Czego boją się wykładowcy
W każdym nowym semestrze wykładowcy uniwersyteccy stają przed tym samym pytaniem: czy studenci się uczą, czy po prostu podążają za schematem studiów? W tym roku pytanie to ma nowe tło. Ankieta przeprowadzona w listopadzie 2025 roku przez Amerykańskie Stowarzyszenie Szkół Wyższych i Uniwersytetów (American Association of Colleges and University) oraz Uniwersytet Elon wśród 1,057 wykładowców wykazała, że 90% z nich uważa, że sztuczna inteligencja generatywna osłabi umiejętności krytycznego myślenia studentów, 83% uważa, że skróci ich zdolność koncentracji, a 95% spodziewa się, że zwiększy ich nadmierne poleganie na samych narzędziach. Prawie trzy czwarte (73%) osobiście zetknęło się z problemem uczciwości akademickiej związanym ze sztuczną inteligencją. Nie są to marginalne obawy opornej mniejszości. Stanowią one dominujący pogląd na ten zawód i są konkretne: nie chodzi o abstrakcyjne stwierdzenie, że „sztuczna inteligencja jest rewolucyjna”, ale o wspólne poczucie, że coś mierzalnego zmienia sposób myślenia studentów.
Co uczniowie już robią
Studenci również się przed tym nie ukrywają. Badanie HEPI dotyczące generatywnej sztucznej inteligencji (Student Generative AI Survey) z 2026 roku, przeprowadzone wśród 1,054 brytyjskich studentów, wykazało, że 95% z nich korzysta obecnie ze sztucznej inteligencji w jakiejś formie, a 94% wykorzystuje ją do ocenianych prac. Tylko 12% przyznaje się do bezpośredniego przesyłania tekstów generowanych przez sztuczną inteligencję, choć odsetek ten wzrósł czterokrotnie od 2024 roku, kiedy wynosił 3%, co sugeruje, że granica między „wykorzystywaniem sztucznej inteligencji do pomocy” a „pozwoleniem sztucznej inteligencji na działanie” szybko się przesuwa. Zestawienie dwóch cytatów z badania obok siebie mówi samo za siebie. Jeden ze studentów opisał używanie sztucznej inteligencji do streszczania obszernych tekstów, aby móc „skupić się na krytycznej analizie i głębszym zrozumieniu”. Inny napisał po prostu: „W ogóle nie używam mózgu”. To samo narzędzie, to samo pojęcie, dwa zupełnie różne doświadczenia edukacyjne, a badanie nie wskazuje na to, że którykolwiek ze studentów robił coś nietypowego.
Dlaczego mechanizm się nie zmienił
Tym, co dzieli tych dwóch studentów, nie jest narzędzie. To, czego klasa od nich zażądała po jego użyciu. Sztuczna inteligencja potrafi odpowiedzieć na pytanie „co” szybciej niż jakikolwiek wykład, szybciej niż jakikolwiek podręcznik, szybciej niż godziny lekcyjne. Nie może jednak zastąpić studenta w momencie, gdy ten jest proszony o przewidzenie wyniku, obronę wyboru lub wyjaśnienie czegoś własnymi słowami, ponieważ takie momenty działają tylko wtedy, gdy to student przywołuje informacje. To starsza idea, która leży u podstaw tego wszystkiego: praktyka przywoływania, czasami nazywana efektem testowania, czyli ugruntowane odkrycie, że aktywne wydobywanie informacji z pamięci buduje znacznie silniejsze, trwalsze zrozumienie niż po prostu ponowne podanie informacji. To nic nowego i nie dotyczy sztucznej inteligencji. Po prostu sztuczna inteligencja sprawia, że niezwykle łatwo jest je pominąć.
Badanie przeprowadzone na Uniwersytecie Drexel w 2025 roku wskazuje na tę lukę. Naukowcy zadawali studentom data science generowane przez sztuczną inteligencję pytania praktyczne z odzyskiwania informacji podczas przerw w wykładach – podpowiedzi o niskim ryzyku, które zmuszały studentów do przypominania sobie i stosowania tego, czego się właśnie nauczyli, a następnie porównali ich późniejsze wyniki w quizie z grupą kontrolną, która nie miała takich ćwiczeń. Grupa z odzyskiwaniem informacji uzyskała 89%. Grupa kontrolna uzyskała 73%. Różnica wynosząca 16 punktów została uznana przez naukowców za istotną zarówno statystycznie, jak i praktycznie, ponieważ nie zmieniła niczego w treści, a jedynie to, czy studenci zostali zmuszeni do jej odtworzenia. To odkrycie nie zmieniło się, ponieważ istnieje sztuczna inteligencja. Jeśli w ogóle, to wyjaśnia dokładnie, o co toczy się gra: mechanizm, który generuje prawdziwą naukę, nadal opiera się na wysiłkowym przypominaniu, a użyteczność sztucznej inteligencji dla studenta zależy wyłącznie od tego, czy jest ona wykorzystywana do zachęcania do tego wysiłku, czy do jego zastąpienia.
Gdzie kończy się polityka
Właśnie dlatego to technika kwestionowania, a nie polityka dotycząca sztucznej inteligencji, może okazać się najbardziej niedocenianym narzędziem w szkolnictwie wyższym. W badaniu AAC&U 87% wykładowców stwierdziło, że opracowali jasne zasady dotyczące wykorzystania sztucznej inteligencji, ale 59% nadal twierdzi, że ich uczelnia nie jest dobrze przygotowana, aby pomóc studentom stawić czoła nadchodzącym wydarzeniom. Polityka jest konieczna, ale to ona decyduje o tym, co student przedstawi po fakcie. Ma ona znikome znaczenie przez dziewięćdziesiąt minut przed jej złożeniem, w sali wykładowej lub seminaryjnej, gdzie albo powstaje, albo nie powstaje rzeczywiste myślenie, i gdzie żaden dokument dotyczący polityki nigdy nie skłonił nikogo do głębszego zastanowienia.
Nic z tego nie stanowi argumentu za sprzeciwianiem się sztucznej inteligencji w klasie, a dane również nie potwierdzają tego wniosku; wielu uczniów już z powodzeniem z niej korzysta. To argument za znacznie bardziej świadomym decydowaniem, które momenty nadal należą wyłącznie do ucznia, oraz za projektowaniem wykładów, seminariów i ocen w taki sposób, aby celowo chronić te momenty – tak jak to robi jeden z wykładowców w tym numerze „Stories Behind the Slides”, który zadaje jedno pytanie przypominające na raz.
Referencje
Amerykańskie Stowarzyszenie Szkół Wyższych i Uniwersytetów oraz Centrum Wyobrażania Cyfrowej Przyszłości Uniwersytetu Elona. (21 stycznia 2026 r.). Ogólnopolskie badanie: 95% wykładowców obawia się nadmiernego polegania studentów na sztucznej inteligencji i osłabienia krytycznego myślenia wśród uczniów korzystających z generatywnych narzędzi sztucznej inteligencji. AAC&U. https://www.aacu.org/newsroom/national-survey-95-of-college-faculty-fear-student-overreliance-on-ai-and-diminished-critical-thinking-among-learners-who-use-generative-ai-tools
An, Y., Liu, J., Acharya, N. i Hashmi, R. (2025). Wzbogacanie procesu uczenia się studentów za pomocą pytań praktycznych z zakresu wyszukiwania informacji generowanych przez LLM: badanie empiryczne na kursach z zakresu nauki o danych. arXiv. https://arxiv.org/abs/2507.05629
Stephenson, R. i Armstrong, C. (2026, 12 marca). Badanie generatywnej sztucznej inteligencji studentów 2026 (Raport HEPI 199). Higher Education Policy Institute. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/
