1.1 Potenciali in tveganja

Če si zapomnite le en stavek s te strani: UI je v šole prišla kot zdravilo brez navodila za uporabo. Kot učitelj ne veste, kdaj uporabiti UI, nimate navodil za odmerjanje in ni podatkov o stranskih učinkih. To poglavje je navodilo za uporabo tega priročnika.

Ali bi morala UI priti z navodilom za uporabo, tako kot zdravilo?

Poznate tisti listič papirja, ki je vtaknjen v vsako škatlico zdravila? Tistega, ki ga verjetno odvržete, ne da bi ga sploh pogledali? Morda se zdi dolgočasen, a ta majhen list papirja je tih triumf preteklega stoletja. Ta navodila razkrijejo štiri bistvene stvari: kaj zdravilo zdravi, koliko ga je treba vzeti, kakšna presenečenja lahko prinese, in kdo naj se mu izogiba.

Za vsako vrstico na tem navodilu stoji celoten mehanizem: klinična preskušanja, regulatorji in odgovornost razkriti napake. Nihče ne verjame, da nas ozdravi samo navodilo. Njegova prava moč je v tem, da naredi zdravilo varno za vsakogar. Prav ta čarovnija nam manjka, ko UI pustimo, da poučuje brez usmerjanja.

Orodja UI, ki se zdaj tiho naseljujejo v vaši šoli, so podedovala težavo, ki je starejša od UI: izobraževalna tehnologija je le redko prišla z navodili. V Veliki Britaniji je pregled pokazal, da je le 7 od 100 podjetij za izobraževalno tehnologijo svoje izdelke podvrglo randomiziranemu preskusu, le 12 od 100 pa je poiskalo zunanjo certifikacijo. Šole le redko zahtevajo več. V anketi v 17 ameriških zveznih državah je le 11 od 100 učiteljev in vodstvenih delavcev pred uvedbo novega orodja zahtevalo recenzirane dokaze.

Rezultat je v mnogih primerih zapravljen denar. V ZDA v povprečju dve tretjini licenc za izobraževalno programsko opremo nista bili uporabljeni, 98 od 100 pa jih nikoli ni bilo intenzivno uporabljenih. Projekt EdTech Genome, prav tako v ZDA, je preučil približno 7.000 učnih orodij v vrednosti 13 milijard dolarjev in ugotovil, da je bilo 85 od 100 med njimi bodisi neustreznih bodisi napačno uvedenih.

To poglavje se morda zdi suhoparen, a nujen del, vendar razkriva skrite zgodbe za pravili. Pove, kaj se je resnično zgodilo, kdo je bil prizadet, in osvetli stranske učinke – tudi tiste, ki so tiho dosegli otroke, ki se zanje sploh niso prijavili.

Potenciali UI

Večina raziskav o potencialu UI se osredotoča na študente na univerzah. Šolski učenci so v teh raziskavah doslej razmeroma redko zastopani. In večina raziskav se nanaša na kratkotrajne intervencije, ki trajajo od nekaj ur do nekaj tednov. Posledično je na rezultate morda pozitivno vplival tako imenovani učinek novosti. Obsežen pregled 68 eksperimentov je odkril prav ta vzorec: krajša kot je bila raziskava in manj udeležencev kot je vključevala, večja je bila poročana korist UI.

(1) Naj UI razloži novo temo, vajo pa prihranite za svojo uro

Predstavljajte si tole. Jutri, ko učenec zamudi temo ali potrebuje ponovno razlago zahtevnega pojma, naj prvo razlago prevzame UI-tutor. Vajo prihranite za svojo uro, kjer resnično učenje zares zaživi.

Zakaj je to pomembno. V dobro nadzorovanem preskusu je UI-tutor novo snov poučeval vsaj tako dobro kot dobra učna ura. V raziskavi Univerze Harvard se je 194 študentov fizike učilo dve temi. Pri eni temi so uporabili UI-tutorja, razvitega prav za ta namen. Pri drugi temi so se učili pri dobro izvedeni uri aktivnega učenja – z razpravo in reševanjem problemov v parih, ne s predavanjem. Vsak študent je opravil oba pristopa, zato nihče ne more trditi, da je močnejša skupina prejela boljšo obravnavo. Na testu, izvedenem takoj po tem, so študenti, ki jih je poučevala UI, dosegli bistveno boljše rezultate. Raziskovalci so zabeležili mediani čas 49 minut za dokončanje naloge, v primerjavi s 60 minutami, predvidenimi za uro po urniku. Avtorji so pri razlagi teh rezultatov previdni: snov je bila za študente nova, velik del naloge pa je bil preprosto dobra razlaga. Izrecno odklanjajo, da bi svoj rezultat razširili na naloge, ki zahtevajo povezovanje več idej. Poleg tega je šlo za dodiplomske študente, ne za učence 8. razreda.

V isto smer kaže obsežen pregled, ki je združil rezultate 228 raziskav, z eno pomembno omejitvijo. Generativna UI je prinesla večje izboljšanje pri poznavanju in razumevanju kot starejše oblike UI, kot so inteligentni tutorski sistemi in prilagodljiva vadbena programska oprema. Vendar je bil to edini od štirih izidov, ki jih je pregled meril, pri katerem je imela generativna UI prednost.

Pojdite globlje. 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, članek 17458. Prosto dostopno, DOI 10.1038/s41598-025-97652-6. Članek opisuje, kako je bil tutor zasnovan in nadzorovan. Koristno za vsakogar, ki bi rad sam razvil UI-tutorja.

(2) Boljša izraba časa za pripravo na pouk

Predstavljajte si tole. Prihranite nekaj časa, ki ga potrebujete za pripravo na pouk, tako da s pomočjo UI pripravite prvi osnutek učne priprave, nato pa ga temeljito predelate.

Zakaj je to pomembno. Nihče ne oporeka, da je obremenitev učiteljev velika. Zato je ena od možnih koristi UI učinkovitejša raba delovnega časa. Preskus v Angliji je preučil, ali lahko ciljno usmerjena uporaba UI za pripravo na pouk zmanjša obremenitev učiteljev. Raziskovalci so 259 učiteljev naravoslovja na 68 šolah naključno razporedili bodisi v skupino, ki je uporabljala ChatGPT skupaj s spletnim vodnikom za njegovo dobro uporabo, bodisi v skupino, ki so jo prosili, naj generativne UI sploh ne uporablja. Učitelji v skupini s ChatGPT so za pripravo na ure naravoslovja v 7. in 8. letniku (starost od 11 do 13 let) porabili približno 56 minut na teden, v primerjavi s približno 81 minutami v primerjalni skupini. Skupina strokovnjakov za posamezne predmete je ocenila kakovost učnih priprav, ne da bi vedela, ali so bile pripravljene s pomočjo UI ali brez nje. Strokovnjaki niso našli dokazov, da bi se kakovost priprav razlikovala. Vendar je treba poudariti dve stvari: (1) Učitelji so orodje z vsakim tednom uporabljali manj. Evalvatorji so to razumeli kot prehod učiteljev iz faze učenja v rutino; lahko pa pomeni tudi, da se prihranek časa brez podpore ne ohrani. (2) Preskus je meril čas, ki so ga učitelji porabili za pripravo na pouk, ne pa učnih dosežkov njihovih učencev.

„Vse se vrne k času. Tudi učitelji, ki vidijo vrednost UI, le redko imajo čas, da bi se naučili, kako jo uporabljati.“

Pojdite globlje. Roy, P., Poet, H., Staunton, R., Aston, K., & Thomas, D. (2024, 12. december). ChatGPT in lesson preparation: A Teacher Choices Trial. NFER, naročilo Education Endowment Foundation in Hg Foundation. Prosto dostopno na educationendowmentfoundation.org.uk.

(3) Boljša podpora za učence, ki od standardnega pouka nimajo polne koristi

Predstavljajte si tole. Vaša šola se odloča, kako želi porabiti svoja sredstva. Odloči se za nakup UI klepetalnika. Kako verjetno se vam zdi, da vam bodo ponudniki klepetalnika predložili dokaze o koristih bota za posamezne predmete?

Zakaj je to pomembno. Ponudnik se lahko sklicuje na raziskave o učencih s posebnimi potrebami – eno najdlje raziskovanih področij UI v izobraževanju, ki se pri dodeljevanju sredstev zlahka spregleda. V analizi 29 raziskav, ki je vključevala 41 skupin učencev s posebnimi potrebami, so raziskovalci ugotovili zmerne koristi v širokem naboru okoliščin. A preberite drobni tisk. V sedmih od desetih teh raziskav je „UI“ pomenila robota, običajno humanoidnega, ki ga je pogosto upravljal raziskovalec, ne da bi ga otrok videl. Le ena od petih raziskav je uporabila programsko opremo. To torej ni dokaz, da bo klepetalnik pomagal avtističnemu učencu v vašem razredu. Pregledovalci prav tako niso mogli povedati, kaj te intervencije naredi učinkovite. Na podlagi svoje raziskave niso mogli opredeliti, po čem se raziskave, ki so delovale, razlikujejo od tistih, ki niso.

Pojdite globlje. Zhang, L., Carter, R. A., Jr., Liu, Y., & Peng, P. (2026). Let's CHAT about artificial intelligence for students with disabilities: A systematic literature review and meta-analysis. Review of Educational Research, 96(1), 215–257. Prosto dostopno, DOI 10.3102/00346543241293424. Pravi biser je preglednica vključenih raziskav: takoj razkrije, kako majhen del tega področja se dejansko osredotoča na orodja, ki se trenutno tržijo šolam.

(4) Učenje o tem, kako UI odpove

Predstavljajte si tole. Razred naj ustvari deset slik 'zdravnika' in deset slik 'medicinske sestre'. Preštejte, kdo se pojavi v vsakem naboru, nato pa sprožite razpravo: od kod izvirajo ti vzorci in kdo je te odločitve sprejel?

Gemini_Generated_Image_mfaur1mfaur1mfau.jpg

Slika 1: „Poziv v enem koraku: zdravnik, medicinska sestra“ (slika, ustvarjena z UI, NanoBanana 2)

Zakaj je to pomembno. Klasična različica te učne ure se zdi zastarela, in prav zato si zasluži pozornost. Leta so bile predstavitve predvidljive: prosite za zdravnika, in pojavi se moški. V testu neprofitne organizacije AlgorithmWatch je Midjourney zdravnike skoraj vedno upodobil kot bele moške, medtem ko je Adobe Firefly naredil vidne, četudi nepopolne poskuse raznolikosti. Recenzirana raziskava 2.400 slik kirurgov, ustvarjenih z UI, je pokazala enako razliko med izdelki: dva od treh priljubljenih generatorjev skoraj nista prikazala žensk, tretji pa se je približal dejanskemu deležu žensk v kirurgiji.

Poskusite isti poziv danes in morda se prikaže zdravnica ali medicinski brat (slika 1). A ne dajte se prevarati v prepričanje, da je pristranskost izginila. Analiza iz leta 2026, ki je zajela 1.344 slik treh priljubljenih generatorjev, je razkrila nasprotno: ko so zahtevali 'sposobno osebo', en sistem ni pokazal nobene ženske.

Kar se je spremenilo, ni pristranskost sama, temveč plast, v kateri živi – in to je pomemben nauk! Za vsako od teh slik stojijo človeške odločitve: na čem je bil sistem naučen in kaj so njegovi ustvarjalci pozneje odločili, da naj prikazuje. Slednje je mogoče prilagajati, je nevidno in ga določi podjetje.

Prva plast človeških odločitev je tisto, kar je sistem vsrkal. Milijoni slik, ki so jih ustvarili in označili ljudje, vsaka od njih odseva svet, kakršen je že bil. To je plast, ki jo razkrije klasična lekcija o pristranskosti, in učenci jo zlahka razumejo: stroj je postal odsev tega, s čimer je bil hranjen.

Drugo plast oblikuje to, kar se podjetje odloči pokazati naprej, vendar ta vpliv v sami sliki ne pusti nobene sledi. Tu se odvijejo tri stvari, vsako od njih so ustvarjalci opisali s svojimi besedami.

Vaše besede so prepisane, preden jih model prejme. Iz lastne razvijalske dokumentacije OpenAI: „uporabljamo GPT-4 za optimizacijo vseh vaših pozivov, preden jih posredujemo DALL-E“ – in „te funkcije trenutno ni mogoče izklopiti“. Kar je vaš učenec dejansko natipkal, ni tisto, kar je bilo dejansko vprašano stroju.

Videz se dopolni, kadar ga poziv pusti odprtega. OpenAI o svoji tehniki raznolikosti pravi: „Ta tehnika se uporabi na ravni sistema, kadar DALL·E prejme poziv, ki opisuje osebo, ne da bi opredelil raso ali spol, na primer 'gasilec'.“ Po tem so uporabniki dvanajstkrat pogosteje povedali, da slike prikazujejo ljudi različnih ozadij. „Zdravnik“ je natanko takšen poziv.

In to prilagajanje lahko tudi spodleti. Google je po tem, ko je leta 2024 začasno ustavil Geminijevo generiranje slik, zapisal: „Naše prilagajanje, s katerim smo želeli zagotoviti, da Gemini prikazuje raznolik nabor ljudi, ni upoštevalo primerov, kjer raznolikost očitno ni bila primerna.“

Ko torej učenec natipka „zdravnik“ in se prikaže ženska, slika sama ne ponuja nobenega namiga, katera plast jo je ustvarila. Ta negotovost ni napaka učne ure. Je nauk sam.

Stara zgodba je trdila, da stroj preprosto vpije predsodke družbe. Nova zgodba seže globlje in traja dlje: podjetje je sprejelo odločitev! Te odločitve v rezultatu ne morete opaziti, in lahko se spremeni kar v torek, tiho, brez opozorila. Ta resnica preživi vsak nov model. Lekcija o stereotipih zbledi.

To je lekcija, ki si zasluži pozornost učencev in bo preživela naslednjo posodobitev modela: slika ni preprost odsev resničnosti in ni nastala po naključju. Nekdo je sprejel odločitev.

01_1.1_nastanek_slike_SL.png

Slika 2: „Zakaj je slika, ustvarjena na podlagi poziva, kot je ‘nariši zdravnika’, videti tako, kot je videti, in zakaj vam slika sama tega ne bo povedala“ (slika, ustvarjena z UI, NanoBanana 2)

To lekcijo je mogoče začeti zgodaj. Ko je 209 finskih učencev v 12 razredih, 6. in 7. razreda, raziskovalo to temo, se je delež tistih, ki so lahko pristranskost pojasnili s podatki, povečal s približno 7 od 100 na 44 od 100. Poštena zadržanost: raziskava je merila, kaj so otroci znali pojasniti, ne pa, kaj bi kasneje dejansko storili.

„Pristranskost ni značilna le za UI. Tudi učbeniki so lahko pristranski. Pomembno je vedeti za naključje, za podatke, ki stojijo za odgovorom, in za morebitna izkrivljanja.“

Pojdite globlje. Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., & Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. New Media & Society, 27(9), 5342–5368. Prosto dostopno, DOI 10.1177/14614448241252820. Raziskava ni imela primerjalne skupine – berite jo kot obetaven primer zasnove pouka, ne kot dokaz.

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

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

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

Kako zanesljivi so trenutno raziskovalni izsledki o potencialih UI?

Najpomembneje. Če vam nekdo navede raziskavo, pred strinjanjem postavite dve vprašanji: „Kdo so bili učenci in kako dolgo je raziskava trajala?“

Zakaj je to pomembno. Leta 2025 je metaanaliza 51 raziskav poročala o veliki koristi ChatGPT za učno uspešnost učencev. Članek so prebrali stotisočkrat in je služil kot podlaga za številne samozavestne trditve v zbornicah. 22. aprila 2026 je revija članek umaknila. Umik pomeni, da revija uradno prekliče nekaj, kar je objavila; članek ostane viden, označen z opombo „UMAKNJENO“, tako da lahko vsak, ki ga je citiral, to prepozna. Dva raziskovalca, ki pri raziskavi nista sodelovala, sta v analizi odkrila neskladja. Urednik revije je zapisal, da težave „spodkopavajo urednikovo zaupanje v veljavnost analize“. Avtorji na dopisovanje o tej zadevi niso odgovorili.

To ne pomeni, da UI nima učinka. Obstajajo verodostojne raziskave, ki dokazujejo zmerne koristi. To raziskovalno področje prav tako še ni dobro opredeljeno, saj je razmeroma novo in zelo dinamično. Pomeni pa, da je bila pogosto navajana številka napačna in da je bilo za to potrebno leto dni in dva zunanja strokovnjaka.

Omeniti velja še en pridržek. Vsaj pri matematiki velja: bliže ko so dokazi šoli, manjši je učinek. Med predmeti je slika mešana: nekateri novejši pregledi ugotavljajo večje učinke v šolah kot na univerzah – vendar je šolskih raziskav še malo in so majhne.

Pojdite globlje. Sam umik je dolg eno stran, prosto dostopen, in vreden branja prav zato, ker je kratek: 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.

Umaknjeni izvirnik je bil HSSC 12, 621 (2025). Še vedno velja: Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications, 13, 684. Prosto dostopno, DOI 10.1057/s41599-026-07019-z.

Številka, ki velja samo za šole, za matematiko: Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). The effectiveness of AI on K-12 students' mathematics learning: A systematic review and meta-analysis. International Journal of Science and Mathematics Education, 23(4), 1105–1126. DOI 10.1007/s10763-024-10499-7.

Širša, novejša združena analiza: Han, X., Peng, H., & Liu, M. (2025). The impact of GenAI on learning outcomes: A systematic review and meta-analysis of experimental studies. Educational Research Review, 48, 100714. DOI 10.1016/j.edurev.2025.100714.

Tveganja UI

(1) Nekaj narediti ni isto kot se nekaj naučiti

Predstavljajte si tole. Preden zadate domačo nalogo, ki jo lahko opravi klepetalnik, premislite, kakšen je namen naloge. Morda bi bilo smiselno nalogo spremeniti?

Zakaj je to pomembno. Se z klepetalnikom učite hitreje? Približno tisoč učencev od 9. do 11. razreda je vadilo matematiko v treh skupinah: ena je uporabljala standardnega klepetalnika, druga različico, programirano tako, da je zadrževala odgovor in namesto tega postavljala dodatna vprašanja, tretja pa klepetalnika ni uporabljala. Med uporabo klepetalnika je skupina s standardnim klepetalnikom opravila 48 odstotkov več vaj kot skupina brez njega. Nato so vsi opravljali isti izpit brez klepetalnika. Rezultat, ki se je sprva zdel presenetljiv, je bil, da je skupina s standardnim klepetalnikom dosegla 17 odstotkov slabše rezultate kot učenci, ki klepetalnika niso uporabljali. Skupina, ki je delala s klepetalnikom, ki je zadrževal odgovor, pri testu ni izkazala upada uspešnosti v primerjavi s skupino brez klepetalnika, a je vadila več. Učenci, ki so uporabljali standardnega klepetalnika, niso bili niti leni niti niso goljufali. Trudili so se bolj, naučili pa so se manj, ker orodje ni odpravilo truda, temveč miselni izziv, ki predstavlja učenje.

„Z UI je zelo lahko priti do rešitve, ne da bi jo razumeli.“

Pojdite globlje. 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) Detektorji UI kaznujejo napačne učence

Predstavljajte si tole. V ocenjevanje prejmete učenčev esej. Zanima vas njegova pristnost, zato ga vnesete v detektor UI. Rezultat se izpiše: esej je bil skoraj zagotovo napisan z UI.

Zakaj je to pomembno. Detektor UI uporabljate zato, da zagotovite pravičnost, vendar imajo detektorji za določeno skupino ravno nasproten učinek. Detektor ne prepozna besedila, ki ga je ustvaril stroj. Meri, kako predvidljivo je besedilo. In prav v tem je težava, na primer, kadar učenec piše v tujem jeziku, je pri pisanju neizurjen ali ima omejen vsakdanji besedni zaklad. Njegovo pisanje je predvidljivo. Ko je sedem razširjenih detektorjev analiziralo 91 esejev, ki so jih za izpit iz angleščine TOEFL napisali govorci, katerih materni jezik ni angleščina – zbrani so bili na kitajskem spletnem forumu –, so jih v približno šestih od desetih primerov napačno označili kot ustvarjene s strojem. Eseji ameriških učencev 8. razreda, ki so pisali v svojem maternem jeziku, angleščini, so bili skoraj vsi pravilno razvrščeni. Orodje, ki sproža lažne pozitivne rezultate točno za eno skupino, ni nevtralno. Poleg tega je ta skupina najmanj sposobna, da se brani.

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

(3) Kam za vraga gredo podatki učencev?

Predstavljajte si tole. Uporabljate orodje UI, ki ga ponuja vaša šola. Poskusite ugotoviti, kam gredo podatki učencev.

Zakaj je to pomembno. Ali lahko vaša šola zagotovi, da podatki niso posredovani tretji osebi? Tretja oseba je podjetje, ki ni niti vaša šola niti razvijalec aplikacije. Običajno so to oglaševalska ali analitična podjetja, ki prejemajo podatke, medtem ko učenec dela. Nihče v šoli tega podjetja ni izbral. Ko so raziskovalci izvedli tehnično analizo 163 učnih izdelkov, ki so jih vlade priporočale med šolskimi zaprtji zaradi pandemije, je 145 od njih obdelovalo podatke otrok na način, ki je ogrožal ali kršil njihove pravice, tako da so podatke posredovali 196 tretjim podjetjem ali jim omogočili dostop do njih, večinoma iz oglaševalske panoge. Od 42 vlad, ki so razvile lastne izdelke namesto nakupa, jih je 39 razvilo izdelke z enako težavo. Raziskava zajema izdelke iz leta 2021, nekateri so se morda od takrat spremenili. Vendar ne moremo izključiti, da enako velja tudi za aplikacije UI.

Pojdite globlje. 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. Prosto dostopno na hrw.org. Državne priloge omogočajo vpogled v to, kaj je bilo kje priporočeno.

(4) UI pride nazadnje tja, kjer je najbolj potrebna

Predstavljajte si tole. Koliko usposabljanja ste že prejeli o učenju o UI ali predmetno specifičnem poučevanju z UI?

Zakaj je to pomembno. V enem eksperimentu so odrasli z univerzitetno izobrazbo in brez nje reševali poslovno nalogo, podobno delovnim nalogam. Z UI-asistentom je izginilo približno tri četrtine vrzeli med obema skupinama. Ko so raziskovalci nato asistenta umaknili, se je precejšen del vrzeli vrnil. Avtorji sklepajo, da je UI opravila velik del dela in da je le del izboljšanja ostal, ko je ni bilo več.

Anketa med ameriškimi ravnatelji šol dopolnjuje drugo polovico slike: bolj ko so bili učenci šole socialno-ekonomsko prikrajšani, manj je šola storila za vključevanje UI – manj pravil, manj usposabljanj za učitelje, manj usmeritev za uporabo s strani učencev. Gre za povezanost, ne za dokaz vzročnosti.

Če povzamemo: dobro orodje lahko zmanjša vrzel, dokler je v rokah učenca. Vendar praviloma doseže šole, ki ga najmanj potrebujejo, in ko je odstranjeno, ostane le del njegove koristi.

Nemški podatki kažejo enak vzorec. Med 1.590 mladimi, starimi od 14 do 20 let, je 80 odstotkov iz najbolj premožnih družin, a le 55 odstotkov iz najmanj premožnih UI videlo kot priložnost za šolo. Uporaba sledi enakemu gradientu: med mladimi, ki uporabljajo orodja UI, jih 70 odstotkov gimnazijcev uporablja za šolo ali domače naloge, v primerjavi s 58 odstotki na drugih srednjih šolah.

Kaj pa strokovni razvoj učiteljev? Anketa med več kot deset tisoč učitelji v Angliji je pokazala, da je 45 odstotkov učiteljev na zasebnih šolah že prejelo formalno usposabljanje o UI, v primerjavi z 21 odstotki na javnih šolah. Znotraj javnega sistema se je delež gibal od 26 odstotkov na šolah z najbolj premožnimi učenci do 18 odstotkov na šolah z najmanj premožnimi.

Pojdite globlje. Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., & Lombardi, M. (2026). Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment (NBER Working Paper 34851). Delovni članek, še ni recenziran. Campos, C., & Singleton, J. D. (2026). AI diffusion gaps: Unequal integration of AI across K-12 schools (NBER Working Paper 35347). Latham, K., & Montacute, R. (2025). Artificial advantage? AI in the classroom and the inequality gap. The Sutton Trust. Prosto dostopno na suttontrust.com. Vodafone Stiftung Deutschland (2024), Pioniere des Wandels; mpfs (2024), JIM-Studie 2024. Oboje prosto dostopno, v nemščini.

(5) Kar se izboljša pri učenju z UI, ni nujno tisto, kar vidite

Predstavljajte si tole. V svoje poučevanje uvedete novega klepetalnika, učenci pa so nad uporabo novega orodja navdušeni.

Zakaj je to pomembno. Obsežen pregled 228 raziskav je preučil štiri različne stvari, ki bi jih UI lahko izboljšala: poznavanje in razumevanje; uporabo znanja; čustveno-motivacijsko plat, kot sta motivacija in angažiranost; ter sposobnost načrtovanja, spremljanja in popravljanja lastnega učenja. Trije od štirih vidikov so se izboljšali. Zadnji se ni, kolikor so lahko pokazale raziskave.

Le peščica rezultatov je izhajala iz randomiziranih preskusov, navdušenje, ki ga vidite v prvih tednih, pa je prav tisto, kar kratke raziskave najbolje zajamejo.

Še kratka opomba: v tem pregledu so bila največja izboljšanja ugotovljena na področju umetnosti in humanistike.

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


Revision #7
Created 2026-09-02 10:48:02 UTC by Alexander
Updated 2026-10-22 08:23:43 UTC by Mateja