Playbook PL

0. O tym Playbooku

0. O tym Playbooku

0.1 Cele i struktura Playbooka

Ten Playbook jest skierowany do Was, nauczycielek i nauczycieli, którzy chcą zdobyć niezbędną wiedzę na temat wykorzystania SI w szkołach. SI będzie wykorzystywana do wielu różnych celów. Jeśli chodzi o nauczanie, skupiamy się na obszarach „nauczania o SI” i „nauczania z użyciem SI”, aby przekazać wiedzę specyficzną dla danego przedmiotu.

Rozwój sztucznej inteligencji (SI) postępuje niezwykle szybko, a jej wykorzystanie coraz mocniej przenika nasze społeczeństwo, docierając do aspektów życia codziennego, takich jak edukacja. Ta wszechobecność niesie ze sobą liczne, często wzajemnie powiązane konsekwencje, obejmujące wymiary etyczne, społeczne, ekonomiczne, prawne i kulturowe, dotykające takich kwestii jak ochrona danych, sprawiedliwość i niedyskryminacja, przejrzystość algorytmiczna, bezpieczeństwo techniczne i odpowiedzialność. Właśnie ze względu na tempo tego rozpowszechniania się i skalę jego konsekwencji, rośnie potrzeba wspólnych wytycznych, ram regulacyjnych i narzędzi zarządzania zdolnych ukierunkować rozwój technologiczny w sposób odpowiedzialny i zrównoważony.

Aby sprostać naszym standardom, ustrukturyzowaliśmy Playbook w następujący sposób:

Rozdział 1 przedstawia podstawowe zagadnienia niezbędne do zrozumienia, aby wykorzystywać SI w klasie. Zaczyna się od oceny potencjału i ryzyka związanego z SI. Następnie przechodzi do rozróżnienia między „nauczaniem o SI” a „uczeniem się z SI”.

„Nauczanie o SI” jest pomyślane jako fundament umożliwiający kompetentne wykorzystanie SI w ramach danego przedmiotu. To właśnie potencjał i wyzwania związane z SI sprawiają, że konieczne staje się – bardziej niż w innych obszarach edukacji szkolnej – zaangażowanie w ramy etyczne i prawne regulujące korzystanie z SI. Zagadnienia te omawiamy w rozdziałach 1.4 i 1.3. Rozdział 1 kończy się przepisami prawnymi specyficznymi dla poszczególnych krajów.

W rozdziale 2 przechodzimy do praktyki nauczania i przedstawiamy stale rosnącą liczbę przykładów dla różnych przedmiotów szkolnych. Wszystkie przykłady opierają się na modelu kompetencji, którego cele kształcenia opisujemy w rozdziale 3.

Rozdział 4 przedstawia następnie, jak można zdobyć kwalifikacje niezbędne do wykorzystywania SI.

Rozdział 5 jest skierowany do szkół, które chcą systematycznie rozwijać kompetencje SI swoich nauczycieli i włączać SI w codzienne życie szkoły.

0. O tym Playbooku

0.2 Dla nauczycieli: jak korzystać z Playbooka

Rodzaj opisu kroków dostosowanego do celu (grafika rozgałęziona - grafika z odnośnikami)

np. 

  1. Masz jutro lekcję - wtedy te kroki
  2. Chcesz się profesjonalizować - wtedy te kroki
  3. Chcesz zostać ekspertem/innowatorem - wtedy te kroki

1. SI w Edukacji

1. SI w Edukacji

1.1 Potencjał i ryzyko

Jeśli zapamiętasz z tej strony tylko jedno zdanie: SI trafiła do szkół jak lekarstwo bez ulotki informacyjnej dla pacjenta. Jako nauczyciel nie wiesz, kiedy stosować SI, brakuje Ci informacji o dawkowaniu i nie masz danych o skutkach ubocznych. Ten rozdział pełni rolę takiej ulotki informacyjnej dla Playbooka.

Czy SI powinna mieć ulotkę informacyjną jak lekarstwo?

Znasz tę karteczkę wsuniętą do każdego opakowania leku? Tę, którą zwykle odkładasz na bok bez czytania? Może wydawać się nudna, ale ten mały skrawek papieru to cichy triumf ostatniego stulecia. Ulotka opisuje cztery kluczowe rzeczy: na co lek działa, jaką dawkę przyjmować, jakie niespodzianki może przynieść i kto powinien go unikać.

Za każdą linijką tej ulotki stoi cała machina: badania kliniczne, organy regulacyjne i obowiązek ujawniania błędów. Nikt nie wierzy, że sama ulotka leczy. Jej prawdziwa moc polega na tym, że czyni lek bezpiecznym dla każdego. Właśnie tej magii brakuje nam, gdy pozwalamy SI uczyć bez żadnych wskazówek.

Narzędzia SI, które obecnie po cichu zadomawiają się w Twojej szkole, pojawiły się bez żadnej instrukcji. W Wielkiej Brytanii przegląd wykazał, że tylko 7 na 100 firm edukacyjnych kiedykolwiek poddało swoje produkty kontrolowanemu badaniu, a tylko 12 na 100 uzyskało zewnętrzną certyfikację. W klasie sytuacja wygląda podobnie. Tylko 11 na 100 dyrektorów szkół i nauczycieli w 17 amerykańskich stanach kiedykolwiek zażądało recenzowanych dowodów przed wdrożeniem nowego narzędzia.

Efektem są w wielu przypadkach zmarnowane pieniądze. W USA dwie trzecie licencji na oprogramowanie szkolne zbierało kurz, a 98% było niemal wcale nieużywane. Projekt EdTech Genome przeanalizował około 7000 narzędzi dydaktycznych o wartości 13 miliardów dolarów i stwierdził, że 85% z nich było albo źle dopasowanych, albo źle wykorzystywanych.

Ten rozdział może wyglądać jak sucha, ale konieczna część, w rzeczywistości jednak odsłania historie ukryte za przepisami. Pokazuje, co naprawdę się wydarzyło, kogo to dotknęło, i rzuca światło na skutki uboczne – także te, które po cichu dotarły do dzieci, które nigdy się na to nie zapisały.

Potencjał SI

Powiedzmy to jasno już na wstępie. Większość badań nad potencjałem SI dotyczy studentów uczelni wyższych. Uczniowie szkół jak dotąd pojawiają się w tych badaniach stosunkowo rzadko. Większość badań dotyczy krótkoterminowych interwencji trwających od kilku godzin do kilku tygodni. W związku z tym tak zwany efekt nowości mógł pozytywnie wpłynąć na wyniki. Wreszcie, test służący do oceny skuteczności był często opracowywany przez te same osoby, które prowadziły zajęcia. To również mogło zaburzyć dane.

(1) Pozwól SI wyjaśnić nowy temat, a ćwiczenia zostaw na lekcję

Wyobraź sobie. Jutro, gdy uczeń przegapi temat albo znów będzie potrzebował wyjaśnienia trudnego zagadnienia, pozwól, by pierwsze wyjaśnienie przeprowadził korepetytor SI. Ćwiczenia zachowaj na swoją lekcję, tam gdzie prawdziwe uczenie się nabiera życia.

Dlaczego to ważne. SI może wspierać przyswajanie wiedzy faktograficznej. W badaniu Uniwersytetu Harvarda 194 studentów fizyki uczyło się dwóch tematów. Jeden temat poznawali za pomocą korepetytora SI stworzonego specjalnie w tym celu. Drugiego tematu uczyli się w sposób tradycyjny, na zajęciach. Każdy student przechodził przez obie metody, więc nikt nie może twierdzić, że silniejsza grupa otrzymała lepsze traktowanie. W teście przeprowadzonym bezpośrednio po zajęciach uczniowie uczeni przez SI osiągnęli znacząco lepsze wyniki. Badacze odnotowali medianę czasu wykonania zadania na poziomie 49 minut, wobec 60 minut przewidzianych na lekcję w planie zajęć. Autorzy zachowują ostrożność w interpretacji tych wyników: materiał był dla studentów nowy, a znaczna część zadania polegała po prostu na dobrym jego wyjaśnieniu. Wyraźnie odrzucają myśl, że to samo dotyczyłoby zadań wymagających integrowania wielu idei. Poza tym byli to studenci studiów licencjackich, a nie uczniowie ósmej klasy.

Do podobnego wniosku doszedł obszerny przegląd łączący wyniki 228 badań. Chatboty oparte na generatywnej SI wywoływały większy efekt w zakresie wiedzy (i rozumienia) niż inteligentne systemy tutorskie oraz oprogramowanie do adaptacyjnych ćwiczeń.

Sięgnij głębiej. Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, artykuł 17458. Dostęp bezpłatny, DOI 10.1038/s41598-025-97652-6. Artykuł opisuje, jak zaprojektowano i skontrolowano korepetytora – przydatne dla każdego, kto chciałby samodzielnie stworzyć korepetytora SI.

(2) Lepsze wykorzystanie czasu na planowanie lekcji

Wyobraź sobie. Zaoszczędź część czasu potrzebnego na planowanie lekcji, wykorzystując SI do przygotowania pierwszej wersji konspektu, którą następnie dokładnie przejrzysz i poprawisz.

Dlaczego to ważne. Nikt nie kwestionuje, że nauczyciele są mocno obciążeni pracą. Dlatego jedną z potencjalnych korzyści SI jest bardziej efektywne wykorzystanie czasu pracy. Brytyjskie badanie sprawdzało, w jakim stopniu celowe wykorzystanie SI do planowania lekcji może pomóc zmniejszyć obciążenie nauczycieli. Badacze losowo przydzielili 259 nauczycieli przedmiotów przyrodniczych z 68 szkół albo do grupy korzystającej z chatbota wraz z krótką instrukcją pisemną, albo do grupy kontynuującej planowanie lekcji jak dotychczas. Tygodniowy czas planowania lekcji przyrodniczych dla klas 7 i 8 spadł z około 81 minut do około 56 minut. Panel ekspertów przedmiotowych ocenił jakość konspektów lekcji, nie wiedząc, czy powstały z pomocą SI, czy bez niej. Eksperci nie znaleźli dowodów na to, że jakość konspektów się różniła. Trzeba jednak podkreślić dwie kwestie. (1) Nauczyciele z tygodnia na tydzień korzystali z narzędzia coraz rzadziej, co oznacza, że oszczędność czasu nie pojawia się sama z siebie i nie utrzymuje się bez wsparcia. (2) Badanie mierzyło czas, jaki nauczyciele poświęcali na planowanie lekcji, a nie efekty uczenia się ich uczniów.

Sięgnij głębiej. Roy, P., Poet, H., Staunton, R., Aston, K., & Thomas, D. (2024, 12 grudnia). ChatGPT in lesson preparation: A Teacher Choices Trial. NFER, na zlecenie Education Endowment Foundation oraz Hg Foundation. Dostępne bezpłatnie na educationendowmentfoundation.org.uk.

(3) Lepsze wsparcie dla uczniów, którzy nie w pełni korzystają ze standardowych lekcji

Wyobraź sobie. Twoja szkoła decyduje, jak chce wydać swoje środki. Chce zakupić chatbota SI. Jak myślisz, jak prawdopodobne jest, że dostawcy chatbota przedstawią Ci dowody na korzyści płynące z bota dla różnych przedmiotów?

Dlaczego to ważne. Dostawca może wskazać na następujące zastosowanie. Chatboty to najstarsze i najlepiej udokumentowane zastosowanie „SI” w edukacji – i to właśnie jest często pomijane przy przydzielaniu środków. W analizie 29 badań obejmujących 41 grup uczniów z niepełnosprawnościami badacze stwierdzili umiarkowane korzyści w szerokim zakresie kontekstów. Warto jednak przeczytać drobny druk. W siedmiu na dziesięć z tych badań „SI” oznaczała robota: niewielkie fizyczne urządzenie stojące na stole, często obsługiwane przez badacza w innym pomieszczeniu. Tylko jedno na pięć badań dotyczyło oprogramowania. To nie jest więc dowód na to, że chatbot pomoże uczniowi z autyzmem w Twojej klasie. Recenzenci nie potrafili też wskazać, co sprawia, że te interwencje są skuteczne. Na podstawie swoich badań nie byli w stanie określić, czym różniły się badania, które zadziałały, od tych, które nie przyniosły efektu.

Sięgnij głębiej. Zhang, L., Carter, R. A., Jr., Liu, Y., & Peng, P. (2026). Let's CHAT about artificial intelligence for students with disabilities: A systematic literature review and meta-analysis. Review of Educational Research, 96(1). DOI 10.3102/00346543241293424. Prawdziwym skarbem jest tabela uwzględnionych badań: od razu pokazuje, jak niewielka część tej dziedziny faktycznie dotyczy narzędzi obecnie sprzedawanych szkołom.

(4) Uczenie, jak SI się myli

Wyobraź sobie. Poproś klasę o stworzenie dziesięciu obrazów „lekarza” i dziesięciu obrazów „pielęgniarki”. Policzcie, kto pojawia się w każdym zestawie, a następnie zainicjujcie dyskusję: skąd wzięły się te wzorce i kto podjął te decyzje?

Gemini_Generated_Image_mfaur1mfaur1mfau.jpg

Rys. 1. Obraz stworzony za pomocą NanoBanana 2, utworzony 20 sierpnia 2026 r., polecenie typu one-shot: lekarz, pielęgniarka

Dlaczego to ważne. Klasyczna wersja tej lekcji wydaje się przestarzała – i właśnie dlatego zasługuje na uwagę. Przez lata demonstracja była przewidywalna: poproś o lekarza, a pojawi się mężczyzna. W jednym systematycznym teście Midjourney niemal zawsze przedstawiał lekarzy jako białych mężczyzn, podczas gdy Adobe Firefly podejmował widoczne, choć niedoskonałe, próby zróżnicowania.

Wypróbuj dziś to samo polecenie, a możesz zobaczyć lekarkę albo pielęgniarza (rys. 1). Nie daj się jednak zwieść myśli, że uprzedzenie zniknęło. Analiza z 2026 roku obejmująca 1344 obrazy z trzech popularnych generatorów ujawniła coś przeciwnego: gdy poproszono o „kompetentną osobę”, jeden z systemów nie pokazał ani jednej kobiety.

To, co się zmieniło, to nie samo uprzedzenie, lecz warstwa, w której ono żyje – i to jest właśnie ta ważna lekcja! Za każdym z tych obrazów stoją ludzkie decyzje: na czym system był trenowany i co jego twórcy później zdecydowali, że powinien pokazywać. Ta druga warstwa jest regulowalna, niewidoczna i ustalana przez firmę.

Pierwsza warstwa ludzkich decyzji to to, co system wchłonął. Miliony obrazów, stworzonych i opisanych przez ludzi, z których każdy odzwierciedlał świat takim, jakim już był. To właśnie tę warstwę ujawnia klasyczna lekcja o uprzedzeniach i uczniowie łatwo ją pojmują: maszyna stała się odbiciem tego, czym ją nakarmiono.

Druga warstwa jest kształtowana przez to, co firma decyduje się Ci pokazać w kolejnym kroku, a mimo to ten wpływ nie pozostawia śladu w samym obrazie. Dzieją się tu trzy rzeczy, każda opisana przez twórców własnymi słowami.

Gdy więc uczeń wpisuje „lekarz” i pojawia się kobieta, sam obraz nie daje żadnej wskazówki, która warstwa ją stworzyła. Ta niepewność nie jest wadą tej lekcji. To właśnie jest ta lekcja.

Stara narracja głosiła, że maszyna po prostu wchłonęła uprzedzenia społeczeństwa. Nowa narracja sięga głębiej i trwa dłużej: obraz nie jest lustrem i nie powstaje przez przypadek. Firma dokonała wyboru! Tego wyboru nie widać w efekcie końcowym, a może się on zmienić we wtorek, po cichu, bez ostrzeżenia. Ta prawda przetrwa każdy kolejny model. Lekcja o stereotypach traci na znaczeniu.

To jest lekcja, na którą warto zwrócić uwagę uczniów i która przetrwa kolejną aktualizację modelu: obraz nie jest prostym odbiciem rzeczywistości i nie powstał przez przypadek. Ktoś dokonał wyboru.

Tę lekcję można zacząć wcześnie. Gdy 209 fińskich uczniów w 12 klasach, w 4. i 7. roku nauki, zgłębiało ten temat, odsetek tych, którzy potrafili wyjaśnić uprzedzenie na podstawie danych, wzrósł z około 7 na 100 do 44 na 100. Uczciwe zastrzeżenie: badanie mierzyło to, co dzieci potrafiły wyjaśnić, a nie to, jak zachowałyby się później.

Sięgnij głębiej. Vartiainen, H., et al. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. New Media & Society, 27(9). Dostęp bezpłatny, DOI 10.1177/14614448241252820

Weinmann, H., et al. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. New Media & Society, Online First

Jak solidne są obecnie wyniki badań nad potencjałem SI?

Najważniejsza rzecz. Jeśli ktoś przytacza Ci badanie, zanim się z nim zgodzisz, zadaj dwa pytania: „Kim byli uczący się i jak długo trwało badanie?”.

Dlaczego to ważne. W 2025 roku metaanaliza 51 badań wykazała istotną korzyść ChatGPT dla wyników w nauce uczniów. Artykuł został przeczytany setki tysięcy razy i posłużył za podstawę wielu pewnych siebie stwierdzeń w pokojach nauczycielskich. 22 kwietnia 2026 roku czasopismo wycofało ten artykuł. *Wycofanie* oznacza, że czasopismo oficjalnie odwołuje coś, co opublikowało; artykuł pozostaje widoczny, oznaczony dopiskiem „WYCOFANO”, tak aby każdy, kto go cytował, mógł to rozpoznać. Dwoje zewnętrznych badaczy wykryło niespójności w syntezie badań. Redaktor czasopisma napisał, że problemy „podważają zaufanie redakcji do trafności analizy”. Autorzy nie odpowiedzieli na korespondencję w tej sprawie.

Nie oznacza to, że SI nie ma żadnego wpływu. Istnieją rzetelne badania wskazujące na umiarkowane korzyści. Ta dziedzina badań również nie jest jeszcze dobrze zdefiniowana, ponieważ jest stosunkowo nowa i bardzo dynamiczna. Oznacza to, że często cytowana liczba była błędna i że potrzeba było roku oraz dwojga zewnętrznych ekspertów, aby to zauważyć.

Kolejne zastrzeżenie warte wspomnienia: im bliżej szkoły znajdują się dowody – przynajmniej obecnie – tym mniejszy jest efekt.

Sięgnij głębiej. Samo wycofanie liczy jedną stronę, jest bezpłatne i warto je przeczytać właśnie dlatego, że jest krótkie: Wang, J., & 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.

Wycofany oryginał to HSSC 12, 621 (2025). Wciąż aktualne: Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). HSSC, 13, 684. Dostęp bezpłatny, DOI 10.1057/s41599-026-07019-z.

Wynik dotyczący wyłącznie szkół: Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). International Journal of Science and Mathematics Education, 23(4), 1105–1126. DOI 10.1007/s10763-024-10499-7.

Ryzyka związane z SI

(1) Robienie czegoś to nie to samo, co uczenie się

Wyobraź sobie. Zanim zlecisz pracę domową, którą chatbot może wykonać za ucznia, zastanów się, jaki jest cel tego zadania. Czy warto by było je zmienić?

Dlaczego to ważne. Czy z chatbotem uczysz się szybciej? Około tysiąca uczniów klas 9–11 ćwiczyło matematykę w trzech grupach: jedna korzystała ze standardowego chatbota, druga z wersji zaprogramowanej tak, by nie podawać od razu odpowiedzi, tylko zadawać pytanie pomocnicze, a trzecia nie korzystała z chatbota wcale. Podczas pracy z chatbotem grupa korzystająca ze standardowego chatbota wykonała o 48 procent więcej ćwiczeń niż grupa bez chatbota. Później wszyscy przystąpili do tego samego egzaminu bez chatbota. Wynik, który początkowo wydawał się zaskakujący, był taki, że grupa korzystająca ze standardowego chatbota osiągnęła wynik o 17 procent gorszy niż uczniowie, którzy w ogóle nie korzystali z chatbota. Grupa, która pracowała z chatbotem niepodającym od razu odpowiedzi, nie wykazała spadku wyników w teście w porównaniu z grupą bez chatbota, a przy tym ćwiczyła więcej. Uczniowie korzystający ze standardowego chatbota nie byli ani leniwi, ani nie oszukiwali. Pracowali ciężej, a nauczyli się mniej, ponieważ narzędzie wyeliminowało nie wysiłek, lecz wyzwanie poznawcze, które stanowi istotę uczenia się.

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

(2) Detektory SI karzą niewłaściwych uczniów

Wyobraź sobie. Otrzymujesz wypracowanie ucznia do oceny. Ciekawi Cię jego autentyczność, więc wprowadzasz je do detektora SI. Wynik pojawia się natychmiast: wypracowanie zostało niemal na pewno napisane przez SI.

Dlaczego to ważne. Korzystasz z detektora SI, by zapewnić uczciwość, jednak dla pewnej grupy uczniów detektory działają dokładnie odwrotnie. Detektor nie rozpoznaje tekstu wygenerowanego przez maszynę. Mierzy, jak przewidywalne jest słownictwo. I właśnie na tym polega problem – na przykład wtedy, gdy uczeń pisze w języku obcym, ma niewielką wprawę w pisaniu albo dysponuje ograniczonym słownictwem codziennym. Jego tekst jest przewidywalny. Gdy siedem komercyjnych detektorów przeanalizowało 91 wypracowań napisanych przez osoby niebędące rodzimymi użytkownikami języka podczas egzaminu z angielskiego, wypracowania te były błędnie oznaczane jako wygenerowane przez maszynę w około sześciu na dziesięć przypadków. Dla porównania, wypracowania napisane przez 14-letnich Amerykanów w ich języku ojczystym, angielskim, były klasyfikowane poprawnie niemal we wszystkich przypadkach. Narzędzie, które generuje fałszywe alarmy dokładnie dla jednej grupy, nie jest neutralne. Co więcej, ta grupa ma najmniejsze możliwości obrony.

Sięgnij głębiej. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. Dostęp bezpłatny, DOI 10.1016/j.patter.2023.100779.

(3) Gdzie właściwie trafiają dane uczniów?

Wyobraź sobie. Korzystasz z narzędzia SI oferowanego przez Twoją szkołę. Spróbuj ustalić, dokąd trafiają dane uczniów.

Dlaczego to ważne. Czy Twoja szkoła może zagwarantować, że dane nie są przekazywane stronie trzeciej? Strona trzecia to firma, która nie jest ani Twoją szkołą, ani twórcą aplikacji. Zazwyczaj są to firmy reklamowe lub analityczne, które otrzymują dane w trakcie pracy ucznia. Nikt w szkole nie wybrał tej firmy. Gdy badacze przeprowadzili techniczną analizę 163 produktów edukacyjnych rekomendowanych przez rządy w czasie zamknięcia szkół związanego z pandemią, 145 z nich przetwarzało dane dzieci w sposób, który zagrażał ich prawom lub je naruszał, przekazując dane 196 firmom trzecim lub przyznając im do nich dostęp, głównie z branży reklamowej. Spośród 42 rządów, które opracowały własne produkty zamiast je kupować, 39 stworzyło produkty z tym samym problemem. Badanie obejmuje produkty z 2021 roku i część z nich mogła się od tego czasu zmienić. Nie możemy jednak wykluczyć, że to samo dotyczy dzisiejszych aplikacji SI.

Sięgnij głębiej. 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. Dostęp bezpłatny na hrw.org. Aneksy krajowe pozwalają sprawdzić, co i gdzie zostało zarekomendowane.

(4) SI trafia tam, gdzie jest najbardziej potrzebna, jako ostatnia

Wyobraź sobie. Ile szkoleń już odbyłeś/odbyłaś na temat uczenia o SI albo przedmiotowego nauczania z wykorzystaniem SI?

Dlaczego to ważne. Dorosłym, którzy ukończyli edukację, udostępniono asystenta SI. Różnica w wynikach między osobami o wyższym i niższym poziomie wykształcenia formalnego znacząco się zmniejszyła. Gdy badacze następnie odebrali asystenta, różnica częściowo powróciła. Badacze doszli do wniosku, że asystent SI wykonał tę pracę, ale nie pomógł uczestnikom rozwinąć żadnych umiejętności.

Ankieta wśród amerykańskich dyrektorów szkół ujawniła następujący obraz: im bardziej defaworyzowani byli uczniowie danej szkoły, tym mniejszy wpływ miała SI na nauczanie.

Jeśli połączymy wyniki obu badań, pozwalają one na następujące stwierdzenie: dobre narzędzie może zniwelować różnicę, dopóki znajduje się w rękach osoby uczącej się. Zazwyczaj jednak nie dociera do tych, którzy najbardziej go potrzebują, a po jego odebraniu nie pozostawia po sobie żadnych umiejętności.

Niemieckie dane pokazują ten sam wzorzec. Wśród 1590 młodych ludzi w wieku od 14 do 20 lat, 80 procent z najzamożniejszych rodzin i 55 procent z najmniej zamożnych postrzegało SI jako szansę. A po uznaniu następuje działanie: 70 procent uczniów liceów ogólnokształcących korzystało z SI do pracy domowej, wobec 58 procent w szkołach niższego szczebla średniego.

A co z rozwojem zawodowym nauczycieli? Ankieta wśród ponad dziesięciu tysięcy nauczycieli w Anglii wykazała, że 45 procent nauczycieli w szkołach prywatnych odbyło już szkolenie dotyczące SI. W szkołach publicznych odsetek ten wynosił 21 procent. W obrębie systemu szkół publicznych wartości wahały się od 26 procent w najzamożniejszych szkołach do 18 procent w szkołach najuboższych.

(5) To, co poprawia się w uczeniu się z SI, niekoniecznie jest tym, co widać

Wyobraź sobie. Wprowadzasz do swojego nauczania nowego chatbota, a uczniowie entuzjastycznie podchodzą do korzystania z nowego narzędzia.

Dlaczego to ważne. Obszerny przegląd wskazał cztery różne aspekty uczenia się (wiedza i rozumienie, praca z SI, zaangażowanie, motywacja, pewność siebie, umiejętność planowania, monitorowania i korygowania własnej pracy). Ten ostatni nie uległ poprawie, podczas gdy pozostałe – tak.

W zakresie wiedzy i rozumienia generatywna SI wywoływała większe efekty niż inteligentne systemy tutorskie i oprogramowanie do adaptacyjnych ćwiczeń już stosowane w szkołach.

W zakresie stosowania wiedzy oraz motywacji i zaangażowania SI nie radziła sobie lepiej niż istniejące już oprogramowanie.

W przypadku samosterowności nie mamy wystarczającej liczby badań, aby wskazać jakikolwiek efekt.

Krótka dygresja: największe efekty odnotowuje się w naukach humanistycznych i sztuce, a nie w matematyce czy naukach przyrodniczych.

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

1. SI w Edukacji

1.2 Nauczanie o SI a nauczanie z SI

Najważniejsze przesłanie

Jeśli zapamiętasz z tej strony tylko jedno zdanie: SI to nawigacja satelitarna. Ratuje kierowcę, który ma już mapę w głowie, i po cichu powstrzymuje przed jej zbudowaniem tego, kto jej nie ma.

Problem nawigacji satelitarnej

Aby prowadzić londyńską taksówkę, trzeba najpierw zdać egzamin ze znajomości miasta: 320 wyznaczonych tras w obrębie 113 mil kwadratowych, w promieniu sześciu mil od Charing Cross, na przygotowanie do którego Transport for London daje nawet dwa lata, zanim w ogóle zaczną się egzaminy.

Egzaminowani kierowcy korzystają też z nawigacji satelitarnej i nikt nie myśli o nich gorzej z tego powodu. Egzamin ze znajomości miasta nie stał się bezwartościowy wraz z pojawieniem się urządzenia. Nawigacja stała się czymś, co czyni jazdę bezpieczną. Kierowczyni, która ma miasto w głowie, korzysta z nawigacji w sprawach, których nie może wiedzieć: wypadek na moście czy dzisiejszy korek. I zauważa, gdy nawigacja prowadzi ją ulicą rozkopaną od kwietnia.

Teraz posadź w tej samej taksówce, z tą samą nawigacją, nowicjuszkę. Dojeżdża do każdego adresu. Przez pewien czas nie da się jej odróżnić od doświadczonej kierowczyni. Ale podążając za instrukcjami nawigacji, nie buduje niczego. Po roku skręcania w lewo na polecenie wciąż nie potrafi przejechać przez miasto bez urządzenia i nie jest w stanie rozpoznać, kiedy nawigacja się myli.

Gemini_Generated_Image_wxvxhlwxvxhlwxvx.png

Rys. 1. Wynik zależy od kierowcy. Obraz stworzony za pomocą GoogleGemini.

Ta sama nawigacja, dwie kierowczynie, przeciwne rezultaty. Różnica nigdy nie tkwiła w urządzeniu.

To dekada badań nad korzystaniem z SI zamknięta w jednym obrazie, i pozostaje prawdziwa również bez obrazu. Efekt narzędzia SI zależy znacznie bardziej od tego, co użytkownik już wie, niż od samego narzędzia. Badacze nazywają to schematem – uporządkowaną wiedzą wcześniejszą danej osoby. Tam, gdzie schemat już istnieje, oddanie pracy maszynie uwalnia zasoby. Badacze nazywają to korzystnym odciążeniem poznawczym. Jednak gdy wiedza dopiero ma się wykształcić, ten sam proces może uniemożliwić jej powstanie. Nazywa się to szkodliwym odciążeniem poznawczym.

Badanie z udziałem około tysiąca uczniów szkół średnich pokazuje, jak dzieje się to na lekcji matematyki. Jedna grupa ćwiczyła z nieograniczonym chatbotem, druga bez niego. W czasie, gdy z niego korzystali, grupa z chatbotem rozwiązała o 48% więcej zadań ćwiczeniowych! Potem odbył się egzamin bez chatbota. I teraz ci sami uczniowie, którzy tak dobrze radzili sobie z zadaniami ćwiczeniowymi, uzyskali wynik o 17% gorszy niż grupa, która nigdy nie korzystała z chatbota SI. Trzecia grupa korzystała z wersji SI zaprojektowanej tak, by nie podawać odpowiedzi, lecz zadawać pytania. Ta grupa nie straciła nic.

Ta trzecia grupa to sedno całego pytania projektowego. Nawigacja, która podaje cel i pomaga znaleźć trasę, uczy Cię miasta. Nawigacja, która mówi „skręć w lewo za 200 metrów”, nie uczy – bez względu na to, jak dobre są jej dane. Badacze nazywają tę różnicę barierami ochronnymi (guardrails), i to właśnie projekt decyduje, czy pomagasz uczniom poznać mapę miasta, czy po prostu dotrzeć do celu.

Pamiętaj: Ty masz tę wiedzę. Twoi uczniowie, w przedmiocie, którego uczysz, jeszcze jej nie mają. Ta asymetria to sedno całego rozdziału.

Dwa piętra, nie dwa tematy

W literaturze naukowej te dwa obszary są uznawane za odrębne dziedziny. Można je sobie wyobrazić jako dwa piętra budynku, na którego parterze znajduje się większość nauczycieli, bez klatki schodowej prowadzącej na pierwsze piętro.

Poproszeni o ocenę swojej wiedzy o SI, nauczyciele niemieckich szkół zawodowych ocenili się średnio na 3,4. Jednak swoją zdolność do stosowania tej wiedzy w klasie ocenili znacznie niżej – na 2,6. Wiedza i działanie się rozeszły. Badanie przeprowadzone w pięciu krajach europejskich sprawdziło następnie, czy szkolenie może zamknąć tę lukę. W badaniu 736 nauczycieli z Francji, Irlandii, Włoch, Luksemburga i Słowenii otrzymało kurs i wsparcie. Wyniki pokazały, że ich wiedza oraz zdolność oceny, co dane narzędzie potrafi, wzrosły. Jednak ich nauczanie się nie zmieniło. Próbowali różnych rzeczy i wracali do tego, co robili wcześniej.

To jest luka między wiedzą a działaniem. Kursy dają wiedzę, ale zmiana praktyki wymaga towarzyszenia, prób i kolegów, z którymi można wspólnie myśleć. Transfer trzeba zaprojektować, a nie na niego liczyć.

Co nauczyciele naprawdę robią

Najbardziej solidny wniosek, powtarzający się we wszystkich krajach, jest po cichu zaskakujący: nauczyciele intensywnie korzystają z SI dla siebie i niemal wcale z uczniami. W Niemczech 52% korzysta z SI co najmniej raz w miesiącu. Tylko 29% korzysta z niej na lekcjach, mając przed sobą klasę. Publiczna debata o „SI w klasie” dotyczy więc w dużej mierze czegoś, co jeszcze nie dzieje się na dużą skalę.

Gemini_Generated_Image_rh2xsorh2xsorh2x-2.png

Rys. 2: Różnica między korzystaniem z SI do przygotowania a korzystaniem z niej w klasie. Obraz stworzony za pomocą GoogleGemini.

To, co faktycznie się dzieje, to odciążenie z obowiązków – i tu wiadomości są dobre. W brytyjskim badaniu 259 nauczycieli z 68 szkół otrzymało wsparcie SI do planowania lekcji przyrody dla uczniów w wieku 11–13 lat. Czas planowania spadł z 81 do 56 minut tygodniowo. Gdy niezależni oceniający sprawdzili powstałe materiały, nie stwierdzili spadku jakości. Własne szacunki nauczycieli dotyczące oszczędzanego czasu we wszystkich przedmiotach są jeszcze wyższe – u regularnych użytkowników wynoszą około sześciu godzin tygodniowo.

Warto zatrzymać się przy jednej prawidłowości. W dużym amerykańskim badaniu ankietowym nauczyciele w szkołach z jasną, pisemną polityką dotyczącą SI zgłaszali oszczędność czasu o około jedną czwartą większą niż nauczyciele w szkołach bez takiej polityki. To relacja samych nauczycieli, a nie pomiar, a ankieta nie pokazuje, w którą stronę biegnie zależność. Dobrze zorganizowane szkoły mogą po prostu dobrze radzić sobie z obydwoma sprawami naraz. Ale to odwrotność tego, czego spodziewałaby się większość ludzi, i warto zauważyć, że nic w źródłach stojących za tymi danymi nie wskazuje na odwrotną zależność: wszędzie tam, gdzie to zbadano, jasne zasady i intensywne korzystanie idą w parze. -> 1.4 Zgodne wykorzystanie SI

Dlaczego narzędzie nie jest najważniejsze

Jeśli szukasz rankingu najlepszych narzędzi SI, badania Cię rozczarują, a potem, przy drugim czytaniu, uwolnią. Gdy badacze zbierają wiele odrębnych badań i pytają, co odróżnia klasy, w których SI bardzo pomogła, od tych, w których pomogła ledwie trochę, odpowiedzią nigdy nie jest marka oprogramowania. Liczy się to, co uczniowie mieli z nim robić.

Są trzy porównania, które naprawdę to obrazują.

Pedagogika bije technologię, i to z dużą przewagą. Dzieje się tak za każdym razem, gdy ktoś porządkuje badania według tego, co uczniowie faktycznie robili. Warto rozważyć równocześnie dwa ograniczenia.

Dobra informacja zwrotna to nie to samo, co informacja zwrotna, która działa. W jednym eksperymencie 70 studentów napisało esej argumentacyjny i poprawiło go tydzień później. Losowo przydzielono ich do trzech grup: jedna otrzymała informację zwrotną od doświadczonego nauczyciela, druga od chatbota otrzymującego proste polecenie, a trzecia od tego samego chatbota poproszonego o przemyślenie eseju krok po kroku. Oceniane według tej samej rubryki, informacje zwrotne chatbota rozumującego krok po kroku okazały się najlepsze z całej trójki. Były lepsze niż od zwykłego chatbota i lepsze niż od nauczyciela. Potem nastąpiły poprawki i wszystkie trzy grupy poprawiły swoje eseje mniej więcej o tyle samo. Najlepsza informacja zwrotna w badaniu nie przyniosła większej poprawy niż ta oceniona najniżej. Lepsze komentarze nie dały lepszego eseju.

Warto się nad tym zatrzymać, bo podważa to powszechne założenie, że lepsza informacja zwrotna prowadzi do lepszego uczenia się. Sama w sobie – nie prowadzi. Informacja zwrotna działa tylko wtedy, gdy zostanie wykorzystana: przeczytana, zrozumiana, zastosowana i zrozumiana na tyle dobrze, by uczeń następnym razem poradził sobie sam. To wykorzystanie jest wąskim gardłem, nie jakość.

Na przeszkodzie stają najwyraźniej dwie rzeczy, i obie da się wykorzystać.

Więcej nie zawsze znaczy lepiej. W drugim badaniu, z udziałem 60 uczniów drugiej klasy liceum i 240 tekstów, SI wygenerowała znacznie więcej komentarzy dotyczących treści niż nauczyciele. 333 wobec 241. To właśnie z komentarzy nauczycieli uczniowie korzystali częściej. Skonfrontowany z trzydziestoma precyzyjnymi poprawkami, uczeń może albo przestać diagnozować i zacząć segregować, albo po prostu się podporządkować. Jeśli uczeń stosuje się do zasad, w gruncie rzeczy mówi, że poprawka była niepotrzebna. To znowu ta sama nawigacja, tylko na innym poziomie. Daje naprawdę szczegółową informację zwrotną, w rodzaju „skręć w lewo za 200 metrów” – ale dotyczącą Twojego własnego tekstu.

Kto to mówi, ma znaczenie. Nie jesteśmy do końca pewni, dlaczego komentarze nauczycieli są częściej wykorzystywane. To kwestia interpretacji, a nie pomiaru, ale najbardziej prawdopodobnym wyjaśnieniem jest to, że informacja zwrotna jest postrzegana jako coś, co dzieje się między ludźmi. To, co ma do powiedzenia ktoś, kto wie, co robiłeś w zeszłym semestrze, i zobaczy, co zrobisz z tą informacją, różni się od tego samego zdania wygenerowanego na żądanie.

Co z tego wynika dla praktyki. Wszystkie dowody, jakie mamy na temat automatycznej informacji zwrotnej, pokazują, że działa ona najlepiej, gdy uczniowie przenoszą to, czego nauczyli się przy jednym zadaniu, na nowe zadanie. Działa najsłabiej, gdy uczniowie po prostu kopiują to, czego się nauczyli, wprost z tekstu, który mają przed sobą. I jest znacznie skuteczniejsza, gdy stosuje się ją przez dłuższy czas, na przykład cały semestr, a nie jednorazowo. Nie powinniśmy więc pytać, czy informacja zwrotna od SI jest wystarczająco dobra. Powinniśmy pytać, czy ten uczeń będzie musiał kiedykolwiek jeszcze z niej skorzystać. Jeśli odpowiedź brzmi „nie”, lepsze komentarze prawdopodobnie nie pomogą.

Ten sam podział widać też w dużej skali. Jeden zespół zebrał wyniki 228 badań: SI wyraźnie i konsekwentnie poprawiała to, co uczniowie potrafili wytworzyć, natomiast jakikolwiek zysk w ich zdolności do planowania, monitorowania i korygowania własnego uczenia się był na tyle mały, że mógł być dziełem przypadku. Najostrzej widać to w programowaniu. Uczniowie z asystentem SI byli mierzalnie szybsi, a na końcu wcale nie lepsi od tych, którzy z niego nie korzystali. Zrobienie czegoś szybciej i zrobienie tego lepiej to nie to samo, a SI wyraźnie te dwie rzeczy rozdziela.

Europa jak lustro

W całej Europie odsetek nauczycieli korzystających z SI waha się od 89% w Czechach do 14% we Francji. Pamiętaj, że badania różnią się metodą i czasem przeprowadzenia, więc czytaj to jako rozpiętość, a nie pojedyncze liczby.

Francja jest tu pouczającym przypadkiem. Zbudowała jeden z najbardziej ambitnych na kontynencie państwowych programów SI – system korepetycji SI z matematyki i francuskiego. Mimo to Francja wciąż znajduje się na dole tej tabeli, ponieważ tylko 9% francuskich nauczycieli odbyło jakiekolwiek szkolenie z SI, wobec około 38% w porównywalnych krajach. Dostarczenie narzędzi to łatwiejsza połowa zadania, ale to kwalifikacje są tą połową, która decyduje.

Dwa kraje zapisały problem nawigacji satelitarnej w swojej polityce tak, jak zrobiłaby to szkoła jazdy: najpierw mapa, potem urządzenie. Norwegia zarekomendowała w czerwcu 2026 roku, by generatywna SI zasadniczo pozostała poza szkołą podstawową i była nauczana dopiero w niższych klasach szkoły średniej, gdzie nauczyciele zostali przeszkoleni, a SI powinna być nauczana jako celowo kształcona umiejętność. Luksemburg wprowadza to etapami w podobny sposób. Zwróć uwagę: Norwegia wydała rekomendację, a nie wiążący zakaz, jednak międzynarodowa prasa donosiła o tym inaczej.

Martwy punkt

Jedno z ryzyk związanych z SI rzadko się wymienia, choć obraz również je pokazuje: znajomość mapy Londynu nie jest trwała na zawsze. Kierowczyni, która przez pięć lat podąża za strzałkami, nie utrzymuje miasta w głowie. Wiedza blaknie, a ona przestaje zauważać rozkopaną ulicę. Twoją ekspertyzę podtrzymuje robienie właśnie tych rzeczy, które SI najlepiej potrafi przejąć: pisanie zadania, przewidywanie błędnego rozumowania i szkicowanie wyjaśnienia. Tam, gdzie SI przejmuje pracę, dzięki której kształtuje się umiejętność oceny, ulga zamienia się w utratę kompetencji. W niemieckim panelu eksperckim 65% ekspertów edukacyjnych wskazało to ryzyko dla zawodu nauczyciela, co stanowi wzrost z 44% rok wcześniej.

Korzystaj z nawigacji. Tylko pamiętaj o mapie.

1. SI w Edukacji

1.3 Odpowiedzialne wykorzystanie SI

Najważniejsze przesłanie

Jeśli zapamiętasz z tej strony tylko jedno zdanie: Tamy pękają. Naucz pływania.

Dziennik lektur, drugie spojrzenie

Wróćmy do naszego ucznia z dziewiątej klasy i jego podejrzanie dopracowanego dziennika lektur. Ten odruch jest niemal powszechny i jest to odruch dobrego nauczyciela: sprawdzić, czy użył SI. Zbudować lepszą tamę.

Ten rozdział opowiada o tym, dlaczego ten odruch, sam w sobie, donikąd nie prowadzi. Dojdziemy do tego, co działa zamiast tego.

Zacznijmy od niewygodnej części. Nauczyciele nie potrafią wiarygodnie odróżnić tekstu SI od tekstu ucznia. W niemieckim badaniu 289 nauczycieli o różnym doświadczeniu otrzymało mieszankę tekstów napisanych przez uczniów i przez chatbota i poproszono ich o posortowanie. Żadna z grup sobie z tym nie poradziła. Ale obie grupy były pewne, że potrafią. Doświadczenie niemal nie miało znaczenia. W większej skali jest jeszcze gorzej. Na jednym uniwersytecie badacze przesłali odpowiedzi wygenerowane przez chatbota do prawdziwego systemu egzaminacyjnego zwykłymi kanałami, bez informowania osób sprawdzających. 94% nigdy nie wzbudziło wątpliwości. Co więcej, średnio oceniano je wyżej niż prace prawdziwych studentów. Jaka więc jest konsekwencja? Sięgamy po maszynę! I w tym momencie odkrycie przestaje być tylko niezręczne, a staje się problemem etycznym!

Detektor, który zawodzi wobec niewłaściwych uczniów

Badacze przetestowali siedem najczęściej używanych detektorów SI na esejach TOEFL napisanych przez uczniów uczących się angielskiego jako języka obcego. Obok nich umieścili eseje amerykańskich ósmoklasistów mówiących po angielsku jako języku ojczystym. Prace rodzimych użytkowników języka były klasyfikowane poprawnie niemal za każdym razem. Spośród esejów obcojęzycznych ponad sześć na dziesięć zostało błędnie oznaczonych jako napisane przez maszynę.

Mechanizm nie jest tajemnicą. Te narzędzia nie wykrywają pracy dużych modeli językowych, wykrywają przewidywalność. Tekst używający powszechnych słów w oczekiwanym porządku jest oceniany jako sztuczny. Każdy, kto pisze w drugim języku, dysponując mniejszym słownictwem i bezpieczniejszymi konstrukcjami zdań, wytwarza dokładnie taki sygnał. Błędy narzędzia systematycznie spadają na uczniów, którzy i tak dźwigają już najwięcej. Instytucje policzyły to dokładnie. Uniwersytet Vanderbilt zwrócił uwagę, że nawet gdyby takie narzędzie myliło się tylko w 1% przypadków, oznaczałoby to wciąż około 750 niesłusznie oskarżonych studentów rocznie spośród 75 000 przesłanych prac. W związku z tym je wyłączono. Wytyczne wydane przez niemieckie federalne ministerstwo edukacji są jednoznaczne: technologia jest „niewystarczająco wiarygodna, by dostarczyć prawnie pewny dowód”.

Znaczna część Europy przestała już o tym dyskutować. Francja, Holandia i Szwajcaria odradzają stosowanie detektorów albo je zakazują. Brytyjski regulator egzaminów świadomie wybrał ludzki osąd zamiast oprogramowania. Holenderski argument idzie o krok dalej i warto go zapamiętać: wklejenie pracy ucznia do detektora samo w sobie stanowi przetwarzanie jego danych osobowych, a robienie tego bez zgody łamie prawo ochrony danych. → 1.4 Zgodne wykorzystanie SI

Wygląda na to, że panika związana z ściąganiem jest cieńsza niż szum wokół niej. Badacze przepytali uczniów trzech szkół średnich przed powstaniem ChatGPT i ponownie po nim. Ściąganie pozostało w dużej mierze na tym samym poziomie. Większość uczniów odrzucała pomysł, by chatbot po prostu wykonał za nich pracę, uważając jednocześnie za uczciwe użycie go do rozpoczęcia pracy albo do uzyskania wyjaśnienia.

Prawdziwe pytanie nigdy nie brzmiało: „Jak go złapać?”. Brzmi ono: co właściwie mierzy zadanie domowe, skoro jego produkt można wygenerować na żądanie?

Dwie rzeczy, których nie da się naprawić, więc trzeba ich nauczać

Pewne siebie zmyślanie jest wbudowane w system. Te systemy generują prawdopodobną kontynuację tekstu, co nie jest tym samym, co prawdę. Badacze formalnie wykazali już, skąd się to bierze: standardowe testy służące do oceny dużych modeli językowych nagradzają pewne siebie zgadywanie bardziej niż przyznanie się do niepewności, więc dopóki są oceniane w ten sposób, utrzymuje się pewien odsetek płynnych, dobrze sformułowanych nieprawd. To cecha sposobu, w jaki są budowane i oceniane, a nie błąd czekający na łatkę.

Skrzywienia w materiale treningowym również są wbudowane. Co więcej, nie maleją wraz z rozwojem technologii. Europejskie badanie stereotypów płciowych w różnych językach wykazało, że większe modele, nawet po dodatkowym treningu mającym uczynić je bezpieczniejszymi i sprawiedliwszymi, czasem stereotypizują bardziej, a nie mniej. Jeśli jakiejś cechy nie da się zaprojektować na nowo, staje się ona materiałem programowym. I można jej nauczać: w jednym fińskim programie odsetek uczniów potrafiących rozpoznać uprzedzenie w wyniku działania systemu SI wzrósł z 7% do 44%. Konsekwencją dla nauczania musi być trenowanie analizy błędów zamiast ich unikania. Innymi słowy: błędy maszyny stają się lekcją.

Co działa: projektowanie, nie kontrola

Dowody wskazują na jedną prostą zasadę, łatwą do zapamiętania: najpierw myśl, potem SI.

Warto znać dwa ograniczenia, zanim się na tym oprzesz. Pierwsze: popularna rada, by nauczyciele po prostu polecili chatbotowi pełnić rolę tutora sokratejskiego, nie wytrzymuje próby dłuższej rozmowy. Przynajmniej obecnie system ma tendencję do powracania do podawania gotowych odpowiedzi. Niezawodne ograniczenia trzeba wbudować w system, co czyni z nich decyzję zakupową, a nie umiejętność formułowania poleceń. Drugie: sprawienie, by SI wyjaśniała swój tok rozumowania, brzmi jak oczywiste zabezpieczenie, ale wyjaśnienia niezawodnie nie zapobiegają nadmiernemu zaufaniu. W jednym badaniu nie zmieniły one wcale skłonności ludzi do akceptowania błędnych porad, a wyjaśnienia zbyt techniczne albo zbyt uproszczone mogą wręcz zwiększać nieuzasadnioną pewność. Wyjaśnienie jest warunkiem, nie rozwiązaniem.

Postawa: dwa tryby zawodności, nie jeden

Obawiamy się, że nauczyciele pokładają w SI zbyt duże zaufanie. Powinniśmy jednak równie mocno martwić się sytuacją odwrotną. Nawet doświadczone osoby mogą dać się złapać na nadmierne zaufanie. W jednym badaniu nauczyciele sprawdzali oceny wygenerowane przez SI. Uznali 42% informacji zwrotnej maszyny za niejasną lub błędną, ale zmienili tylko 9% z nich. Dostrzeżenie błędu i jego poprawienie to dwa różne procesy.

Przeciwnym biegunem jest ukrywanie. Nauczyciele ukrywają własne korzystanie z SI przed kolegami i uczniami, zabraniając im robić to, co sami robią: 77% korzysta z SI prywatnie, podczas gdy 57% twierdzi, że uczniowie nigdy nie powinni jej używać do generowania pomysłów. Tymczasem badanie zdolnych uczniów klas 6–8 wykazało, że od jednej trzeciej do dwóch piątych z nich już teraz twierdzi, że SI wie więcej niż ich nauczyciele. Zawód, który ukrywa swoje praktyki, nie może dawać przykładu odpowiedzialnego postępowania, a przejrzystość to nie tylko kurtuazja. To mechanizm, dzięki któremu działa nauczanie przez przykład.

Czy SI wyrównuje szanse, czy je pogłębia?

W zadaniach zawodowych SI wyrównuje różnice. W jednym eksperymencie osoby z wyższym wykształceniem radziły sobie znacząco lepiej niż osoby z niższym wykształceniem. Gdy każda z nich otrzymała asystenta SI, te różnice niemal całkowicie zniknęły. Gdy następnie odebrano asystenta, znaczna ich część powróciła. To, co SI zamknęła, to luka w wynikach, a nie luka w umiejętnościach.

W zadaniach związanych z uczeniem się dzieje się odwrotnie. Jedno badanie nie wykazało żadnej przeciętnej korzyści, za to ujawniło rosnący dystans między uczniami, którzy już dużo wiedzieli, a tymi, którzy wiedzieli mało. Inne badanie przyjrzało się uczniom piszącym w języku obcym: słabsi autorzy otrzymywali od SI więcej poprawek i skutecznie wykorzystywali mniejszą ich część, a wielu uznało zalew informacji zwrotnej za zniechęcający. Informacja zwrotna bez umiejętności jej posortowania nie pomaga – ona przytłacza.

Ta różnica istnieje jeszcze zanim ktokolwiek dotknie narzędzia. W Niemczech 80% uczniów z najbardziej uprzywilejowanych domów postrzega SI jako szansę, wobec 55% z domów najmniej uprzywilejowanych. W Wielkiej Brytanii podział przebiega raczej przez pokój nauczycielski niż przez szafkę z urządzeniami: 45% nauczycieli w szkołach prywatnych przeszło formalne szkolenie z korzystania z SI, wobec 21% w szkołach publicznych. W obrębie sektora publicznego zamożniejsze szkoły ponownie wyprzedzają biedniejsze. Badanie dzieci z 20 krajów europejskich pokazuje ten sam społeczny podział w tym, jak często i jak różnorodnie korzystają z SI. Jedno zdanie ujmuje cały problem lepiej niż jakakolwiek liczba: „bogaci mają dostęp do technologii i do ludzi, którzy pomagają im z niej korzystać, podczas gdy biedni mają dostęp jedynie do technologii”. To najmocniejszy dostępny argument za tym, że nauczyciele mają znaczenie dla zamknięcia tej luki.

Wąskim gardłem jest więc to, czy dany uczeń ma nauczyciela, który przeszedł szkolenie. SI kompensuje różnice, gdy spełnione są jednocześnie trzy warunki: pewny dostęp, narzędzie zaprojektowane do uczenia się, a nie do udzielania odpowiedzi, oraz nauczyciel wspierający jego wykorzystanie. Usuń choć jeden z tych elementów, a SI zacznie wzmacniać różnice zamiast je wyrównywać. Ponieważ wszystkie trzy elementy zwykle występują razem w tych samych szkołach i razem są nieobecne w tych samych szkołach, wzmacnianie różnic jest wariantem domyślnym, a wyrównywanie trzeba samodzielnie zbudować.

1. SI w Edukacji

1.4 Zgodne wykorzystanie SI

Najważniejsze przesłanie

Jeśli zapamiętasz z tej strony tylko jedno zdanie: Zgodność z przepisami to dom, nie mur.

Dziennik lektur, trzecie spojrzenie

Nasz uczeń z dziewiątej klasy, jego dziennik lektur, podejrzenia jego nauczyciela. W rozdziale 1.2 było to pytanie o uczenie się; w rozdziale 1.3 – o osąd zawodowy. Tutaj jest to akta sądowe.

W grudniu 2025 r. Sąd Administracyjny w Hamburgu, w Niemczech, orzekł w trybie pilnym w tej sprawie. Nauczyciel zauważył, że dziennik nie pasował stylem do pracy klasowej chłopca. W efekcie szkoła potraktowała to jako oszustwo. Złożono wniosek o wstrzymanie tej decyzji w trybie pilnym, ale sąd odmówił. Nieujawnione korzystanie z SI w pracy szkolnej liczy się jako oszustwo, nawet jeśli szkoła nie ma wyraźnej reguły przeciwko SI. Wszyscy uczniowie muszą zakładać, że mają pracować samodzielnie, chyba że powiedziano im, jakie pomoce są dozwolone. Jedno zastrzeżenie warto mieć z tyłu głowy od razu: to pojedynczy sąd, a orzeczenie nie jest jeszcze prawomocne.

To dobry moment, by odnieść się do najczęstszego błędnego przekonania w tej dziedzinie. Nie ma próżni prawnej. Nigdy jej nie było.

Dom ma trzy piętra

Większość nauczycieli wyobraża sobie prawo dotyczące SI jako pojedynczy mur budowany gdzieś w Brukseli. Bardziej przydatne jest jednak wyobrazić sobie dom, w którym już mieszkasz. Fundamentem jest ochrona danych. Jest nośna konstrukcyjnie. Została położona lata temu. Rządzi Twoim wtorkowym porankiem. Górne piętro to unijny AI Act, europejskie prawo o SI, które klasyfikuje systemy według ich potencjału do wyrządzania szkody i nakłada tym surowsze obowiązki, im wyższe ryzyko. Jest częściowo zasiedlone i wciąż w budowie, a termin ukończenia właśnie przesunięto. Drzwi i okna to prawo autorskie oraz prawo egzaminacyjne – małe i konkretne, dotykane codziennie bez większej refleksji.

Parter: ochrona danych, jaśniejsza, niż wielu sądzi

Przetwarzanie czyichś danych osobowych zawsze wymaga podstawy prawnej. Jako podmiot publiczny szkoła czerpie swoją podstawę zasadniczo z ustawowych obowiązków wynikających z prawa oświatowego. Nie istnieje żadna ogólna licencja, która przysługuje po prostu z racji bycia nauczycielem.

Wynikają z tego trzy konsekwencje, które stanowią praktyczny rdzeń tego rozdziału.

Zgoda nie jest rozwiązaniem. Oczywistym rozwiązaniem wydawałoby się po prostu zapytać rodziców. Podejście to ma jednak dwie wady. Po pierwsze, zgoda musi być udzielona dobrowolnie. W kontekście szkolnym, gdzie w grę wchodzą oceny, prośba nauczyciela nie stanowi wolnego wyboru. Po drugie, zgoda musi być świadoma, co trudno osiągnąć, gdy nikt nie wie, gdzie dane ostatecznie trafią. Podstawa musi wynikać z prawa oświatowego, a nie z podpisu, ponieważ to przenosi odpowiedzialność wyżej, z dala od Ciebie.

Usunięcie nazwisk nie anonimizuje danych. W 2024 r. niemieckie organy ochrony danych wspólnie oświadczyły, że jeśli daną osobę wciąż można zidentyfikować na podstawie kontekstu, dane nadal są danymi osobowymi. Jest to szczególnie problematyczne w szkołach, ponieważ rodzaje tekstów, przy których nauczyciele najczęściej chcą pomocy – eseje, twórcze pisanie, dzienniki lektur – identyfikują autora poprzez styl.

Linią podziału jest umowa: dostawca może przetwarzać Twoje dane, jeśli robi to wyłącznie na Twoje polecenie i istnieje w tej sprawie pisemna umowa. Jednak z chwilą, gdy zaczyna wykorzystywać to, co wpisujesz, do własnych celów, cała konstrukcja się załamuje, ponieważ przestaje działać w Twoim imieniu. Praktyczny test brzmi więc: czy taka umowa istnieje i czy wyklucza trenowanie modelu na Twoich danych wejściowych? Jeśli nie – żadne dane osobowe nie powinny być tam wprowadzane.

Dwa dodatkowe zastrzeżenia warte odnotowania: dane dotyczące zdrowia, niepełnosprawności i specjalnych potrzeb edukacyjnych podlegają jeszcze surowszej ochronie na mocy prawa UE, a co najmniej jeden niemiecki kraj związkowy (Badenia-Wirtembergia) wyraźnie zakazał ich wykorzystywania w systemach SI na mocy zarządzenia ministerialnego. Gdy w grę wchodzą prywatne urządzenia, odpowiedzialność prawna spoczywa na szkole, a nie na Tobie osobiście, co zdejmuje ciężar z Ciebie, a zobowiązuje dyrektora placówki.

Górne piętro: co AI Act już wymaga, a czego jeszcze nie

Oto poprawka, która sprawia, że większość dotychczasowych wytycznych jest nieaktualna. W lipcu 2026 r. UE przesunęła najcięższy zestaw obowiązków wynikających z AI Act dla edukacji – tych dotyczących systemów sklasyfikowanych jako wysokiego ryzyka, czyli systemów służących do decydowania o przyjęciach, oceniania tego, czego nauczyli się uczniowie, lub monitorowania ich podczas egzaminów – z sierpnia 2026 r. na 2 grudnia 2027 r. Bardzo wiele materiałów informacyjnych napisanych w 2025 r. i na początku 2026 r. wciąż podaje starą datę. Jeśli taki dokument krąży w Twojej szkole, potrzebuje przypisu.

Bardziej przydatna poprawka idzie w drugą stronę: to, co już obowiązuje, jest niedoceniane, a to, o czym dyskutuje się bez końca, jeszcze nie obowiązuje.

Dwie rzeczy obowiązują już od 2 lutego 2025 r.

Przeczytaj ten drugi obowiązek razem z rozdziałem 1.3, a coś zaczyna się układać. Luka między wiedzą o SI a umiejętnością nauczania z jej użyciem to już nie tylko problem zawodowy. Od lutego 2025 r. jest to obowiązek prawny.

Od 2 sierpnia 2026 r. treści wygenerowane przez SI muszą być jako takie oznaczane. Od 2 grudnia 2027 r. systemy służące do decydowania, kto zostanie przyjęty, do oceniania tego, czego nauczyli się uczniowie, lub do monitorowania ich podczas egzaminów, będą uznawane za systemy wysokiego ryzyka. Kto korzysta z takiego systemu, przejmuje wówczas związane z nim obowiązki. Obejmuje to wymóg, by osoby sprawujące nadzór były, jak ujmuje to AI Act, „kompetentne, przeszkolone i upoważnione”. Zwróć uwagę na sformułowanie. Prawo doszło do tego samego wniosku, co pedagogika: nadzór bez kompetencji nie jest nadzorem.

Drzwi i okna: prawo autorskie i egzaminy

Wbrew intuicji to, co wychodzi z systemu, jest łatwiejszą częścią zagadnienia. Tekst lub obraz wygenerowany przez SI zazwyczaj nie ma ludzkiego autora w rozumieniu wymaganym przez prawo autorskie, więc zwykle jest wolny od praw autorskich. Nie oznacza to jednak gwarancji „czystości”: w pierwszym poważnym europejskim orzeczeniu tego typu, sąd w Monachium stwierdził, że chatbot zapamiętał tekst piosenki i odtworzył go niemal słowo w słowo. Sąd nałożył odpowiedzialność na dostawcę, a nie na osobę, która wpisała polecenie. Czy nauczyciel przekazujący dalej taki materiał mógłby ponosić odpowiedzialność – to, jak na razie, kwestia otwarta. To, co wchodzi do systemu, jest problemem jaśniejszym, ale zwróć uwagę, że to kwestia prawa autorskiego, a nie AI Act. AI Act nic nie mówi o tym, co nauczyciele mogą wprowadzać do systemu – to starsza i zupełnie odrębna gałąź prawa.

Wyjątek pozwalający nauczycielom kopiować materiały na potrzeby zajęć obejmuje dokładnie to: skopiowanie ograniczonej części utworu na potrzeby danej klasy. Przesłanie chronionego utworu do komercyjnego systemu SI to inna czynność, której ten wyjątek nie obejmuje. Materiały przeznaczone do nauczania szkolnego, czyli głównie podręczniki, są zresztą z tego wyjątku wyłączone w każdym przypadku. Zeskanowanie rozdziału, by kazać go streścić, to więc codzienna czynność, której wyjątek dydaktyczny w oczywisty sposób nie pokrywa.

Jak bardzo powinno Cię to martwić? Mniej, niż sugeruje ta luka, ale więcej niż wcale. Kwestia jest naprawdę nierozstrzygnięta: żaden sąd wyższej instancji się w tej sprawie nie wypowiedział, a literatura specjalistyczna uznaje istniejące wyjątki za słabo dopasowane do tej sytuacji. Tam, gdzie posiadacz praw wnosi sprzeciw, roszczenie miałoby charakter cywilny, a w praktyce jest to kwestia polityki szkolnej i zamówień publicznych, a nie coś, co może rozstrzygnąć pojedynczy nauczyciel. Co nie jest nierozstrzygnięte, to wąski przypadek – i to jest linia warta zapamiętania: materiały z podręczników szkolnych i wydawnictw w ogóle nie powinny trafiać do narzędzi SI – ani zeskanowane, ani przepisane, nawet po to, by wygenerować kartę pracy.

Orzecznictwo w tej dziedzinie wydaje się obecnie niespójne w całej Europie. W lutym 2026 r. Sąd Administracyjny w Kassel, w Niemczech, rozstrzygnął dwie sprawy uniwersyteckie tak samo i bardzo ostro: tam, gdzie student podpisał oświadczenie, że praca jest jego własna, granica zostaje przekroczona „już przy jednorazowym nieujawnionym użyciu generatywnej SI”. Paryski sąd administracyjny w lutym 2026 r. zakazał natomiast uniwersytetowi jakiejkolwiek sankcji wobec studenta: uczelnia nie ustanowiła żadnej reguły dotyczącej korzystania z SI, a bez wcześniej ustalonej reguły nie było naruszenia, które można by stwierdzić. Szwedzki sąd apelacyjny doszedł wcześniej do tego samego wniosku, w stanie faktycznym niemal identycznym z holenderską sprawą, która zakończyła się odwrotnie. W tej sprawie student przedstawił zmyślone źródła, ale zasady kursu dopuszczały „wszelkie pomoce” w pracy domowej, więc nie było czego naruszyć. Tam, gdzie fabrykację jasno udowodniono, a reguła istniała, sądy podtrzymywały sankcje. Holenderski Naczelny Sąd Administracyjny zrobił tak w 2025 r.

Wzorzec widoczny w różnych jurysdykcjach nie dotyczy więc krajów. Dotyczy tego, czy reguła istniała wcześniej i czy oszustwo rzeczywiście zostało wykazane.

Z tego wynikają trzy zasady dla praktyki.

Prawo, etyka i dydaktyka zbiegają się więc w tej samej odpowiedzi: oceniaj proces, nie tylko produkt.

Prawdziwy adres odpowiedzialności

W odpowiedzi Niemcy wprowadziły państwowe środowiska SI dla szkół. Są to zweryfikowane platformy z wynegocjowanymi umowami, zamiast pozostawiania nauczycielom decyzji o zarejestrowaniu się w dowolnym darmowym narzędziu. O ile rozwiązuje to problemy, których pojedynczy nauczyciele nie mogą rozwiązać samodzielnie, platformy te wciąż są krytykowane za sposób zarządzania nimi, za to, czy nauczyciele faktycznie je akceptują, oraz za to, czy oceny, które wspierają, są rzetelne. Ponieważ wdrożenie jest obecnie ograniczone do wybranej grupy szkół i konkretnych przedmiotów, w kolejnych miesiącach trzeba będzie obserwować, jak nauczyciele radzą sobie z tymi platformami.

To, co wyróżnia to rozwiązanie, jest węższe, niż mogłoby się na pierwszy rzut oka wydawać, i warto to precyzyjnie nazwać: zamiast ogłaszać przetarg albo kupować dostęp do cudzego rozwiązania, Niemcy są jedynym europejskim systemem, w którym to organ państwowy sam buduje i prowadzi platformę. Francja także udostępnia platformę całemu rocznikowi, ale zleciła jej wykonanie i dostarczają ją dwie prywatne firmy: jedna napisała oprogramowanie, druga hostuje dane. Większość reszty kontynentu po prostu kupiła gotowe rozwiązanie. Słowacja poszła najdalej, z 20 000 licencji dla wydziałów kształcących nauczycieli, które do 2026 r. mają zostać rozszerzone na około 80 000 nauczycieli szkolnych. Państwo zapłaci tylko za faktycznie wykorzystane licencje, a dostawca jest umownie zobowiązany nie trenować modelu na słowackich danych szkolnych. Estonia wynegocjowała podobne porozumienie dla swoich szkół ponadpodstawowych, a Irlandia Północna zainwestowała 10,7 mln funtów w licencje dla wszystkich nauczycieli we wszystkich szkołach. Umowną gwarancję, że Twoje dane wejściowe nie są wykorzystywane do trenowania modelu – funkcję, do zapewnienia której zaprojektowano niemiecką platformę – można po prostu kupić.

Zbudowanie własnego rozwiązania nie daje automatycznie większej kontroli. Niemiecka platforma działa na tych samych komercyjnych modelach językowych, co wszystkie inne, na europejskich serwerach, jak zwróciło uwagę jedno ze stowarzyszeń branżowych. Dla porównania, francuski system jest hostowany we Francji, w ramach najwyższego certyfikatu bezpieczeństwa wydawanego przez francuskie państwo. Jeden kraj zbudował fasadę i wynajmuje silnik, drugi kupił oprogramowanie i zatrzymał klucze do budynku. Żadna z tych opcji nie jest jednoznacznie „bardziej suwerenna” – warto o tym pamiętać, zanim użyje się tego słowa.

Holandia obrała inne podejście i warto je znać, ponieważ daje bardziej szczerą odpowiedź na to samo pytanie. Zamiast budować lub kupować, holenderskie szkoły i uczelnie połączyły siły i zleciły formalną ocenę głównym dostawcom. Gdy przyjrzały się asystentowi SI Microsoftu, znalazły dwa problemy, których nie udało się rozwiązać: kryteria automatycznego filtra treści, których dostawca nie chciał ujawnić, oraz przechowywanie osiemnastu miesięcy danych diagnostycznych, którego nie dało się uzasadnić. Negocjowano. W marcu 2026 r. dostawca odmówił jednak wprowadzenia zmian. Ocena pozostaje więc na poziomie „żółtym”, a holenderskim szkołom zaleca się ostrożność i podejmowanie własnej oceny w każdym indywidualnym przypadku, zamiast udzielania ogólnej zgody. Jeden kraj usunął ryzyko, budując rozwiązanie wokół niego, drugi przyjrzał się bliżej i uznał, że jeszcze nie jest gotowy. Oba podejścia oferują rozwiązania problemu przedstawionego na początku tego rozdziału.

To porównanie rozstrzyga jeszcze jedną kwestię. Skarga, że nauczyciele wolą darmowego chatbota od oficjalnego, nie wynika z porażki wdrożenia w Niemczech. W Estonii, gdzie państwo wynegocjowało dostęp dla każdego ucznia szkoły ponadpodstawowej, po roku zaledwie nieco ponad jedna trzecia korzystała z oficjalnego chatbota co tydzień. Okazało się, że większość z nich korzystała z darmowych narzędzi jeszcze przed rozpoczęciem programu. Wszędzie zweryfikowane środowisko konkuruje z tym wygodniejszym. Udostępnienie oficjalnego narzędzia jest konieczne. Ale to nie wystarcza.

Strukturalny wniosek pozostaje jednak w mocy: zgodność z przepisami to warunek umożliwiający działanie, nie przeszkoda. Pamiętasz, co powiedziano w rozdziale 1.2? Szkoły z jasnymi zasadami to te, których nauczyciele zgłaszali największe oszczędności czasu. Nic w źródłach stojących za tymi rozdziałami nie wskazuje na odwrotną zależność.

1. SI w Edukacji

1.5 Obecny stan SI w edukacji

Najważniejsze przesłanie

Jeśli zapamiętasz z tej strony tylko jedno zdanie: SI jest już obecna w kontekstach edukacyjnych, ale nie jest uregulowana. Potrzebne są ustrukturyzowane ramy wspierające rozwój zawodowy nauczycieli, pogłębiające ich wiedzę i umożliwiające im nauczanie z użyciem SI oraz nauczanie o SI.

Obecne zastosowania SI w kontekstach edukacyjnych

Obecnie sztuczna inteligencja (SI) jest wpisana w codzienną praktykę edukacyjną, znacznie wykraczając poza projekty pilotażowe. Do typowych zastosowań należą platformy adaptacyjnego uczenia się, inteligentne systemy tutorskie, automatyczne ocenianie oraz wspomagane przez SI planowanie lekcji dla nauczycieli (OECD, 2026). Najbardziej widoczną zmianą jest jednak bezpośrednie korzystanie z narzędzi ogólnego przeznaczenia zarówno przez uczniów, jak i nauczycieli.

Nauczanie z użyciem SI

Nauczyciele coraz częściej korzystają z SI jako narzędzia wspierającego na wielu etapach swojej pracy, od planowania lekcji po ocenianie. Według badania TALIS przeprowadzonego przez OECD, 37% nauczycieli niższych klas szkoły średniej zadeklarowało korzystanie z SI w 2024 r., a 57% stwierdziło, że pomaga im ona pisać lub udoskonalać konspekty lekcji (OECD, 2026). Poza projektowaniem lekcji, nauczyciele wykorzystują SI do różnicowania treści dla różnych poziomów umiejętności, generowania materiałów ćwiczeniowych i wspierania procesu oceniania. Jednocześnie wdrażanie nie przebiega bez tarć: 72% nauczycieli wyraziło obawę, że SI może umożliwić uczniom przedstawianie treści wygenerowanych przez SI jako własnych, co odzwierciedla szersze napięcie między praktycznymi korzyściami SI dla nauczania a jej konsekwencjami dla rzetelności akademickiej (OECD, 2026).

Nauczanie o SI

Obok wykorzystywania SI jako pomocy dydaktycznej, rośnie potrzeba nauczania uczniów o samej SI: jak działa, jakie ma ograniczenia i jak korzystać z niej odpowiedzialnie. Obejmuje to budowanie podstawowego zrozumienia modeli językowych jako mechanizmów przewidywania, a nie baz danych, co wyjaśnia ich skłonność do halucynacji, a także praktyczne umiejętności, takie jak sprawdzanie faktów w treściach SI i rozpoznawanie zmyślonych cytatów (UNESCO, 2024). Obejmuje to również rozwijanie krytycznego myślenia wokół formułowania poleceń, przechodzenie uczniów od samego wykonywania poleceń do ich formułowania, a także budowanie świadomości etycznych i prawnych wymiarów korzystania z SI, w tym prywatności danych i unijnego AI Act. Ramy kompetencji SI dla nauczycieli UNESCO (2024) ujmują to jako podstawową kompetencję zawodową, argumentując, że sami nauczyciele potrzebują szkolenia w tych obszarach, zanim będą mogli skutecznie nauczać ich uczniów.

Czego brakuje?

Obok ram instytucjonalnych i danych dotyczących wdrażania, ważne jest zrozumienie, jak te zjawiska przekładają się na praktykę. W ramach projektu DUAL.AI.TEACHer przeprowadzono serię warsztatów. Zaproszono licznych interesariuszy edukacji, by zebrać relacje z pierwszej ręki na temat obecnego wykorzystania SI w nauczaniu. Warsztaty te ujawniły zestaw konkretnych potrzeb i obaw zgłaszanych przez osoby pracujące w edukacji, obejmujących aspekty praktyczne, pedagogiczne i szkoleniowe. Poniższe sekcje szczegółowo przedstawiają te potrzeby.

1. SI w Edukacji

1.6 Przepisy prawne

Najważniejsze przesłanie

Jeśli zapamiętasz z tej strony tylko jedno zdanie: Używaj SI, by wspierać swój profesjonalny osąd, a nie go zastępować – surowsze zasady obowiązują, gdy tylko SI zaczyna pomagać w podejmowaniu decyzji o ocenach, ścieżkach edukacyjnych lub ludziach.

Unijny AI Act

Unijny AI Act (Rozporządzenie (UE) 2024/1689) to jednolity, oparty na ryzyku zbiór przepisów UE dotyczących sztucznej inteligencji. Zamiast regulować konkretne produkty, klasyfikuje systemy SI według ryzyka, jakie stwarzają, i nakłada odpowiednie obowiązki – od całkowitego zakazu dla niewielkiej grupy praktyk, przez dodatkowe obowiązki dla zastosowań „wysokiego ryzyka”, aż po brak szczególnych zasad dla narzędzi codziennego użytku. Obowiązuje bezpośrednio w każdym państwie członkowskim, zarówno w organizacjach publicznych, jak i prywatnych.

Rozporządzenie wchodzi w życie etapami. Obowiązuje od 1 sierpnia 2024 r.; od 2 lutego 2025 r. wiążące są już zakazane praktyki opisane niżej oraz obowiązek budowania kompetencji w zakresie SI (Art. 4); od 2 sierpnia 2026 r. zastosowanie znajdzie większość pozostałych przepisów.

Kto odpowiada za wykorzystanie SI?

Jeśli szkoła wprowadza i kontroluje system SI, to zazwyczaj to szkoła lub organ prowadzący szkołę jest „podmiotem stosującym” (Art. 3(4)). Nauczyciel zwykle nie jest odrębnym podmiotem stosującym, gdy korzysta z narzędzia zgodnie z instrukcjami szkoły, ale nadal musi przestrzegać tych instrukcji oraz wszystkich odnośnych zasad szkolnych i dotyczących ochrony danych.

Nauczyciele muszą wiedzieć, z czego korzystają

Szkoły i organy prowadzące muszą podjąć odpowiednie działania, by wspierać rozwój kompetencji w zakresie SI wśród osób korzystających w ich imieniu z systemów SI (Art. 4). AI Act nie określa konkretnego poziomu kompetencji, certyfikatu ani formy szkolenia. Zależą one raczej od konkretnego systemu SI, sposobu jego użycia i tego, kto może zostać nim dotknięty.

Praktyki SI całkowicie zakazane w szkołach

AI Act całkowicie zakazuje ośmiu praktyk związanych z SI (Art. 5); cztery z nich bezpośrednio dotyczą szkół:

Czy treść wygenerowana przez SI zawsze wymaga oznaczenia?

Jeśli uczniowie wchodzą w bezpośrednią interakcję z systemem SI, takim jak chatbot, muszą zostać poinformowani, że wchodzą w interakcję z SI. Zwykle odpowiedzialność za jasne poinformowanie o tym spoczywa na dostawcy systemu (Art. 50(1)).

Szkoły i nauczyciele muszą ujawniać deepfake'i lub tekst wygenerowany przez SI publikowany w sprawach interesu publicznego, gdy są one wykorzystywane na lekcji (Art. 50(4)). Ten wymóg nie ma zastosowania, gdy treść wygenerowana przez SI przeszła efektywną weryfikację i kontrolę redakcyjną człowieka, a dana osoba lub instytucja przyjmuje odpowiedzialność redakcyjną za jej publikację. Karta pracy wspomagana SI, zweryfikowana przez nauczyciela, nie wymaga więc automatycznie oznaczenia.

Kiedy SI w edukacji staje się wysokiego ryzyka

Zwykłe narzędzia do pisania, tłumaczenia, wyszukiwania i planowania lekcji nie są wysokiego ryzyka tylko dlatego, że są wykorzystywane w pracy. Klasyfikacja zależy od zamierzonego celu systemu, a nie po prostu od tego, jaki produkt jest używany (Art. 6 · Annex III).

Systemy SI mogą zostać zaklasyfikowane jako wysokiego ryzyka, gdy są przeznaczone do:

Dla nauczycieliDla szkół
  • decydowania o dostępie, przyjęciu lub przydziale uczniów do placówek i programów edukacyjnych lub zawodowych;
  • oceniania wyników nauczania uczniów lub sterowania ich procesami uczenia się;
  • oceniania odpowiedniego poziomu kształcenia, jaki uczeń otrzyma lub do jakiego może uzyskać dostęp; lub
  • wykrywania zakazanych zachowań uczniów podczas egzaminów.

(Annex III, pkt 3)
  • rekrutacji lub selekcji nauczycieli, w tym przeglądania zgłoszeń;
  • decydowania o warunkach umowy, awansie lub rozwiązaniu stosunku pracy nauczyciela;
  • przydzielania zadań na podstawie zachowania lub cech osobistych nauczyciela; lub
  • oceniania wyników pracy nauczycieli.

(Annex III, pkt 4)

Ograniczone narzędzie sprawdzające lub przygotowawcze może również nie zostać zaklasyfikowane jako wysokiego ryzyka, jeśli nie wpływa istotnie na decyzję. Jednak system edukacyjny profilujący osoby zawsze jest uznawany za wysokiego ryzyka.

Co SI wysokiego ryzyka oznacza dla szkół i nauczycieli

Zaklasyfikowanie systemu SI jako wysokiego ryzyka nie wyklucza automatycznie jego wykorzystania w szkołach. Systemy wysokiego ryzyka wiążą się jednak z obowiązkami (Art. 26):

Te obowiązki dla SI wysokiego ryzyka w edukacji zaczną obowiązywać od 2 grudnia 2027 r. – natomiast wymienione wyżej zakazy i obowiązek budowania kompetencji w zakresie SI obowiązują już dziś.

Dla nauczycieliDla szkół
  • korzystać z niego wyłącznie w zatwierdzonym celu i przestrzegać jego instrukcji;
  • nie traktować jego wyniku jako decyzji ostatecznej;
  • rozumieć jego główne ograniczenia i prawdopodobne źródła błędów;
  • uważać na nadmierne poleganie na pozornie przekonujących wynikach; oraz
  • być przygotowanym, by zignorować lub uchylić jego wynik.
  • zapewnić kompetentny i upoważniony nadzór ludzki;
  • zapewnić, by wszelkie dane wejściowe pod jej kontrolą były trafne i wystarczająco reprezentatywne;
  • monitorować system i reagować na zagrożenia lub poważne incydenty;
  • przechowywać automatycznie generowane dzienniki zdarzeń przez co najmniej sześć miesięcy, gdy pozostają pod jej kontrolą; oraz
  • z wyprzedzeniem informować uczniów, nauczycieli lub osoby dotknięte skutkami, gdy system wspomaga podejmowanie decyzji ich dotyczących.

Podmioty publiczne oraz organizacje prywatne świadczące usługi publiczne mogą być również zobowiązane do przeprowadzenia oceny skutków dla praw podstawowych przed zastosowaniem SI wysokiego ryzyka (Art. 27). Organy publiczne oraz organizacje działające w ich imieniu mogą dodatkowo być zobowiązane do zarejestrowania systemu w unijnej bazie danych (Art. 49). To, czy odpowiada za to szkoła, czy jej organ prowadzący, zależy od krajowego systemu oświaty.

AI Act to nie jedyne prawo, które ma znaczenie

AI Act nie zastępuje europejskich ani krajowych przepisów dotyczących ochrony danych, oświaty, zatrudnienia i partycypacji pracowniczej, ochrony dzieci czy prawa autorskiego (Art. 2(7)). Na przykład fakt, że narzędzie nie jest wysokiego ryzyka, nie oznacza, że wolno przesyłać do niego prace uczniów czy ich dane osobowe.

Narzędzie może być dopuszczalne na gruncie AI Act, a mimo to zakazane przez prawo ochrony danych lub zasady obowiązujące w Twojej szkole.

RODO

RODO (Rozporządzenie (UE) 2016/679) to unijne prawo o ochronie danych osobowych. Pełni rolę uzupełniającą wobec AI Act: podczas gdy AI Act pyta, czy i jak dany system SI wolno w ogóle stosować, RODO pyta, czy te konkretne dane o tej konkretnej osobie wolno przetwarzać w ten konkretny sposób.

Gdzie szukać pomocy

Egzekwowanie przepisów jest zorganizowane w każdym kraju UE inaczej. Ponieważ odpowiedzialności krajowe mogą się zmieniać, korzystaj z aktualnej list of national market-surveillance authorities Komisji Europejskiej [lista krajowych organów nadzoru rynku]. Każdy (nauczyciel, uczeń, rodzic) może złożyć skargę do takiego organu, jeśli uzna, że doszło do naruszenia przepisów rozporządzenia (Art. 85). Gdy system wysokiego ryzyka, taki jak narzędzie do decyzji o przyjęciu lub nadzoru egzaminu, doprowadził do decyzji istotnie wpływającej na ucznia, uczeń (lub jego rodzice) mogą również zażądać wyjaśnienia tej indywidualnej decyzji (Art. 86).

Zasady krajowe dla Twojego kraju

AI Act obowiązuje w całej UE, ale organy egzekwujące, prawo oświatowe i praktyka ochrony danych różnią się w zależności od kraju. Uwagi dotyczące poszczególnych krajów partnerskich Playbooka zostaną tu dodane:

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.1 Wprowadzenie

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.2. Biologia: symulacje vibe coding w klasie

Dynamika drapieżnik–ofiara (model Lotki–Volterry)

Przedmiot: Biologia · Klasa: 9 (wiek 14–15) · Czas trwania: 1 lekcja podwójna (90 min) · SI: Uczenie się Z SI

Kompetencje związane z SI (Ramy DUAL.AI.TEACHer) – poziom nauczycielaPrzedmiotowe cele kształcenia – poziom ucznia

AF-TL-2b

(Podstawy i zastosowania SI × Nauczanie i uczenie się, poziom 2 – refleksyjne wdrażanie):

„Nauczyciele potrafią organizować elementy lekcji, które osadzają wykorzystanie SI w jasnych rolach pedagogicznych oraz strategiach weryfikacji elementów wyniku.”

AF-FC-2b

(Podstawy i zastosowania SI × Wspieranie kompetencji cyfrowych (SI) uczniów, poziom 2 – refleksyjne wdrażanie):

„Nauczyciele potrafią wdrażać wskazówki pomagające uczniom rozwijać praktyczne umiejętności SI, dostosowując zadania do wcześniejszej wiedzy uczniów i dostępnych narzędzi SI.”

Po zakończeniu lekcji uczniowie potrafią:

  • opisać kluczowe zmienne (populacja ofiar, populacja drapieżników) i parametry (tempo wzrostu, tempo drapieżnictwa, efektywność konwersji, tempo śmiertelności) modelu Lotki–Volterry;
  • formułować i testować hipotezy dotyczące dynamiki populacji za pomocą interaktywnej symulacji;
  • rozszerzać istniejącą symulację o dodatkowe warstwy złożoności ekologicznej (np. pojemność środowiska, drugi gatunek, czynnik sezonowy), pisząc ustrukturyzowane polecenia dla modelu językowego SI;
  • krytycznie oceniać założenia i ograniczenia modelu (natura nauki), w tym dlaczego wprowadzenie losowości lub dodatkowego czynnika może go destabilizować.

Najważniejsze przesłanie: Uczniowie nie muszą programować od zera. Przeczytanie i przetestowanie istniejącej symulacji, a następnie wykorzystanie dużego modelu językowego do dodawania po jednej warstwie ekologicznego realizmu na raz, wystarczy, by zbudować prawdziwe zrozumienie dynamicznego modelu biologicznego – i, prędzej czy później, samodzielnie odkryć, gdzie dokładnie model osiąga swoje granice.

Vibe-Coding SImulations.png

Rys. 1. Obraz wygenerowany za pomocą ChatGPT (GPT Image 2), 27 sierpnia 2026 r.

Treść

Modele matematyczne i symulacje komputerowe są szczególnie cennymi narzędziami w ekologii, ponieważ pozwalają wyrazić bardzo złożone systemy za pomocą równań matematycznych. Umożliwia to przeprowadzanie eksperymentów in silico i testowanie hipotez na modelu w sytuacjach, w których prawdziwy eksperyment byłby zbyt kosztowny, zbyt powolny, etycznie trudny lub wręcz niebezpieczny. Manipulowanie prawdziwą populacją drapieżników, na przykład, rzadko wchodzi w grę. Jednocześnie każdy model jest z konieczności uproszczeniem rzeczywistości i właśnie tu leżą jego słabości: prawdziwe ekosystemy są znacznie bardziej złożone, niż jakikolwiek model może w pełni uchwycić.

Model Lotki–Volterry to klasyczny przykład takiego uproszczenia zastosowanego do dynamiki drapieżnik–ofiara. Przedstawia system za pomocą dwóch zmiennych stanu (liczebności populacji ofiar i drapieżników) oraz czterech parametrów (wewnętrznego tempa wzrostu populacji ofiar, współczynnika tempa drapieżnictwa, tempa rozrodu drapieżników na jedną zjedzoną ofiarę oraz tempa śmiertelności drapieżników). Przy swoich wyidealizowanych założeniach model przewiduje trwałe, okresowe oscylacje, w których zmiany populacji drapieżników następują z opóźnieniem względem zmian populacji ofiar. Zachowanie to wynika z pętli sprzężenia zwrotnego: gdy populacja ofiar rośnie, drapieżnikom dostępne jest więcej pożywienia, co pozwala rosnąć populacji drapieżników. Zwiększone drapieżnictwo powoduje następnie spadek populacji ofiar, co zmniejsza zasoby pokarmowe drapieżników i prowadzi do spadku ich populacji. Przy mniejszej liczbie drapieżników populacja ofiar może się odbudować i cykl zaczyna się od nowa.

Aby uzyskać ten czysty cykl, model przyjmuje kilka mocnych założeń. Jest deterministyczny (te same wartości początkowe zawsze dają dokładnie tę samą krzywą); jest zamkniętym systemem dwóch gatunków, który wyklucza każdy czynnik abiotyczny (temperaturę, opady, porę roku) i każdy inny czynnik biotyczny (rośliny pokarmowe dla ofiar, trzeci gatunek, choroby); oraz sprawia, że wzrost każdej populacji zależy wyłącznie od liczebności drugiej populacji.

Prawdziwe populacje rzadko spełniają te założenia. Narodziny, zgony i spotkania podlegają przypadkowi, a stochastyczna (losowa) wersja tego samego modelu ma tendencję do odchodzenia od czystego cyklu, a nawet może się załamać (np. wymarcie populacji drapieżników) w przypadkach, w których wersja deterministyczna przewiduje stabilne oscylacje. Podobnie, dodanie zaledwie jednego brakującego czynnika (np. zależnego od temperatury tempa wzrostu lub ograniczenia zasobów pokarmowych ofiar) często wystarcza, by zaburzyć czysty dwuzmienny cykl. Nie jest to wada, którą należy ukrywać przed uczniami – to centralna lekcja o naturze nauki płynąca z tego ćwiczenia. Model może być naprawdę użyteczny, pozostając jednocześnie celowo wąskim przybliżeniem rzeczywistości, a dobre korzystanie z niego oznacza dokładną znajomość tego, jakie czynniki pomija. W głównym zadaniu tej lekcji uczniowie odkrywają to samodzielnie, próbując dodać właśnie tego rodzaju czynniki.

Plan lekcji

FazaCzasAktywność
Wprowadzenie8 minNauczyciel pokazuje nieopisany wykres prawdziwej serii danych drapieżnik–ofiara (np. ryś/zając); uczniowie opisują wzorzec i formułują pierwsze hipotezy.
Wejście12 minNauczyciel przedstawia zmienne i parametry modelu za pomocą prostego diagramu (bez potrzeby równań różniczkowych).
Eksploracja15 minUczniowie w parach testują swoje hipotezy na gotowej symulacji HTML i zapisują obserwacje.
Adaptacja35 minW parach uczniowie przechodzą przez 2–3 rundy przewiduj → poleceniuj → testuj → diagnozuj (pytania przewodnie poniżej), za każdym razem prosząc model językowy o dodanie kolejnej warstwy ekologicznego realizmu do symulacji (ograniczenie zasobów pokarmowych ofiar, drugi gatunek, czynnik sezonowy/abiotyczny), aż czysty dwuzmienny cykl wyraźnie się załamie.
Refleksja20 minDyskusja z całą klasą, prowadzona pytaniami takimi jak: W której rundzie symulacja przestała wytwarzać czysty, powtarzalny cykl? Co model oryginalny celowo pomija i dlaczego? Co sprawia, że jest użytecznym uproszczeniem, a nie po prostu błędnym modelem?

Pytania przewodnie: warstwy złożoności

Pary przechodzą przez tyle poniższych rund, na ile pozwoli czas w ciągu 35 minut (większość radzi sobie z dwiema; trzecia jest rozszerzeniem dla tych, którzy skończą wcześniej). Każda runda przebiega według tego samego czteroetapowego cyklu:

Runda 1 — ogranicz zasoby pokarmowe ofiar (pojemność środowiska):

Runda 2 — dodaj kolejny czynnik (biotyczny lub abiotyczny):

Runda 3 (opcjonalna) — wprowadź losowość:

Pytanie zamykające (do fazy refleksji): W której rundzie symulacja przestała wytwarzać czysty, powtarzalny cykl – i co to mówi o tym, ile rzeczywistych czynników oryginalny model Lotki–Volterry musi pominąć, aby pozostać rozwiązywalnym i łatwym do interpretacji?

Materiały

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.3 Przykład: Język angielski jako obcy

2.3 Przykład: Język angielski jako obcy

Stosowność komunikacyjna w języku angielskim

Przedmiot: Język angielski jako obcy  ·  Klasa: 9 (wiek 14–15)  ·  Czas trwania: 1 lekcja podwójna (90 min)  ·  SI: Uczenie się Z SI

Kompetencje związane z SI (Ramy DUAL.AI.TEACHer) – poziom nauczycielaPrzedmiotowe cele kształcenia – poziom ucznia

AF-TL-2b

(Podstawy i zastosowania SI × Nauczanie i uczenie się, poziom 2 – refleksyjne wdrażanie):

„Nauczyciele potrafią organizować elementy lekcji, które osadzają wykorzystanie SI w jasnych rolach pedagogicznych oraz strategiach weryfikacji elementów wyniku.”

AF-FC-2b

(Podstawy i zastosowania SI × Wspieranie kompetencji cyfrowych (SI) uczniów, poziom 2 – refleksyjne wdrażanie):

„Nauczyciele potrafią wdrażać wskazówki pomagające uczniom rozwijać praktyczne umiejętności SI, dostosowując zadania do wcześniejszej wiedzy uczniów i dostępnych narzędzi SI.”

Po zakończeniu lekcji uczniowie potrafią:

  • rozróżniać język angielski poprawny gramatycznie od języka stosownego w danym kontekście;
  • rozpoznawać różnice w słownictwie, tonie i rejestrze językowym w różnych sytuacjach komunikacyjnych;
  • formułować ustrukturyzowane polecenia (prompty) określające odbiorcę, cel, kontekst, poziom językowy i ton wypowiedzi;
  • porównywać język wygenerowany przez SI i wskazywać sformułowania niestosowne lub nienaturalne;
  • poprawiać tekst wygenerowany przez SI, opierając się na własnej wiedzy językowej;
  • sprawdzać, czy odpowiedź wygenerowana przez SI spełnia wymagania zawarte w poleceniu.

Najważniejsze przesłanie: SI potrafi generować płynny i poprawny gramatycznie język angielski, ale nie oznacza to automatycznie, że język ten jest naturalny lub stosowny w danej sytuacji. Zmieniając odbiorcę, cel i kontekst wygenerowanej przez SI rozmowy, uczniowie uczą się oceniać sugestie SI i wykorzystywać własną wiedzę językową do podejmowania ostatecznych decyzji.

ChatGPT Image Sep 1, 2026 at 03_17_43 PM.png

Rys. 1. Obraz wygenerowany za pomocą ChatGPT (GPT Image 2), 1 września 2026 r.

Treść

Skuteczne porozumiewanie się w języku obcym wymaga czegoś więcej niż tworzenia zdań poprawnych gramatycznie. Osoby mówiące nieustannie dostosowują słownictwo, budowę zdań, grzeczność i ton wypowiedzi do odbiorcy, celu i kontekstu komunikacji. Tę samą intencję można zatem wyrazić na bardzo różne sposoby, w zależności od tego, kto mówi do kogo. Prośba skierowana do bliskiego przyjaciela może być krótka i nieformalna, podczas gdy ta sama prośba skierowana do nauczyciela, pracodawcy lub osoby nieznajomej zwykle wymaga innego słownictwa, bardziej uprzejmych struktur i innego stopnia formalności. Te różnice składają się na tzw. rejestr językowy, który opisuje, jak język zmienia się w zależności od sytuacji społecznej i komunikacyjnej.

Dla osób uczących się języka rejestr bywa trudny do rozpoznania, ponieważ zdanie może być poprawne gramatycznie, a mimo to brzmieć nienaturalnie lub niestosownie w danym kontekście. Przykłady podręcznikowe często przedstawiają wyraźny podział na język formalny i nieformalny, podczas gdy prawdziwa komunikacja jest znacznie bardziej elastyczna. Wiek, relacja między rozmówcami, oczekiwania kulturowe, medium komunikacji oraz cel wypowiedzi – wszystko to wpływa na używany język. Wiadomość, która brzmi naturalnie w rozmowie między nastolatkami, może na przykład zabrzmieć zbyt nieformalnie w e-mailu do nauczyciela, podczas gdy wyrażenie odpowiednie do formalnego listu może w codziennej rozmowie brzmieć niepotrzebnie sztywno.

Generatywna SI potrafi bardzo szybko tworzyć i dostosowywać dialogi, co czyni ją przydatną do badania tych różnic. Zmieniając poszczególne elementy polecenia – takie jak relacja między rozmówcami, poziom językowy, cel czy stopień formalności – uczniowie mogą wygenerować kilka wersji tej samej sytuacji komunikacyjnej i porównać, jak zmienia się język. Jednocześnie tekst wygenerowany przez SI nie jest automatycznie wiarygodny tylko dlatego, że brzmi płynnie. Model może wygenerować język zbyt formalny, powtarzalny, niezręczny kulturowo, niezgodny z żądanym poziomem lub nie w pełni odpowiadający instrukcjom zawartym w poleceniu. Generatywna SI działa też w sposób probabilistyczny, co oznacza, że podobne polecenia mogą prowadzić do różnych sformułowań.

To ograniczenie stanowi istotę tego ćwiczenia, a nie coś, co należy ukrywać przed uczniami. SI staje się najbardziej użyteczna, gdy uczniowie traktują jej wyniki jako materiał językowy do analizy, a nie gotową odpowiedź do przyjęcia. Na tej lekcji uczniowie najpierw analizują, jak rejestr zmienia się w zależności od kontekstu komunikacyjnego, a następnie wykorzystują duży model językowy do modyfikowania po jednej zmiennej komunikacyjnej naraz. Porównują powstałe dialogi, wskazują, które wybory językowe są trafne, a które nie, oraz samodzielnie poprawiają fragmenty wyniku. W ten sposób uczniowie ćwiczą zarówno kompetencje komunikacyjne w języku angielskim, jak i praktyczną umiejętność korzystania z SI: formułowanie jasnych poleceń, sprawdzanie, czy zostały one spełnione, oraz wykorzystywanie własnego osądu językowego do oceny, czy końcowy wynik jest stosowny.

Plan lekcji

FazaCzasAktywność
Wprowadzenie10 minNauczyciel pokazuje dwie krótkie wiadomości wyrażające tę samą prośbę – na przykład jedną skierowaną do przyjaciela, a drugą do nauczyciela. Uczniowie wskazują różnice w słownictwie, uprzejmości i tonie oraz próbują odgadnąć, kto mógł napisać każdą z wiadomości.
Wejście10 minNauczyciel wprowadza pojęcia odbiorcy, celu, kontekstu i rejestru językowego. Uczniowie wspólnie identyfikują cechy formalnego i nieformalnego języka angielskiego oraz dyskutują, dlaczego język poprawny gramatycznie nie zawsze jest językiem stosownym.
Eksploracja15 minW parach uczniowie analizują krótki dialog wygenerowany przez SI dotyczący codziennej sytuacji. Wskazują przydatne wyrażenia oraz zaznaczają wszystko, co brzmi nienaturalnie, zbyt formalnie, zbyt nieformalnie lub nieodpowiednio do ich poziomu językowego.
Adaptacja35 minUczniowie przechodzą przez 2–3 rundy cyklu przewiduj → poleceniuj → porównaj → diagnozuj. W każdej rundzie zmieniają jeden aspekt kontekstu komunikacyjnego i proszą SI o dostosowanie dialogu.
Refleksja20 minUczniowie porównują swoje wersje i dyskutują, które zmiany najbardziej wpłynęły na język. Wskazują, gdzie SI dobrze zastosowała się do instrukcji, gdzie tego nie zrobiła, oraz które wyrażenia sami by zmienili.

Pytania przewodnie: warstwy złożoności

Pary realizują tyle poniższych rund, ile pozwoli czas w ciągu 35-minutowej fazy adaptacji. Większość par powinna ukończyć dwie rundy, trzecia może posłużyć jako rozszerzenie dla tych, którzy skończą wcześniej:

Runda 1 — zmień relację między rozmówcami:

Runda 2 — zmień cel komunikacyjny:

Uczniowie zmieniają teraz to, co jedna ze stron chce osiągnąć. Na przykład:

pytanie o informację → złożenie skargi

przyjęcie zaproszenia → uprzejma odmowa

prośba o pomoc → prośba o pozwolenie

rozmowa nieformalna → prośba formalna

Runda 3 (opcjonalna) — dodaj ograniczenia i wyzwanie dla SI:

Uczniowie formułują swoje instrukcje bardziej precyzyjnie. Na przykład:

Rewrite the conversation for two 15-year-olds. Keep the English at B1 level. Make it friendly and natural, but avoid slang. Keep the same communicative purpose.

Pytanie zamykające (do fazy refleksji): W którym momencie zmiana sytuacji komunikacyjnej wymagała czegoś więcej niż zastąpienia kilku słów – i co to mówi o skutecznym porozumiewaniu się w innym języku?

Kolejne pytanie: Jeśli dialog wygenerowany przez SI jest poprawny gramatycznie, jak możesz ocenić, czy jest on rzeczywiście stosowny i naturalny w danej sytuacji?

Materiały

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.6 Przykład: historia

2.6 Przykład: historia

Dzień w średniowiecznej Rydze: co naprawdę mówią nam źródła?

Przedmiot: Historia  ·  Grupa docelowa: klasa 7 (wiek 13–14)  ·  Czas trwania: 1 lekcja podwójna  ·  SI: Uczenie się Z SI

Kompetencje związane z SI (Ramy DUAL.AI.TEACHer) – poziom nauczycielaPrzedmiotowe cele kształcenia – poziom ucznia

AF-TL-2b

(Podstawy i zastosowania SI × Nauczanie i uczenie się, poziom 2 – refleksyjne wdrażanie):

„Nauczyciele potrafią organizować elementy lekcji, które osadzają wykorzystanie SI w jasnych rolach pedagogicznych oraz strategiach weryfikacji elementów wyniku.”

AF-FC-2b

(Podstawy i zastosowania SI × Wspieranie kompetencji cyfrowych (SI) uczniów, poziom 2 – refleksyjne wdrażanie):

„Nauczyciele potrafią wdrażać wskazówki pomagające uczniom rozwijać praktyczne umiejętności SI, dostosowując zadania do wcześniejszej wiedzy uczniów i dostępnych narzędzi SI.”

Po zakończeniu lekcji uczestnicy potrafią:

  • wydobywać informacje o życiu miejskim w średniowieczu z źródeł pisanych, wizualnych i archeologicznych;
  • rozróżniać dowody, uzasadnione wnioskowanie i spekulację;
  • wyjaśniać aspekty handlu, rzemiosła i codziennego życia w średniowiecznej Rydze;
  • łączyć dowody z kilku źródeł, aby zbudować rekonstrukcję historyczną;
  • formułować polecenia (prompty), które wymagają od SI pracy na podstawie dostarczonych dowodów historycznych;
  • analizować informacje, aby zrozumieć znaczenie wiarygodnych źródeł.

Najważniejsze przesłanie: To, co pokazane, niekoniecznie jest tym, co się wydarzyło. Rekonstrukcje historyczne łączą dowody, uzasadnione wnioskowanie i spekulację. Zrozumienie przeszłości oznacza dostrzeganie różnicy między tym, co wiemy ze źródeł, tym, co możemy w uzasadniony sposób wywnioskować, a tym, co zostało wymyślone, by wypełnić luki i opowiedzieć lepszą historię.

ChatGPT Image Sep 2, 2026 at 01_30_35 PM.png

Rys. 1. Obraz wygenerowany za pomocą ChatGPT (GPT Image 2), 2 września 2026 r.

Treść

Historycy nie mogą bezpośrednio obserwować codziennego życia w średniowieczu. Zamiast tego rekonstruują je na podstawie śladów pozostawionych przez ludzi: dokumentów pisanych, budynków, przedmiotów, wizerunków, znalezisk archeologicznych i innych dowodów. Różne źródła odpowiadają na różne pytania. Zapis handlowy może ujawnić, jakie towary wjeżdżały do miasta, podczas gdy przedmiot archeologiczny może powiedzieć nam coś o tym, co ludzie posiadali lub czego używali. Żadne pojedyncze źródło nie jest w stanie odtworzyć całego dnia z życia jakiejś osoby.

Średniowieczna Ryga stanowi użyteczne studium przypadku. Ryga rozwijała się szybko od początku XIII wieku i stała się ważnym ośrodkiem łączącym handel między Europą Zachodnią, Inflantami a ziemiami dalej na wschód. Pod koniec XIII wieku stała się jednym z głównych hanzeatyckich miast handlowych. Handel i rzemiosło sprzyjały rozwojowi organizacji kupieckich i rzemieślniczych, takich jak cechy.

Współczesne media mogą sprawiać, że przeszłość wydaje się znacznie pełniejsza, niż pozwalają na to zachowane dowody. Treści historyczne generowane przez SI, takie jak Chloe VS History, przedstawiają na przykład sugestywne sceny „podróży w czasie”, w których widzowie zdają się odwiedzać miejsca historyczne, na przykład Londyn w czasach czarnej śmierci. Odzież, ulice, budynki, ludzie i codzienne czynności są przedstawiane tak, jakby były bezpośrednio obserwowane. Jednak sceny te są rekonstrukcjami: część szczegółów może opierać się na dowodach historycznych, część może być uzasadnionym wnioskowaniem, a inne mogą być spekulacją lub nieścisłością.

Ten sam problem pojawia się w filmach historycznych. Film „Opowieść rycerza” (A Knight's Tale) tworzy rozpoznawalnie średniowieczny świat za pomocą zbroi, turniejów, strojów, architektury i ról społecznych, jednocześnie celowo wprowadzając współczesną muzykę, język i zachowania. Stanowi zatem użyteczne przypomnienie, że coś może wyglądać przekonująco historycznie, nie odzwierciedlając dokładnie tego, co się wydarzyło.

Generatywna SI działa w podobny sposób. Potrafi łączyć fragmenty dowodów historycznych w spójną rekonstrukcję dnia w średniowiecznej Rydze, ale może też wypełniać luki szczegółami, których nigdy nie było w źródłach. Niektóre dodane elementy mogą być historycznie prawdopodobne; inne mogą pochodzić z innego regionu, wieku lub grupy społecznej.

Uczniowie muszą zatem odróżniać trzy poziomy pewności:
Dowód – to, co bezpośrednio potwierdzają źródła historyczne.
Wnioskowanie – to, co można w uzasadniony sposób wywnioskować na podstawie tych dowodów.
Spekulacja – to, co zostało wymyślone, by wypełnić luki.

Plan lekcji

FazaCzasAktywność
Rozgrzewka10 minUczniowie oglądają średniowieczny film wygenerowany przez SI z serii Chloe VS History. Wskazują, co sprawia, że wygląda on wiarygodnie, i zastanawiają się, które szczegóły są rzeczywiście poparte dowodami.
Wejście10 minWprowadzenie pojęć dowód – wnioskowanie – spekulacja oraz ćwiczenie ich rozróżniania.
Eksploracja15 minUczniowie analizują źródła dotyczące średniowiecznej Rygi bez użycia SI i ustalają, co można rzeczywiście wiedzieć.
Adaptacja 120 minSI rekonstruuje dzień w średniowiecznej Rydze na podstawie ograniczonych dowodów. Uczniowie wskazują, gdzie wypełnia ona luki.
Adaptacja 220 minDodawane są kolejne źródła i bardziej precyzyjne polecenia. Uczniowie porównują obie rekonstrukcje.
Refleksja25 minUczniowie przenoszą te same ramy krytycznego myślenia na średniowieczny film historyczny.

Pytania przewodnie: od wyniku SI do gotowego ćwiczenia lekcyjnego

Materiały

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.8 Matematyka: Czy maszyna naprawdę potrafi liczyć?

Pierwsze spotkanie z SI na lekcji matematyki w klasach młodszych – rozpoznawanie mowy z „Recheneule“

Przedmiot: Matematyka ·   Klasa: 2 (wiek 7–8) ·   Czas trwania: 1 lekcja (50 min) ·   SI: Uczenie się O SI

Przykład z prawdziwej szkoły: Ten przykład wzorowany jest na udokumentowanej praktyce szkoły Volksschule Hagenberg im Mühlkreis (Górna Austria), oficjalnej KI-Pilotschule austriackiego Federalnego Ministerstwa Edukacji. Od drugiej klasy nauczyciele wprowadzają tam SI w formie zabawy, aby przygotować dzieci na związane z nią szanse i zagrożenia (dyrektorka Martina Ketterer-Hager). Centralnym elementem jest projekt digicase / DLPL, w ramach którego dzieci ćwiczą myślenie algorytmiczne – w tym matematyczną grę z rozpoznawaniem mowy „Die schlaue Recheneule“, opracowaną wspólnie z PH Linz. Ta lekcja buduje jedną jednostkę lekcyjną wokół tego rzeczywistego narzędzia. Jest zgodna z ministerialną KI-Initiative oraz z czterokierunkowym kompasem Verstehen, Anwenden, Reflektieren, Mitgestalten.

Najważniejsze przesłanie: Dzieci nie tylko używają narzędzia – one je obserwują. Rozwiązując zadania na głos z „Recheneule“ i widząc, kiedy narzędzie słyszy właściwą liczbę, a kiedy się myli, drugoklasiści dokonują swojego pierwszego odkrycia na temat SI: jest ona pomocną, ale niedoskonałą maszyną, a to dziecko wciąż zna poprawną odpowiedź. To kładzie podwaliny pod nawyk na całe życie: sprawdzać, a nie tylko ufać.

ChatGPT Image 8. Sept. 2026, 13_34_19.png

Rys. #. Obraz wygenerowany za pomocą ChatGPT (GPT Image 2), 8 września 2026 r.

Treść

Małe dzieci spotykają sztuczną inteligencję na długo przed tym, zanim potrafią ją wyjaśnić: asystenci głosowi w domu, aparaty rozpoznające twarze, aplikacje dokańczające ich zdania. Austriacki KI-Basiscurriculum oraz ministerialna KI-Initiative podkreślają, że kompetencje w zakresie SI należy rozwijać wcześnie i w formie zabawy, a ich miejsce jest w nauczaniu początkowym tak samo jak w starszych klasach. Volksschule Hagenberg im Mühlkreis, szkoła pilotażowa KI-Pilotschule, robi dokładnie to: od drugiej klasy nauczyciele wprowadzają SI poprzez gry, a w centrum znajduje się projekt digicase / DLPL, dzięki czemu dzieci budują pierwsze, konkretne wyobrażenie o tym, co te maszyny potrafią, a czego nie.

„Recheneule“ („mądra sowa licząca”) to jedna z tych gier i doskonale pasuje do lekcji matematyki. Wykorzystuje rozpoznawanie mowy – formę SI – tak by dziecko mogło wypowiedzieć liczbę na głos, a program próbował ją rozpoznać i użyć w obliczeniu. Narzędzie jest celowo proste i, jak zaznaczają jego twórcy, wciąż eksperymentalne: to, czy usłyszy poprawnie, zależy od mikrofonu, od tego, jak wyraźnie mówi dziecko, i od tego, jak cicho jest w sali. Dla siedmiolatka nie jest to wada, którą trzeba ukrywać, lecz istota całej lekcji. Gdy sowa pokazuje błędną liczbę, dziecko może na własne oczy zobaczyć, że mądra maszyna nie zrozumiała — i że ono samo wciąż wie, że trzy plus cztery to siedem.

To właśnie czyni to narzędzie wartościowym w nauczaniu O SI w tym wieku. Od dzieci nie wymaga się zrozumienia, jak rozpoznawanie mowy działa w środku; prosi się je o obserwowanie go, o sprawienie, by działało lepiej dzięki wyraźnemu mówieniu i bliskości mikrofonu, oraz o zauważanie, kiedy zawodzi. W języku KI-Basiscurriculum jest to pierwszy krok od Verstehen (słucha maszyna, a nie człowiek) do Reflektieren (nie zawsze trafia, a ja mogę to sprawdzić). Nauczyciel utrzymuje matematykę na pierwszym planie: sednem zadania wciąż pozostaje samo zadanie, a sowa jest zabawnym partnerem, którego odpowiedzi dziecko uczy się sprawdzać.
Na tej lekcji dzieci przewidują, czy sowa je usłyszy, próbują, patrzą, co pokazuje, i rozmawiają o tym, dlaczego czasem się myli — to prosta, dostosowana do wieku wersja cyklu przewiduj → spróbuj → sprawdź → porozmawiaj stosowanego we wszystkich tych przykładach. Celem jest pierwsze, radosne doświadczenie SI jako pożytecznego pomocnika, który wciąż potrzebuje człowieka do sprawdzenia.

Plan lekcji 

Faza

Czas

Aktywność

Rozgrzewka

8 min

Na dywanie nauczyciel pyta, gdzie dzieci słyszały, jak maszyna „słucha” głosu (telefon, głośnik, tablet). Wspólnie ustalają prostą myśl: komputer może próbować nas usłyszeć, ale nie jest człowiekiem i może się mylić.

Pokaz

7 min

Nauczyciel raz demonstruje „Recheneule“ na dużym ekranie, mówiąc liczbę wyraźnie, a następnie mamrocząc, tak by klasa zobaczyła, jak sowa słyszy poprawnie, a potem błędnie. Klasa zgaduje dlaczego.

Próba (w parach)

20 min

W parach przy tablecie ze słuchawkami z mikrofonem dzieci pracują na zmianę: jedno mówi na głos wynik prostego działania (np. „trzy plus cztery” → mówi „siedem”), drugie obserwuje, jaką liczbę pokazuje sowa, i zaznacza na prostej karcie uśmiechniętą buźkę (usłyszała dobrze) lub buźkę obojętną (usłyszała źle).

Sprawdzenie

8 min

Przy każdym „usłyszała źle” para samodzielnie oblicza poprawny wynik i wspólnie decyduje: czy dziecko powiedziało to źle, czy sowa źle usłyszała? Zakreślają, kto popełnił błąd.

Rozmowa

7 min

Z powrotem na dywanie: Co pomogło sowie nas usłyszeć? (mówić wyraźnie, być blisko, być cicho). Kiedy sowa się myliła, czy my wciąż znaliśmy poprawną odpowiedź? Kto rządzi w tym działaniu – sowa czy my?

Pytania przewodnie: przewiduj → spróbuj → sprawdź → porozmawiaj

Pary przechodzą przez te krótkie rundy podczas fazy „Próba”. Sformułowania są proste, aby nauczyciel mógł je odczytać na głos; młodsze lub szybsze pary mogą zrobić więcej rund.

1.    Runda 1 – czy sowa mnie usłyszy?

2.    Runda 2 – kto popełnił błąd?

3.    Runda 3 (rozszerzenie) – celowo utrudnij zadanie:

Pytanie zamykające (do fazy rozmowy): Kiedy sowa pokazała błędną liczbę, czy my wciąż znaliśmy poprawną odpowiedź? Kto więc musi sprawdzić działanie – komputer czy my?

Kolejne pytanie: Sowa jest mądra, ale może źle usłyszeć. Gdzie jeszcze mądra maszyna mogłaby się w czymś pomylić – i co zawsze moglibyśmy zrobić, żeby to sprawdzić?

Materiały

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.8 Przykład: informatyka

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.4 Wiedza o społeczeństwie: SI, media i rzeczywistość

Czy możemy wierzyć we wszystko, co widzimy?

Przedmiot: Wiedza o społeczeństwie · Klasa: 5 (wiek 10–11) · Czas trwania: 1 lekcja podwójna (90 min) · SI: Nauczanie O SI

Najważniejsze przesłanie: SI potrafi tworzyć przekonujące teksty i obrazy, ale przekonujące nie znaczy prawdziwe. Zanim w coś uwierzymy lub to udostępnimy, musimy zapytać, skąd to pochodzi, jakie dowody to potwierdzają i czy możemy to zweryfikować gdzie indziej.

Treść

Sztuczna inteligencja coraz częściej staje się częścią codziennej komunikacji. Systemy SI potrafią generować teksty, obrazy i inne formy treści, które mogą wyglądać tak, jakby stworzył je człowiek. Stwarza to nowe możliwości, ale także nowe wyzwania dla tego, jak ludzie rozumieją i oceniają informacje. Dla uczniów w tym wieku ważne pytanie niekoniecznie dotyczy tego, jak SI działa od strony technicznej, lecz tego, jak treści wygenerowane przez SI mogą wpływać na ludzi i społeczeństwo.

Lekcja wprowadza SI poprzez znaną sytuację społeczną: informacje spotykane w codziennym życiu. Nauczyciel przedstawia przykłady tekstów i obrazów oraz prosi uczniów o rozstrzygnięcie, czy treść jest prawdziwa, przetworzona, czy wygenerowana przez SI. Nacisk nie jest położony na nauczenie uczniów bezbłędnego wykrywania SI. Przeciwnie, jednym z głównych wniosków z tej lekcji jest to, że sam wygląd nie jest wiarygodnym sposobem ustalania, czy coś jest prawdą.

Zamiast tego uczniowie poznają prosty proces weryfikacji:

ZATRZYMAJ SIĘ → ZAPYTAJ → SPRAWDŹ → PORÓWNAJ → ZDECYDUJ

Zajęcia łączą się z akcentem, jaki program nauczania wiedzy o społeczeństwie kładzie na rozwijanie krytycznego myślenia, analizowanie dowodów, formułowanie i wyrażanie opinii oraz badanie środowiska społecznego. Program nauczania wprost uwzględnia rolę i wpływ mediów jako jedno z proponowanych zagadnień społecznych dla klasy 5. Program zachęca też wyraźnie nauczycieli do rozwijania racjonalnego i krytycznego myślenia poprzez stawianie pytań wymagających rozumowania, badanie dowodów, analizowanie danych potwierdzających lub podważających wnioski oraz rozważanie różnych interpretacji. Co istotne, uczniowie podczas lekcji nie wchodzą w bezpośrednią interakcję z systemem SI. Narzędziem SI posługuje się nauczyciel i to on prezentuje klasie wybrane wyniki. Rolą uczniów jest obserwowanie, zadawanie pytań, porównywanie i ocenianie treści.

Plan lekcji

Faza Czas Aktywność
Wprowadzenie 10 min Nauczyciel pokazuje dwa lub trzy obrazy albo krótkie teksty związane ze znaną sytuacją. Uczniowie indywidualnie rozstrzygają: Czy to jest prawdziwe? Skąd to wiesz?
Wejście 15 min Nauczyciel wprowadza SI językiem dostosowanym do wieku: co potrafi generatywna SI i dlaczego treści wygenerowane przez SI mogą wyglądać przekonująco.
Demonstracja 15 min Nauczyciel na żywo używa narzędzia SI, by wygenerować obraz lub krótki tekst na podstawie prostego polecenia. Uczniowie obserwują, jak szybko można stworzyć taką treść, i dyskutują o tym, co SI właściwie wytwarza.
Badanie 30 min Grupy otrzymują kilka przykładów informacji/treści. Korzystają z listy kontrolnej weryfikacji i rozstrzygają, czemu by zaufały, co by zakwestionowały, a co sprawdziłyby dokładniej.
Refleksja 20 min Dyskusja z całą klasą: Czy możemy zaufać obrazowi tylko dlatego, że wygląda prawdziwie? A tekstowi? Kto ponosi odpowiedzialność, jeśli tworzymy lub rozpowszechniamy fałszywe informacje?

Pytania przewodnie: 

Uczniowie przechodzą przez poniższe sytuacje wspólnie z nauczycielem. Narzędziem SI posługuje się wyłącznie nauczyciel.

1. Runda 1 — ZATRZYMAJ SIĘ: nie wierz od razu

Nauczyciel pokazuje uczniom wygenerowany przez SI obraz znanej sytuacji — na przykład pozornie realistyczne zdjęcie niezwykłego wydarzenia w Słowenii.

  1. Zanim cokolwiek zostanie ujawnione, uczniowie odpowiadają:

    1. Czy ten obraz wygląda prawdziwie?

    2. Co sprawia, że tak myślisz?

    3. Które szczegóły sprawiają, że wydaje się wiarygodny?

    4. Czy jest coś, co wygląda nietypowo?

  2. Nauczyciel ujawnia, że obraz został wygenerowany przez SI, i krótko wyjaśnia, jak generatywna SI potrafi tworzyć realistycznie wyglądające obrazy.

    1. Co sprawiło, że uwierzyliśmy, iż obraz jest prawdziwy?

    2. Czy szukaliśmy dowodów, czy po prostu zaufaliśmy temu, co zobaczyliśmy?

    3. Czy ktoś mógłby wykorzystać taki obraz, by wprowadzić innych ludzi w błąd?

Diagnoza: Uczniowie wskazują różnicę między „To wygląda prawdziwie” a „Mam dowód, że to jest prawdziwe”.

Kluczowa myśl: Realistyczny wygląd nie jest dowodem na to, że coś jest prawdą.

2. Runda 2 — ZAPYTAJ: kto to stworzył i po co?

Nauczyciel przedstawia krótki fragment tekstu w stylu wiadomości prasowej, wygenerowanego przez SI. Na przykład nauczyciel prosi system SI o stworzenie krótkiego artykułu o wymyślonym wydarzeniu w słoweńskiej szkole.

  1. Uczniowie nie wchodzą w interakcję z SI. Zamiast tego analizują wynik.

    1. Kto to napisał lub stworzył?

    2. Skąd rzekomo pochodzi ta informacja?

    3. Czy tekst wskazuje źródło?

    4. Czy podaje dowody?

    5. Czy możemy zweryfikować tę informację?

    6. Dlaczego ktoś mógłby chcieć opublikować taką informację?

    7. Czy tekst brzmi pewnie, mimo że nie wiemy, czy jest prawdziwy?

  2. Uczniowie odkrywają, że tekst może brzmieć pewnie, rzeczowo i przekonująco, a mimo to nie mieć wiarygodnego źródła ani dowodów.

Kluczowa myśl: Odpowiedź brzmiąca pewnie niekoniecznie jest odpowiedzią poprawną.

3. Runda 3 — SPRAWDŹ I PORÓWNAJ: zweryfikujmy to

Nauczyciel przedstawia fikcyjne twierdzenie: „W Słowenii wprowadzono nowy przepis: uczniom nie wolno już używać telefonów komórkowych w soboty.”

Stwierdzenie jest celowo proste i na tyle prawdopodobne, by skłonić uczniów do zastanowienia się, jak by je sprawdzili.

  1. Uczniowie nie mają po prostu odpowiedzieć „prawda” lub „fałsz”. Zamiast tego muszą zaprojektować strategię weryfikacji.

    1. Gdzie sprawdzilibyście tę informację?

    2. Kogo moglibyście zapytać?

    3. Czy zaufalibyście wpisowi w mediach społecznościowych?

    4. Czy sprawdzilibyście tylko jedno źródło, czy kilka?

    5. Co uznalibyście za dobry dowód?

    6. Któremu źródłu zaufalibyście bardziej?

    7. Co sprawiłoby, że zmienilibyście zdanie?

  2. Następnie nauczyciel pokazuje, jak można sprawdzić to twierdzenie, korzystając z różnych rodzajów źródeł.

Uczniowie dostrzegają, że sprawdzanie informacji jest procesem, a nie tylko rozstrzyganiem, czy coś „wydaje się prawdziwe”. 

4. Runda opcjonalna — SI kontra człowiek

  1. Nauczyciel pyta system SI: „Dlaczego ważne jest zachowanie dziedzictwa kulturowego?” - SI generuje krótką odpowiedź.
  2. Uczniowie następnie samodzielnie tworzą własną odpowiedź bez SI.
  3. Klasa porównuje obie odpowiedzi.

    1. Co SI odpowiedziała dobrze?

    2. Czego brakuje?

    3. Czy SI podaje informację, opinię, czy jedno i drugie?

    4. Czy SI zna nasze lokalne środowisko tak dobrze jak my?

    5. Która odpowiedź byłaby bardziej przydatna przy prezentowaniu naszego lokalnego dziedzictwa kulturowego?

    6. Czy odpowiedź wygenerowana przez SI może zastąpić nasze własne myślenie?

Łączy się to z akcentem, jaki program nauczania kładzie na dziedzictwo kulturowe, rozumienie przez uczniów przeszłości i teraźniejszości oraz ich umiejętność wyjaśniania i uzasadniania własnych punktów widzenia.

Zadanie końcowe: tworzenie klasowej zasady

Na koniec lekcji nauczyciel i uczniowie wspólnie tworzą prosty plakat klasowy:

5 PYTAŃ, ZANIM COŚ UDOSTĘPNIMY

Plakat staje się głównym praktycznym efektem lekcji.

Pytanie zamykające: Jeśli komputer potrafi stworzyć obraz lub tekst, który wygląda całkowicie prawdziwie, co powinniśmy zrobić, zanim w to uwierzymy lub udostępnimy to innym ludziom?

Materiały

Rola nauczyciela i rola uczniów

Główną zasadą projektową tej lekcji jest to, że korzystaniem z SI kieruje nauczyciel.

Nauczyciel Uczniowie
Obsługuje narzędzie SI. Obserwują wynik SI.
Tworzy wybrane przykłady. Zadają pytania dotyczące treści.
Pokazuje, jak SI generuje tekst/obrazy. Wskazują powody, by zaufać informacji lub ją zakwestionować.
Podaje przykłady i kontrprzykłady Porównują różne źródła.
Modeluje strategie weryfikacji Opracowują własną strategię weryfikacji.
Prowadzi dyskusję Wyjaśniają i uzasadniają swoje wnioski.

Uwidacznia ograniczenia SI.

 Zastanawiają się nad odpowiedzialnym dzieleniem się informacjami.

Uczniowie uczą się zatem o możliwościach, ograniczeniach i społecznych skutkach SI, nie potrzebując własnego dostępu do systemu SI.

2. Dobre Praktyki i Przykłady z Klasy (wszystkie)

2.5 Międzyprzedmiotowo: projektowanie lekcji wspierane przez SI

Projektowanie dydaktyczne wspierane przez SI

Przedmiot: Doskonalenie zawodowe nauczycieli ·  Grupa docelowa: Nauczyciele ·  Czas trwania: 1 warsztat (90 min) ·  SI: Nauczanie Z SI 

Kompetencje związane z SI (Ramy DUAL.AI.TEACHer) – poziom nauczyciela Przedmiotowe cele kształcenia – poziom ucznia

AF-DR-2b

(Podstawy i zastosowania SI × Zasoby cyfrowe, poziom 2 – refleksyjne wdrażanie):

 

„Nauczyciele potrafią wdrażać strategie formułowania poleceń, iteracji i doprecyzowywania, aby uzyskać użyteczne zasoby wygenerowane przez SI.”


 

AF-TL-2b

(Podstawy i zastosowania SI × Nauczanie i uczenie się, poziom 2 – refleksyjne wdrażanie):

 

„Nauczyciele potrafią organizować elementy lekcji, które osadzają wykorzystanie SI w jasnych rolach pedagogicznych oraz strategiach weryfikacji elementów wyniku.”

Po zakończeniu zajęć uczestnicy potrafią:

  • sformułować ustrukturyzowane polecenie (prompt) służące stworzeniu aktywności edukacyjnej we własnym obszarze przedmiotowym;
  • ocenić aktywność wygenerowaną przez SI pod kątem trafności pedagogicznej, poprawności i dopasowania do grupy docelowej;
  • wskazać elementy materiału wygenerowanego przez SI, które wymagają weryfikacji lub adaptacji przez człowieka;
  • ulepszyć pierwotny wynik SI poprzez formułowanie poleceń, iterację i ręczną korektę;
  • włączyć SI do lekcji, zachowując jasno określoną rolę pedagogiczną nauczyciela i ucznia.

Najważniejsze przesłanie: Generatywna SI może przyspieszyć przygotowanie lekcji, ale użyteczna aktywność edukacyjna rzadko powstaje z jednego polecenia. Skuteczne projektowanie lekcji wspierane przez SI jest procesem iteracyjnym, w którym nauczyciele określają cel pedagogiczny, generują pomysły, oceniają wynik, dopracowują go i podejmują ostateczne decyzje dydaktyczne.

ChatGPT Image Sep 1, 2026 at 04_27_24 PM.png

Rys. 1. Obraz wygenerowany za pomocą ChatGPT (GPT Image 2), 1 września 2026 r.

Treść

Generatywna SI może wspierać nauczycieli w wielu zadaniach związanych z przygotowaniem lekcji, w tym w generowaniu pomysłów na aktywności, dostosowywaniu materiałów do różnych grup uczniów, tworzeniu przykładów i pytań czy proponowaniu alternatywnych sposobów wyjaśniania tematu. Łotewskie studium przypadku Datorium pokazuje takie praktyczne podejście do rozwijania kompetencji nauczycieli w zakresie SI: nauczyciele najpierw zapoznają się z SI i jej zastosowaniami edukacyjnymi, a następnie przechodzą do praktycznego eksperymentowania, planowania lekcji, oceniania i opracowywania zróżnicowanych materiałów. Po zastosowaniu w klasie następuje refleksja i informacja zwrotna, dzięki czemu korzystanie z SI staje się częścią iteracyjnego procesu doskonalenia zawodowego, a nie jednorazowym ćwiczeniem technicznym.

Użyteczność generatywnej SI w projektowaniu lekcji zależy w dużej mierze od informacji i ograniczeń podanych przez nauczyciela. Prośba w rodzaju „Stwórz lekcję o zmianie klimatu” pozostawia większość decyzji pedagogicznych systemowi SI. Bardziej ustrukturyzowane polecenie może określać przedmiot, wiek uczniów, ich dotychczasową wiedzę, cel kształcenia, czas trwania, metodę nauczania, dostępne zasoby oraz oczekiwany efekt pracy uczniów. Dodanie tych elementów nie gwarantuje dobrej lekcji, ale daje nauczycielowi większą kontrolę nad tym, co tworzy SI, i ułatwia ocenę powstałego materiału pod kątem zamierzonego celu kształcenia.

Nawet szczegółowe polecenie może dać materiał niepoprawny merytorycznie, słaby pedagogicznie, nierealistyczny wobec dostępnego czasu lekcji lub nieodpowiedni dla konkretnej grupy uczniów. SI może proponować aktywności bez uwzględnienia dynamiki klasy, zakładać zasoby, które są niedostępne, generować zadania, które w rzeczywistości nie mierzą deklarowanego celu kształcenia, lub dostarczać treści, które wyglądają przekonująco, ale wymagają weryfikacji merytorycznej. Z tego powodu materiały edukacyjne wygenerowane przez SI należy traktować jako szkic, a nie jako gotowy materiał dydaktyczny.

Głównym procesem uczenia się w tym ćwiczeniu nie jest zatem po prostu nauka pisania „dobrego polecenia”. Nauczyciele przechodzą przez powtarzalny cykl zdefiniuj → poleć → oceń → dopracuj → zweryfikuj. Zaczynają od rzeczywistego celu kształcenia z własnego kontekstu nauczania, wykorzystują SI do zaproponowania aktywności, oceniają wynik według kryteriów pedagogicznych, w razie potrzeby doprecyzowują polecenie, a na koniec wprowadzają własne modyfikacje, zanim uznają aktywność za gotową do zastosowania w klasie. Odzwierciedla to nacisk, jaki studium przypadku Datorium kładzie na praktyczne eksperymentowanie, współtworzenie, zastosowanie w klasie i refleksję, przy jednoczesnym pozostawieniu odpowiedzialności pedagogicznej i walidacji w rękach nauczyciela.

Plan lekcji

Faza Czas Aktywność
Wprowadzenie 10 min Uczestnicy wskazują jedno zadanie związane z przygotowaniem lekcji, w którym SI mogłaby być przydatna. Prowadzący przedstawia SI jako asystenta/współtwórcę, a nie jako samodzielnego projektanta lekcji.
Wejście 15 min Uczestnicy porównują proste polecenie z ustrukturyzowanym poleceniem edukacyjnym i badają, jak dodatkowy kontekst zmienia wygenerowaną aktywność edukacyjną.
Eksploracja 15 min Każdy uczestnik wybiera rzeczywisty cel kształcenia ze swojego przedmiotu i prosi duży model językowy o wygenerowanie krótkiej aktywności klasowej, która ten cel realizuje.
Adaptacja 35 min Uczestnicy przechodzą przez dwie lub trzy rundy cyklu poleć → oceń → dopracuj → zweryfikuj, stopniowo dodając ograniczenia pedagogiczne i sprawdzając powstałą aktywność.
Refleksja 25 min Uczestnicy porównują pierwotny wynik SI z końcową wersją gotową do zastosowania w klasie i wskazują, które ulepszenia wynikły z formułowania poleceń, a które wymagały ich własnego osądu zawodowego.

Pytania przewodnie: od wyniku SI do gotowej aktywności lekcyjnej

  1. Runda 1 — zdefiniuj cel pedagogiczny:

    Zanim sformułujesz polecenie dla SI, określ:

    • Kim są uczniowie?
    • Co powinni wiedzieć lub umieć?
    • Jaką mają wcześniejszą wiedzę?
    • Ile czasu jest dostępne?
    • Co uczniowie mają właściwie robić podczas tej aktywności?

    Wygeneruj pierwszą wersję aktywności i porównaj ją z zamierzonym celem kształcenia.

    • Diagnozuj: Czy ta aktywność faktycznie pomaga uczniom osiągnąć cel, czy jedynie dotyczy tego samego tematu?
  2. Runda 2 — dodaj ograniczenia klasowe:

    Dopracuj polecenie, dodając realistyczne warunki, takie jak liczebność klasy, dostępne materiały, czas trwania lekcji, poziom uczniów, metoda nauczania czy wymogi dostępności.

    Wygeneruj poprawioną wersję aktywności i porównaj ją z pierwszą wersją.

    Porównaj: Sprawdź, czy wygenerowany dialog spełnia każdy element polecenia.
    • Diagnozuj: Które zmiany ulepszyły aktywność? Jakich warunków klasowych SI wciąż nie uwzględniła?
  3. Runda 3 (opcjonalna) — zweryfikuj i przejmij kontrolę:

    Oceń końcową aktywność wygenerowaną przez SI pod kątem:

    • poprawności merytorycznej;
    • zgodności z celem kształcenia;
    • dopasowania do grupy uczniów;
    • realistycznego czasu realizacji;
    • jasności instrukcji;
    • dostępności i włączania;
    • ról nauczyciela i uczniów.

    Następnie uczestnicy wprowadzają co najmniej jedną zmianę ręcznie, nie prosząc SI o poprawkę.

    Końcowe porównanie nie brzmi zatem „Które polecenie dało najlepszą odpowiedź SI?” lecz raczej „Co nauczyciel musiał wnieść, aby przekształcić pomysł wygenerowany przez SI w użyteczną aktywność edukacyjną?”

Pytanie zamykające (do fazy refleksji): W którym momencie aktywność wygenerowana przez SI wymagała czegoś więcej niż zwykłego ulepszenia polecenia – i co to mówi o roli nauczyciela w projektowaniu lekcji wspieranym przez SI?

Kolejne pytanie: Jeśli aktywność edukacyjna wygenerowana przez SI wygląda na kompletną i dobrze ustrukturyzowaną, jak możesz ocenić, czy jest ona rzeczywiście odpowiednia pedagogicznie i gotowa do wykorzystania z uczniami?

Materiały

3. Pedagogiczne Ramy Kompetencji w Zakresie SI

The DUAL.AI.TEACHer Competency Framework is the result of a cross-analysis of the DigCompEdu, AI Pioneers and the UNESCO AI Framework for Teachers. Rather than creating new structures from scratch, existing frameworks that already address complementary dimensions for teachers’ professional competences in the age of AI were selected.

3. Pedagogiczne Ramy Kompetencji w Zakresie SI

3.1 Wymiary

Ramy DUAL.AI.TEACHer są zbudowane jako kompleksowa dwuwymiarowa macierz, opisująca łącznie 18 kluczowych kompetencji, z których każda wyłania się z przecięcia dwóch głównych wymiarów, wokół których zorganizowane są te ramy. Wymiar poziomy definiuje główne obszary charakteryzujące praktyki nauczania i uczenia się, obejmując pedagogiczny wymiar ram. Wymiar pionowy odwzorowuje kluczowe aspekty SI, odzwierciedlając technologiczne i etyczne oblicza jej integracji z kontekstami edukacyjnymi.

Taka struktura pozwala ramom systematycznie łączyć kompetencje pedagogiczne z wiedzą i umiejętnościami związanymi z SI, zapewniając, że każda zidentyfikowana kompetencja odzwierciedla zarówno cel edukacyjny, jak i konkretny wymiar rozumienia lub stosowania SI.

Wymiar poziomy DUAL.AI.TEACHer

Wymiar poziomy ram czerpie z ram DigCompEdu, które określają kluczowe obszary charakteryzujące praktyki nauczania i uczenia się w środowiskach cyfrowych. Obszary te obejmują podstawowe działania pedagogiczne prowadzone przez nauczycieli – od zaangażowania zawodowego i zarządzania zasobami cyfrowymi, przez projektowanie i prowadzenie doświadczeń edukacyjnych, po wdrażanie strategii oceniania oraz wspieranie aktywnego zaangażowania i kompetencji cyfrowych uczniów.

Uwzględniając ramy AI Pioneers Framework, Ramy DUAL.AI.TEACHer przejmują ten wymiar, aby osadzić kompetencje związane z SI w szerszych praktykach pedagogicznych już uznanych za niezbędne dla skutecznego nauczania, dopasowując je do tych praktyk. Wymiar poziomy jest zorganizowany w następujących sześciu obszarach:

Wymiar pionowy DUAL.AI.TEACHer

Wymiar pionowy ram czerpie z ram kompetencji SI dla nauczycieli UNESCO, które pierwotnie określają pięć kluczowych aspektów kompetencji w zakresie SI istotnych dla praktyki nauczania: nastawienie skoncentrowane na człowieku, etykę SI, podstawy i zastosowania SI, pedagogikę SI oraz SI w rozwoju zawodowym.

Na potrzeby Ram DUAL.AI.TEACHer te pięć aspektów zredukowano do trzech. Dwa z pierwotnych obszarów, mianowicie pedagogikę SI oraz SI w rozwoju zawodowym, usunięto, ponieważ wymiar poziomy już zawierał te obszary, choć w nieco innej formie. Dodatkowo, przecięcie wymiaru pionowego i poziomego generowało nadmiarowe kompetencje. Zdecydowano więc o ich wykluczeniu z osi pionowej, aby uniknąć nakładania się i zapewnić spójność koncepcyjną całej macierzy.

Wymiar pionowy obejmuje następujące trzy aspekty:

Spośród trzech zachowanych aspektów, dwa uznaje się za aspekty przekrojowe SI (nastawienie skoncentrowane na człowieku i etyka SI), ponieważ nie dotyczą one konkretnego obszaru przedmiotowego, lecz reprezentują wymiary transwersalne, wpływające na cały zakres praktyk nauczania, wartości i postępowania zawodowego związanego z SI, i przenikające go. Trzeci aspekt (podstawy i zastosowania SI) uznaje się za aspekt treściowy (specyficzny) SI, ponieważ dotyczy wiedzy koncepcyjnej i konkretnych umiejętności technicznych, które nauczyciele muszą zdobyć, aby rozumieć, wybierać i stosować narzędzia SI w swojej praktyce nauczania.

3. Pedagogiczne Ramy Kompetencji w Zakresie SI

3.2 Ramy Kompetencji DUAL.AI.TEACHer

Przecięcie wymiaru poziomego i pionowego macierzy daje zestaw osiemnastu kompetencji, z których każda stanowi konkretny punkt zbieżności między obszarem pedagogicznym a aspektem SI. Kompetencje te określają, co nauczyciele muszą wiedzieć, rozumieć i potrafić zrobić, aby skutecznie i odpowiedzialnie integrować SI w swojej praktyce dydaktycznej, łącząc kompetencje pedagogiczne z wartościami, świadomością etyczną oraz wiedzą techniczną wymaganą w środowisku edukacyjnym opartym na SI.

DUAL.AI

Zaangażowanie zawodowe

Zasoby cyfrowe

Nauczanie i uczenie się

Ocenianie

Wzmacnianie uczniów

Rozwijanie kompetencji cyfrowych (SI) uczniów

Podejście skoncentrowane na człowieku

Nauczyciele potrafią zachować perspektywę skoncentrowaną na człowieku podczas korzystania z SI w komunikacji zawodowej, budowaniu sieci kontaktów oraz rozwoju instytucjonalnym i zawodowym.

Nauczyciele potrafią zapewnić nadzór człowieka i sprawczość uczniów w procesach wspieranych przez SI, dotyczących wyboru, tworzenia i oceny zasobów cyfrowych.

Nauczyciele potrafią utrzymać sprawczość uczniów, relacje międzyludzkie oraz osąd nauczyciela w centrum nauczania i uczenia się wspieranego przez SI.

Nauczyciele potrafią zapewnić odpowiedzialność człowieka i sprawiedliwość w procesach oceniania wspomaganych przez SI.

Nauczyciele potrafią wykorzystywać SI do uwzględniania różnorodnych potrzeb i stylów uczenia się, stawiając godność ludzką, równość oraz prawo do edukacji w centrum każdej praktyki włączającej.

Nauczyciele potrafią modelować i kształtować postawy skoncentrowane na człowieku wobec SI jako część rozwoju refleksyjnych kompetencji cyfrowych (SI) uczniów.

Etyka SI

Nauczyciele potrafią stosować zasady etyczne i świadomość regulacyjną we własnym wykorzystaniu SI w praktyce zawodowej i kontekstach instytucjonalnych.

Nauczyciele potrafią identyfikować i ograniczać ryzyka etyczne w zasobach edukacyjnych generowanych lub wspomaganych przez SI.

Nauczyciele potrafią uwzględniać rozumowanie etyczne w decyzjach dotyczących tego, czy i jak wykorzystywać SI w strategiach nauczania i działaniach edukacyjnych.

Nauczyciele potrafią zapewnić, że praktyki oceniania wspomagane przez SI spełniają standardy sprawiedliwości, przejrzystości i zgodności z prawem, co pozwala im refleksyjnie podchodzić do informacji zwrotnej i doskonalić swoje praktyki oceniania.

Nauczyciele potrafią uwzględniać etyczne aspekty personalizacji opartej na SI, w tym ryzyka nierówności, niewłaściwego wykorzystania danych i wykluczenia.

Nauczyciele potrafią kształcić uczniów w zakresie odpowiedzialnego, krytycznego i etycznie świadomego korzystania z technologii SI.

Podstawy i zastosowania SI

Nauczyciele potrafią wykorzystywać podstawową wiedzę o SI, aby podejmować świadome decyzje zawodowe, krytycznie korzystać z narzędzi SI oraz prowadzić rozwój zawodowy związany z SI w kontekstach instytucjonalnych.

Nauczyciele potrafią krytycznie wybierać i wykorzystywać narzędzia SI do tworzenia, adaptowania i ulepszania cyfrowych zasobów edukacyjnych w oparciu o techniczne zrozumienie systemów SI.

Nauczyciele potrafią wykorzystywać zrozumienie działania systemów SI, aby podejmować świadome, krytyczne decyzje dotyczące integracji SI w nauczaniu i uczeniu się, doskonaląc własne praktyki dydaktyczne oraz podejścia do projektowania procesu nauczania.

Nauczyciele potrafią wykorzystywać wiedzę o SI do projektowania, wdrażania i ewaluacji skutecznych oraz sprawiedliwych praktyk oceniania wspomaganych przez SI, systematycznie doskonaląc swoje praktyki oceniania.

Nauczyciele potrafią wybierać strategie pedagogiczne i narzędzia SI wspierające personalizację i włączanie, w oparciu o świadome zrozumienie zasad ich działania.

Nauczyciele potrafią budować u uczniów zrozumienie technologii SI oraz ich społecznych konsekwencji jako część rozwoju kompetencji w zakresie SI.
3. Pedagogiczne Ramy Kompetencji w Zakresie SI

3.3 Poziomy Progresji i Operatory

Uczynienie Rozwoju Kompetencji Możliwym do Śledzenia

18 kluczowych kompetencji ram DUAL.AI.TEACHer jest stosunkowo abstrakcyjnych i stanowi nadrzędną strukturę obszaru kompetencji. Aby ułatwić samoocenę lub ocenę przez innych oraz umożliwić śledzenie indywidualnego rozwoju kompetencji, każda z kluczowych kompetencji została zoperacjonalizowana poprzez obserwowalne cele uczenia się, zróżnicowane na trzech poziomach progresji.

Poziomy te opierają się na jednym z najpowszechniej stosowanych modeli w edukacji: zrewidowanej taksonomii Blooma (Anderson & Krathwohl, 2001; Krathwohl, 2002). Jej podstawowa idea jest prosta: procesy poznawcze rozwijają się od zapamiętywania i rozumienia, poprzez stosowanie i analizowanie, aż po ocenianie i tworzenie. To, co zmienia się z poziomu na poziom, to nie treść czy temat, lecz głębia poznawcza myślenia i działania, jaką nauczyciel może zaprezentować.

Poziomy Progresji i Operatory

Ta głębia poznawcza znajduje odzwierciedlenie w sformułowaniu celów uczenia się. Każdy cel zbudowany jest wokół czasownika (operatora) zaczerpniętego bezpośrednio z taksonomii (np. rozpoznaje, wdraża, poddaje krytyce). Operator wskazuje, czego oczekuje się od nauczyciela na danym poziomie, i sprawia, że cel uczenia się staje się konkretny i obserwowalny.

Poziom

W praktyce nauczyciele potrafią...

Procesy poznawcze (operatory)

Poziom 1

Świadomość Orientacyjna

rozwijać wstępną orientację zawodową, poznając czym jest SI, co potrafi i jaka jest stawka. Rozpoznają i przywołują kluczowe pojęcia i narzędzia związane z SI, podają przykłady, klasyfikują je oraz podsumowują własnymi słowami główne szanse i ryzyka.

Zapamiętywanie (rozpoznawanie, przywoływanie)

Podstawowe rozumienie (interpretowanie, podawanie przykładów, klasyfikowanie, podsumowywanie)

Poziom 2

Refleksyjne Wdrażanie

stosować i krytycznie oceniać praktyki związane z SI we własnym nauczaniu. Celowo wykorzystują narzędzia SI w lekcjach i ocenianiu, wyjaśniają i porównują różne podejścia oraz wyniki, porównują wyniki generowane przez SI z własnym osądem zawodowym oraz analizują korzyści, ograniczenia i leżące u ich podstaw założenia.

Zaawansowane rozumienie (wyjaśnianie, porównywanie)

Stosowanie (wykonywanie, wdrażanie)

Analizowanie (różnicowanie, organizowanie, przypisywanie)

Ocenianie (sprawdzanie, krytykowanie)

Poziom 3

Transformacyjne Przywództwo

odpowiedzialnie projektować i dalej rozwijać praktykę edukacyjną związaną z SI, przyjmując rolę przywódczą wykraczającą poza własną klasę. Oceniają praktyki związane z SI w oparciu o kryteria pedagogiczne i etyczne, tworzą nowe podejścia wzbogacone o SI oraz wspierają współpracowników i swoją instytucję w odpowiedzialnym wykorzystaniu SI.

Tworzenie (generowanie, planowanie, tworzenie/produkowanie)

Logika Stojąca za Poziomami

Poziomy stopniowo budują się jeden na drugim. Każdy wyższy poziom korzysta z procesów poznawczych poziomów poniżej niego. Jednak zgodnie z Krathwohlem (2002) jest to hierarchia rosnącej złożoności, a nie zbiór ściśle oddzielonych etapów. Sąsiadujące kategorie mogą się nakładać, a granice między poziomami są raczej płynne niż ostre.

Podczas gdy Poziom 1 zapewnia niezbędne podstawy, a Poziom 3 reprezentuje rozszerzoną rolę w zakresie innowacji i przywództwa zawodowego, Poziom 2 stanowi podstawowy wymiar docelowy dla nauczycieli. Wszyscy nauczyciele powinni być w stanie celowo integrować SI we własnej praktyce, oceniać jej wyniki, korzystając z własnego osądu zawodowego, oraz krytycznie i refleksyjnie podchodzić do jej pedagogicznych korzyści, ograniczeń i leżących u ich podstaw założeń. Poziom 2 opisuje zatem poziom kompetencji wymagany do świadomej, odpowiedzialnej i refleksyjnej praktyki nauczania w środowisku edukacyjnym kształtowanym przez SI.

3. Pedagogiczne Ramy Kompetencji w Zakresie SI

3.4 Cele Uczenia się DUAL.AI.TEACHer

Dla każdej z osiemnastu zidentyfikowanych kompetencji zdefiniowano zestaw konkretnych celów uczenia się, aby przełożyć kompetencję na konkretne i praktyczne rezultaty. Cele te określają wiedzę, umiejętności i postawy, które nauczyciele powinni rozwinąć, aby osiągnąć odpowiednią kompetencję, dostarczając bardziej szczegółowego i praktycznego opisu tego, co w praktyce oznacza opanowanie danej kompetencji.

Dzięki rozbiciu każdej kompetencji na jasno określone cele uczenia się na różnych poziomach, ramy DUAL.AI.TEACHer ułatwiają ich praktyczne zastosowanie w rozwoju zawodowym, projektowaniu szkoleń i samoocenie, oferując nauczycielom konkretny plan stopniowego budowania i wykazywania swoich kompetencji związanych z SI.

Poziom 1 – Świadomość Orientacyjna

POZIOM 1

Zaangażowanie zawodowe

Zasoby cyfrowe

Nauczanie i uczenie się

Ocenianie

Wzmacnianie uczniów

Rozwijanie kompetencji cyfrowych (SI) uczniów

Podejście skoncentrowane na człowieku
HM-PE-1a

Nauczyciele potrafią rozpoznawać typowe przypadki użycia SI w komunikacji zawodowej i budowaniu sieci kontaktów oraz sytuacje, w których pierwszeństwo musi mieć ludzki osąd, obecność lub budowanie relacji.

HM-PE-1b

Nauczyciele potrafią rozpoznawać własne potrzeby edukacyjne związane z SI oraz narzędzia wspierające ich ustawiczny rozwój zawodowy.

HM-PE-1c

Nauczyciele potrafią podsumować, w jaki sposób SI jest wykorzystywana w ich instytucji do angażowania interesariuszy i rozwoju organizacyjnego, w tym szanse i ryzyka, jakie stwarza dla sprawczości człowieka, inkluzywności i wartości edukacyjnych.
HM-DR-1a

Nauczyciele potrafią podsumować, w jaki sposób narzędzia SI mogą wspierać wybór, tworzenie, dostosowywanie i zarządzanie zasobami cyfrowymi, w tym które etapy wymagają nadzoru człowieka i osądu pedagogicznego.

HM-DR-1b

Nauczyciele potrafią rozpoznawać typowe kryteria jakości materiałów edukacyjnych generowanych lub wzbogaconych przez SI, w tym wskaźniki sygnalizujące, kiedy zasób wymaga weryfikacji przez człowieka.

HM-DR-1c

Nauczyciele potrafią interpretować, w jaki sposób sprawczość i autonomia uczniów mogą zostać zachowane lub osłabione przez zasoby generowane lub personalizowane przez SI, w tym kiedy uczniowie powinni być angażowani w decyzje dotyczące korzystania z zasobów.
HM-TL-1a

Nauczyciele potrafią rozpoznawać, spośród różnych sposobów wykorzystania SI w nauczaniu, które decyzje pedagogiczne muszą pozostać w rękach człowieka.

HM-TL-1b

Nauczyciele potrafią rozpoznawać sytuacje na lekcjach wspieranych przez SI, w których sprawczość uczniów, interakcja międzyludzka lub relacje nauczyciel–uczeń mogą zostać wzmocnione lub osłabione, wraz ze wskaźnikami sensownego pedagogicznie wykorzystania SI.

HM-TL-1c

Nauczyciele potrafią klasyfikować wykorzystanie SI w nauczaniu jako wspierające podejmowanie decyzji pedagogicznych albo je zastępujące, oraz określać konsekwencje tego dla odpowiedzialności i jakości uczenia się.
HM-A-1a

Nauczyciele potrafią rozpoznawać, spośród zastosowań SI w ocenianiu, które decyzje ewaluacyjne muszą pozostać odpowiedzialnością człowieka.

HM-A-1b

Nauczyciele potrafią rozpoznawać typowe ryzyka związane z ocenianiem wspomaganym przez SI dla sprawiedliwości, przejrzystości i dobrostanu uczniów, w tym sygnały wskazujące na konieczność weryfikacji wyników generowanych przez SI przez człowieka.

HM-A-1c

Nauczyciele potrafią klasyfikować SI w ocenianiu jako wsparcie dla osądu nauczyciela albo jego zastępstwo, oraz określać konsekwencje tego dla odpowiedzialności i zaufania uczniów.
HM-EL-1a

Nauczyciele potrafią rozpoznawać, w jaki sposób narzędzia SI mogą wspierać zróżnicowanych uczniów oraz które potrzeby uczniów mogą, a których nie mogą zaspokoić.

HM-EL-1b

Nauczyciele potrafią przywołać typowe ryzyka różnicowania wspieranego przez SI dla inkluzji i równości, w tym sygnały wskazujące, że narzędzie SI ogranicza, a nie poszerza możliwości ucznia.

HM-EL-1c

Nauczyciele potrafią interpretować, jak godność ludzka, równość i prawo do edukacji odnoszą się do wykorzystania SI w klasach inkluzywnych, w tym kiedy sprawczość i poczucie przynależności ucznia muszą mieć pierwszeństwo przed efektywnością lub standaryzacją.
HM-FC-1a

Nauczyciele potrafią rozpoznawać, co oznacza modelowanie skoncentrowanej na człowieku, krytycznie świadomej relacji z SI wobec uczniów, w tym w jaki sposób ich własne praktyki i wypowiedzi komunikują postawy wobec SI.

HM-FC-1b

Nauczyciele potrafią klasyfikować postawy wspierające refleksyjną kompetencję uczniów w zakresie SI oraz sytuacje w klasie, w których postawy te można kształtować.

HM-FC-1c

Nauczyciele potrafią rozpoznawać różnicę we własnym nauczaniu o SI między przekazywaniem wiedzy a kształtowaniem postaw skoncentrowanych na człowieku oraz konsekwencje tego dla ich roli jako nauczyciela.

Etyka SI
EI-PE-1a

Nauczyciele potrafią przywołać kluczowe zasady etyczne mające zastosowanie do ich własnego zawodowego wykorzystania SI oraz znaczenie każdej z tych zasad w kontekście zawodowym.

EI-PE-1b

Nauczyciele potrafią rozpoznawać ramy prawne i regulacyjne rządzące wykorzystaniem SI w komunikacji zawodowej, współpracy i rozwoju.

EI-PE-1c

Nauczyciele potrafią rozpoznawać sytuacje w swojej praktyce zawodowej, w których w grę wchodzi zasada etyczna lub wymóg regulacyjny.
EI-DR-1a

Nauczyciele potrafią przywołać typowe ryzyka etyczne w zasobach edukacyjnych generowanych lub wzbogaconych przez SI wraz z ich skutkami dla uczniów.

EI-DR-1b

Nauczyciele potrafią rozpoznawać ramy prawne i regulacyjne istotne dla zasobów generowanych przez SI oraz kiedy mają one zastosowanie.

EI-DR-1c

Nauczyciele potrafią klasyfikować źródła ryzyk etycznych wynikających ze stronniczości, nieścisłości lub niewłaściwego autorstwa SI w danym zasobie edukacyjnym.
EI-TL-1a

Nauczyciele potrafią przywołać zasady etyczne istotne dla wykorzystania SI w nauczaniu i uczeniu się, w tym ich konsekwencje dla wyborów dydaktycznych.

EI-TL-1b

Nauczyciele potrafią rozpoznawać kwestie etyczne specyficzne dla SI w klasie oraz sytuacje, w których pojawiają się one w scenariuszu lekcji.

EI-TL-1c

Nauczyciele potrafią podsumować etapy procesu rozumowania etycznego przy podejmowaniu decyzji, czy i jak wykorzystać SI na lekcji (decyzje oparte na zasadach w porównaniu z bezkrytycznym przyjęciem lub domyślnym odrzuceniem).
EI-A-1a

Nauczyciele potrafią przywołać główne ryzyka dotyczące sprawiedliwości w ocenianiu wspomaganym przez SI oraz sposób, w jaki każde z nich może wpływać na uczniów.

EI-A-1b

Nauczyciele potrafią rozpoznawać obowiązki w zakresie przejrzystości w ocenianiu wspomaganym przez SI, takie jak ujawnienie udziału SI, wyjaśnienie wyników oraz możliwość zakwestionowania przez uczniów decyzji lub zażądania ich weryfikacji przez człowieka.

EI-A-1c

Nauczyciele potrafią interpretować, dlaczego ocenianie edukacyjne jest traktowane jako obszar wysokiego ryzyka w ramach prawnych i regulacyjnych dotyczących SI w ocenianiu.
EI-EL-1a

Nauczyciele potrafią przywołać główne ryzyka etyczne personalizacji opartej na SI oraz sposób, w jaki każde z nich może wpływać na uczniów.

EI-EL-1b

Nauczyciele potrafią klasyfikować rodzaje danych uczniów wykorzystywanych przez personalizację opartą na SI oraz stopień ich wrażliwości.

EI-EL-1c

Nauczyciele potrafią interpretować, dlaczego spersonalizowana edukacyjna SI jest traktowana jako obszar wysokiego ryzyka w ramach prawnych i opartych na prawach człowieka.
EI-FC-1a

Nauczyciele potrafią przywołać kluczowe kwestie etyczne związane z SI istotne dla uczniów, w tym konsekwencje środowiskowe i dotyczące prywatności.

EI-FC-1b

Nauczyciele potrafią klasyfikować, które kwestie etyczne odpowiadają danemu etapowi edukacyjnemu, w sposób odpowiedni do wieku i kontekstu.

EI-FC-1c

Nauczyciele potrafią interpretować etycznie problematyczne wykorzystanie SI przez uczniów oraz wyjaśnić, dlaczego stanowi to kwestię etyczną, a nie jedynie naruszenie zasad.

Podstawy i zastosowania SI
AF-PE-1a

Nauczyciele potrafią podsumować podstawowe koncepcje działania współczesnych systemów SI oraz wskazać powszechnie stosowane narzędzia SI w zawodowej praktyce edukacyjnej.

AF-PE-1b

Nauczyciele potrafią podać przykłady istotnych kryteriów oceny narzędzia SI pod kątem zadania zawodowego.

AF-PE-1c

Nauczyciele potrafią interpretować, dlaczego ograniczenia danego narzędzia SI sprawiają, że jest ono niewłaściwym wyborem w typowych sytuacjach w ich pracy zawodowej.
AF-DR-1a

Nauczyciele potrafią podsumować podstawowe koncepcje działania głównych typów narzędzi SI wykorzystywanych do tworzenia zasobów, podając odpowiednie przykłady.

AF-DR-1b

Nauczyciele potrafią klasyfikować wiarygodność wyników dla wybranego typu narzędzia w odniesieniu do odpowiednich zadań, w tym błędy, których można uniknąć.

AF-DR-1c

Nauczyciele potrafią przywołać techniczne kryteria wyboru narzędzia SI do tworzenia zasobów oraz co każde z nich oznacza.
AF-TL-1a

Nauczyciele potrafią podsumować podstawowe koncepcje działania głównych typów systemów SI wykorzystywanych w nauczaniu, podając odpowiednie przykłady.

AF-TL-1b

Nauczyciele potrafią klasyfikować wiarygodność wyników dla wybranego typu narzędzia w kontekście swojej klasy, w tym błędy, których można uniknąć.

AF-TL-1c

Nauczyciele potrafią interpretować, jak techniczne zrozumienie SI wpływa na realistyczne decyzje dotyczące tego, czy, kiedy i jak włączyć SI do lekcji.
AF-A-1a

Nauczyciele potrafią podsumować podstawowe koncepcje działania głównych typów systemów SI wykorzystywanych w ocenianiu, podając typowe przykłady każdego z nich.

AF-A-1b

Nauczyciele potrafią klasyfikować, co dany typ narzędzia oceniającego faktycznie mierzy, czego nie jest w stanie zmierzyć oraz w jakich sytuacjach zwykle zawodzi.

AF-A-1c

Nauczyciele potrafią podać przykłady, dlaczego warto zadać określone pytania techniczne dotyczące narzędzia SI do oceniania.
AF-EL-1a

Nauczyciele potrafią podsumować podstawowe koncepcje działania głównych typów SI wykorzystywanych do personalizacji i inkluzji, wraz z typowymi przykładami.

AF-EL-1b

Nauczyciele potrafią klasyfikować, co dany typ narzędzia potrafi, a czego nie potrafi wiarygodnie wykonać, a także obszary, w których jego skuteczność może zawodzić w przypadku konkretnych grup uczniów.

AF-EL-1c

Nauczyciele potrafią klasyfikować, co narzędzie SI deklaruje, że mierzy lub robi, w porównaniu z tym, co faktycznie mierzy lub robi, w tym dlaczego to rozróżnienie ma znaczenie dla inkluzji.
AF-FC-1a

Nauczyciele potrafią podsumować podstawowe koncepcje SI, które uczniowie powinni rozumieć, wraz z przykładami odpowiednimi do wieku.

AF-FC-1b

Nauczyciele potrafią rozpoznawać techniczne ograniczenia obecnych systemów SI, które uczniowie powinni zrozumieć.

AF-FC-1c

Nauczyciele potrafią interpretować praktyczne umiejętności związane z SI, które powinni rozwijać uczniowie, oraz jak wygląda opanowanie każdej z nich na danym etapie edukacyjnym.


Poziom 2 – Refleksyjne Wdrażanie

POZIOM 2

Zaangażowanie zawodowe

Zasoby cyfrowe

Nauczanie i uczenie się

Ocenianie

Wzmacnianie uczniów

Rozwijanie kompetencji cyfrowych (SI) uczniów

Podejście skoncentrowane na człowieku
HM-PE-2a

Nauczyciele potrafią różnicować, w konkretnych sytuacjach komunikacji i budowania sieci kontaktów za pośrednictwem SI we własnej praktyce, kiedy stosować, dostosowywać lub rezygnować z SI na podstawie kryteriów skoncentrowanych na człowieku.

HM-PE-2b

Nauczyciele potrafią opracować osobisty plan rozwoju zawodowego wspierany przez SI, który integruje narzędzia SI z ich rutynami uczenia się, zachowując przy tym ich rozwój, autonomię i współpracę z innymi nauczycielami.

HM-PE-2c

Nauczyciele potrafią wyjaśniać zasady skoncentrowane na człowieku w dyskusjach instytucjonalnych lub grupach roboczych dotyczących SI, proponując zmiany w procedurach, politykach lub praktykach komunikacyjnych związanych z SI.
HM-DR-2a

Nauczyciele potrafią wdrażać zasoby generowane lub wzbogacone przez SI w swoim kontekście nauczania, zgodnie z kryteriami pedagogicznymi i skoncentrowanymi na człowieku.

HM-DR-2b

Nauczyciele potrafią porównywać narzędzia oparte na SI do tworzenia i wyboru zasobów cyfrowych, aby wybrać to najlepiej dopasowane do konkretnego celu dydaktycznego.

HM-DR-2c

Nauczyciele potrafią wdrażać sposoby angażowania uczniów w ocenę i wykorzystanie zasobów wzbogaconych przez SI, które wzmacniają sprawczość uczniów i jakość pedagogiczną.
HM-TL-2a

Nauczyciele potrafią prowadzić lekcje wspierane przez SI, w których to ich własny osąd pedagogiczny decyduje o tym, kiedy, jak i dlaczego wykorzystuje się SI, zachowując sprawczość uczniów i interakcję międzyludzką.

HM-TL-2b

Nauczyciele potrafią wyjaśnić wpływ wykorzystania SI na interakcję w klasie, uczestnictwo i procesy uczenia się, chroniąc znaczące interakcje nauczyciel–uczeń oraz relacje rówieśnicze za pomocą strategii dydaktycznych.

HM-TL-2c

Nauczyciele potrafią wdrażać sposoby kształtowania tego, jak SI jest wykorzystywana na lekcjach oraz w jaki sposób wzmacnia to sprawczość uczniów i jakość pedagogiczną.
HM-A-2a

Nauczyciele potrafią wdrażać narzędzia oceniania wspomaganego przez SI we własnej praktyce, opierając ostateczną decyzję ewaluacyjną na krytycznej analizie wyników narzędzi oraz na kryteriach pedagogicznych i skoncentrowanych na człowieku.

HM-A-2b

Nauczyciele potrafią sprawdzać oceny, analizy lub informacje zwrotne generowane przez SI pod kątem sprawiedliwości, dokładności i zgodności z celami uczenia się, dostosowując praktyki oceniania w celu ochrony równości i sensownego wsparcia uczniów.

HM-A-2c

Nauczyciele potrafią wyjaśnić uczniom i innym interesariuszom, w jaki sposób SI została wykorzystana w procesie oceniania oraz jaka była rola ludzkiego osądu w ostatecznym wyniku, w sposób zachowujący zaufanie i sprawczość uczniów.
HM-EL-2a

Nauczyciele potrafią wdrażać narzędzia SI wspierające uczniów o różnych zdolnościach, pochodzeniu i preferencjach, opierając swoje wybory na równości, godności i pedagogice inkluzywnej.

HM-EL-2b

Nauczyciele potrafią wyjaśnić, jak różnicowanie wspierane przez SI wpływa na uczestnictwo, autonomię i poczucie przynależności uczniów w ich własnej praktyce, chroniąc inkluzję i sensowne uczenie się każdego ucznia.

HM-EL-2c

Nauczyciele potrafią wdrażać sposoby angażowania uczniów, a w stosownych przypadkach również rodzin lub personelu wspierającego, w decyzje dotyczące personalizacji wspieranej przez SI, wzmacniając sprawczość uczniów, zaufanie i równość edukacyjną.
HM-FC-2a

Nauczyciele potrafią stosować w swojej widocznej praktyce działania związane z SI skoncentrowane na człowieku, opierając wybory na celach edukacyjnych i obywatelskich.

HM-FC-2b

Nauczyciele potrafią tworzyć sytuacje edukacyjne skłaniające uczniów do refleksji nad własnymi postawami, sprawczością i odpowiedzialnością wobec SI, jednocześnie wzmacniając ich krytyczne zaangażowanie.

HM-FC-2c

Nauczyciele potrafią organizować dialogi z uczniami na temat roli SI w ich życiu, szkole i społeczeństwie, przyczyniające się do świadomej sprawczości i odpowiedzialnego uczestnictwa w świecie przenikniętym przez SI.

Etyka SI
EI-PE-2a

Nauczyciele potrafią stosować zasady etyczne i wymogi regulacyjne w konkretnych decyzjach dotyczących własnego zawodowego wykorzystania SI, uzasadniając je w odniesieniu do rzetelności, przejrzystości, odpowiedzialności i zrównoważoności.

EI-PE-2b

Nauczyciele potrafią wnioskować oparte na zasadach odpowiedzi na dylematy etyczne pojawiające się w zaangażowaniu zawodowym za pośrednictwem SI.

EI-PE-2c

Nauczyciele potrafią wyjaśnić instytucjonalne normy dotyczące SI, praktyki oparte na zasadach etycznych oraz sposób, w jaki ich własne postępowanie przyczynia się do kultury zawodowej opartej na zaufaniu.
EI-DR-2a

Nauczyciele potrafią różnicować, jakie ryzyka etyczne występują w zasobach generowanych lub wzbogaconych przez SI w ich własnej praktyce oraz jak poważne jest każde z nich, stosując uporządkowane kryteria.

EI-DR-2b

Nauczyciele potrafią wdrażać konkretne strategie ograniczania ryzyk wynikających z zasobów generowanych przez SI.

EI-DR-2c

Nauczyciele potrafią w przejrzysty sposób wyjaśniać uczniom i współpracownikom udział SI oraz pozostałe ryzyka związane z danym zasobem, w sposób wzmacniający zaufanie i wspierający uczenie się.
EI-TL-2a

Nauczyciele potrafią stosować zasady etyczne w konkretnych decyzjach dotyczących wykorzystania SI we własnym nauczaniu, uzasadniając je w kategoriach korzyści pedagogicznej i ryzyka etycznego.

EI-TL-2b

Nauczyciele potrafią wnioskować oparte na zasadach, uzasadnione odpowiedzi na dylematy etyczne związane z SI w nauczaniu.

EI-TL-2c

Nauczyciele potrafią wyjaśnić uczniom i współpracownikom rozumowanie etyczne stojące za ich związanymi z SI wyborami dydaktycznymi, w sposób kształtujący kulturę klasy i zaufanie.
EI-A-2a

Nauczyciele potrafią krytycznie oceniać narzędzia i wyniki oceniania wspomaganego przez SI we własnej praktyce pod kątem standardów sprawiedliwości, przejrzystości i zgodności z prawem, odpowiednio dostosowując swoją praktykę.

EI-A-2b

Nauczyciele potrafią wdrażać praktyki przejrzystości we własnym ocenianiu, jednocześnie wzmacniając zaufanie i zrozumienie uczniów.

EI-A-2c

Nauczyciele potrafią wnioskować, jakie zmiany są potrzebne w ich praktyce oceniania na podstawie informacji zwrotnej wspomaganej przez SI, aby zapewnić sprawiedliwość.
EI-EL-2a

Nauczyciele potrafią krytycznie oceniać narzędzia i praktyki personalizacji oparte na SI w swoim kontekście pod kątem ryzyk niewłaściwego wykorzystania danych, dyskryminacji i ograniczenia programu nauczania.

EI-EL-2b

Nauczyciele potrafią wdrażać konkretne zabezpieczenia we własnej praktyce personalizacji, które chronią uczniów.

EI-EL-2c

Nauczyciele potrafią w przejrzysty sposób wyjaśniać uczniom i rodzinom, jak SI personalizuje uczenie się, jakie dane są wykorzystywane oraz jakie prawa mają uczniowie, wzmacniając zaufanie i równość.
EI-FC-2a

Nauczyciele potrafią wdrażać działania edukacyjne rozwijające rozumowanie etyczne uczniów w zakresie SI, uzasadniając dokonane wybory metodyczne.

EI-FC-2b

Nauczyciele potrafią opracowywać rozwiązania pomagające uczniom rozważać sprzeczne wartości, na podstawie założeń wynikających z rozumowania etycznego, jakie uczniowie wykazują podczas korzystania z SI.

EI-FC-2c

Nauczyciele potrafią dostrzegać możliwości edukacyjne w etycznie wątpliwym wykorzystaniu SI przez uczniów.

Podstawy i zastosowania SI
AF-PE-2a

Nauczyciele potrafią porównywać narzędzia SI do własnych zadań zawodowych, wykorzystując podstawową wiedzę o SI do wyboru narzędzi na podstawie ich możliwości i ograniczeń technicznych.

AF-PE-2b

Nauczyciele potrafią wprowadzać zmiany w sposobie korzystania z narzędzi SI, odzwierciedlające rzeczywiste działanie danego systemu i poprawiające jakość wyników.

AF-PE-2c

Nauczyciele potrafią wyjaśniać współpracownikom techniczne zagadnienia dotyczące narzędzi SI w przystępnym języku, przyczyniając się do świadomego dialogu koleżeńskiego na temat SI w praktyce zawodowej.
AF-DR-2a

Nauczyciele potrafią porównywać narzędzia SI do konkretnych zadań związanych z tworzeniem zasobów we własnej praktyce, aby wybrać narzędzia na podstawie ich możliwości i ograniczeń technicznych.

AF-DR-2b

Nauczyciele potrafią stosować strategie formułowania poleceń, iteracji i udoskonalania, aby uzyskać przydatne zasoby generowane przez SI.

AF-DR-2c

Nauczyciele potrafią wyjaśnić współpracownikom, kiedy dane narzędzie powinno zostać zastąpione innym narzędziem, podejściem lub zasobem niewykorzystującym SI.
AF-TL-2a

Nauczyciele potrafią porównywać narzędzia SI do konkretnych celów nauczania i uczenia się we własnej praktyce, aby wybrać narzędzia na podstawie ich możliwości i ograniczeń technicznych.

AF-TL-2b

Nauczyciele potrafią organizować elementy lekcji włączające wykorzystanie SI z jasno określonymi rolami pedagogicznymi oraz strategiami weryfikacji uzyskanych wyników.

AF-TL-2c

Nauczyciele potrafią wprowadzać zmiany w swoich podejściach do projektowania nauczania oraz wykorzystania narzędzi SI na podstawie ich technicznej skuteczności.
AF-A-2a

Nauczyciele potrafią porównywać narzędzia SI do konkretnych zadań oceniających we własnej praktyce, na podstawie technicznych możliwości, ograniczeń i wiarygodności danego narzędzia.

AF-A-2b

Nauczyciele potrafią wdrażać procesy oceniania łączące wyniki SI ze zorganizowaną weryfikacją człowieka, rozpoznając, kiedy wynik SI jest zbyt niewiarygodny.

AF-A-2c

Nauczyciele potrafią wprowadzać udoskonalenia w sposobie korzystania z narzędzi SI do oceniania na podstawie ich technicznej skuteczności.
AF-EL-2a

Nauczyciele potrafią porównywać narzędzia SI, uwzględniając ich możliwości i skuteczność techniczną w zakresie personalizacji, dostępności i inkluzji konkretnych uczniów.

AF-EL-2b

Nauczyciele potrafią wdrażać dostosowane konfiguracje narzędzi SI do inkluzywnego wykorzystania, skoncentrowane na uczniach, którzy najbardziej tego potrzebują.

AF-EL-2c

Nauczyciele potrafią rozróżniać, jak narzędzia SI faktycznie sprawdzają się w przypadku różnych uczniów w ich praktyce, zmieniając narzędzia lub łącząc SI z rozwiązaniami niewykorzystującymi SI.
AF-FC-2a

Nauczyciele potrafią organizować działania edukacyjne budujące pojęciowe zrozumienie uczniów w zakresie działania SI.

AF-FC-2b

Nauczyciele potrafią wdrażać wskazówki pomagające uczniom rozwijać praktyczne umiejętności związane z SI, dostosowując zadania do wcześniejszej wiedzy uczniów i dostępnych narzędzi SI.

AF-FC-2c

Nauczyciele potrafią wyjaśnić społeczne konsekwencje SI z perspektywy technicznej oraz sposoby, w jakie uczniowie mogą się z nimi mierzyć.


Poziom 3 – Transformacyjne Przywództwo

POZIOM 3

Zaangażowanie zawodowe

Zasoby cyfrowe

Nauczanie i uczenie się

Ocenianie

Wzmacnianie uczniów

Rozwijanie kompetencji cyfrowych (SI) uczniów

Podejście skoncentrowane na człowieku
HM-PE-3a

Nauczyciele potrafią planować nowe, skoncentrowane na człowieku praktyki komunikacji zawodowej i budowania sieci kontaktów za pośrednictwem SI w swoim zespole lub instytucji, modelując je i wspierając współpracowników w ich stosowaniu.

HM-PE-3b

Nauczyciele potrafią tworzyć innowacyjne formy uczenia się zawodowego wspieranego przez SI, które wzmacniają samodzielność i wspólny rozwój zawodowy w szerszej społeczności edukacyjnej.

HM-PE-3c

Nauczyciele potrafią planować procesy zmian instytucjonalnych, które osadzają skoncentrowane na człowieku wykorzystanie SI w zaangażowaniu zawodowym i wpływają na kulturę ich organizacji.
HM-DR-3a

Nauczyciele potrafią planować procesy tworzenia i selekcji zasobów cyfrowych wspieranych przez SI, które jako standardową praktykę uwzględniają nadzór człowieka, głos uczniów i odpowiedzialność pedagogiczną, oraz dzielić się nimi ze współpracownikami.

HM-DR-3b

Nauczyciele potrafią tworzyć kryteria jakości, protokoły weryfikacji lub dokumenty wytycznych dla zasobów wzbogaconych przez SI oraz rozpowszechniać je w swoim zespole, szkole lub szerszej społeczności zawodowej.

HM-DR-3c

Nauczyciele potrafią planować praktyki oparte na współpracy, które zmieniają sposób tworzenia, udostępniania i udoskonalania cyfrowych zasobów wzbogaconych przez SI w społeczności edukacyjnej.
HM-TL-3a

Nauczyciele potrafią tworzyć innowacyjne podejścia dydaktyczne wspierane przez SI, które w wyraźny sposób stawiają w centrum sprawczość uczniów, relacje międzyludzkie i osąd nauczyciela, testując je i dzieląc się wynikami ze współpracownikami.

HM-TL-3b

Nauczyciele potrafią tworzyć zasady pedagogiczne oraz opracowywać odpowiadające im formaty lekcji lub protokoły klasowe dotyczące skoncentrowanego na człowieku wykorzystania SI w nauczaniu i uczeniu się, oraz rozpowszechniać je w swoim zespole lub społeczności zawodowej.

HM-TL-3c

Nauczyciele potrafią planować rozwój praktyk oparty na współpracy, który zmienia sposób wykorzystania SI w nauczaniu i uczeniu się w ich szkole lub szerszym kontekście edukacyjnym.
HM-A-3a

Nauczyciele potrafią planować praktyki oceniania wspomaganego przez SI, które wyraźnie chronią odpowiedzialność człowieka, sprawiedliwość i cel pedagogiczny, oraz dzielić się tymi rozwiązaniami ze współpracownikami.

HM-A-3b

Nauczyciele potrafią tworzyć zasady, protokoły weryfikacji lub wytyczne dotyczące odpowiedzialnego wykorzystania SI w ocenianiu w swoim zespole, szkole lub szerszej społeczności zawodowej.

HM-A-3c

Nauczyciele potrafią planować rozwój praktyk oceniania wspieranego przez SI oparty na współpracy, który zmienia sposób prowadzenia oceniania w ich kontekście edukacyjnym.
HM-EL-3a

Nauczyciele potrafią tworzyć inkluzywne środowiska uczenia się wspierane przez SI, które w wyraźny sposób stawiają w centrum godność, równość i sprawczość uczniów w zróżnicowanych grupach, oraz dzielić się tymi rozwiązaniami ze współpracownikami.

HM-EL-3b

Nauczyciele potrafią tworzyć zasady praktyki inkluzywnej, listy kontrolne dostępności lub protokoły różnicowania dotyczące wykorzystania SI w swoim zespole, szkole lub szerszej społeczności zawodowej.

HM-EL-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób wykorzystania SI do wspierania równości i prawa do edukacji w ich kontekście.
HM-FC-3a

Nauczyciele potrafią tworzyć podejścia klasowe, które w wyraźny sposób modelują i kształtują postawy skoncentrowane na człowieku wobec SI w różnych przedmiotach lub rocznikach, testując je i dzieląc się nimi ze współpracownikami.

HM-FC-3b

Nauczyciele potrafią tworzyć zasady, rytuały klasowe lub formaty pedagogiczne wspierające rozwój krytycznego obywatelstwa SI u uczniów, oraz rozpowszechniać je w swoim zespole lub społeczności zawodowej.

HM-FC-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób kształtowania u uczniów postaw wobec SI skoncentrowanych na człowieku w ich kontekście edukacyjnym.

Etyka SI
EI-PE-3a

Nauczyciele potrafią tworzyć wytyczne etyczne, narzędzia wspomagające podejmowanie decyzji lub kodeksy postępowania dotyczące wykorzystania SI w zaangażowaniu zawodowym, oraz dzielić się nimi w swoim zespole lub instytucji.

EI-PE-3b

Nauczyciele potrafią planować instytucjonalne mechanizmy przeglądu lub odpowiedzialności, które wzmacniają zgodność etyczną i regulacyjną w zawodowym wykorzystaniu SI.

EI-PE-3c

Nauczyciele potrafią planować rozwój wspólnych norm etycznych i odpowiedzialnych praktyk związanych z SI w swojej organizacji edukacyjnej, kształtując kulturę, w której wykorzystanie SI jest oparte na zasadach, przejrzyste i odpowiedzialne.
EI-DR-3a

Nauczyciele potrafią opracowywać protokoły weryfikacji, listy kontrolne ryzyka lub procesy ograniczania ryzyka dla zasobów edukacyjnych generowanych przez SI, oraz dzielić się nimi ze współpracownikami.

EI-DR-3b

Nauczyciele potrafią planować praktyki zespołowe lub wydziałowe, które czynią z identyfikacji i ograniczania ryzyka rutynowy element tworzenia i selekcji zasobów.

EI-DR-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób postępowania z ryzykami etycznymi w zasobach generowanych przez SI w ich kontekście edukacyjnym.
EI-TL-3a

Nauczyciele potrafią tworzyć uporządkowane narzędzia wspomagające podejmowanie decyzji etycznych dotyczących wykorzystania SI w nauczaniu i uczeniu się, oraz dzielić się nimi ze współpracownikami.

EI-TL-3b

Nauczyciele potrafią planować praktyki klasowe lub wydziałowe, które czynią z rozumowania etycznego dotyczącego SI rutynowy element planowania dydaktycznego, oraz rozpowszechniać je w swojej społeczności zawodowej.

EI-TL-3c

Nauczyciele potrafią planować pracę opartą na współpracy, która zmienia sposób uwzględniania rozumowania etycznego w nauczaniu wspieranym przez SI w ich kontekście edukacyjnym.
EI-A-3a

Nauczyciele potrafią opracowywać protokoły sprawdzania sprawiedliwości, przejrzystości i zgodności dla oceniania wspomaganego przez SI w swoim kontekście, oraz dzielić się nimi ze współpracownikami.

EI-A-3b

Nauczyciele potrafią planować uporządkowane rutyny refleksji, które przekształcają informację zwrotną z oceniania w systematyczne doskonalenie praktyki.

EI-A-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób zapewniania sprawiedliwości, przejrzystości i zgodności z prawem w ocenianiu wspomaganym przez SI w ich kontekście edukacyjnym.
EI-EL-3a

Nauczyciele potrafią opracowywać protokoły przeglądu etycznego, listy kontrolne danych lub ramy zabezpieczeń dla personalizacji opartej na SI w swoim kontekście, oraz dzielić się nimi ze współpracownikami.

EI-EL-3b

Nauczyciele potrafią planować praktyki zespołowe lub szkolne, które czynią z identyfikacji ryzyka, minimalizacji danych i weryfikacji przez człowieka rutynowe elementy spersonalizowanego wykorzystania SI.

EI-EL-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób postępowania z ryzykami etycznymi personalizacji opartej na SI w ich kontekście edukacyjnym.
EI-FC-3a

Nauczyciele potrafią planować dłuższe sekwencje edukacyjne, formaty projektowe lub jednostki międzyprzedmiotowe, które systematycznie rozwijają u uczniów rozumowanie etyczne dotyczące SI oraz odpowiedzialność środowiskową.

EI-FC-3b

Nauczyciele potrafią tworzyć odpowiednie do wieku ramy, słownictwo lub rutyny wspierające kształtowanie u uczniów etycznej sprawczości w zakresie SI.

EI-FC-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób rozwijania u uczniów etycznej sprawczości w zakresie SI w ich kontekście edukacyjnym.

Podstawy i zastosowania SI
AF-PE-3a

Nauczyciele potrafią planować procedury ewaluacji, ramy wyboru narzędzi lub materiały wdrożeniowe, które pomagają współpracownikom stosować podstawową wiedzę o SI w decyzjach zawodowych, oraz dzielić się nimi w instytucji.

AF-PE-3b

Nauczyciele potrafią tworzyć formaty uczenia się zawodowego związane z SI, które budują kompetencje w zakresie SI w ich zespole lub szkole.

AF-PE-3c

Nauczyciele potrafią tworzyć instytucjonalne działania budujące potencjał w zakresie SI, które zmieniają sposób, w jaki podstawowa wiedza o SI wpływa na praktykę w ich kontekście edukacyjnym.
AF-DR-3a

Nauczyciele potrafią planować techniczne procesy pracy lub dokumenty wytycznych dotyczące tworzenia zasobów wspieranego przez SI, oraz dzielić się nimi ze współpracownikami.

AF-DR-3b

Nauczyciele potrafią tworzyć nowatorskie zastosowania narzędzi SI do tworzenia zasobów, które wykorzystują ich rzeczywiste możliwości, a nie samą nowość, testując je i rozpowszechniając wyniki w swojej społeczności zawodowej.

AF-DR-3c

Nauczyciele potrafią planować działania budujące potencjał w zakresie narzędzi SI do projektowania zasobów, które zmieniają sposób wykorzystania SI do tworzenia zasobów edukacyjnych w ich kontekście.
AF-TL-3a

Nauczyciele potrafią tworzyć technicznie uzasadnione formaty dydaktyczne lub opracowywać szablony lekcji dla nauczania zintegrowanego z SI, oraz dzielić się nimi ze współpracownikami.

AF-TL-3b

Nauczyciele potrafią tworzyć nowatorskie podejścia dydaktyczne wspierane przez SI, które wykorzystują rzeczywiste możliwości obecnych systemów SI, testując je i rozpowszechniając wyniki w swojej społeczności zawodowej.

AF-TL-3c

Nauczyciele potrafią planować działania budujące potencjał w zakresie SI w nauczaniu i uczeniu się, które zmieniają sposób, w jaki podstawowa wiedza o SI kształtuje projektowanie dydaktyczne w ich kontekście edukacyjnym.
AF-A-3a

Nauczyciele potrafią planować techniczne protokoły ewaluacji, rutyny walidacji narzędzi lub szablony procesów dla oceniania wzbogaconego przez SI w swoim kontekście, oraz dzielić się nimi ze współpracownikami.

AF-A-3b

Nauczyciele potrafią planować systematyczne praktyki monitorowania i poprawy technicznej skuteczności narzędzi SI do oceniania, oraz rozpowszechniać je w swoim zespole lub szkole.

AF-A-3c

Nauczyciele potrafią planować działania budujące potencjał w zakresie SI w ocenianiu, które zmieniają sposób, w jaki podstawowa wiedza o SI kształtuje praktykę oceniania w ich kontekście edukacyjnym.
AF-EL-3a

Nauczyciele potrafią tworzyć wytyczne techniczne, ramy wyboru narzędzi lub szablony konfiguracji dla inkluzywnego wykorzystania SI w swoim kontekście, oraz dzielić się nimi ze współpracownikami.

AF-EL-3b

Nauczyciele potrafią tworzyć nowatorskie zastosowania narzędzi SI do personalizacji i dostępności, oparte na realistycznym zrozumieniu tego, co obecne systemy potrafią, a czego nie, testując je i rozpowszechniając wyniki w swojej społeczności zawodowej.

AF-EL-3c

Nauczyciele potrafią planować działania budujące potencjał w zakresie SI na rzecz inkluzji, które zmieniają sposób, w jaki podstawowa wiedza o SI kształtuje praktykę inkluzywną w ich kontekście edukacyjnym.
AF-FC-3a

Nauczyciele potrafią planować dłuższe sekwencje edukacyjne, formaty projektowe lub jednostki międzyprzedmiotowe, które systematycznie budują u uczniów techniczne kompetencje w zakresie SI, oraz dzielić się nimi ze współpracownikami.

AF-FC-3b

Nauczyciele potrafią opracowywać odpowiednie do wieku zasoby pedagogiczne, analogie lub formaty zajęć służące nauczaniu podstaw SI i praktycznych umiejętności związanych z SI, oraz rozpowszechniać je w swoim zespole lub społeczności zawodowej.

AF-FC-3c

Nauczyciele potrafią planować inicjatywy oparte na współpracy, które zmieniają sposób budowania u uczniów technicznych kompetencji w zakresie SI w ich kontekście edukacyjnym.


4. Certyfikacja i Mikropoświadczenia (ICEP)

4. Certyfikacja i Mikropoświadczenia (ICEP)

4.1 Ścieżka Certyfikacji

Czym jest certyfikacja?

Ścieżka certyfikacji DUAL.AI.TEACHer zapewnia nauczycielom uporządkowany sposób wykazania swoich kompetencji w dwóch uzupełniających się obszarach: nauczaniu wzbogaconym o SI oraz kompetencjach w zakresie SI. Nauczyciele mogą realizować jedną ścieżkę certyfikacji lub obie, w zależności od swojej wcześniejszej wiedzy, roli zawodowej i potrzeb rozwojowych.

Ścieżka certyfikacji łączy samoocenę, działania edukacyjne i przygotowawcze, formalną ocenę oraz certyfikację cyfrową.

Wybierz swoją ścieżkę

Certyfikacja DUAL.AI.TEACHer składa się z dwóch uzupełniających się ścieżek:

Uczestnicy mogą realizować jedną ścieżkę certyfikacji lub obie, w zależności od swojej wcześniejszej wiedzy, roli zawodowej i potrzeb rozwojowych.

Wstępna samoocena pomoże kandydatom zidentyfikować najbardziej odpowiednią ścieżkę.

Jak przebiega certyfikacja?

Proces certyfikacji przebiega według wspólnej sekwencji dla obu ścieżek:

  1. Nauczyciel dowiaduje się o certyfikacji DUAL.AI.TEACHer.
  2. Kandydat rejestruje się na platformie ICEP.
  3. Kandydat wypełnia wstępną samoocenę i wybiera Ścieżkę A lub Ścieżkę B.
  4. Kandydat uczy się i przygotowuje, korzystając z udostępnionych materiałów, w tym zbierając odznaki w kursie MOOC.
  5. Kandydat rezerwuje termin egzaminu.
  6. Kandydat przystępuje do egzaminu.
  7. Po pomyślnym zaliczeniu wydawany jest certyfikat.
  8. Certyfikat może być udostępniany za pośrednictwem Europass, gdzie instytucje trzecie mogą sprawdzić jego ważność.
  9. Certyfikat traci ważność po pięciu latach.

Registration, self-assessment and track selection.pngRysunek 1: Proces rejestracji, samooceny i wyboru ścieżki certyfikacji

Nauka i przygotowanie

Po wybraniu ścieżki certyfikacji kandydaci wchodzą w fazę nauki i przygotowania. Korzystają z udostępnionych materiałów edukacyjnych i mogą zbierać odznaki w ramach kursu MOOC jako część przygotowań do oceny certyfikacyjnej.

Proces przygotowania obejmuje dostęp do materiałów edukacyjnych, działań wspierających, samooceny, zadań praktycznych oraz śledzenia postępów. Kandydat może kontynuować naukę, w razie potrzeby powtarzać działania lub przejść do oceny certyfikacyjnej, gdy będzie wystarczająco przygotowany.

Learning activities.pngRysunek 2: Proces nauki i przygotowania

Ocena i certyfikacja

Ocena certyfikacyjna jest przeprowadzana w formie egzaminu online dla każdej ścieżki certyfikacji.

Planowany format oceny obejmuje:

Kandydaci przystępują do oceny dla wybranej ścieżki po fazie przygotowania i samoocenie gotowości. Pomyślne zdanie egzaminu prowadzi do wydania odpowiedniego certyfikatu.

Ocena może obejmować następujące typy pytań:

Te formaty odpowiedzi wyboru mają na celu wspieranie obiektywnej, spójnej i skalowalnej oceny, umożliwiając jednocześnie efektywne automatyczne ocenianie.

Issuing certificate.pngRysunek 3: Proces egzaminu i certyfikacji między kandydatem a ICEP

Która ścieżka jest dla mnie odpowiednia?

Obie ścieżki certyfikacji odpowiadają na różne potrzeby i zainteresowania zawodowe.

Ścieżka A – Nauczanie wzbogacone o SI (WITH AI) jest przeznaczona dla nauczycieli, którzy chcą wykorzystywać SI w nauczaniu i uczeniu się w sposób pedagogicznie sensowny, bezpieczny i odpowiedzialny zawodowo. W dokumencie Certification Pathway Design ilustruje to przykład Mai Novak, nauczycielki szkoły średniej, która już eksperymentuje z generatywną SI przy przygotowywaniu lekcji, materiałów zróżnicowanych, działań klasowych i informacji zwrotnej formującej. Jej głównym celem jest przejście od eksperymentalnego wykorzystania SI do bardziej świadomej i refleksyjnej praktyki zawodowej.

Dual.AI.TEACHer Certification Pathway - Track A.pngRysunek 4: Ścieżka kandydata – Ścieżka A: Nauczanie wzbogacone o SI

Ścieżka B – Kompetencje w zakresie SI (ABOUT AI) jest przeznaczona dla nauczycieli, którzy chcą pogłębić własne zrozumienie oraz zrozumienie swoich uczniów w zakresie pojęć związanych z SI, jej ograniczeń, ryzyk i odpowiedzialnego wykorzystania. Ilustruje to przykład Luki Horvata, nauczyciela szkoły ponadpodstawowej, który chce pomóc uczniom stać się krytycznymi, świadomymi i odpowiedzialnymi użytkownikami SI, ze szczególnym uwzględnieniem takich kwestii jak dezinformacja, stronniczość, prywatność, przejrzystość, wykorzystanie danych, sprawczość człowieka oraz społeczny wpływ SI.

Dual.AI.TEACHer Certification Pathway - Track B.png

Rysunek 5: Ścieżka kandydata – Ścieżka B: Kompetencje w zakresie SI

Kandydaci mogą realizować jedną ścieżkę lub obie, w zależności od swojej wcześniejszej wiedzy, roli zawodowej i potrzeb rozwojowych.

Wstępna samoocena wspiera wybór najbardziej odpowiedniej ścieżki.

Poświadczenia i uznawalność

Po pomyślnym zaliczeniu oceny kandydaci otrzymują cyfrowy certyfikat za ukończoną ścieżkę certyfikacji.

Model certyfikacji obejmuje:

Certyfikacja ma na celu wspieranie uznawania kompetencji nauczycieli związanych z SI oraz ich ustawicznego rozwoju zawodowego. Ma również na celu wspieranie uznawalności i przenoszalności tych kompetencji w różnych kontekstach europejskich.

Więcej informacji

Dalsze szczegóły dotyczące struktury certyfikacji, ścieżki kandydata, kryteriów oceny, procedury egzaminacyjnej, ról i obowiązków, walidacji pilotażowej oraz trwałości znajdują się w pełnym dokumencie DUAL.AI.TEACHer Certification Pathway Design.

4. Certyfikacja i Mikropoświadczenia (ICEP)

4.2 Mikropoświadczenia (ICEP)

5. Mapa Drogowa Integracji SI

5. Mapa Drogowa Integracji SI

5.1 Jak Korzystać z Mapy Drogowej

Ten rozdział przedstawia Mapę drogową integracji DUAL.AI.TEACHer: dziewięć etapów, które prowadzą instytucję od pierwszej strategicznej rozmowy o SI do trwałej struktury, która się nią zajmuje. Jest napisany dla osób kształtujących sposób działania instytucji, a nie z myślą o indywidualnej praktyce w klasie.

Celowo nie jest to jeden tekst do czytania od początku do końca. Przeczytajcie tę część, która odpowiada Waszej roli.

Etap Zacznijcie od Następnie
Wszyscy 5.2 Zajmuje to dwie minuty i daje obraz całego modelu

Dyrektorka lub dyrektor szkoły lub osoba odpowiedzialna za doskonalenie zawodowe w szkole

 5.2

5.3, napisana z myślą o szkołach

Praca w instytucji kształcenia nauczycieli (kierowanie programem studiów, osoby kształcące nauczycieli, zapewnianie jakości)

 5.2 5.4, pełna wersja, czytana po kolei

Nauczycielka lub nauczyciel szukający praktycznych rozwiązań do pracy w klasie

 5.2 Możecie na tym poprzestać. Sekcje 5.2 i 5.3 to te, które napisano z myślą o Was

Czytanie pełnej wersji

Sekcja 5.4 opisuje każdy z dziewięciu etapów w całości: czego dany etap dotyczy, dlaczego został zaprojektowany właśnie tak i jak możecie rozpoznać, że został zakończony. Jest to wersja referencyjna mapy drogowej, napisana tak, aby korzystać z niej dwukrotnie. Przeczytajcie ją raz po kolei, aby zobaczyć, dlaczego etapy ułożone są w takiej właśnie kolejności i które z nich zależą od siebie. Następnie wracajcie do poszczególnych etapów w trakcie pracy nad nimi — i tak właśnie większość instytucji będzie z niej korzystać w praktyce.

Osoby, które przychodzą tu z sekcji 5.3, nie potrzebują 5.4, aby działać, ale każdy etap opisany tam skrótowo jest w 5.4 przedstawiony obszernie. Obie sekcje spotykają się na etapie 6, Włączenie SI do doskonalenia zawodowego: to tam instytucje kształcenia nauczycieli organizują ustawiczne doskonalenie zawodowe, z którego korzystają szkoły.

5. Mapa Drogowa Integracji SI

5.2 Mapa Drogowa (Skrócona Wersja Podsumowująca)

Nasz punkt wyjścia

Projekt DUAL.AI.TEACHer ma na celu opracowanie jasnej i elastycznej mapy drogowej złożonej z siedmiu do dziesięciu etapów, która pomaga instytucjom kształcenia nauczycieli włączyć SI zarówno do kształcenia wstępnego nauczycieli, jak i do ustawicznego doskonalenia zawodowego. Mapa drogowa skupia się na zmianie instytucjonalnej, a nie na pojedynczych inicjatywach, i została opracowana wspólnie z osobami kształcącymi nauczycieli.

Szczególnie istotnych podstaw dostarczyły dwa istniejące modele.

Pierwszy to sześcioetapowy model dla szkolnictwa wyższego, podsumowany hasłem „uczenie się, jak uczyć się na nowo”. Prowadzi on od przeformułowania instytucjonalnych rozmów o SI, przez zaufanie i zarządzanie, biegłość kadry, zmianę programu studiów oraz przeprojektowanie nauczania i oceniania, aż do wzmocnienia obejmującego całą instytucję (Black, 2025). Jego główną zaletą jest to, że traktuje SI jako siłę napędową transformacji instytucjonalnej, a nie jedynie jako kwestię narzędzi.

Drugi to czterofazowa mapa drogowa wdrażania generatywnej SI dla szkół i organów prowadzących: zbudować fundament, rozwijać kadrę, zaktualizować treści nauczania oraz oceniać i posuwać się dalej. Jej zaletą jest nastawienie operacyjne i nacisk na konkretne wdrożenie.

Oba modele robią to, co sobie założyły: jeden dotyczy uczelni jako całości, drugi szkół i organów prowadzących. Instytucje kształcenia nauczycieli funkcjonują w obu tych światach jednocześnie i właśnie tutaj zobaczyliśmy przestrzeń, by rozwinąć istniejące prace. Instytucje te przekształcają własne nauczanie, a równocześnie przygotowują przyszłe nauczycielki i przyszłych nauczycieli do kontekstów pozostających poza ich bezpośrednią kontrolą. Zajmowanie się wyłącznie wewnętrzną transformacją oznaczałoby, że programy związane z SI realizowałaby kadra o ograniczonym doświadczeniu praktycznym, a zajmowanie się wyłącznie przyszłą praktyką w klasie zmodernizowałoby program studiów bez zmiany instytucji, która go prowadzi. Mapa drogowa DUAL.AI.TEACHer opiera się na obu modelach i łączy te dwa wymiary.

grafik.png

Rysunek 1. Mapa drogowa integracji DUAL.AI.TEACHer: dziewięć etapów instytucjonalnej integracji SI w kształceniu nauczycieli.

Dwie osie pod etapami

Mapa drogowa nie łączy obu modeli odniesienia krok po kroku, lecz jest zbudowana wokół dwóch równoległych osi.

Pierwszą jest transformacja instytucjonalna: struktury, zarządzanie, program studiów oraz formalne warunki, które umożliwiają lub ograniczają korzystanie z SI. Ta oś podąża za logiką „od przeformułowania do wzmocnienia” z modelu dla szkolnictwa wyższego i opiera się na ugruntowanych badaniach. Teoria dyfuzji innowacji wskazuje możliwość wypróbowania i obserwowalność jako cechy ułatwiające przyjmowanie innowacji, co uzasadnia nacisk na widoczne wdrożenie pilotażowe w etapie 7 (Neal i in., 2018).

Drugą jest potencjał ludzki, która stanowi oś jakości mapy drogowej. Szkoleń nie da się zredukować do odosobnionych warsztatów. Badania nad skutecznym doskonaleniem zawodowym nauczycieli podkreślają trwałość w czasie, koncentrację na treści, ćwiczenie, refleksję, informację zwrotną i coaching (Lipowsky & Rzejak, 2021). Zasady te kształtują zatem projektowanie działań szkoleniowych na całej długości mapy drogowej, od osób kształcących nauczycieli w etapie 3 do czynnych nauczycieli w etapie 6. Jednorazowy warsztat sam w sobie nie oznacza zakończenia etapu.

Ściągawka z mapy drogowej

Etap Zadanie Zakończone, gdy
Dostosowanie strategiczne Ocenić, w jakim punkcie instytucja naprawdę się znajduje, i uzgodnić, co chce osiągnąć, z udziałem kierownictwa i z powołanym zespołem międzydziałowym. Punkt wyjścia i cel istnieją na piśmie.
Wspierające ramy zarządzania Wprowadzić obowiązujące w całej instytucji wytyczne dotyczące korzystania z SI, ochrony danych, uczciwości, ujawniania i sprawdzania narzędzi, sformułowane wokół tego, co jest możliwe, a nie tego, co jest zakazane. Kadra potrafi odpowiedzieć na pytanie „czy wolno mi to zrobić?” bez pytania kogokolwiek.
Potencjał kadry kształcącej nauczycieli Rozwijać potencjał osób, które nauczają, poprzez trwałe, skoncentrowane na treści i wbudowane w praktykę uczenie się zawodowe z coachingiem i refleksją. Rozwój ma charakter ciągły, a nie jest tylko jednorazowym warsztatem.
Wspólne projektowanie programu studiów Przenieść SI do formalnego programu studiów poprzez rewizję sylabusów i efektów uczenia się, zakotwiczoną w dydaktykach przedmiotowych, a nie w osobnym module. Efekty uczenia się związane z SI pojawiają się w regularnej dokumentacji modułów kilku przedmiotów.
Dydaktyka i ocenianie Przeprojektować zadania uczeniowe i ocenianie tak, aby były autentyczne i uwzględniały SI, oraz modelować nauczanie zintegrowane z SI, tak aby studenci doświadczyli go jako osoby uczące się. Formaty oceniania zostały zrewidowane, a nie tylko uzupełnione deklaracją o korzystaniu z SI.
Włączenie SI do doskonalenia zawodowego Przekształcić ustawiczne doskonalenie zawodowe w ustrukturyzowaną ofertę ze składalnymi mikropoświadczeniami, zabezpieczając ramię skierowane do czynnych nauczycieli. Oferta ma opublikowaną strukturę i uznawane poświadczenie.
Pilotaż w autentycznych kontekstach Przetestować przeprojektowane moduły, ofertę doskonalenia zawodowego i formy oceniania z rzeczywistymi grupami oraz systematycznie zbierać informacje zwrotne. Istnieje udokumentowana informacja zwrotna, która doprowadziła do rozpoznawalnych zmian.
Ewaluacja, uczenie się i adaptacja Przeanalizować przyrost kompetencji, uczestnictwo, wykonalność, równość szans i wpływ oraz wykorzystać zebrane dowody do wprowadzenia zmian. Dowody coś zmieniły, a nie tylko wypełniły raport.

Instytucjonalizacja i skalowanie

 Przekształcić inicjatywę w trwałą strukturę: odpowiedzialność, role, zasoby, zapewnianie jakości, odnawianie. Praca jest kontynuowana po odejściu osób, które ją rozpoczęły.

AI for Education. (b.d.). AI adoption roadmap for education institutions.
Black, A. (2025, 3 grudnia). Learning to learn again: A roadmap for higher education institutions in the age of AI. enablinginsights.
Lipowsky, F., & 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., & 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. Mapa Drogowa Integracji SI

5.3 Mapa drogowa dla szkół

Dla kogo jest ta sekcja

Dyrektorki i dyrektorzy szkół, wicedyrektorzy oraz osoby odpowiedzialne za doskonalenie zawodowe w szkole. Nie musicie znać wcześniejszych sekcji w całości. Jeśli przeczytaliście dziewięć etapów opisanych w 5.2, ta sekcja pokazuje, jak odnoszą się one do szkoły; jeśli nie, możecie zacząć właśnie tutaj.

W którym miejscu szkoły wchodzą na mapę drogową. Ta mapa drogowa powstała z myślą o instytucjach kształcenia nauczycieli, ale jej logika zmiany nie jest dla nich specyficzna, a jeden z etapów dotyczy szkół bezpośrednio. Etap 6, Włączenie SI do doskonalenia zawodowego, to ramię skierowane do czynnych nauczycieli: to tutaj instytucje kształcenia nauczycieli organizują ustawiczne doskonalenie zawodowe, w którym uczestniczy Wasza kadra. To jest Wasz punkt wejścia. To, co dana instytucja oferuje jako etap 6, trafia do Waszej szkoły w postaci doskonalenia zawodowego, a to, czy zmieni cokolwiek w Waszych klasach, zależy od warunków panujących w tej szkole. 

Dlaczego nie można na tym poprzestać. Wysłanie kadry na jednorazowy kurs to najczęstsze podejście, a zarazem takie, które samo w sobie raczej nie zmieni praktyki. Skuteczne jest trwałe zaangażowanie skoncentrowane na treści, możliwość ćwiczenia oraz działania następcze w postaci coachingu lub współpracy (Lipowsky & Rzejak, 2021). Ma to bezpośrednie konsekwencje dla osoby kierującej szkołą. Zasobem deficytowym nie jest kurs, lecz chroniony czas po nim, w którym nauczyciele czegoś próbują, omawiają to z koleżankami i kolegami i wprowadzają korekty. 

grafik.png

Rysunek 1. Mapa drogowa integracji DUAL.AI.TEACHer: dziewięć etapów instytucjonalnej integracji SI w kształceniu nauczycieli.

Trzy etapy, które warto potraktować priorytetowo na poziomie szkoły

Etap 6 jest Waszym punktem styku, ale to etapy 1-3 tworzą warunki, dzięki którym on działa. 

Etap 1, Dostosowanie strategiczne. Ustalcie, w jakim punkcie naprawdę znajduje się Wasza szkoła. Część kadry już korzysta z SI, część jej unika, a szkoły często nie mają jasnego obrazu obecnej praktyki. Krótka, uczciwa inwentaryzacja jest warta więcej niż dokument strategiczny. Nazwijcie to, co chcecie osiągnąć, i bądźcie przygotowani na odpowiedź, że SI nie jest obecnie najpilniejszym problemem Waszej szkoły; to również jest uprawniony wynik tego etapu.

Etap 2, Wspierające ramy zarządzania. Na poziomie szkoły jest to szczególnie ważne i łatwo je przeoczyć. Kadra i uczniowie muszą wiedzieć, co jest dozwolone, w jaki sposób należy ujawniać korzystanie z SI, które narzędzia zostały sprawdzone pod kątem ochrony danych i co jest uznawane za nieuczciwość akademicką. Tam, gdzie jest to niejasne, dzieją się jednocześnie dwie rzeczy: ostrożni nauczyciele całkowicie unikają SI, a pewni siebie korzystają z niej bez żadnych uzgodnionych granic. Jasne, wspierające wytyczne pomagają rozwiązać oba problemy. Nie muszą być długie.

Etap 3, Potencjał kadry. W pierwotnej mapie drogowej etap ten dotyczy osób kształcących nauczycieli; w Waszej szkole dotyczy on Waszej kadry nauczycielskiej. Obowiązują te same warunki jakości. Rozważcie rozpoczęcie od małej grupy chętnych koleżanek i kolegów z jednego lub dwóch przedmiotów, zamiast wdrożenia obejmującego całą radę pedagogiczną, i pokażcie ich rezultaty pozostałym. Innowacje rozprzestrzeniają się wtedy, gdy koleżanki i koledzy widzą, że działają one w ich własnym środowisku (Neal i in., 2018).

Co jest inne w szkole

Trzy ograniczenia odróżniają Waszą sytuację od sytuacji instytucji kształcenia nauczycieli i mapę drogową warto czytać z nimi w pamięci.

Macie mniejszą autonomię programową. Etapy 4 i 5 zakładają instytucję, która może zmieniać treść własnych kursów. Duża część Waszego programu nauczania może być określona w ramach krajowych lub ustawowych, a Wasze pole manewru leży w tym, jak przedmioty są nauczane i jak ocenia się uczenie się, a nie w tym, co jest odgórnie przepisane. Czytajcie te etapy jako dotyczące projektowania zadań i praktyki oceniania.

Wasza kadra ma mniej czasu do dyspozycji. Instytucja kształcenia nauczycieli może przydzielić pracownikom naukowo-dydaktycznym prace rozwojowe jako część ich obowiązków. W szkole każda godzina przeznaczona na rozwój konkuruje bezpośrednio z nauczaniem. To sprawia, że etap 2 ma nieproporcjonalnie dużą wartość: wytyczne kosztują niewiele czasu, a usuwają bardzo wiele tarć.

Jesteście bliżej konsekwencji. Szkoły szczególnie bezpośrednio doświadczają praktycznych konsekwencji kwestii związanych z równością szans, danymi uczniów i dostępem. Właśnie dlatego etap 8 wprost pyta o równość szans.


Lipowsky, F., & 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., & 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. Mapa Drogowa Integracji SI

5.4 Pełna mapa drogowa dla instytucji kształcenia nauczycieli

Dla kogo jest ta sekcja

Dziekani, kierownicy programów studiów, osoby kształcące nauczycieli oraz osoby odpowiedzialne za zapewnianie jakości w instytucjach przygotowujących do zawodu nauczyciela. Ta mapa drogowa powstała przede wszystkim z myślą o Was, a niniejsza sekcja zakłada, że znacie już dziewięć etapów opisanych w 5.1. W odróżnieniu od czytelniczek i czytelników ze szkół, instytucje kształcenia nauczycieli powinny traktować mapę drogową jako całość, ponieważ poszczególne etapy dotyczą różnych obszarów zmiany instytucjonalnej, które są od siebie wzajemnie zależne.

grafik.png

Rysunek 1. Mapa drogowa integracji DUAL.AI.TEACHer: dziewięć etapów instytucjonalnej integracji SI w kształceniu nauczycieli.

1. Dostosowanie strategiczne

Od reagowania do strategii Większość instytucji nie zaczyna od zera. Punktem wyjścia jest zwykle mozaika pojedynczych inicjatyw, nieformalnego korzystania z narzędzi i nierozstrzygniętych wątpliwości. Pierwszy etap uwidacznia tę sytuację wyjściową i przekształca ją we wspólny kierunek strategiczny. Kierownictwo samo otwiera ten proces, zamiast go delegować, ponieważ kolejne etapy wymagają decyzji dotyczących kadr, zasobów i programu studiów, które potrzebują instytucjonalnego wsparcia. Instytucja ocenia swoją gotowość, potrzeby i priorytety oraz powołuje międzyfunkcyjny zespół sterujący, w którego skład wchodzą osoby kształcące nauczycieli, przedstawiciele IT, studenci oraz osoby odpowiedzialne za zapewnianie jakości. Włączenie studentów nie jest gestem symbolicznym: to oni bezpośrednio doświadczają programu studiów, a w kształceniu nauczycieli są także członkami przyszłej grupy zawodowej.

Etap jest zakończony, gdy instytucja potrafi na piśmie określić, w jakim punkcie się znajduje, co chce osiągnąć i kto odpowiada za dalsze prowadzenie tych prac.

2. Wspierające ramy zarządzania

Wytyczne pojawiają się wcześnie, ponieważ niepewność może stać się poważną barierą we wdrażaniu. Osoby zatrudnione, które nie wiedzą, co jest dozwolone, mogą albo całkowicie unikać SI, albo korzystać z niej bez wspólnie uzgodnionych zasad. Instytucja opracowuje wytyczne obowiązujące w całej organizacji, obejmujące korzystanie z SI, ochronę danych, rzetelność akademicką, oczekiwania dotyczące ujawniania użycia SI oraz procedurę przeglądu i zatwierdzania narzędzi. Kluczowym wyborem projektowym jest sposób ujęcia: wytyczne powinny wyjaśniać, co jest możliwe i pod jakimi warunkami, zamiast składać się głównie z zakazów. Projekt wytycznych jest przed przyjęciem poddawany konsultacjom, co zwiększa zarówno ich praktyczną użyteczność, jak i legitymację.

Etap jest zakończony, gdy pracownicy bez trudu znajdują jasną odpowiedź na pytanie „Czy wolno mi to zrobić?” i wiedzą, do kogo się zwrócić, gdy dana sytuacja wykracza poza wytyczne.

3. Potencjał kadry kształcącej nauczycieli

Osoby kształcące nauczycieli nie mogą modelować praktyk, których same nie miały okazji poznać. Ten etap buduje ich potencjał poprzez doskonalenie zawodowe, które jest ciągłe, a nie jednorazowe, powiązane z treściami i dydaktyką przedmiotową, a nie skoncentrowane głównie na narzędziach, oraz osadzone w praktyce dzięki współpracy, coachingowi i ustrukturyzowanej refleksji. Są to cechy konsekwentnie wiązane ze skutecznym doskonaleniem zawodowym nauczycieli (Lipowsky & Rzejak, 2021). Kompetencje są odnoszone do Ram Kompetencji DUAL.AI.TEACHer oraz Ram Kompetencji SI dla Nauczycieli UNESCO, dzięki czemu rozwój ma zarówno kierunek, jak i punkt odniesienia. Integracja SI powinna opierać się na dotychczasowej wiedzy zawodowej osób kształcących nauczycieli, zamiast traktować SI jako odrębną kompetencję techniczną. Pojedyncze warsztaty nie kończą tego etapu. Etap jest zakończony, gdy osoby kształcące nauczycieli mają trwałe możliwości rozwijania, stosowania i refleksyjnego analizowania praktyki związanej z SI we własnych kontekstach dydaktycznych.

4. Wspólne projektowanie programu studiów

Na tym etapie SI przechodzi z działań pozaprogramowych do formalnego programu studiów. Dokumentacja kursów i modułów zostaje poddana przeglądowi, a efekty uczenia się są dostosowywane do ram kompetencji, tak aby to, czego się naucza, co się ćwiczy i co się ocenia, zmierzało w tym samym kierunku. Główną zasadą projektową tej mapy drogowej jest to, że kompetencje w zakresie SI oraz pedagogika wzbogacona o SI powinny być osadzone w dydaktyce przedmiotowej, a nie zamknięte w osobnym module. Dedykowany kurs poświęcony SI może być użyteczny jako krok przejściowy, ale niesie ryzyko zasygnalizowania, że SI jest odrębnym tematem, a nie częścią codziennego nauczania przedmiotowego. Wspólne projektowanie z osobami kształcącymi nauczycieli ma znaczenie, ponieważ ci, którzy będą prowadzić zmieniony program, powinni go współtworzyć.

Etap jest zakończony, gdy efekty uczenia się związane z SI są widoczne w standardowej dokumentacji wielu przedmiotów lub modułów i są powiązane z szerszym programem, a nie odizolowane w jednym kursie.

5. Dydaktyka i ocenianie

Zmiana programu studiów na papierze nie wystarczy, jeśli nauczanie i ocenianie pozostaną bez zmian. Ten etap przeprojektowuje zadania edukacyjne i formy oceniania tak, aby były autentyczne, multimodalne i uwzględniały obecność SI, oraz aby ocenianie koncentrowało się na tym, co przyszłe nauczycielki i przyszli nauczyciele potrafią zrozumieć, uzasadnić, stworzyć i zastosować, a nie na wytworach, które system generatywny może wyprodukować na żądanie. Równie ważny jest efekt modelowania: osoby przygotowujące się do zawodu nauczyciela powinny doświadczyć przemyślanego nauczania z wykorzystaniem SI w roli uczących się, zanim oczekuje się od nich stosowania go w praktyce zawodowej. Kształcenie nauczycieli ma tu wyjątkową szansę, ponieważ studenci doświadczają praktyk nauczania, jednocześnie rozwijając własny warsztat zawodowy.

Etap jest zakończony, gdy efekty uczenia się związane z SI znajdują odzwierciedlenie w rzeczywistej praktyce nauczania i oceniania, a nie są jedynie dopisane do opisów modułów lub wymogów dotyczących ujawniania użycia SI.

6. Włączenie SI do doskonalenia zawodowego

Instytucje kształcenia nauczycieli nie tylko przygotowują przyszłe nauczycielki i przyszłych nauczycieli; wspierają także osoby już pracujące w szkołach. Ten etap rozwija ustawiczne doskonalenie zawodowe w ustrukturyzowaną ofertę zamiast serii odosobnionych wydarzeń. Obowiązują te same warunki jakości co na etapie 3: trwałe zaangażowanie, wyraźne skupienie na treści, możliwość praktycznego ćwiczenia oraz działania następcze w postaci współpracy, informacji zwrotnej lub coachingu. W modelu DUAL.AI.TEACHer prace te mogą zostać powiązane ze ścieżką certyfikacji opracowaną w ramach T2.6, co pozwala budować doskonalenie zawodowe w dłuższej perspektywie. Etap 6 tworzy również dwukierunkowe połączenie ze szkołami: instytucje wnoszą doskonalenie zawodowe, a czynni nauczyciele wnoszą aktualne doświadczenie z klas z powrotem do kształcenia nauczycieli.

Etap jest zakończony, gdy doskonalenie zawodowe czynnych nauczycieli tworzy spójną i trwałą ofertę z wyraźną progresją, a nie kalendarz niepowiązanych ze sobą pojedynczych wydarzeń.

7. Pilotaż w autentycznych kontekstach

Przeprojektowane moduły, oferty doskonalenia zawodowego i formy oceniania są testowane z rzeczywistymi grupami w realistycznych warunkach, a informacje zwrotne od osób kształcących nauczycieli, studentów i innych uczestników są zbierane systematycznie. Pilotaż zmniejsza ryzyko skalowania podejścia, zanim zostanie ono sprawdzone w praktyce. Uwidacznia też wdrożenie: koleżanki i koledzy mogą zobaczyć, jak dane podejście działa w kontekście zbliżonym do ich własnego, omówić wyniki i dostosować je przed szerszym zastosowaniem. Celem pilotażu nie jest zatem wykazanie, że projekt był trafny, lecz odkrycie, co wymaga zmiany.

Etap jest zakończony, gdy udokumentowane informacje zwrotne z autentycznego wdrożenia doprowadziły do dających się wskazać zmian.

8. Ewaluacja, uczenie się i adaptacja

Ewaluacja odpowiada na pytanie, czy zmiany przyniosły zamierzone rezultaty. W zależności od działania może obejmować rozwój kompetencji, uczestnictwo, wykonalność, równość szans, doświadczenia kadry i studentów oraz szersze efekty programowe. Równość szans jest rozpatrywana wprost, ponieważ integracja SI może zmniejszać jedne nierówności, a jednocześnie tworzyć lub wzmacniać inne, na przykład pomiędzy przedmiotami, grupami pracowników czy studentami o różnym poziomie dostępu i wsparcia. Zebrane dane służą następnie do korygowania programu studiów, doskonalenia zawodowego, oceniania i wdrażania.

Na tym etapie ustanawia się również regularny cykl przeglądu wytycznych opracowanych na etapie 2, które będą musiały ewoluować wraz ze zmianami technologii, praktyk i warunków regulacyjnych.

9. Instytucjonalizacja i skalowanie

Ostatni etap przenosi udane działania ze statusu projektu do stałych struktur instytucji. Oznacza to jasne przypisanie odpowiedzialności, zdefiniowane zadania, odpowiednie zasoby oraz włączenie w istniejące procesy, takie jak rozwój programów studiów i zapewnianie jakości. Skalowanie powinno uwzględniać własny kontekst, możliwości i profil instytucji, a nie jeden uniwersalny model. Instytucjonalizacja oznacza także tworzenie mechanizmów odnowy: technologie SI, praktyki edukacyjne i potrzeby instytucji będą się nadal zmieniać, więc sam model nie może pozostać niezmienny.

Etap jest zakończony, gdy praca toczy się dalej po odejściu osób, które ją zapoczątkowały.

Wasza szczególna sytuacja

Instytucje kształcenia nauczycieli realizują jednocześnie dwa zadania. Przekształcacie własne nauczanie i jednocześnie przygotowujecie przyszłe nauczycielki i przyszłych nauczycieli do pracy w klasach, nad którymi nie macie kontroli, w warunkach, których nie da się w pełni przewidzieć, przy użyciu technologii, która może się zmienić, zanim Wasi absolwenci tam dotrą. Te dwa zadania są ze sobą ściśle powiązane. Skupienie się wyłącznie na wewnętrznej transformacji grozi powstaniem programów związanych z SI bez wystarczającego powiązania z przyszłą praktyką szkolną. Skupienie się wyłącznie na przyszłej praktyce szkolnej grozi unowocześnieniem programu bez zmiany instytucji, która go realizuje. Dlatego mapa drogowa traktuje oba wymiary łącznie.

Etap 3 umożliwia wszystko, co następuje później. Wiele późniejszych działań zależy od potencjału osób kształcących nauczycieli. Ich ekspertyza leży w ich dyscyplinach i dydaktyce przedmiotowej, więc integracja SI nie jest po prostu kwestią dodania kolejnego narzędzia. Doskonalenie zawodowe musi łączyć wykorzystanie SI z nauczaniem, uczeniem się i ocenianiem w konkretnych przedmiotach, zamiast traktować je jako ogólną kompetencję techniczną. Z tego powodu etap 3 zasługuje na szczególną uwagę, gdy zasoby są ograniczone.

Gdzie etap 4 staje się trudny. Zasada, że kompetencje w zakresie SI powinny być osadzone w dydaktyce przedmiotowej, a nie omawiane wyłącznie w osobnym module, łatwo się formułuje, ale znacznie trudniej wdraża. Osobny moduł można przypisać jednej osobie, natomiast rozproszona integracja wymaga, by wiele osób przemyślało na nowo części własnego nauczania. Tam, gdzie osobny moduł jest użyteczny jako krok przejściowy, powinien on być powiązany z długofalowym planem integracji w całym programie.

Wasza wyjątkowa dźwignia na etapie 5. Etap 5 uwypukla szczególną cechę kształcenia nauczycieli: Wasi studenci są dziś osobami uczącymi się, a jutro nauczycielami. To, jak ich uczycie, staje się więc częścią tego, czego uczą się o nauczaniu. Jeśli osoby przygotowujące się do zawodu doświadczą przemyślanego nauczania z wykorzystaniem SI w roli uczących się, poznają konkretne wzorce, nad którymi mogą później się zastanowić i dostosować je do własnej praktyki. Nauczanie o SI bez modelowania jej pedagogicznego wykorzystania daje zupełnie inne doświadczenie. Dlatego etap 5 wykracza poza samą reformę oceniania.

Etap 6 to Wasz interfejs ze szkołami. Wasza oferta ustawicznego doskonalenia zawodowego jest punktem wejścia. Rozszerza ona zasięg instytucji poza przyszłych nauczycieli na osoby już pracujące w klasach. Jednocześnie współpraca z czynnymi nauczycielami może wnieść aktualne doświadczenie z klas z powrotem do kształcenia nauczycieli. Doskonalenie zawodowe może zatem pełnić funkcję nie tylko usługi świadczonej szkołom, lecz także kanału wzajemnego uczenia się między szkołami a instytucjami kształcenia nauczycieli.

Co możecie zrobić, czego nie mogą szkoły

Instytucje kształcenia nauczycieli mają zwykle większe możliwości zmiany programów i form oceniania, dostęp do potencjału badawczego oraz mandat do pracy z wieloma szkołami. Nadaje to szczególną wartość etapom 7 i 8: to, czego uczycie się dzięki pilotażom i ewaluacji, może być przydatne nie tylko dla Waszej instytucji, lecz także dla szkół partnerskich i szerszego systemu. Upowszechnianie tych doświadczeń może również wspierać przyjmowanie nowych praktyk gdzie indziej.

Od czego zacząć, gdy wszystko jest pilne. Zacznijcie od etapu 2 i etapu 3. Ramy zarządzania zmniejszają niepewność, a potencjał kadry tworzy warunki do sensownej pracy na etapach od 4 do 6. Rozpoczęcie od zmiany programu studiów, zanim kadra będzie w stanie ją wdrożyć, grozi wprowadzeniem zmian na papierze, które trudno zrealizować w praktyce.

6. Zasoby i Bibliografia

6. Zasoby i Bibliografia

6.1 Zasoby

Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.

BEKIARIDIS, G. (author) and ATTWELL, G. (ed.), Supplement to the DigCompEDU Framework: Outlining the Skills and Competences of Educators Related to AI in Education, AI Pioneers – Work Package 3, Erasmus+ Programme, European Union, 2024. Available at: https://aipioneers.org/wp-content/uploads/2024/01/WP3_Supplement_to_the_DigCompEDU_English.pdf 

BLOOM, B.S. (ed.), ENGELHART, M.D., FURST, E.J., HILL, W.H. and KRATHWOHL, D.R., Taxonomy of Educational Objectives: The Classification of Educational Goals. Handbook I: Cognitive Domain, David McKay Company, New York, 1956.

Krathwohl, D. R. (2002). A revision of Bloom’s taxonomy: An overview. Theory Into Practice, 41(4), 212–218.

MIAO, F. and CUKUROVA, M., AI Competency Framework for Teachers, UNESCO, 2024. ISBN 978-92-3-100707-1. DOI: https://doi.org/10.54675/ZJTE2084 

REDECKER, C., European Framework for the Digital Competence of Educators: DigCompEdu, PUNIE, Y. (ed.), EUR 28775 EN, Publications Office of the European Union, Luxembourg, 2017. ISBN 978-92-79-73494-6 (pdf). DOI: https://doi.org/10.2760/159770. JRC107466.

6. Zasoby i Bibliografia

6.2 Bibliografia

6. Zasoby i Bibliografia

6.3 Słownik i Kluczowe Pojęcia

Słownik

Collection of relevant technical terms

Słownik

Tabela pojęć technicznych

Pojęcia wprowadzone w Playbooku

Pojęcie

Wyjaśnienie

Także w

Błąd automatyzacji

Akceptowanie sugestii maszyny bez samodzielnego jej sprawdzenia

Detektor SI

Oprogramowanie twierdzące, że identyfikuje tekst napisany przez maszynę. To, co faktycznie mierzy, to przewidywalność.

1.5

Ramy Kompetencji Pedagogicznych w Zakresie SI

Struktura porządkująca kompetencje nauczycielskie związane z SI według wymiarów i poziomów oraz łącząca je z rezultatami i ocenianiem.

Stronniczość

Skrzywienia odziedziczone z materiału, na którym system się uczył, których nie da się wiarygodnie zredukować poprzez zwiększenie systemu

1.4, 1.5

Ścieżka certyfikacji

Droga, poprzez którą kompetencje są walidowane i formalnie uznawane, tutaj jako podwójna ścieżka.

Odciążenie poznawcze

Przekazywanie pracy umysłowej czemuś poza własnym umysłem. Jest to przydatne, gdy wiedza jest już ugruntowana, a szkodliwe, gdy dopiero się kształtuje.

1.4

Kompetencja

To, co nauczyciel wie, potrafi zrobić i jest gotów zrobić, opisane w sposób umożliwiający nauczanie i sprawdzanie tego.

Utrata kwalifikacji

Powolna erozja wiedzy eksperckiej zawodowej, gdy narzędzie przejmuje pracę, dzięki której ta wiedza ekspercka jest podtrzymywana.

1.4

Odznaka cyfrowa

Cyfrowa, możliwa do udostępniania forma certyfikatu lub mikropoświadczenia.

Wymiar

Jeden z szerokich obszarów, na które podzielone są ramy kompetencji, z których każdy grupuje kompetencje należące do siebie w praktyce.

Fałszywie pozytywny wynik

Poprawna, uczciwa praca błędnie oznaczona jako podejrzana. Błąd, który szkodzi uczniom.

1.4, 1.5

Zabezpieczenia

Ograniczenia wbudowane w system, aby wspierał myślenie, zamiast je zastępować.

1.4, 1.5

Halucynacja

Płynna, pewna siebie, fałszywa. Nie jest to usterka czekająca na poprawkę, lecz konsekwencja sposobu, w jaki systemy generują tekst.

1.4, 1.5

Mapa drogowa integracji

Krok po kroku droga, jaką przechodzi nauczyciel lub instytucja od pierwszego kontaktu z SI do ugruntowanej praktyki.

Luka między wiedzą a działaniem

Mierzalny dystans między wiedzą o SI a nauczaniem inaczej z tego powodu.

1.4, 1.5

Mikropoświadczenie

Mniejsza certyfikacja obejmująca jeden skoncentrowany zestaw kompetencji zamiast całej ścieżki.

Schemat poznawczy

Uporządkowana wiedza danej osoby

1.4

Nauczanie o SI

Uczynienie samej SI tematem lekcji, tak aby uczniowie rozumieli, jak ona działa i gdzie zawodzi.

Nauczanie z SI

Wykorzystywanie SI jako narzędzia we własnej pracy dydaktycznej, od planowania po informację zwrotną.