnocení, přístup k výzkumné kapacitě a mandát pracovat napříč více školami. To dává etapám 7 a 8 zvláštní hodnotu: to, co se zjistí prostřednictvím pilotního ověření a evaluace, může být přínosem nejen pro vaši instituci, ale i pro partnerské školy a širší systém. Zviditelnění těchto zkušeností může navíc podpořit přejímání nových postupů jinde. </span>

**Kde začít, když se všechno zdá naléhavé?** Zaměřte se nejprve na kroky 2 a 3. Jasně nastavená pravidla snižují nejistotu, zatímco rozvoj kompetencí pedagogických pracovníků vytváří podmínky pro úspěšnou realizaci kroků 4 až 6. Pokud začnete úpravami studijních programů dříve, než budou pedagogové dostatečně připraveni, hrozí, že změny zůstanou pouze na papíře a jejich zavedení do praxe bude obtížné.

# 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., &amp; 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](https://doi.org/10.1001/jamasurg.2023.5695)

Anderson, L. W., &amp; Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.

Autenrieth, D., &amp; 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](https://doi.org/10.21243/mi-01-26-24)<span class="Apple-converted-space"> </span>

Barnes, M., &amp; 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](https://doi.org/10.1080/09500782.2025.2485935)

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., &amp; 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](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)[https://aipioneers.org/wp-content/uploads/2024/01/WP3\_Supplement\_to\_the\_DigCompEDU\_English.pdf](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., &amp; 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](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](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](https://doi.org/10.1057/s41599-026-06903-y)

Farrokhnia, M., Latifi, S., Papadopoulos, P. M., Hogenkamp, L., Gijlers, H., Khosravi, H., &amp; 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](https://doi.org/10.1186/s41239-026-00579-9)

Fleckenstein, J., Liebenow, L. W., &amp; 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](https://doi.org/10.3389/frai.2023.1162454)

Jaggy, A.-K., Jansen, T., Fütterer, T., &amp; 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](https://doi.org/10.1037/edu0001063)

Kestin, G., Miller, K., Klales, A., Milbourne, T., &amp; 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](https://doi.org/10.1038/s41598-025-97652-6)<span class="Apple-converted-space"> </span>

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., &amp; 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](https://doi.org/10.1016/j.caeai.2024.100253)

Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., &amp; 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](https://doi.org/10.1016/j.patter.2023.100779)

Liu, B., Zhang, W., &amp; 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](https://doi.org/10.3390/educsci16010140)

Maršálek, R., &amp; 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](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)[https://doi.org/10.54675/ZJTE2084](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](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](https://doi.org/10.3390/educsci16010057)

Romeo, G., &amp; Conti, D. (2026). Exploring automation bias in human–AI collaboration: A review and implications for explainable AI. *AI &amp; Society, 41*, 259–278. [https://doi.org/10.1007/s00146-025-02422-7](https://doi.org/10.1007/s00146-025-02422-7)

Rowe, J., Klimaszewski, M., Guillou, L., Vallor, S., &amp; 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](https://doi.org/10.18653/v1/2025.emnlp-main.1632)

Scarfe, P., Watcham, K., Clarke, A., &amp; 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](https://doi.org/10.1371/journal.pone.0305354)

Schemmer, M., Kühl, N., Benz, C., Bartos, A., &amp; 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](https://doi.org/10.1145/3581641.3584066)

Tian, Z., Liu, A., Esbenshade, L., Sarkar, S., Zhang, Z., He, K., &amp; Sun, M. (2025). Implementation considerations for automated AI grading of student work. In J. Wilson, C. Ormerod, &amp; 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/](https://aclanthology.org/2025.aimecon-main.2/)<span class="Apple-converted-space"> </span>

Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., &amp; Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. *New Media &amp; Society, 27*(9), 5342–5368. [https://doi.org/10.1177/14614448241252820](https://doi.org/10.1177/14614448241252820)

Wang, J., &amp; 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](https://doi.org/10.1057/s41599-025-04787-y)<span class="Apple-converted-space"> </span>

Wang, J., &amp; 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](https://doi.org/10.1057/s41599-026-07310-z)

Weinmann, H., Messingschlager, T. V., &amp; Appel, M. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. *New Media &amp; Society*. Advance online publication. [https://doi.org/10.1177/14614448261435197](https://doi.org/10.1177/14614448261435197)

Wu, X., Zhu, P., Zhang, J., Yin, M., &amp; 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](https://doi.org/10.1057/s41599-026-07019-z)

Yan, D., &amp; 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](https://doi.org/10.1057/s41599-024-03543-y)

Yeo, G. H., &amp; 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](https://doi.org/10.1007/s10648-025-10085-5)<span class="Apple-converted-space"> </span>

Yi, L., Liu, D., Jiang, T., &amp; 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](https://doi.org/10.1007/s10763-024-10499-7)

Yu, H., &amp; 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](https://doi.org/10.32038/ltrq.2025.47.07)

Zhang, L., Carter, R. A., Jr., Liu, Y., &amp; 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](https://doi.org/10.3102/00346543241293424)

### Preprinty, pracovní studie a výzkumné zprávy

Campos, C., &amp; 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](https://doi.org/10.3386/w35347)<span class="Apple-converted-space"> </span>

Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., &amp; 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](https://doi.org/10.3386/w34851)<span class="Apple-converted-space"> </span>

Kalai, A. T., Nachum, O., Vempala, S. S., &amp; Zhang, E. (2025). *Why language models hallucinate* (arXiv:2509.04664v1) \[Preprint\]. arXiv. [https://arxiv.org/abs/2509.04664](https://arxiv.org/abs/2509.04664)<span class="Apple-converted-space"> </span>

Lehmann, M., Cornelius, P. B., &amp; 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](https://arxiv.org/abs/2409.09047)<span class="Apple-converted-space"> </span>

Lodge, J. M., &amp; 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](https://doi.org/10.71741/4pyxmbnjaq.31302475)

Maier, S., Gunzenhäuser, M., Schweisthal, J., Schneider, M., &amp; 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](https://arxiv.org/abs/2605.04779)<span class="Apple-converted-space"> </span>

Shao, J., Wu, Q., Zhang, H., Sun, S., &amp; Zhuang, J. (2026). *Mitigating scaffolding collapse in Socratic tutors via representation alignment* (arXiv:2607.19371v1) \[Preprint\]. arXiv. [https://arxiv.org/abs/2607.19371](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., &amp; 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](https://cnesco.fr/wp-content/uploads/2024/05/AI4T_WP3_D3.3_Comparative-European-Evaluation-Report.pdf)<span class="Apple-converted-space"> </span>

Roy, P., Poet, H., Staunton, R., Aston, K., &amp; 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/](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., &amp; 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](https://doi.org/10.21953/researchonline.lse.ac.uk.00137132)

### Statistiky a zprávy organizací

Miao, F., &amp; Cukurova, M. (2024). *AI competency framework for teachers*. UNESCO. [https://doi.org/10.54675/ZJTE2084](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](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](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](https://doi.org/10.54676/UZQV8501)

### Průzkumy a zprávy nadací, nevládních organizací aj.

Bellio, N., &amp; 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/](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](https://www.hrw.org/report/2022/05/25/how-dare-they-peep-my-private-life/childrens-rights-violations-governments)

Latham, K., &amp; 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](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/](https://mpfs.de/studie/jim-studie-2024/)

Michel, L. P., &amp; 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](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](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/](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/](https://www.vodafone-stiftung.de/pioniere-des-wandels/)

Walton Family Foundation, &amp; 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](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](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](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](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](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](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/](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](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/](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/](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](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](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](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](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/](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/](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](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](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](https://www.gov.uk/government/organisations/ofqual)

Scheiter, K., Bauer, E., Omarchevska, Y., Schumacher, C., &amp; 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](https://www.empirische-bildungsforschung-bmbfsfj.de/img/KI_Review.pdf)

Statsministerens kontor, &amp; 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/](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](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](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/](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](http://Schulbuchkopie.de). Retrieved October 16, 2026, from [https://www.schulbuchkopie.de/index.php/urheberrecht-und-ki](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](https://gpmpublic.zhaw.ch/GPMDocProdDPublic/Vorgabedokumente_ZHAW/Z_RL_Richtlinie_KI_bei_Leistungsnachweisen.pdf)<span class="Apple-converted-space"> </span>

### <span class="Apple-converted-space">Tiskové zdroje</span>

AI Leap Foundation. (n.d.). *AI Leap (TI-Hüpe)*. Retrieved October 16, 2026, from [https://tihupe.ee/en](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](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/](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](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/](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](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](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](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](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/](https://www.gesetze-im-internet.de/urhg/)

Schulgesetz für Baden-Württemberg (SchG), § 115b. [https://www.landesrecht-bw.de/](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/](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](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](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](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/](https://processratt.se/kammarratten-i-goteborg-upphaver-disciplinnamndens-beslut-om-fusk-med-ai-verktyg/)

# 6.2 Glosář a klíčové pojmy

<div dir="ltr" id="bkmrk-pojem-synonyma-defin" style="text-align: left;"><table class="align-center" style="width: 114.404762%; border-collapse: collapse;"><colgroup><col style="width: 25.714286%;"></col><col style="width: 25.714286%;"></col><col style="width: 48.571429%;"></col></colgroup><thead><tr><td style="background-color: #0097b2; color: #ffffff;">**Pojem**

</td><td style="background-color: #0097b2; color: #ffffff;">**Synonyma**

</td><td style="background-color: #0097b2; color: #ffffff;">**Definice**

</td></tr></thead><tbody><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**A**</span>

</td></tr><tr><td>**Adaptivní procvičovací software**

</td><td>(angl. adaptive practice software)

</td><td>Procvičovací software, který se ve školách již používá a přizpůsobuje cvičení odpovědím žáka. Chatboti s generativní AI vykazovali větší účinky na znalosti a porozumění.

</td></tr><tr><td>**Adaptivní vzdělávací platforma**

</td><td>(angl. adaptive learning platform)

</td><td>Platforma, která přizpůsobuje obsah, tempo nebo vzdělávací cestu jednotlivým studujícím.

</td></tr><tr><td>**AI**

</td><td>umělá inteligence (angl. AI, Artificial Intelligence)

</td><td>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.

</td></tr><tr><td>**AI Pioneers**

</td><td></td><td>Rámec, který rozšiřuje DigCompEdu o kompetence pedagogů specifické pro AI.

</td></tr><tr><td>**Akt EU o AI**

</td><td>Akt o umělé inteligenci, Akt o AI, AI Act, nařízení (EU) 2024/1689

</td><td>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.

</td></tr><tr><td>**Aktivní role studujících**

</td><td>samostatnost studujících (angl. learner agency)

</td><td>Schopnost studujících činit vlastní rozhodnutí o svém učení, včetně rozhodnutí o využívání zdrojů vytvořených AI. Učitelé by ji měli v procesech podporovaných AI zachovávat.

</td></tr><tr><td>**Algoritmická transparentnost**

</td><td>(angl. algorithmic transparency)

</td><td>Míra, do jaké lze pochopit, jak systém AI dospívá ke svým výstupům a kdo rozhodl o tom, jak se chová.

</td></tr><tr><td>**Anonymizace**

</td><td>(angl. anonymisation)

</td><td>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.

</td></tr><tr><td>**Asistent AI**

</td><td>(angl. AI assistant)

</td><td>Nástroj AI, který vykonává práci jménem uživatele. Dokáže zmenšit rozdíly ve výstupech mezi uživateli, nikoli však rozdíly ve schopnostech.

</td></tr><tr><td>**Automatizované hodnocení**

</td><td>automatické bodování, automatizované vyhodnocování (angl. automated grading)

</td><td>Využití softwaru k bodování nebo známkování prací. V certifikační zkoušce se týká otázek s výběrem odpovědi.

</td></tr><tr><td>**Automatizované rozhodování**

</td><td>(angl. automated decision-making)

</td><td>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.

</td></tr><tr><td>**Autorské právo**

</td><td>(angl. copyright)

</td><td>Právní ochrana děl. U AI je výstup zpravidla autorskoprávně nechráněný, nahrání chráněných děl do systému AI však výjimka pro výuku nepokrývá.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**B**</span>

</td></tr><tr><td>**Běh kurzu**

</td><td>(angl. course run)

</td><td>Konkrétní realizace kurzu se zapsanými účastníky a vymezeným časovým rámcem.

</td></tr><tr><td>**Biometrická kategorizace**

</td><td>(angl. biometric categorisation)

</td><td>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.

</td></tr><tr><td>**Biometrické údaje**

</td><td>(angl. biometric data)

</td><td>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.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**C**</span>

</td></tr><tr><td>**Certifikační cesta**

</td><td>(angl. certification pathway)

</td><td>Cesta, jejímž prostřednictvím jsou kompetence ověřovány a formálně uznávány, zde jako duální cesta (dráha A a dráha B).

</td></tr><tr><td>**Certifikační dráha**

</td><td>dráha A, dráha B (angl. certification track)

</td><td>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.

</td></tr><tr><td>**Certifikát**

</td><td>(angl. certificate)

</td><td>Formální dokument, který uznává dosažení kompetencí.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**D**</span>

</td></tr><tr><td>**Další profesní vzdělávání**

</td><td>další vzdělávání pedagogických pracovníků, DVPP (angl. continuing professional development, CPD)

</td><td>Profesní vzdělávání učitelů, kteří již ve školách působí. Etapa 6 plánu postupu z něj činí strukturovanou nabídku se skládatelnými mikrocertifikáty.

</td></tr><tr><td>**Databáze EU**

</td><td>(angl. EU database)

</td><td>Registr EU, do něhož mohou orgány veřejné moci muset zapisovat vysoce rizikové systémy AI, které používají (čl. 49 Aktu o AI).

</td></tr><tr><td>**Deepfake**

</td><td></td><td>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).

</td></tr><tr><td>**Detektor AI**

</td><td>(angl. AI detector)

</td><td>Software, který tvrdí, že dokáže rozpoznat text napsaný strojem. Ve skutečnosti měří předvídatelnost.

</td></tr><tr><td>**Deterministický**

</td><td>(angl. deterministic)

</td><td>Ze stejných výchozích hodnot vždy dávající přesně stejný výsledek.

</td></tr><tr><td>**Diagnostická data**

</td><td>telemetrie (angl. diagnostic data)

</td><td>Technické údaje, které poskytovatel shromažďuje o tom, jak je jeho služba používána. Jak dlouho jsou uchovávány, je otázkou ochrany osobních údajů.

</td></tr><tr><td>**DigCompEdu**

</td><td></td><td>Evropský rámec digitálních kompetencí pedagogů. Poskytuje pedagogickou strukturu (horizontální dimenzi) rámce DUAL.AI.TEACHer.

</td></tr><tr><td>**Digitální centrum**

</td><td>(angl. Digital Hub)

</td><td>Centrální online platforma, která sdružuje zdroje, kurzy a komunitní výměnu projektu.

</td></tr><tr><td>**Digitální odznak**

</td><td>otevřený digitální odznak (angl. digital badge)

</td><td>Sdílitelná digitální podoba certifikátu nebo mikrocertifikátu.

</td></tr><tr><td>**Digitální suverenita**

</td><td>(angl. digital sovereignty)

</td><td>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.

</td></tr><tr><td>**Dimenze**

</td><td>(angl. dimension)

</td><td>Jedna z širokých oblastí, na něž je rámec rozdělen, přičemž každá sdružuje kompetence, které k sobě v praxi patří.

</td></tr><tr><td>**Dimenze inkluze**

</td><td>(angl. inclusion dimension)

</td><td>Dimenze zaměřená na přístupnost, rovnost a inkluzi ve výuce a učení podporovaných AI.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**E**</span>

</td></tr><tr><td>**Efekt novosti**

</td><td>(angl. novelty effect)

</td><td>Dočasný pozitivní účinek způsobený pouze tím, že je něco nové. Může nadhodnocovat výsledky krátkodobých studií.

</td></tr><tr><td>**Efekt zesilování**

</td><td>zesilování vs. vyrovnávání (angl. amplification effect)

</td><td>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).

</td></tr><tr><td>**EntreComp**

</td><td></td><td>Evropský rámec podnikatelských kompetencí. Přispěl do rámce oblastmi kreativity a inovací.

</td></tr><tr><td>**ESCO**

</td><td></td><td>Evropská klasifikace dovedností, kompetencí, kvalifikací a povolání. Certifikace je s ní v souladu.

</td></tr><tr><td>**Etická dimenze**

</td><td>(angl. ethical dimension)

</td><td>Dimenze zabývající se etickými hledisky souvisejícími s používáním AI ve výuce a učení.

</td></tr><tr><td>**Etika AI**

</td><td>(angl. ethics of AI)

</td><td>Etické principy, předpisy, institucionální pravidla a praktické pokyny upravující používání AI, kterým učitelé potřebují rozumět a které musí umět uplatňovat. Průřezový aspekt vertikální dimenze.

</td></tr><tr><td>**Europass**

</td><td></td><td>Platforma EU, jejímž prostřednictvím lze sdílet digitální certifikáty a třetí strany mohou ověřit jejich platnost.

</td></tr><tr><td>**Evropský rámec**

</td><td>(angl. European framework)

</td><td>Referenční rámec poskytující standardizované definice kompetencí na evropské úrovni.

</td></tr><tr><td>**Evropský rámec kvalifikací**

</td><td>EQF (angl. European Qualifications Framework)

</td><td>Referenční rámec EU, který umožňuje porovnávat kvalifikace mezi zeměmi. Certifikace je s ním v souladu.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**F**</span>

</td></tr><tr><td>**Faktické znalosti**

</td><td>(angl. factual knowledge)

</td><td>Znalosti faktů a pojmů. Tutoři s AI mohou podporovat jejich osvojování.

</td></tr><tr><td>**Falešně pozitivní výsledek**

</td><td>(angl. false positive)

</td><td>Správná, poctivá práce, která byla chybně označena. Chyba, jež poškozuje studenty.

</td></tr><tr><td>**Filtr obsahu**

</td><td>(angl. content filter)

</td><td>Automatický mechanismus, který blokuje nebo upravuje obsah, jejž poskytovatel považuje za nevhodný. Jeho kritéria často nejsou zveřejněna.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**G**</span>

</td></tr><tr><td>**Gamifikace**

</td><td>(angl. gamification)

</td><td>Využívání herních prvků ve výuce. Využití AI pro gamifikaci přineslo zlepšení příliš malé na to, aby se dalo označit za prokázané.

</td></tr><tr><td>**GDPR**

</td><td>obecné nařízení o ochraně osobních údajů, nařízení (EU) 2016/679

</td><td>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.

</td></tr><tr><td>**Generativní AI**

</td><td>GenAI (angl. generative AI)

</td><td>AI, která na základě zadání (promptu) vytváří nový text, obrázky nebo jiný obsah.

</td></tr><tr><td>**Generátor obrázků z textu**

</td><td>generátor obrázků (angl. text-to-image generator)

</td><td>Generativní AI, která vytváří obrázky na základě písemného promptu. To, co zobrazí, závisí na jejích trénovacích datech a na úpravách provedených poskytovatelem.

</td></tr><tr><td>**Generování kódu**

</td><td>(angl. code generation)

</td><td>Ponechání psaní programového kódu na AI. Začátečníci by se mu měli vyhnout, protože ještě nedokážou posoudit, zda je kód správný.

</td></tr><tr><td>**Gramotnost v oblasti AI**

</td><td>(angl. AI literacy)

</td><td>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.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**H**</span>

</td></tr><tr><td>**Halucinace**

</td><td>(angl. hallucination)

</td><td>Plynulé, sebejisté, nepravdivé. Nejde o vadu čekající na opravu, ale o důsledek způsobu, jakým systémy generují text.

</td></tr><tr><td>**Hodnoticí aktivita**

</td><td>(angl. assessment activity)

</td><td>Aktivita, jejímž prostřednictvím se ověřuje, zda bylo dosaženo výsledků učení.

</td></tr><tr><td>**Hodnoticí kritérium**

</td><td>(angl. assessment criterion)

</td><td>Pravidlo nebo měřítko, podle kterého se posuzuje, zda bylo dosaženo výsledku učení.

</td></tr><tr><td>**Horizontální dimenze**

</td><td>pedagogická dimenze (angl. horizontal dimension)

</td><td>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.

</td></tr><tr><td>**Hostování dat**

</td><td>(angl. data hosting)

</td><td>Místo, kde jsou data uložena a zpracovávána, např. na evropských serverech nebo mimo EU. Data opouštějící EU vyžadují záruku.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**Ch**</span>

</td></tr><tr><td>**Chatbot s AI**

</td><td>chatbot (angl. AI chatbot)

</td><td>Program, který komunikuje v přirozeném jazyce, dnes obvykle na základě velkého jazykového modelu.

</td></tr><tr><td>**Chatovací rozhraní LLM**

</td><td>chatovací asistent s AI (angl. LLM chat interface)

</td><td>Chatovací okno v prohlížeči, jehož prostřednictvím uživatelé pracují s velkým jazykovým modelem.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**I**</span>

</td></tr><tr><td>**ICEP**

</td><td>Institute of European Certification of Personnel

</td><td>Akreditovaný certifikační orgán (ISO 17024), který provozuje certifikační platformu a zkoušku a vede záznamy o certifikaci.

</td></tr><tr><td>**Informatické myšlení**

</td><td>algoritmické myšlení (angl. computational thinking)

</td><td>Přístup k problémům takovým způsobem, jaký by mohl provést počítač, například jejich rozložení na kroky a rozpoznávání vzorců.

</td></tr><tr><td>**Inteligentní tutorovací systém**

</td><td>ITS (angl. intelligent tutoring system)

</td><td>Zavedený výukový software, který vede studující pomocí úloh a zpětné vazby připravených na míru.

</td></tr><tr><td>**Iterativní zadávání promptů**

</td><td>zpřesňování promptu (angl. iterative prompting)

</td><td>Zlepšování výstupu AI v několika kolech namísto spoléhání na jediný prompt: stanovit cíl, zadat prompt, vyhodnotit výstup, zpřesnit a ověřit.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**J**</span>

</td></tr><tr><td>**Jednorázový prompt**

</td><td>jediný prompt (angl. one-shot prompt)

</td><td>Prompt odeslaný jednou, bez zpřesňování nebo navazujících dotazů. (V technickém úzu může tento pojem označovat také prompt obsahující jeden vzorový příklad.)

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**K**</span>

</td></tr><tr><td>**Klasifikace obrázků**

</td><td>klasifikátor obrázků (angl. image classification)

</td><td>Úloha AI, při níž model po natrénování na příkladech třídí obrázky do kategorií (např. papír, plast, ostatní) a poté je testován na nových předmětech.

</td></tr><tr><td>**Klíčová kompetence**

</td><td>(angl. core competency)

</td><td>Jedna z 18 kompetencí rámce DUAL.AI.TEACHer, z nichž každá leží na průsečíku pedagogické oblasti a aspektu AI.

</td></tr><tr><td>**Kód kompetence**

</td><td>kód vzdělávacího cíle (angl. competence code)

</td><td>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).

</td></tr><tr><td>**Kognitivní odlehčení**

</td><td>(angl. cognitive offloading)

</td><td>Přenesení duševní práce na něco mimo vlastní hlavu. Je užitečné, pokud jsou znalosti již zavedené, a škodlivé, pokud se teprve utvářejí.

</td></tr><tr><td>**Kompetence**

</td><td>způsobilost (angl. competence, competency)

</td><td>To, co učitel zná, umí a je ochoten dělat, popsané tak, aby to bylo možné vyučovat a ověřovat.

</td></tr><tr><td>**Kompetence učitelů v oblasti AI**

</td><td>(angl. teacher AI competence)

</td><td>Znalosti, dovednosti a postoje učitelů potřebné pro výuku s AI a o AI, strukturované podle rámce DUAL.AI.TEACHer.

</td></tr><tr><td>**Kompetenční oblast**

</td><td>oblast kompetencí (angl. competence domain)

</td><td>Skupina souvisejících kompetencí v rámci kompetenčního rámce.

</td></tr><tr><td>**Kurz**

</td><td>(angl. course)

</td><td>Strukturovaný soubor vzdělávacích modulů, který poskytuje ucelenou vzdělávací zkušenost.

</td></tr><tr><td>**Kyborgské psaní**

</td><td>(angl. cyborg writing)

</td><td>Psaní, při němž AI myšlení pisatele rozšiřuje, a nenahrazuje, přičemž studující označují, které části jsou jejich vlastní.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**L**</span>

</td></tr><tr><td>**Ladění modelu**

</td><td>doladění modelu, bezpečnostní trénink (angl. tuning)

</td><td>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.

</td></tr><tr><td>**Licence**

</td><td></td><td></td></tr><tr><td>**Lidský dohled**

</td><td>(angl. human oversight)

</td><td>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.

</td></tr><tr><td>**Lokálně nainstalovaný model**

</td><td>lokálně hostovaný model (angl. locally installed model)

</td><td>Jazykový model, který běží na vlastním zařízení nebo serveru školy. Je alternativou v případech, kdy je přístup k internetu ve škole omezen.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**M**</span>

</td></tr><tr><td>**Matoušův efekt**

</td><td>(angl. Matthew effect)

</td><td>Nejvíce získávají ti, kdo už mají výhody: „kdo má, tomu bude dáno“.

</td></tr><tr><td>**Metaanalýza**

</td><td>přehledová studie (angl. meta-analysis)

</td><td>Studie, která slučuje výsledky mnoha samostatných studií zabývajících se stejnou otázkou.

</td></tr><tr><td>**Mezera mezi znalostmi a jednáním**

</td><td>(angl. knowledge-action gap)

</td><td>Naměřený rozdíl mezi tím, co o AI víme, a tím, do jaké míry kvůli tomu měníme způsob výuky.

</td></tr><tr><td>**Mikrocertifikát**

</td><td>(angl. micro-credential)

</td><td>Menší certifikace pokrývající jeden ucelený soubor kompetencí namísto celé cesty; mikrocertifikáty lze skládat a započítat do rozsáhlejších kvalifikací.

</td></tr><tr><td>**Model AI**

</td><td>(angl. AI model)

</td><td>Natrénované jádro systému AI, které ze vstupů generuje výstupy.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**N**</span>

</td></tr><tr><td>**Nadměrné spoléhání**

</td><td>přílišná důvěra (angl. overreliance)

</td><td>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.

</td></tr><tr><td>**Nákup**

</td><td>rozhodnutí o nákupu, zadávání zakázek (angl. procurement)

</td><td>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.

</td></tr><tr><td>**Nástroj AI**

</td><td>(angl. AI tool)

</td><td>Jakákoli aplikace, která k podpoře určité úlohy využívá AI.

</td></tr><tr><td>**Necílené shromažďování dat**

</td><td>scraping (angl. untargeted scraping)

</td><td>Automatizované hromadné shromažďování obrázků z internetu nebo záznamů z kamerových systémů bez konkrétního účelu nebo konkrétní osoby.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**O**</span>

</td></tr><tr><td>**Obsahová jednotka**

</td><td>(angl. content unit)

</td><td>Nejmenší opakovaně použitelná vzdělávací součást využívaná v přípravách na výuku a v modulech.

</td></tr><tr><td>**Odpovědnost (za rozhodnutí)**

</td><td>(angl. accountability)

</td><td>Povinnost skládat účty z rozhodnutí o používání AI a z jejich důsledků. Odpovědnost zůstává na lidech a institucích, nikdy na systému.

</td></tr><tr><td>**Ochrana osobních údajů**

</td><td>(angl. data protection)

</td><td>Právní ochrana osobních údajů. Nosný základ práva v oblasti AI, který platí odjakživa; v EU především GDPR.

</td></tr><tr><td>**Ochranné mechanismy**

</td><td>(angl. guardrails)

</td><td>Omezení zabudovaná do systému tak, aby myšlení podporoval, a nenahrazoval je.

</td></tr><tr><td>**Online zkouška**

</td><td>(angl. online exam)

</td><td>Formální, strukturované hodnocení probíhající online jako součást hodnoticího procesu.

</td></tr><tr><td>**Operátor**

</td><td>(angl. operator)

</td><td>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.</td></tr><tr><td>**Orgán dozoru nad trhem**

</td><td>(angl. market surveillance authority)

</td><td>Vnitrostátní orgán, který vymáhá dodržování Aktu o AI. Stížnost u něj může podat kdokoli, včetně učitelů, žáků a rodičů (čl. 85 Aktu o AI).

</td></tr><tr><td>**Osobní údaje**

</td><td>(angl. personal data)

</td><td>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.

</td></tr><tr><td>**Otevřený model**

</td><td>otevřený model AI (angl. open model)

</td><td>Model AI, jehož součásti jsou volně dostupné, na rozdíl od proprietárních modelů firem. Doporučuje se jako součást veřejně financovaného, spravedlivého přístupu k AI.

</td></tr><tr><td>**Otevřený vzdělávací zdroj (OER)**

</td><td>OER (angl. Open Educational Resource)

</td><td>Výukový a studijní materiál zveřejněný pod otevřenou licencí, která umožňuje jeho volné používání, úpravy a sdílení.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**P**</span>

</td></tr><tr><td>**Pedagogický rámec**

</td><td>(angl. pedagogical framework)

</td><td>Strukturovaný soubor pedagogických principů a přístupů, kterými se řídí navrhování výuky a učení.

</td></tr><tr><td>**Pedagogický rámec kompetencí v oblasti AI**

</td><td>rámec kompetencí DUAL.AI.TEACHer (angl. AI Pedagogical Competency Framework)

</td><td>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.

</td></tr><tr><td>**Personalizace**

</td><td>personalizace pomocí AI (angl. personalisation)

</td><td>Přizpůsobování zdrojů, úloh nebo podpory jednotlivým studujícím pomocí AI. Může podporovat inkluzi, ale nese i rizika nerovnosti, zneužití dat a vyloučení.

</td></tr><tr><td>**Plán postupu integrace**

</td><td>plán integrace (angl. integration roadmap)

</td><td>Postupná cesta, kterou učitel nebo instituce prochází od prvního kontaktu s AI až po ustálenou praxi; v DUAL.AI.TEACHer devět etap.

</td></tr><tr><td>**Platforma MOOC**

</td><td>(angl. MOOC platform)

</td><td>Digitální platforma sloužící k poskytování kurzů, správě účastníků a hostování vzdělávacího obsahu.

</td></tr><tr><td>**Playbook**

</td><td>příručka (angl. playbook)

</td><td>Strukturovaný průvodce, který převádí kompetence v oblasti AI do výukové praxe prostřednictvím případů užití, pedagogických modelů a vzdělávacích zdrojů.

</td></tr><tr><td>**Poskytovatel**

</td><td>poskytovatel AI (angl. provider)

</td><td>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.

</td></tr><tr><td>**Posouzení dopadu na základní práva**

</td><td>FRIA (angl. fundamental rights impact assessment)

</td><td>Posouzení, které mohou orgány veřejné moci a organizace poskytující veřejné služby muset provést před použitím vysoce rizikové AI (čl. 27 Aktu o AI).

</td></tr><tr><td>**Povinnost transparentnosti**

</td><td>povinnost označování, povinnost informovat (angl. transparency obligation)

</td><td>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.

</td></tr><tr><td>**Predikční nástroj**

</td><td>pravděpodobnostní výstup (angl. prediction engine)

</td><td>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.

</td></tr><tr><td>**Proctoring**

</td><td>dohled u zkoušek, vzdálený dohled (angl. proctoring)

</td><td>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).

</td></tr><tr><td>**Profilování**

</td><td>(angl. profiling)

</td><td>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.

</td></tr><tr><td>**Prompt**

</td><td>zadání (angl. prompt)

</td><td>Pokyn, který uživatel dává systému AI. Jeho formulace, kontext a omezení utvářejí výstup.

</td></tr><tr><td>**Prompt engineering**

</td><td>psaní promptů, prompting

</td><td>Psaní účinných promptů jako dovednost, kterou se lze naučit, například pro plánování výuky, diferenciaci a hodnocení.

</td></tr><tr><td>**Protokoly**

</td><td>logy, záznamy událostí (angl. logs)

</td><td>Záznamy automaticky generované systémem AI. Zavádějící subjekty vysoce rizikových systémů je musí uchovávat nejméně šest měsíců, pokud jsou protokoly pod jejich kontrolou.

</td></tr><tr><td>**Předvídatelnost**

</td><td>(angl. predictability)

</td><td>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.

</td></tr><tr><td>**Přepisování promptů**

</td><td>(angl. prompt rewriting)

</td><td>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.

</td></tr><tr><td>**Přijetí zpětné vazby**

</td><td>(angl. feedback uptake)

</td><td>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.

</td></tr><tr><td>**Případ užití**

</td><td>(angl. use case)

</td><td>Konkrétní scénář popisující, jak se AI uplatňuje ve výukové praxi.

</td></tr><tr><td>**Příprava na vyučovací hodinu**

</td><td>plán hodiny (angl. lesson plan)

</td><td>Podrobný plán vyučovací hodiny včetně cílů, aktivit a začlenění nástrojů AI.

</td></tr><tr><td>**Příprava učitelů**

</td><td>pregraduální příprava učitelů (angl. initial teacher education, ITE)

</td><td>Vysokoškolské vzdělávání budoucích učitelů.

</td></tr><tr><td>**Přístup zaměřený na člověka**

</td><td>(angl. human-centred mindset)

</td><td>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.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**R**</span>

</td></tr><tr><td>**Rámec kompetencí UNESCO v oblasti AI pro učitele**

</td><td>UNESCO AI Competency Framework for Teachers

</td><td>Rámec UNESCO (2024), který vymezuje principy, hodnoty, znalosti a dovednosti, jež učitelé potřebují k etickému, efektivnímu a bezpečnému používání AI. Zdroj vertikální dimenze.

</td></tr><tr><td>**Randomizovaná kontrolovaná studie**

</td><td>RCT, kontrolovaná studie (angl. randomised controlled trial)

</td><td>Studie, v níž jsou účastníci náhodně rozděleni do skupin, takže rozdíly ve výsledcích lze přičíst intervenci.

</td></tr><tr><td>**Revidovaná Bloomova taxonomie**

</td><td>(angl. revised Bloom's taxonomy)

</td><td>Model, v němž se kognitivní procesy vyvíjejí od zapamatování a porozumění přes aplikaci a analýzu až po hodnocení a tvorbu (Anderson &amp; Krathwohl, 2001). Základ úrovní progrese.

</td></tr><tr><td>**Revize kódu**

</td><td>revize kódu s pomocí AI (angl. code review)

</td><td>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.

</td></tr><tr><td>**Rozhodnutí o odpovídající ochraně**

</td><td>(angl. adequacy decision)

</td><td>Rozhodnutí EU, že země mimo EU zajišťuje odpovídající ochranu osobních údajů, takže do ní lze údaje předávat.

</td></tr><tr><td>**Rozpoznávání emocí**

</td><td>(angl. emotion recognition)

</td><td>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.

</td></tr><tr><td>**Rozpoznávání obličejů**

</td><td>(angl. facial recognition)

</td><td>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.

</td></tr><tr><td>**Rozpoznávání řeči**

</td><td>(angl. speech recognition)

</td><td>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.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**S**</span>

</td></tr><tr><td>**Scaffolding**

</td><td>podpůrné lešení (angl. scaffolding)

</td><td>Strukturované vedení ze strany učitele, které studujícím pomáhá používat nástroj nebo splnit úlohu, kterou by zatím sami nezvládli.

</td></tr><tr><td>**Server**

</td><td></td><td>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.

</td></tr><tr><td>**Schéma**

</td><td>(angl. schema)

</td><td>Uspořádané znalosti dané osoby.

</td></tr><tr><td>**Skládatelnost**

</td><td>skládatelný (angl. stackability)

</td><td>Možnost v průběhu času kombinovat mikrocertifikáty tak, aby se započítaly do rozsáhlejších kvalifikací.

</td></tr><tr><td>**Smlouva o zpracování osobních údajů**

</td><td>(angl. data processing agreement, DPA)

</td><td>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?

</td></tr><tr><td>**Smyšlená citace**

</td><td>vymyšlený zdroj (angl. fabricated citation)

</td><td>Odkaz vytvořený AI na zdroj, který neexistuje. Rozpoznávání takových zdrojů je klíčovou ověřovací dovedností a jedním z typických znaků nepřiznaného použití AI.

</td></tr><tr><td>**Sokratovský tutor**

</td><td>(angl. Socratic tutor)

</td><td>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.

</td></tr><tr><td>**Soulad s předpisy při používání AI**

</td><td>soulad s předpisy (angl. AI compliance)

</td><td>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.

</td></tr><tr><td>**Správce**

</td><td>správce osobních údajů (angl. controller)

</td><td>Podle GDPR subjekt odpovědný za zpracování osobních údajů. Ve školách je jím zpravidla škola.

</td></tr><tr><td>**Spravedlnost**

</td><td>nediskriminace (angl. fairness)

</td><td>Zásada, že AI a její používání nesmí lidi systematicky znevýhodňovat, jako to dělají například detektory AI, které chybně označují texty nerodilých mluvčích.

</td></tr><tr><td>**Standardní smluvní doložky**

</td><td>SCC (angl. standard contractual clauses)

</td><td>Smluvní podmínky schválené EU, které chrání osobní údaje předávané mimo EU, pokud neexistuje rozhodnutí o odpovídající ochraně.

</td></tr><tr><td>**Stažení článku**

</td><td>retrakce (angl. retraction)

</td><td>Oficiální stažení publikovaného článku časopisem. Článek zůstává viditelný s označením „RETRACTED“, aby to každý, kdo jej citoval, mohl rozpoznat.

</td></tr><tr><td>**Stochastický**

</td><td>náhodný (angl. stochastic)

</td><td>Podléhající náhodě, takže stejná nastavení mohou vést k různým výsledkům.

</td></tr><tr><td>**Strategický pokyn**

</td><td>(angl. policy guideline)

</td><td>Dokument na úrovni vzdělávací politiky, který slouží jako podklad pro rozvoj kompetencí a výukových postupů.

</td></tr><tr><td>**Strojové učení**

</td><td>ML (angl. machine learning)

</td><td>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.

</td></tr><tr><td>**Strukturovaný prompt**

</td><td>(angl. structured prompt)

</td><td>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.

</td></tr><tr><td>**Studující**

</td><td>žák, učící se (angl. learner)

</td><td>Jednotlivec, který se účastní vzdělávacích aktivit, aby získal znalosti, dovednosti nebo kompetence.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**Š**</span>

</td></tr><tr><td>**Šíření inovací**

</td><td>difuze inovací (angl. diffusion of innovations)

</td><td>Teorie o tom, jak se inovace šíří: snáze se přijímají, pokud je lze vyzkoušet (vyzkoušitelnost) a je vidět, že fungují (pozorovatelnost).

</td></tr><tr><td>**Školní prostředí AI**

</td><td>prověřená platforma (angl. school AI environment)

</td><td>Státem poskytovaná, prověřená platforma AI pro školy s vyjednanými smlouvami, nabízená místo toho, aby se učitelé museli sami registrovat do bezplatných nástrojů.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**T**</span>

</td></tr><tr><td>**Technická bezpečnost**

</td><td>(angl. technical safety)

</td><td>Spolehlivost a robustnost systému AI, aby fungoval podle záměru a nezpůsoboval škodu.

</td></tr><tr><td>**Trénovací data**

</td><td>trénovací materiál, trénovací příklady (angl. training data)

</td><td>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.

</td></tr><tr><td>**Trénování na vstupech uživatelů**

</td><td>(angl. training on user inputs)

</td><td>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.

</td></tr><tr><td>**Třetí strana**

</td><td>(angl. third party)

</td><td>Společnost, která není ani školou, ani vývojářem aplikace, typicky reklamní nebo analytické firmy, které dostávají data, zatímco žák pracuje.

</td></tr><tr><td>**Tutor s AI**

</td><td>(angl. AI tutor)

</td><td>Systém AI určený k vysvětlování obsahu a vedení studujících. Může podporovat osvojování faktických znalostí.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**U**</span>

</td></tr><tr><td>**Učební jednotka**

</td><td>(angl. learning unit)

</td><td>Konkrétní vzdělávací aktivita, kterou studující vykonává v rámci modulu.

</td></tr><tr><td>**Učitel**

</td><td>pedagog (angl. teacher)

</td><td>Osoba odpovědná za navrhování a realizaci výukových a vzdělávacích aktivit.

</td></tr><tr><td>**Udržitelná AI**

</td><td>(angl. sustainable AI)

</td><td>Vývoj a používání AI způsobem, který zohledňuje jejich dlouhodobé environmentální, sociální a ekonomické dopady.

</td></tr><tr><td>**Univerzální design pro učení**

</td><td>Universal Design for Learning, UDL

</td><td>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.</td></tr><tr><td>**Úroveň progrese**

</td><td>úroveň (angl. progression level)

</td><td>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.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**V**</span>

</td></tr><tr><td>**Vedoucí pracovník školy**

</td><td>ředitel školy, zástupce ředitele (angl. school administrator)

</td><td>Osoba odpovědná za vedení školy, například ředitel nebo jeho zástupce. Kapitola 5.3 se obrací přímo na ně.

</td></tr><tr><td>**Velký jazykový model (LLM)**

</td><td>LLM (angl. large language model)

</td><td>Model AI natrénovaný na velkém množství textu, který generuje věrohodná pokračování textu; základ chatbotů. Funguje jako predikční nástroj, nikoli jako databáze.

</td></tr><tr><td>**Vertikální dimenze**

</td><td>dimenze AI (angl. vertical dimension)

</td><td>Tři aspekty AI v rámci DUAL.AI.TEACHer převzaté z rámce UNESCO: Přístup zaměřený na člověka, Etika AI a Základy a aplikace AI.

</td></tr><tr><td>**Vibe coding**

</td><td></td><td>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.

</td></tr><tr><td>**Výjimka pro výuku**

</td><td>(angl. teaching exception)

</td><td>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.

</td></tr><tr><td>**Výsledek učení**

</td><td>(angl. learning outcome)

</td><td>Měřitelné vyjádření toho, co by měl studující znát nebo umět.

</td></tr><tr><td>**Vysoce rizikový systém AI**

</td><td>vysoce riziková AI (angl. high-risk AI system)

</td><td>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.

</td></tr><tr><td>**Vysokoškolští pedagogové**

</td><td>akademičtí pracovníci (angl. university faculty)

</td><td>Zaměstnanci vysokých škol podílející se na přípravě učitelů, jedna z cílových skupin playbooku.

</td></tr><tr><td>**Vysvětlitelnost**

</td><td>vysvětlení AI (angl. explainability)

</td><td>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.</td></tr><tr><td>**Výuka o AI**

</td><td>učení O AI (angl. teaching about AI)

</td><td>Učinění AI samotné předmětem výuky, aby studenti pochopili, jak funguje a kde selhává.

</td></tr><tr><td>**Výuka s AI**

</td><td>učení S AI (angl. teaching with AI)

</td><td>Používání AI jako nástroje pro vlastní výukovou práci, od plánování až po zpětnou vazbu.

</td></tr><tr><td>**Výukový model**

</td><td>(angl. teaching model)

</td><td>Pedagogický přístup, který vymezuje, jak je strukturována výuka a učení, včetně role AI.

</td></tr><tr><td>**Vzdělávací modul**

</td><td>(angl. training module)

</td><td>Strukturovaná vzdělávací jednotka, která rozvíjí kompetence prostřednictvím vzdělávacích aktivit a materiálů.

</td></tr><tr><td>**Vzdělavatel učitelů**

</td><td>(angl. teacher educator)

</td><td>Akademický pracovník, který se podílí na vzdělávání budoucích učitelů. Rozvoj kompetencí těchto pedagogů je součástí třetí etapy plánu zavádění AI.

</td></tr><tr><td colspan="3" style="background-color: rgb(255,204,0);"><span style="color: rgb(0,0,0);">**Z**</span>

</td></tr><tr><td>**Zakázané praktiky AI**

</td><td>(angl. prohibited AI practices)

</td><td>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.

</td></tr><tr><td>**Základy a aplikace AI**

</td><td>(angl. AI foundations and applications)

</td><td>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.

</td></tr><tr><td>**Zavádějící subjekt**

</td><td>(angl. deployer)

</td><td>Organizace, která systém AI zavádí a řídí, zpravidla škola nebo školský orgán. Učitel, který nástroj používá podle pokynů školy, obvykle není samostatným zavádějícím subjektem.

</td></tr><tr><td>**Zkreslení**

</td><td>(angl. bias)

</td><td>Zkreslení převzatá z dat, na kterých byla AI trénována, která automaticky nemizí ani s rostoucí velikostí modelu.

</td></tr><tr><td>**Zkreslení vlivem automatizace**

</td><td>zkreslení způsobené automatizací (angl. automation bias)

</td><td>Přijetí doporučení automatizovaného systému bez vlastního ověření jeho správnosti.

</td></tr><tr><td>**Zpracovatel**

</td><td>zpracovatel osobních údajů (angl. processor)

</td><td>Podle GDPR subjekt, který zpracovává osobní údaje jménem správce a výhradně podle jeho pokynů, například poskytovatel AI.

</td></tr><tr><td>**Ztráta kvalifikace**

</td><td>(angl. deskilling)

</td><td>Pozvolné oslabování odborné způsobilosti, když nástroj přebírá práci, jejímž prostřednictvím se tato způsobilost udržuje.

</td></tr><tr><td>**Zvláštní kategorie osobních údajů**

</td><td>citlivé údaje (angl. special category data)

</td><td>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.

</td></tr></tbody></table>

</div>