# 1.1 Iespējas un riski

> *Ja no šīs lappuses atceraties tikai vienu teikumu:* MI ir ienācis skolās kā medikaments, kuram nav pievienota lietošanas instrukcija. Kā pedagogs jūs nezināt, kad izmantot MI, jums trūkst norādījumu par devām un nav informācijas par blakusparādībām. Šī nodaļa kalpo kā Rokasgrāmatas lietošanas instrukcija.


### Vai MI būtu jāpiedāvā lietošanas instrukcija līdzīgi kā medikamentiem?

<div id="bkmrk-vai-zin%C4%81t-to-pap%C4%ABra-">Vai zināt to papīra lapiņu, kas ievietota katrā zāļu iepakojumā? To, kuru, visticamāk, atmetat malā pat nepaskatoties? Tā var šķist neievērojama, taču šī nelielā lapiņa ir pagājušā gadsimta klusais triumfs. Šajā instrukcijā norādīti četri būtiski elementi: ko zāles ārstē, kāda ir deva, kādas blakusparādības var rasties un kam no tām jāizvairās.</div><div id="bkmrk--1">  
</div><div id="bkmrk-aiz-katras-%C5%A1%C4%ABs-instr">Aiz katras šīs instrukcijas rindiņas stāv veselas sistēmas darbs: klīniskie izmēģinājumi, regulatori un pienākums atklāt kļūdas. Neviens netic, ka pati instrukcija dziedē. Tās patiesā vērtība ir padarīt zāles drošas ikvienam. Tieši šīs "maģijas" mums trūkst, ļaujot MI mācīt bez vadlīnijām.</div><div id="bkmrk--2">  
</div><div id="bkmrk-mi-r%C4%ABki%2C-kas-%C5%A1obr%C4%ABd-">MI rīki, kas šobrīd klusi ienāk jūsu skolā, ir mantojuši problēmu, kas ir vecāka par pašu MI: izglītības tehnoloģijām reti kad ir bijusi pievienota lietošanas instrukcija. Apvienotajā Karalistē veikts pārskats atklāja, ka tikai 7 no 100 izglītības tehnoloģiju uzņēmumiem savus produktus ir pakļāvuši randomizētam izmēģinājumam, un tikai 12 no 100 ir meklējuši ārēju sertifikāciju. Arī skolas reti prasa vairāk. Aptaujā 17 ASV štatos tikai 11 no 100 pedagogiem un skolu administrācijas pārstāvjiem pirms jauna rīka ieviešanas bija pieprasījuši recenzētus pierādījumus.</div><div id="bkmrk--3">  
</div><div id="bkmrk-rezult%C4%81t%C4%81-daudzos-ga">Rezultātā daudzos gadījumos nauda tiek izšķērdēta. ASV vidēji divas trešdaļas izglītības programmatūras licenču palika neizmantotas, un 98 no 100 nekad netika izmantotas intensīvi. EdTech Genome Project, arī ASV, analizēja aptuveni 7000 mācību rīku 13 miljardu dolāru vērtībā un konstatēja, ka 85 no 100 bija vai nu slikti piemēroti, vai nepareizi ieviesti.</div><div id="bkmrk--4">  
</div><div id="bkmrk-%C5%A0%C4%AB-noda%C4%BCa-var-%C5%A1%C4%B7ist-">Šī nodaļa var šķist sausa, taču tā ir nepieciešama, jo tā atklāj slēptos stāstus aiz noteikumiem. Tā stāsta, kas patiesībā notika, kurus tas skāra, un izgaismo blakusparādības — pat tās, kas klusi skāra bērnus, kuri tam nekad nebija piekrituši.</div><div id="bkmrk--5"></div>### MI iespējas

**Lielākā daļa pētījumu par MI potenciālu koncentrējas uz universitāšu studentiem. Skolēni šajos pētījumos līdz šim ir bijuši samērā reti pārstāvēti. Turklāt lielākā daļa pētījumu attiecas uz īstermiņa intervencēm, kas ilgst no dažām stundām līdz dažām nedēļām.** Tāpēc rezultātus, iespējams, pozitīvi ietekmējis tā dēvētais novitātes efekts. Plašs pārskats par 68 eksperimentiem atklāja tieši šādu likumsakarību: jo īsāks pētījums un jo mazāks dalībnieku skaits, jo lielāks bija ziņotais MI izmantošanas ieguvums.

#### (1) Ļaujiet MI izskaidrot jaunu tēmu un saglabājiet praksi savai stundai

**Iedomājieties šādu situāciju.** Rīt, kad skolēns ir palaidis garām kādu tēmu vai atkal ir nepieciešams izskaidrot sarežģītu jēdzienu, ļaujiet MI pedagogam veikt pirmo skaidrojumu. Praksi paturiet savai stundai, kur notiek reālā mācīšanās.

**Kāpēc tas ir svarīgi.** Labi kontrolētā izmēģinājumā MI pedagogs jauno materiālu iemācīja gandrīz tikpat labi kā labi izstrādāta mācību stunda. Hārvardas pētījumā 194 fizikas studenti apguva divas tēmas. Vienā tēmā viņi izmantoja šim nolūkam izstrādātu MI pedagogu. Otrā tēmā viņi mācījās labi vadītā aktīvās mācīšanās nodarbībā – ar diskusijām un problēmu risināšanu pāros, nevis lekcijā. Katrs students izmēģināja abas pieejas, tāpēc neviens nevar apgalvot, ka spēcīgākā grupa saņēma labāku pieeju. Testā, kas tika veikts uzreiz pēc tam, skolēni, kurus mācīja MI, sasniedza ievērojami augstākus rezultātus. Pētnieki reģistrēja vidējo uzdevuma izpildes laiku - 49 minūtes, salīdzinot ar stundu sarakstā nodarbībai atvēlētajām 60 minūtēm. Autori ir piesardzīgi šo rezultātu interpretācijā: materiāls studentiem bija jauns, un liela daļa uzdevuma vienkārši prasīja to labi izskaidrot. Viņi skaidri atturas attiecināt savu rezultātu uz uzdevumiem, kuros jāapvieno vairākas idejas. Turklāt tie bija universitātes studenti, nevis astotās klases skolēni.

Plašs pārskats, kurā apkopoti 228 pētījumu rezultāti, liecina par to pašu, taču ar vienu būtisku ierobežojumu. Ģeneratīvais MI zināšanu un izpratnes jomā deva lielākus ieguvumus nekā vecākas MI formas, piemēram, intelektuālās apmācības sistēmas un adaptīvā prakses programmatūra. Taču tas bija vienīgais no četriem pārskatā mērītajiem rezultātiem, kurā ģeneratīvajam MI bija pārsvars.

**Uzziniet vairāk.** *Kestin, G., Miller, K., Klales, A., Milbourne, T., &amp; Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, Article 17458. Brīvpieejas raksts, DOI 10.1038/s41598-025-97652-6.* Rakstā aprakstīts, kā tika izstrādāts un kontrolēts pedagogs. Tas noderēs ikvienam, kurš vēlas izstrādāt savu MI pedagogu.

#### (2) Efektīvāka stundu plānošanas laika izmantošana

**Iedomājieties šādu situāciju.** Ietaupiet daļu no stundu plānošanai nepieciešamā laika, izmantojot MI, lai izveidotu pirmo stundas plāna melnrakstu, un pēc tam to rūpīgi pārskatiet.

**Kāpēc tas ir svarīgi.** Neviens neapstrīd, ka pedagogu darba slodze ir liela. Tāpēc viens no iespējamajiem MI ieguvumiem ir efektīvāka darba laika izmantošana. Anglijā veiktā izmēģinājumā tika pētīts, vai mērķtiecīga MI izmantošana stundu plānošanā var samazināt skolotāju darba slodzi. Pētnieki nejauši sadalīja 259 dabaszinātņu skolotājus 68 skolās divās grupās — vienā, kas izmantoja ChatGPT kopā ar tiešsaistes ceļvedi par tā lietpratīgu izmantošanu, un otrā, kurai tika lūgts ģeneratīvo MI neizmantot vispār. **ChatGPT grupas pedagogi 7. un 8. klases (11–13 gadus vecu skolēnu) dabaszinātņu stundu plānošanai patērēja aptuveni 56 minūtes nedēļā, salīdzinot ar aptuveni 81 minūti salīdzinājuma grupā.** Priekšmeta ekspertu grupa novērtēja stundu plānu kvalitāti, nezinot, vai plāni tika izveidoti ar MI palīdzību vai bez tās. Eksperti neatrada pierādījumus, ka stundu plānu kvalitāte atšķirtos. Tomēr jāizceļ divi aspekti. (1) **Nedēļu gaitā pedagogi rīku izmantoja arvien mazāk.** Izvērtētāji to skaidroja kā pedagogu pāreju no apguves posma uz rutīnu; tas var arī nozīmēt, ka bez atbalsta ietaupījums nesaglabājas. (2) Izmēģinājumā tika mērīts pedagogu stundu plānošanai patērētais laiks, nevis skolēnu mācīšanās rezultāti.

"Viss atgriežas pie laika. Pat tiem pedagogiem, kuri saskata MI vērtību, reti ir laiks, lai iemācītos to izmantot."

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

#### (3) Labāks atbalsts skolēniem, kuri pilnvērtīgi negūst labumu no standarta nodarbībām

**Iedomājieties šādu situāciju.** Jūsu skola izlemj, kā tērēt savus līdzekļus. Tā vēlas iegādāties MI sarunbotu. Cik liela, jūsuprāt, ir varbūtība, ka sarunbota nodrošinātāji jums sniegs pierādījumus par sarunbota izmantošanas ieguvumiem dažādos mācību priekšmetos?

**Kāpēc tas ir svarīgi.** Nodrošinātājs varētu atsaukties uz pētījumiem par skolēniem ar invaliditāti – vienu no visilgāk pētītajām MI jomām izglītībā, ko, sadalot līdzekļus, viegli var aizmirst. Izanalizējot 29 pētījumus, kuros iesaistīta 41 skolēnu ar invaliditāti grupa, pētnieki konstatēja mērenus ieguvumus dažādos apstākļos. Taču izlasiet sīko drukāto tekstu. **Septiņos no desmit šiem pētījumiem** "MI" nozīmēja **robotu**, parasti humanoīdu, ko bieži vadīja pētnieks bērnam neredzamā vietā. Tikai vienā no pieciem pētījumiem tika izmantota programmatūra. Tātad tas nav pierādījums, ka sarunbots palīdzēs autistiskam skolēnam jūsu klasē. Pārskata autori arī nevarēja pateikt, **kas** padara šīs intervences efektīvas. Balstoties uz savu pētījumu, viņi nevarēja noteikt, kāpēc pētījumi, kas darbojās, atšķīrās no tiem, kas nedarbojās.

**Uzziniet vairāk.** *Zhang, L., Carter, R. A., Jr., Liu, Y., &amp; Peng, P. (2026). Let's CHAT about artificial intelligence for students with disabilities: A systematic literature review and meta-analysis. Review of Educational Research, 96(1), 215–257.* Brīvpieejas raksts, DOI 10.3102/00346543241293424. Šī raksta īstā vērtība ir iekļauto pētījumu tabula — tā uzreiz atklāj, cik neliela daļa šīs jomas patiešām pievēršas rīkiem, kas šobrīd tiek tirgoti skolām.

#### (4) Māciet skolēniem, kā MI kļūdās

**Iedomājieties šādu situāciju.** Lūdziet savai klasei izveidot desmit attēlus ar "ārstu" un desmit ar "medmāsu". Saskaitiet, kurš parādās katrā kopā, un pēc tam ierosiniet diskusiju: no kurienes radušies šie modeļi un kurš pieņēma šos lēmumus?

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

1\. att.: "Viena mēģinājuma uzvedne: ārsts, medmāsa" (MI ģenerēts attēls, NanoBanana 2)

**Kāpēc tas ir svarīgi.** Šīs nodarbības klasiskā versija šķiet novecojusi, un tieši tāpēc tā ir uzmanības vērta. Gadiem ilgi demonstrācija bija paredzama: pieprasot ārstu, parādījās vīrietis. Bezpeļņas organizācijas AlgorithmWatch veiktā testā Midjourney gandrīz vienmēr attēloja ārstus kā baltādainus vīriešus, savukārt Adobe Firefly redzami, kaut arī nepilnīgi, centās dažādot rezultātus. Recenzētā pētījumā par 2400 MI ģenerētiem ķirurgu attēliem atklājās tāda pati atšķirība: divi no trim populāriem ģeneratoriem gandrīz nerādīja sievietes, savukārt trešais bija tuvu reālajai sieviešu skaita proporcijai ķirurģijā.

Izmēģinot to pašu uzvedni šodien, iespējams, redzēsiet parādāmies ārsti-sievieti vai medbrāli (1. att.). Taču nemaldiniet sevi domājot, ka aizspriedumi ir izzuduši. 2026. gada analīze par 1344 attēliem no trim populāriem ģeneratoriem atklāja pretējo: pieprasot attēlot "kompetentu personu", viena sistēma sievietes nerādīja vispār.

**Mainījušies ir nevis aizspriedumi, bet gan slānis, kurā tie mīt — un šī ir svarīgākā mācība!** Aiz katra no šiem attēliem ir cilvēku pieņemti lēmumi: uz kā sistēma tika apmācīta un ko tās veidotāji vēlāk nolēma tai rādīt. Otro no šiem slāņiem var pielāgot, tas ir neredzams un to nosaka uzņēmums.

<div id="bkmrk-pirmais-cilv%C4%93ku-l%C4%93mu">**Pirmais cilvēku pieņemto lēmumu slānis ir tas, ko sistēma ir absorbējusi.** Miljoniem attēlu, ko cilvēki izveidojuši un marķējuši, katrs no tiem atspoguļojot pasauli tādu, kāda tā jau bija. Šo slāni atklāj klasiska aizspriedumos balstīta nodarbība, un skolēni to viegli uztver: mehānisms kļuva par atspulgu tam, kas tam tika ieprogrammēts.</div><div id="bkmrk-otro-sl%C4%81ni-veido-tas">**Otro slāni veido tas, ko uzņēmums izvēlas rādīt jums nākamreiz,** taču šī ietekme pašā attēlā nekādas pēdas neatstāj. Šeit notiek trīs lietas, katru no tām paši veidotāji aprakstījuši saviem vārdiem.</div>

- **Pirms modelis tos saņem, jūsu vārdi tiek pārrakstīti.** No OpenAI izstrādātāju dokumentācijas: "mēs izmantojam GPT-4, lai optimizētu visas jūsu uzvednes, pirms tās tiek nodotas DALL-E" — un "šo funkciju pašlaik nav iespējams atspējot." Tas, ko jūsu skolēns ierakstīja, nav tas, kas tika jautāts mašīnai.
- **Izskats tiek papildināts, ja uzvedne to atstāj atklātu.** OpenAI, aprakstot savu daudzveidības tehniku: "Šī tehnika tiek piemērota sistēmas līmenī, kad DALL·E tiek dota uzvedne, kas apraksta personu, nenorādot rasi vai dzimumu, piemēram, 'ugunsdzēsējs.'" Pēc tam lietotāji divpadsmit reizes biežāk norādīja, ka attēlos redzami dažādas izcelsmes cilvēki. "Ārsts" ir tieši šāda veida uzvedne.
- **Taču šī pielāgošana var arī neizdoties.** Google pēc Gemini attēlu ģenerēšanas apturēšanas 2024. gadā: "Mūsu pielāgojumi, kas paredzēti, lai Gemini rādītu dažādus cilvēkus, neņēma vērā gadījumus, kuros noteikti nevajadzētu rādīt dažādību."

<div id="bkmrk-t%C4%81tad%2C-kad-skol%C4%93ns-i">Tātad, kad skolēns ieraksta "ārsts" un parādās sieviete, attēls nesniedz nekādu norādi par to, kurš slānis šo izvēli radījis. **Šī nenoteiktība nav nodarbības trūkums. Tā ir pati nodarbības būtība.**</div><div id="bkmrk--7"></div><div id="bkmrk-vecais-st%C4%81sts-apgalv">Vecais stāsts apgalvoja, ka mašīna vienkārši atkārtoja sabiedrības aizspriedumus. Jaunais stāsts sniedzas dziļāk un paliek spēkā ilgāk: uzņēmums pieņēma izvēli! Šo izvēli nevar pamanīt rezultātā, un tā var mainīties kaut vai otrdien, klusi, bez brīdinājuma. Šī patiesība saglabājas katrā jaunā modelī. Stereotipu nodarbība zaudē aktualitāti.</div>Šī ir mācība, kas ir skolēna uzmanības vērta un kas paliks aktuāla arī pēc nākamā modeļa atjauninājuma: **attēls nav vienkāršs realitātes atspoguļojums, un tas nav nejaušs. Kāds pieņēma izvēli.**

[![Latvian AI prompt transformation flowchart.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/latvian-ai-prompt-transformation-flowchart.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/srBzeichenflache-1-100.jpg)

2\. att.: "Kāpēc attēls, kas veidots pēc tādas uzvednes kā 'uzzīmē ārstu', izskatās tā, kā tas izskatās, un kāpēc pats attēls to jums nepateiks" (MI ģenerēts attēls, NanoBanana 2)

Šo mācību var sākt jau agri. Kad 209 somu skolēni 12 klasēs, 6. un 7. klasē, izpētīja šo tēmu, to skolēnu īpatsvars, kuri spēja izskaidrot aizspriedumus, izmantojot datus, pieauga no aptuveni 7 līdz 44 no 100. Godīgs ierobežojums: pētījums mērīja to, ko bērni spēja izskaidrot, nevis to, kā viņi rīkotos vēlāk.

"Aizspriedumi nav raksturīgi tikai MI. Tie var būt pat mācību grāmatās. Svarīgi ir zināt par nejaušību, par datiem, kas slēpjas aiz atbildes, un par iespējamajiem izkropļojumiem."

**Uzziniet vairāk.** *Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., &amp; Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. New Media &amp; Society, 27(9), 5342–5368.* Brīvpieejas raksts, DOI 10.1177/14614448241252820. Pētījumā nebija salīdzinājuma grupas – uztveriet to kā daudzsološu mācību stundas modeli, nevis kā pierādījumu.

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

Pašu piegādātāju paziņojumi: 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.

#### Cik pamatoti ir šā brīža pētījumu rezultāti par MI potenciālu?

**Vissvarīgākais.** Ja kāds jums min pētījumu, pirms piekrišanas uzdodiet divus jautājumus: "Kas bija pētījuma dalībnieki un kāds bija pētījuma ilgums?"

**Kāpēc tas ir svarīgi.** 2025. gadā veiktā metaanalīze, kas apkopoja 51 pētījumu, ziņoja par **lielu ChatGPT izmantošanas ieguvumu** skolēnu akadēmisko sasniegumu uzlabošanai. Raksts tika izlasīts simtiem tūkstošu reižu, un tas kalpoja par pamatu daudziem pārliecinātiem apgalvojumiem skolotāju istabās. **2026. gada 22. aprīlī žurnāls atsauca šo rakstu.** \*Atsaukšana\* nozīmē, ka žurnāls oficiāli atsauc publicēto rakstu; raksts joprojām ir redzams, taču ar atzīmi 'ATSAUKTS', lai ikviens, kas to citējis, to varētu atpazīt. Divi pētnieki, kuri nebija iesaistīti pētījumā, bija atklājuši neatbilstības analīzē. Žurnāla redaktors rakstīja, ka problēmas "mazina redaktora pārliecību par analīzes derīgumu". Autori uz saraksti par šo jautājumu nereaģēja.

**Tas nenozīmē, ka MI nekādi neietekmē mācīšanos**. Pastāv arī uzticami pētījumi, kas apliecina mērenus ieguvumus. Šī pētniecības joma vēl nav labi definēta, jo tā ir samērā jauna un ļoti dinamiska. Tas nozīmē, ka bieži citētais rādītājs nebija pareizs un ka bija vajadzīgs gads un divu ārējo ekspertu piesaiste, lai to atklātu.

Vēl viens vērā ņemams ierobežojums. Vismaz matemātikā – jo tuvāk pierādījumi ir saistīti ar skolu, jo mazāks ir efekts. Dažādos mācību priekšmetos aina ir nevienviedīga: daži jaunāki pārskati konstatē lielāku efektu skolās nekā universitātēs, taču pētījumu skolās joprojām ir maz, un tie ir nelieli.

**Uzziniet vairāk.**  Pati atsaukšana aizņem vienu lappusi, ir brīvi pieejama un to ir vērts izlasīt tieši tāpēc, ka tā ir īsa: Wang, J., &amp; Fan, W. (2026). Retraction note: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking. *Humanities and Social Sciences Communications, 13*, 528. DOI 10.1057/s41599-026-07310-z.

**Atsauktais** oriģināls bija *HSSC 12,* 621 (2025). Joprojām spēkā: *Wu, X., Zhu, P., Zhang, J., Yin, M., &amp; Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications, 13, 684.* Brīvpieejas raksts, DOI 10.1057/s41599-026-07019-z.

Rādītājs tikai par skolām matemātikas mācību priekšmetā: *Yi, L., Liu, D., Jiang, T., &amp; Xian, Y. (2025). The effectiveness of AI on K-12 students' mathematics learning: A systematic review and meta-analysis. International Journal of Science and Mathematics Education, 23(4), 1105–1126.* DOI 10.1007/s10763-024-10499-7.

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

### MI riski

#### (1) Kaut ko darīt nav tas pats, kas mācīties

**Iedomājieties šādu situāciju.** Pirms uzdodat mājasdarbu, ko var izpildīt sarunbots, padomājiet, kāds ir uzdevuma mērķis. Varbūt ir vērts uzdevumu mainīt?

**Kāpēc tas ir svarīgi.** Vai ar sarunbotu jūs mācāties ātrāk? Aptuveni tūkstotis skolēnu no 9. līdz 11. klasei apguva matemātiku trīs grupās: viena izmantoja standarta sarunbotu, otra — versiju, kas ieprogrammēta atbildi neatklāt un uzdot papildu jautājumu, bet trešā strādāja bez sarunbota. Izmantojot sarunbotu, grupa ar standarta sarunbotu izpildīja par 48 procentiem vairāk prakses uzdevumu nekā grupa bez tā. Pēc tam visi kārtoja vienu un to pašu eksāmenu bez sarunbota. Rezultāts, kas sākotnēji šķita pārsteidzošs, bija tāds, ka grupa, kas izmantoja standarta sarunbotu, uzrādīja par 17 procentiem sliktākus rezultātus nekā skolēni, kas sarunbotu nebija izmantojuši. Grupai, kas strādāja ar sarunbotu, kurš atbildi neatklāja, salīdzinot ar grupu bez sarunbota, testā rezultāti nepasliktinājās, taču tā skolēni vairāk vingrinājās. Skolēni, kas izmantoja standarta sarunbotu, nebija ne slinki, ne arī krāpās. Viņi strādāja vairāk, bet iemācījās mazāk, jo rīks novērsa nevis piepūli, bet gan kognitīvo izaicinājumu, kas veido mācīšanos.

"Ar MI ir ļoti viegli iegūt risinājumu, to neizprotot."

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

#### (2) MI detektori soda nepareizos skolēnus

**Iedomājieties šādu situāciju.** Jūs saņemat vērtēšanai skolēna eseju. Šaubīdamies par tās autentiskumu, ievadāt to MI detektorā. Rezultāts parāda: eseja gandrīz droši ir uzrakstīta ar MI palīdzību.

**Kāpēc tas ir svarīgi.** Jūs izmantojat MI detektoru, lai nodrošinātu taisnīgumu, **taču kādai konkrētai grupai detektoriem ir tieši pretēja iedarbība.** Detektors neatpazīst mašīnas ģenerētu tekstu. Tas mēra, cik prognozējams ir formulējums. Un tieši šeit slēpjas problēma — piemēram, kad skolēns raksta svešvalodā, nav pieredzējis rakstīšanā vai viņam ir ierobežots ikdienas vārdu krājums. Viņu rakstītie teksti ir prognozējami. Kad septiņi plaši izmantoti detektori analizēja 91 eseju, ko angļu valodas TOEFL testam bija rakstījuši runātāji, kuriem angļu valoda nav dzimtā (esejas tika savāktas kādā ķīniešu tiešsaistes forumā), aptuveni sešos no desmit gadījumiem tie šīs esejas kļūdaini atzīmēja kā mašīnas radītas. Turpretī esejas, ko savā dzimtajā angļu valodā rakstījuši amerikāņu astotās klases skolēni, gandrīz visas tika klasificētas pareizi.  Rīks, kas kļūdaini iezīmē tieši vienu konkrētu grupu, nav neitrāls. Turklāt šī grupa ir vismazāk spējīga sevi aizstāvēt.

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

#### (3) Kur tad galu galā nonāk skolēnu dati?

**Iedomājieties šādu situāciju.** Jūs izmantojat MI rīku, ko piedāvā jūsu skola. Mēģiniet noskaidrot, kur nonāk skolēnu dati.

**Kāpēc tas ir svarīgi.** Vai jūsu skola var nodrošināt, ka dati netiek nodoti trešajai pusei? Trešā puse ir uzņēmums, kas nav ne jūsu skola, ne lietotnes izstrādātājs. Parasti tie ir reklāmas vai analītikas uzņēmumi, kas saņem datus, kamēr skolēns strādā. Šo uzņēmumu skola nav izvēlējusies. Kad pētnieki veica tehnisku analīzi par 163 mācību produktiem, ko valdības ieteica pandēmijas laikā slēgto skolu apstākļos, 145 no tiem apstrādāja bērnu datus tā, ka tas apdraudēja vai pārkāpa viņu tiesības, nododot datus 196 trešajām pusēm vai piešķirot tām piekļuvi — pārsvarā reklāmas nozarei. **No 42 valdībām, kas izstrādāja savus produktus, nevis tos iegādājās, 39 bija izstrādājušas produktus ar tādu pašu problēmu. Pētījums aptver 2021. gada produktus, un daži no tiem kopš tā laika, iespējams, ir mainījušies**. Tomēr nevaram izslēgt, ka tas pats attiecas arī uz MI lietotnēm.

**Uzziniet vairāk.** *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. Brīvpieejas raksts hrw.org.* Pielikumos par katru valsti var uzzināt, kas kurā valstī tika atbalstīts.

#### (4) Mākslīgais intelekts visvēlāk nonāk tur, kur tas ir visvairāk nepieciešams.

**Iedomājieties šādu situāciju.** Cik daudz apmācību jūs jau esat saņēmis par MI mācīšanos vai priekšmetam specifisku mācīšanu ar MI?

**Kāpēc tas ir svarīgi.** Vienā eksperimentā pieaugušie ar augstāko izglītību un bez tās risināja darba videi raksturīgu biznesa uzdevumu. Pateicoties MI asistenta palīdzībai, aptuveni trīs ceturtdaļas atšķirības starp abām grupām izzuda. Kad pētnieki pēc tam asistentu atņēma, ievērojama daļa atšķirības atjaunojās. Autori secina, ka lielu daļu darba paveica MI un ka pēc tā atņemšanas saglabājās tikai daļa ieguvuma.

Aptauja starp Amerikas skolu direktoriem papildina ainas otru pusi: jo nelabvēlīgākā situācijā bija skolas skolēni, jo mazāk skola bija darījusi MI integrēšanai – mazāk noteikumu, mazāk pedagogu apmācību, mazāk norādījumu par MI izmantošanu skolēniem. Tā ir sakarība, nevis cēloņsakarības pierādījums.

**Kopumā:** labs rīks var mazināt atšķirības, kamēr tas ir skolēna rokās. Taču tas parasti sasniedz tās skolas, kurām tas vajadzīgs vismazāk, un, to atņemot, saglabājas tikai daļa no tā izmantošanas ieguvuma.

Vācijas dati liecina par tādu pašu tendenci. No 1590 jauniešiem vecumā no 14 līdz 20 gadiem, 80 procenti no turīgākām ģimenēm, bet tikai 55 procenti no mazāk turīgām uzskatīja MI par iespēju skolai. Arī MI izmantošanā redzama tā pati tendence: starp jauniešiem, kuri izmanto MI rīkus, 70 procenti ģimnāziju skolēnu tos izmanto skolas uzdevumu un mājasdarbu izpildei, salīdzinot ar 58 procentiem citās vidējās izglītības skolās.

**Kā ir ar pedagogu profesionālo pilnveidi?** Aptauja starp vairāk nekā desmit tūkstošiem pedagogu Anglijā atklāja, ka 45 procenti privāto skolu pedagogu jau bija saņēmuši formālu apmācību par MI, salīdzinot ar 21 procentu valsts skolās. Valsts skolu sistēmā šis rādītājs svārstījās no 26 procentiem skolās ar turīgākiem skolēniem līdz 18 procentiem skolās ar vismazāk turīgiem skolēniem.

**Uzziniet vairāk.** *Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., &amp; Lombardi, M. (2026). Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment (NBER Working Paper 34851).* Darba dokuments, vēl nav recenzēts. *Campos, C., &amp; Singleton, J. D. (2026). AI diffusion gaps: Unequal integration of AI across K-12 schools (NBER Working Paper 35347). Latham, K., &amp; Montacute, R. (2025). Artificial advantage? AI in the classroom and the inequality gap. The Sutton Trust.* Brīvi pieejams [suttontrust.com](http://suttontrust.com). *Vodafone Stiftung Deutschland (2024), Pioniere des Wandels; mpfs (2024), JIM-Studie 2024.* Abi brīvi pieejami vācu valodā.

#### (5) Tas, kas uzlabojas, mācoties ar MI, ne vienmēr ir tas, ko redzat

**Iedomājieties šādu situāciju**. Jūs savā mācīšanā ieviešat jaunu sarunbotu, un skolēni ir sajūsmā par jaunā rīka izmantošanu.

**Kāpēc tas ir svarīgi.** Plašā pārskatā par 228 pētījumiem tika aplūkotas četras dažādas jomas, ko MI varētu uzlabot: zināšanas un izpratne; zināšanu pielietošana; afektīvā puse, piemēram, motivācija un iesaiste; kā arī spēja plānot, uzraudzīt un labot savu mācīšanos. Trīs no četrām uzlabojās. Pēdējā, cik vien pētījumi spēja noteikt, neuzlabojās.

- **Attiecībā uz zināšanām un izpratni** ģeneratīvais MI uzrādīja labākus rezultātus nekā vecākas MI formas, piemēram, intelektuālās apmācības sistēmas un adaptīvā prakses programmatūra.
- **Attiecībā uz zināšanu pielietošanu un afektīvo pusi** ģeneratīvais MI nebija efektīvāks par vecāku programmatūru, kas daudzām skolām jau ir.
- **Attiecībā uz pašvadību** apkopotais efekts bija neliels un varēja būt nejaušs – turklāt pētījumu bija pārāk maz, lai noskaidrotu, kāda veida MI vispār varētu palīdzēt.

Tikai neliela daļa rezultātu tika iegūti randomizētos izmēģinājumos, un sajūsmu, ko redzat pirmajās nedēļās, īsie pētījumi atspoguļo vislabāk.

Neliela papildu piebilde: **šajā pārskatā vislielākie ieguvumi tika konstatēti mākslā un humanitārajās zinātnēs.**

**Uzziniet vairāk.** *Yeo, G. H., &amp; Lansford, J. E. (2025). Effects of artificial intelligence on educational functioning: A review and meta-analysis. Educational Psychology Review, 37(4), article 110. DOI 10.1007/s10648-025-10085-5.<span class="Apple-converted-space"> </span>*