1.1 Potencjał i ryzyko
IfJeśliyouzapamiętaszrememberzonlytejonestronysentencetylkoformjednothis page:zdanie:AISIhastrafiłamadedoitsszkółwayjakintolekarstwoschoolsbezlikeulotkiainformacyjnejmedicinedlathatpacjenta.comesJakowithoutnauczycielaniepatientwiesz,informationkiedyleaflet.stosowaćAsSI,abrakujeteacher,Ciyouinformacjidon’toknowdawkowaniuwhenitonieusemaszAI,danychyouolackskutkachdosageubocznych.instructions,Tenandrozdziałtherepełniisrolęnotakiejinformationulotkioninformacyjnejthedlaside effects. This chapter serves as the patient information leaflet for the Playbook.Playbooka.
Czy SI powinna mieć ulotkę informacyjną jak lekarstwo?
Should
Znasz AItę comekarteczkę withwsuniętą 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 leaflettylko like12 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 medicine?
Ten likerozdział themoże dry,wyglądać necessaryjak section,sucha, butale itkonieczna revealsczęść, thew hiddenrzeczywistości storiesjednak behindodsłania thehistorie rules.ukryte Itza tellsprzepisami. whatPokazuje, reallyco happened,naprawdę whosię waswydarzyło, affected,kogo andto shinesdotknęło, ai lightrzuca onświatło thena sideskutki effects,uboczne even– thosetakże thatte, quietlyktóre reachedpo childrencichu whodotarły neverdo signeddzieci, up.
PotentialsPotencjał of AISI
Let's make this clear right from the start. Most studies on AI's potential focus on university students. School pupils have so far featured relatively rarely in these studies. Most studies relatePowiedzmy to short-termjasno interventionsjuż lastingna fromwstępie. aWiększość fewbadań hoursnad topotencjałem aSI fewdotyczy weeks.studentów Consequently,uczelni thewyższych. so-calledUczniowie noveltyszkół effectjak maydotąd havepojawiają positivelysię influencedw thetych results.badaniach Laststosunkowo butrzadko. notWiększość least,badań thedotyczy krótkoterminowych interwencji trwających od kilku godzin do kilku tygodni. W związku z tym tak zwany efekt nowości mógł pozytywnie wpłynąć na wyniki. Wreszcie, test usedsłużący todo assessoceny effectivenessskuteczności wasbył oftenczęsto devisedopracowywany byprzez thete verysame peopleosoby, whoktóre deliveredprowadziły thezajęcia. lessons.To This,również too,mogło mayzaburzyć have confounded the data.dane.
(1) LetPozwól AISI explainwyjaśnić nowy temat, a newćwiczenia topiczostaw andna keep the practice for your lessonlekcję
ImagineWyobraź this.sobie. Tomorrow,Jutro, whengdy auczeń pupilprzegapi missestemat aalbo topicznów orbędzie needspotrzebował thatwyjaśnienia trickytrudnego conceptzagadnienia, explainedpozwól, yetby again,pierwsze letwyjaśnienie anprzeprowadził AIkorepetytor tutorSI. handleĆwiczenia thezachowaj firstna explanation.swoją Reservelekcję, thetam practicegdzie forprawdziwe youruczenie lesson,się wherenabiera real learning comes alive.życia.
WhyDlaczego thisto matters.ważne. AISI canmoże supportwspierać acquisitionprzyswajanie ofwiedzy factualfaktograficznej. knowledge.W Inbadaniu 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 Harvardznaczna study,część 194zadania physicspolegała studentspo learnedprostu twona topics.dobrym Forjego onewyjaśnieniu. topic,Wyraźnie theyodrzucają usedmyśl, anże AIto tutorsamo developeddotyczyłoby forzadań thiswymagających purpose.integrowania Forwielu theidei. otherPoza topic,tym theybyli learnedto instudenci studiów licencjackich, a traditionalnie class.uczniowie Eachósmej student completed both approaches, so no one can claim that the stronger group received the better treatment. In a test conducted immediately afterward, the students taught by the AI achieved significantly higher results. The researchers recorded a median time of 49 minutes to complete the task, compared with the 60 minutes allocated for the lesson in the timetable. The authors are cautious in their interpretation of these results: the material was new to the students, and much of the task simply involved explaining it well. They expressly reject the idea that the same would apply to tasks requiring the integration of multiple ideas. Furthermore, these were undergraduate students, not Year 8 pupils.klasy.
ADo largepodobnego reviewwniosku poolingdoszedł theobszerny resultsprzegląd ofłączący wyniki 228 studiesbadań. cameChatboty tooparte ana similargeneratywnej conclusion.SI Generativewywoływały AI-basedwiększy chatbotsefekt producedw azakresie larger effect on knowingwiedzy (andi understanding)rozumienia) thanniż intelligentinteligentne tutoringsystemy systemstutorskie andoraz adaptiveoprogramowanie practicedo software.adaptacyjnych ćwiczeń.
GoSięgnij deeper.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, Articleartykuł 17458. FreeDostęp access,bezpłatny, DOI 10.1038/s41598-025-97652-6. TheArtykuł articleopisuje, describesjak howzaprojektowano thei tutorskontrolowano waskorepetytora designed– andprzydatne controlled.dla Thiskażdego, iskto usefulchciałby forsamodzielnie anyonestworzyć wishingkorepetytora to develop an AI tutor themselves.SI.
(2) MakingLepsze betterwykorzystanie useczasu ofna lessonplanowanie planning timelekcji
ImagineWyobraź this.sobie. SaveZaoszczędź someczęść ofczasu thepotrzebnego timena youplanowanie needlekcji, forwykorzystując lessonSI planningdo byprzygotowania usingpierwszej AIwersji tokonspektu, draftktórą yournastępnie firstdokładnie lessonprzejrzysz plani and then revise it thoroughly. poprawisz.
Why this matters. No one disputes that teachers’ workloads are heavy. Therefore, one potential benefit of AI is using working hours more efficiently. A UK study investigated the extentDlaczego to whichważne. theNikt targetednie usekwestionuje, ofże AInauczyciele forsą lessonmocno planningobciążeni canpracą. helpDlatego tojedną reducez teachers’potencjalnych workload.korzyści ResearchersSI randomlyjest assignedbardziej 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 sciencenauczycieli teachersprzedmiotów atprzyrodniczych z 68 schoolsszkół toalbo eitherdo agrupy groupkorzystającej usingz achatbota chatbotwraz alongsidez briefkrótką writteninstrukcją instructionspisemną, oralbo ado groupgrupy thatkontynuującej continuedplanowanie lessonlekcji planningjak asdotychczas. before.Tygodniowy Theczas weeklyplanowania planninglekcji timeprzyrodniczych fordla science lessons in Yearsklas 7 andi 8 fellspadł fromz aroundokoło 81 minutesminut todo aroundokoło 56.56 Aminut. panelPanel ofekspertów subjectprzedmiotowych expertsocenił assessedjakość thekonspektów qualitylekcji, ofnie thewiedząc, lessonczy plans.powstały Theyz didpomocą notSI, knowczy whetherbez theniej. plansEksperci hadnie beenznaleźli createddowodów withna orto, withoutże thejakość aidkonspektów ofsię AI.różniła. TheTrzeba expertsjednak foundpodkreślić nodwie evidence to suggest that the quality of the lesson plans differed. However, two points must be highlighted.kwestie. (1) TheNauczyciele teachersz usedtygodnia thena tooltydzień lesskorzystali andz lessnarzędzia ascoraz therzadziej, weeksco wentoznacza, on,że meaningoszczędność thatczasu thenie timepojawia savedsię doessama notz occursiebie automaticallyi andnie doesutrzymuje notsię sustainbez itself.wsparcia. (2) TheBadanie trialmierzyło measuredczas, thejaki timenauczyciele spentpoświęcali byna teachersplanowanie onlekcji, lessona planning,nie notefekty theiruczenia pupils’się learningich outcomes.uczniów.
GoSięgnij deeper.głębiej. Roy, P., Poet, H., Staunton, R., Aston, K., & Thomas, D. (2024, 12 December)grudnia). ChatGPT in lesson preparation: A Teacher Choices Trial. NFER, commissionedna by thezlecenie Education Endowment Foundation and theoraz Hg Foundation. FreeDostępne atbezpłatnie na educationendowmentfoundation.org.uk.
(3) ProvidingLepsze betterwsparcie supportdla foruczniów, learnersktórzy whonie dow notpełni benefitkorzystają fullyze fromstandardowych standard lessonslekcji
ImagineWyobraź this.sobie. YourTwoja schoolszkoła decidesdecyduje, howjak itchce wisheswydać toswoje spendśrodki. itsChce funds.zakupić Itchatbota wantsSI. toJak purchasemyślisz, anjak AIprawdopodobne chatbot.jest, Howże likelydostawcy dochatbota youprzedstawią thinkCi itdowody isna thatkorzyści thepłynące chatbotz providersbota willdla provideróżnych you with evidence of the bot’s benefits for different subjects?przedmiotów?
WhyDlaczego thisto matters.ważne. TheDostawca providermoże maywskazać pointna outnastępujące thezastosowanie. followingChatboty application.to Chatbotsnajstarsze arei thenajlepiej oldestudokumentowane andzastosowanie best-documented„SI” applicationw ofedukacji ‘AI’– ini education,to andwłaśnie thisjest isczęsto preciselypomijane whatprzy isprzydzielaniu oftenśrodków. overlookedW when allocating funds. In an analysis ofanalizie 29 studiesbadań involvingobejmujących 41 groupsgrup ofuczniów learnersz withniepełnosprawnościami disabilities,badacze researchersstwierdzili foundumiarkowane moderatekorzyści benefitsw acrossszerokim azakresie widekontekstów. rangeWarto ofjednak settings.przeczytać Butdrobny readdruk. theW smallsiedmiu print.na Indziesięć sevenz outtych ofbadań ten„SI” ofoznaczała theserobota: studies,niewielkie ‘AI’fizyczne meanturządzenie astojące robot:na astole, smallczęsto physicalobsługiwane machineprzez sittingbadacza onw ainnym table,pomieszczeniu. oftenTylko operatedjedno byna apięć researcherbadań indotyczyło anotheroprogramowania. room.To Onlynie onejest inwięc fivedowód studiesna usedto, software. So this is no proof that aże chatbot willpomoże helpuczniowi anz autisticautyzmem pupilw inTwojej yourklasie. class.Recenzenci Nornie couldpotrafili theteż reviewerswskazać, sayco whatsprawia, makesże thesete interventionsinterwencje effective.są Basedskuteczne. onNa theirpodstawie research,swoich theybadań couldnie notbyli identifyw whystanie theokreślić, studiesczym thatróżniły workedsię differedbadania, fromktóre thosezadziałały, thatod didtych, not.które nie przyniosły efektu.
GoSięgnij deeper.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 (96(1). DOI 10.3102/00346543241293424. ThePrawdziwym realskarbem gemjest istabela theuwzględnionych tablebadań: ofod includedrazu studies:pokazuje, itjak instantlyniewielka revealsczęść justtej howdziedziny littlefaktycznie ofdotyczy thisnarzędzi fieldobecnie actuallysprzedawanych focuses on the tools currently being marketed to schools.szkołom.
(4) TeachingUczenie, learnersjak howSI AIsię failsmyli
ImagineWyobraź this.sobie. AskPoproś yourklasę classo tostworzenie createdziesięciu tenobrazów images„lekarza” ofi 'adziesięciu doctor'obrazów and„pielęgniarki”. tenPoliczcie, ofkto 'apojawia nurse.'się Tallyw upkażdym who appears in each set, then sparkzestawie, a discussion:następnie wherezainicjujcie diddyskusję: theseskąd patternswzięły comesię from,te andwzorce whoi madekto thosepodjął choices?te decyzje?
FigRys. 1. ImageObraz createdstworzony withza pomocą NanoBanana 2, createdutworzony August,20 20,sierpnia 2026,2026 Oner., shotpolecenie prompt:typu aone-shot: doctor,lekarz, a nursepielęgniarka
WhyDlaczego thisto matters.ważne. TheKlasyczna classicwersja versiontej oflekcji thiswydaje lessonsię feelsprzestarzała outdated,– andi thatwłaśnie isdlatego exactlyzasługuje whyna ituwagę. deservesPrzez attention.lata Fordemonstracja years,była theprzewidywalna: demonstrationpoproś waso predictable: ask forlekarza, a doctor,pojawi andsię amężczyzna. manW appears.jednym Insystematycznym one systematic test,teście Midjourney almostniemal alwayszawsze picturedprzedstawiał doctorslekarzy asjako whitebiałych men,mężczyzn, whilepodczas gdy Adobe Firefly madepodejmował visible,widoczne, ifchoć imperfect,niedoskonałe, attemptspróby zróżnicowania.
Wypróbuj dziś to diversify.
Try the same prompt today, and you might seepolecenie, a femalemożesz doctorzobaczyć orlekarkę aalbo male nurse appearpielęgniarza (Fig.rys. 1). ButNie dodaj notsię bejednak fooledzwieść intomyśli, thinkingże theuprzedzenie biaszniknęło. hasAnaliza vanished. Az 2026 analysisroku ofobejmująca 1,3441344 imagesobrazy fromz threetrzech popularpopularnych generatorsgeneratorów revealedujawniła thecoś opposite:przeciwnego: whengdy askedpoproszono foro a„kompetentną 'competentosobę”, person,'jeden onez systemsystemów showednie nopokazał women.ani jednej kobiety.
WhatTo, changedco issię notzmieniło, theto biasnie butsamo theuprzedzenie, layerlecz itwarstwa, livesw inktórej -ono andżyje this– thei importantto lesson!jest właśnie ta ważna lekcja! HumanZa decisionskażdym standz behindtych anyobrazów ofstoją theseludzkie pictures:decyzje: whatna theczym system wasbył trainedtrenowany on,i andco whatjego itstwórcy makerspóźniej afterwardzdecydowali, decidedże itpowinien shouldpokazywać. show.Ta Thedruga secondwarstwa isjest adjustable,regulowalna, invisible,niewidoczna andi madeustalana byprzez 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 company.
YourTwojewordssłowaaresąrewrittenprzepisywane,beforezanimthetrafiąmodeldoreceives them.modelu.FromZOpenAI’swłasnejowndokumentacjideveloperdeweloperskiejdocumentation:OpenAI:“we use„używamy GPT-4todooptimizeoptymalizacjiallwszystkichofTwoichyourpoleceń,promptszanimbeforetrafiąthey’re passed todo DALL-E”—–andoraz“this„obecniefeaturenieisn’tdaablesiętotejbefunkcjidisabledwyłączyć”.atTo,thecomoment.”wpisałWhatTwójyouruczeń,pupilnietypedjestistym,notowhatcothezapytanomachine was asked.maszynę.AppearanceWyglądgetsjestfilleduzupełniany,ingdywhenpoleceniethepozostawiapromptgoleaves it open.otwartym. OpenAI,describingopisującitsswojądiversitytechnikętechnique:różnorodności:“This„Tatechniquetechnikaisjestappliedstosowanaatnathepoziomiesystemsystemu,level whengdy DALL·Eisotrzymujegivenpolecenieaopisującepromptosobę,describingktóreaniepersonokreślathatrasydoesaninotpłci,specifyjakrace«strażak»”.orPóźniejgender,użytkownicylikedwunastokrotnie‘firefighter.’”częściejAfterwards,stwierdzali,usersżewereobrazytwelveprzedstawiajątimesosobymoreolikelyzróżnicowanym pochodzeniu. „Lekarz” tosaydokładniethetakiimagesrodzajshowed people of diverse backgrounds. “A doctor” is exactly that kind of prompt.polecenia.And that tuning can miss.Google, after pausing Gemini’s image generation in 2024: “Our tuningI toensuredostrajaniethatmoże zawieść. Google, po wstrzymaniu generowania obrazów przez Geminishowedwa2024rangeroku:of„Naszepeopledostrajaniefailedmającetozapewnić,accountżeforGeminicasespokazujethatróżnorodnośćshouldludzi,clearlynienotuwzględniłoshowprzypadków,awrange.”których taka różnorodność wyraźnie nie powinna być pokazywana”.
Gdy whenwięc 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 pupilmoże typessię “aon doctor”zmienić andwe 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 womannie appears,to, thejak imagezachowałyby offerssię no clue about which layer brought her into being. That uncertainty is not a flaw in the lesson. It is the lesson itself.
This is the lesson that deserves a student's attention, and it will outlast the next model update: the image is not a simple reflection of reality, and it did not happen by chance. Someone made a choice.
This lesson can start early. When 209 Finnish students in 12 classes, grades 4 and 7, explored this topic, the number who could explain the bias using data jumped from about 7 out of 100 to 44 out of 100. The honest reservation: the study measured what children could explain, not what they would do later.później.
GoSięgnij deeper.głębiej. Vartiainen, H., et alal. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. New Media & Society, 27(27(9). Free,Dostęp bezpłatny, DOI 10.1177/14614448241252820
Weinmann, H., et alal. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. New Media & Society, Online First
HowJak solidsolidne aresą theobecnie researchwyniki resultsbadań onnad thepotencjałem potentials of AI at this very moment?SI?
TheNajważniejsza mostrzecz. importantJeśli thing.ktoś Ifprzytacza someoneCi quotesbadanie, azanim studysię toz you,nim askzgodzisz, twozadaj questionsdwa beforepytania: agreeing:„Kim "Whobyli wereuczący thesię learners,i andjak howdługo longtrwało did the study last?"badanie?”.
WhyDlaczego thisto matters.ważne. InW 2025,2025 aroku meta-analysis ofmetaanaliza 51 studiesbadań reportedwykazała aistotną significant benefit ofkorzyść ChatGPT fordla pupils’wyników academicw performance.nauce Theuczniów. articleArtykuł waszostał readprzeczytany hundredssetki oftysięcy thousandsrazy ofi timesposłużył andza servedpodstawę aswielu thepewnych basissiebie forstwierdzeń numerousw confidentpokojach statements in staff rooms. Onnauczycielskich. 22 Aprilkwietnia 2026,2026 theroku journalczasopismo retractedwycofało theten article. Aartykuł. *retraction*Wycofanie* meansoznacza, thatże aczasopismo journaloficjalnie officiallyodwołuje withdrawscoś, somethingco itopublikowało; hasartykuł published;pozostaje thewidoczny, articleoznaczony remainsdopiskiem visible, marked with the note ‘RETRACTED’„WYCOFANO”, sotak thataby anyonekażdy, whokto hasgo citedcytował, it can recognise this. Two external researchers had identified inconsistencies in the synthesis of the studies. The journal's editor wrote that the problems ‘undermine the editor’s confidence in the validity of the analysis’. The authors did not respondmógł to correspondencerozpoznać. onDwoje thiszewnętrznych matter.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.
ThisSięgnij doesgłębiej. notSamo meanwycofanie thatliczy AIjedną hasstronę, nojest impact.bezpłatne Therei arewarto reputableje studiesprzeczytać thatwłaśnie demonstratedlatego, moderateże benefits.jest This field of research is also not yet well defined because it is relatively new and highly dynamic. It means that the figure that was frequently cited was incorrect, and that it took a year and two external experts to realise this.
Another reservation worth mentioning is: The closer the evidence gets to school, at least at the moment, the smaller the effect.
Go deeper. The retraction itself is one page, free, and worth reading precisely because it is short: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, 13,13, 528. DOI 10.1057/s41599-026-07310-z.
TheWycofany retractedoryginał originalto was HSSC 12, 621 (2025). StillWciąż standing:aktualne: Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). *HSSC, 13*13, 684. Free,Dostęp bezpłatny, DOI 10.1057/s41599-026-07019-z.The
Wynik figure:dotyczący wyłącznie szkół: Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). *International Journal of Science and Mathematics Education, 23*23(4), 1105–1126. DOI 10.1007/s10763-024-10499-7.
RisksRyzyka ofzwiązane AIz SI
(1) DoingRobienie somethingczegoś isto notnie theto samesamo, asco learninguczenie się
ImagineWyobraź this.sobie. BeforeZanim youzlecisz setpracę adomową, homework task that aktórą chatbot canmoże complete,wykonać thinkza aboutucznia, whatzastanów thesię, purposejaki ofjest thecel tasktego is.zadania. MightCzy itwarto beby abyło goodje idea to change the task?zmienić?
WhyDlaczego thisto matters.ważne. DoCzy youz learnchatbotem fasteruczysz withsię 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 chatbot?trzecia Aroundnie 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 thousandprzy pupilstym inćwiczyła Yearswięcej. 9Uczniowie tokorzystający 11ze practisedstandardowego mathschatbota innie threebyli groups:ani oneleniwi, usingani nie oszukiwali. Pracowali ciężej, a standardnauczyli chatbot,się onemniej, usingponieważ anarzędzie versionwyeliminowało programmednie towysiłek, withholdlecz thewyzwanie answerpoznawcze, andktóre askstanowi aistotę follow-upuczenia question, and one without a chatbot. Whilst using the chatbot, the group with the standard chatbot completed 48 percent more practice exercises than the group without one. Afterwards, everyone sat the same exam without a chatbot. The result, which seemed surprising at first, was that the group using the standard chatbot performed 17 percent worse than the pupils who had not used a chatbot. The group that had worked with the chatbot which withheld the answer showed no drop in performance in the test compared to the group without a chatbot, but practised more. The pupils using the standard chatbot were neither lazy nor did they cheat. They worked harder and learnt less, because what the tool eliminated was not the effort, but the cognitive challenge that constitutes learning. się.
GoSięgnij deeper.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*122, e2422633122. DOI 10.1073/pnas.2422633122.
(2) AIDetektory DetectorsSI punishkarzą theniewłaściwych wrong pupilsuczniów
ImagineWyobraź this.sobie. YouOtrzymujesz receivewypracowanie aucznia student’sdo essayoceny. toCiekawi grade.Cię Curiousjego aboutautentyczność, itswięc authenticity,wprowadzasz youje feeddo itdetektora intoSI. anWynik AIpojawia detector.się Thenatychmiast: resultwypracowanie flashes:zostało theniemal essayna waspewno almostnapisane certainlyprzez written by AI.SI.
Why it matters. You use the AI detectorDlaczego to ensure fairness, yet for a particular group, the detectors have exactly the opposite effect.ważne. AKorzystasz detectorz doesdetektora notSI, recogniseby machine-generatedzapewnić text.uczciwość, Itjednak measuresdla howpewnej predictablegrupy theuczniów wordingdetektory is.działają Anddokładnie thatodwrotnie. isDetektor preciselynie whererozpoznaje thetekstu wygenerowanego przez maszynę. Mierzy, jak przewidywalne jest słownictwo. I właśnie na tym polega problem lies,– forna example,przykład whenwtedy, agdy pupiluczeń ispisze writingw injęzyku aobcym, foreignma language,niewielką iswprawę unpractisedw inpisaniu writing,albo ordysponuje hasograniczonym asłownictwem limitedcodziennym. everydayJego vocabulary.tekst Theirjest writingprzewidywalny. isGdy predictable.siedem Whenkomercyjnych sevendetektorów commercial detectors analysedprzeanalizowało 91 essayswypracowań writtennapisanych byprzez non-nativeosoby speakersniebędące sittingrodzimymi anużytkownikami Englishjęzyka exam,podczas theseegzaminu essaysz wereangielskiego, incorrectlywypracowania flaggedte asbyły machine-generatedbłędnie inoznaczane aroundjako sixwygenerowane outprzez ofmaszynę tenw cases.około Bysześciu contrast,na essaysdziesięć writtenprzypadków. byDla porównania, wypracowania napisane przez 14-year-oldletnich AmericansAmerykanów inw theirich nativejęzyku language,ojczystym, English,angielskim, werebyły almostklasyfikowane allpoprawnie classifiedniemal correctly.we Awszystkich toolprzypadkach. thatNarzędzie, triggersktóre falsegeneruje positivesfałszywe foralarmy exactlydokładnie onedla groupjednej isgrupy, notnie neutral.jest Furthermore,neutralne. thisCo groupwięcej, ista thegrupa leastma ablenajmniejsze tomożliwości defend itself.obrony.
GoSięgnij deeper.głębiej. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(4(7), 100779. Free,Dostęp bezpłatny, DOI 10.1016/j.patter.2023.100779.
(3) WhereGdzie onwłaściwie earthtrafiają willdane the pupils' data be?uczniów?
ImagineWyobraź this.sobie. YouKorzystasz usez annarzędzia AISI tooloferowanego yourprzez schoolTwoją offers.szkołę. TrySpróbuj toustalić, finddokąd outtrafiają wheredane the pupils' data go.uczniów.
Why it matters. Can your school ensure that the data is not passed onDlaczego to aważne. thirdCzy party?Twoja Aszkoła thirdmoże partyzagwarantować, isże companydane thatnie issą neitherprzekazywane yourstronie schooltrzeciej? norStrona thetrzecia app’sto developer.firma, Typically,która thesenie arejest advertisingani orTwoją analyticsszkołą, companiesani thattwórcą receiveaplikacji. dataZazwyczaj whilstsą theto pupilfirmy isreklamowe working.lub Noanalityczne, onektóre atotrzymują thedane schoolw chosetrakcie thispracy company.ucznia. WhenNikt researchersw carriedszkole outnie awybrał technicaltej analysisfirmy. ofGdy badacze przeprowadzili techniczną analizę 163 learningproduktów productsedukacyjnych recommendedrekomendowanych byprzez governmentsrządy duringw theczasie pandemic-relatedzamknięcia schoolszkół closures,związanego z pandemią, 145 ofz themnich processedprzetwarzało children’sdane datadzieci inw asposób, wayktóry thatzagrażał jeopardisedich orprawom infringedlub theirje rightsnaruszał, byprzekazując transmittingdane data196 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 196samo third-partydotyczy companydzisiejszych oraplikacji granting them access, predominantly from the advertising industry. Of the 42 governments that developed their own products rather than purchasing them, 39 had developed products with the same problem. The study covers products from 2021, and some may have changed since then. However, we cannot rule out that the same applies to AI applications. SI.
GoSięgnij deeper.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. FreeDostęp atbezpłatny na hrw.org. TheAneksy countrykrajowe annexespozwalają letsprawdzić, youco looki upgdzie whatzostało was endorsed where.zarekomendowane.
(4) AISI arrivestrafia lasttam, wheregdzie itjest isnajbardziej neededpotrzebna, mostjako ostatnia
ImagineWyobraź this.sobie. HowIle muchszkoleń trainingjuż didodbyłeś/odbyłaś youna alreadytemat receiveuczenia ono learningSI aboutalbo AIprzedmiotowego ornauczania subject-specificz teachingwykorzystaniem with AI?SI?
WhyDlaczego thisto matters.ważne. AdultsDorosłym, whoktórzy hadukończyli completededukację, theirudostępniono educationasystenta wereSI. providedRóżnica withw anwynikach AImiędzy assistant.osobami Theo performancewyższym gapi betweenniższym thosepoziomie withwykształcenia higherformalnego andznacząco lowersię levelszmniejszyła. ofGdy formalbadacze educationnastępnie narrowedodebrali significantly.asystenta, Whenróżnica theczęściowo researcherspowróciła. thenBadacze withdrewdoszli thedo assistant,wniosku, theże gapasystent partiallySI re-emerged.wykonał Thetę researcherspracę, concludedale thatnie thepomógł AIuczestnikom assistantrozwinąć hadżadnych carriedumiejętności.
Ankieta thewśród work,amerykańskich butdyrektorów hadszkół notujawniła helpednastępujący participantsobraz: developim anybardziej skills.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 surveyco ofz Americanrozwojem schoolzawodowym principalsnauczycieli? revealedAnkieta thewśród followingponad picture:dziesięciu thetysięcy morenauczycieli disadvantagedw aAnglii school’swykazała, pupilsże were,45 theprocent lessnauczycieli impactw AIszkołach hadprywatnych onodbyło teaching.
Ifszkolenie wedotyczące combineSI. theW findingsszkołach frompublicznych both studies, they allow us to make the following statement: A good tool can bridge a gap as long as it is in the hands of a learner. However, it usually does not reach those who need it, and leaves no skills behind when it is removed.
German figures show the same patte. Among 1,590 young people aged 14 to 20, 80 percent in the most affluent families and 55 percent in the least affluent saw AI as an opportunity. And recognition is followed by action: 70 percent of grammar school pupils used AI for homework, compared with 58 percent at lower secondary schools.
What about teacher professional development? A survey of more thanodsetek ten thousand teachers in England found that 45 percent of teachers at private schools had already received training on AI. This compared withwynosił 21 percentprocent. atW stateobrębie schools.systemu Withinszkół thepublicznych statewartości schoolwahały system,się the figures ranged fromod 26 percentprocent atw thenajzamożniejszych wealthiestszkołach schools todo 18 percentprocent atw theszkołach poorest schools. najuboższych.
(5) WhatTo, improvesco whenpoprawia learningsię withw AIuczeniu issię notz necessarilySI, whatniekoniecznie youjest seetym, co widać
ImagineWyobraź thissobie.. YouWprowadzasz introducedo swojego nauczania nowego chatbota, a newuczniowie ChatBotentuzjastycznie into your teaching and the pupils enthusiastic about using the new tool.
Why this matters. A large review found four different things about learning (Knowing and understanding, working with AI, engagement, motivation, confidence, ability to plan, monitor and correct their own work). The last one didn't improve whereas the others did.
Here’s a quick side note: the greatest impacts are found in the arts and humanities, rather than in mathematics or the natural sciences.narzędzia.
GoDlaczego deeper.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(37(4), articleartykuł 110. DOI 10.1007/s10648-025-10085-5.