Para sa lecturer na patuloy na nagbabasa na sinisira ng AI ang pag-iisip ng mga estudyante at gustong malaman kung ano, partikular, ang gagawin tungkol dito sa susunod na klase.
Sa bawat bagong termino, ang mga guro ay nahaharap sa iba't ibang bersyon ng parehong tanong: natututo ba ang mga estudyante, o patuloy lang sa pag-aaral? Ngayong taon, ang tanong na iyon ay may bagong konteksto, at ang mga numerong nasa likod nito ay mahirap isantabi.
Anong mga guro ang kinatatakutan
Natuklasan sa isang survey noong Nobyembre 2025 sa 1,057 na guro ng American Association of Colleges and Universities at ng Imagining the Digital Future Center ng Elon University na 90% ang naniniwalang babawasan ng generative AI ang mga kasanayan sa kritikal na pag-iisip ng mga estudyante. 83% naman ang naniniwalang paiikliin nito ang kanilang atensyon, at 95% ang umaasang mapapalaki nito ang labis na pag-asa ng mga estudyante sa mga kagamitan mismo. Halos tatlo sa apat, o 73%, ang personal na nakaranas ng isyu sa integridad sa akademiko na kinasasangkutan ng AI.
Hindi ito mga pansariling alalahanin mula sa isang minoryang tumututol. Sa mga gurong tumugon, ito ang pananaw ng karamihan, at ito ay tiyak. Hindi "ang AI ay nakakagambala" sa abstrak, kundi isang ibinahaging pakiramdam na may isang bagay na masusukat na nangyayari sa kung paano mag-isip ang mga estudyante.
Ang parehong kagamitan, dalawang magkaibang estudyante
Hindi rin nagtatago ang mga estudyante rito. Natuklasan sa 2026 Student Generative AI Survey ng HEPI, batay sa 1,054 na undergraduate sa UK, na 95% na ngayon ang gumagamit ng AI sa ilang anyo at 94% ang gumagamit nito para sa mga tinasa na gawain. 12% lamang ang umaamin na direktang nagsusumite ng tekstong nabuo ng AI, bagama't ang bilang na iyon ay tumaas nang apat na beses simula noong 2024, noong ito ay nasa 3%. Mabilis na umuusad ang linya sa pagitan ng "paggamit ng AI upang makatulong" at "pagpapahintulot sa AI na gawin ito".
Dalawa sa mga sipi mismo ng survey, na magkakatabi, ang mas mahusay na nagsasalaysay ng kwento kaysa sa anumang estadistika. Inilarawan ng isang estudyante ang paggamit ng AI upang ibuod ang mga siksik na pagbasa upang sila ay "makapagtuon sa kritikal na pagsusuri at mas malalim na pag-unawa." Ang isa naman ay sumulat, nang simple, "Hindi ko talaga ginagamit ang aking utak." Parehong kagamitan, parehong termino, dalawang ganap na magkaibang karanasan sa pagkatuto. Ang survey ay hindi nagbibigay ng anumang senyales na ang alinmang estudyante ay may ginagawa na kakaiba.
Bakit hindi nagbago ang mekanismo
Hindi ang kagamitan ang nagpapaiba sa dalawang estudyanteng iyon. Ito ang hiniling sa kanila ng silid-aralan nang magamit na nila ito.
Mas mabilis na masasagot ng AI ang tanong na "ano" kaysa sa kahit anong lektura, kahit anong aklat-aralin, kahit anong oras ng opisina. Ang hindi nito magagawa ay ang pumalit sa isang estudyante sa sandaling hinihiling sa kanila na hulaan ang isang resulta, ipagtanggol ang isang pagpipilian, o ipaliwanag ang isang bagay gamit ang sarili nilang mga salita. Ang mga sandaling iyon ay gagana lamang kung ang estudyante ang siyang kumukuha ng sagot.
Ito ang mas lumang ideya sa ilalim ng buong debate: ang kasanayan sa pagkuha ng impormasyon, na minsan ay tinatawag na testing effect. Ito ang matagal nang natuklasan na ang aktibong pagkuha ng impormasyon mula sa memorya ay bumubuo ng mas malakas at mas pangmatagalang pag-unawa kaysa sa muling pagbibigay ng parehong impormasyon. Hindi ito bago, at hindi ito tungkol sa AI. Ginagawa lamang ito ng AI na hindi pangkaraniwang madaling laktawan.
Ang 16-puntos na pagkakaiba
Isang pag-aaral noong 2025 na pinangunahan ng mga mananaliksik sa Drexel University (An et al.) ang nagbigay ng datos sa kakulangan. Sa isang kurso sa data science, ang mga estudyante ay binigyan ng mga tanong na AI-generated retrieval-practice sa ilang linggo, mga low-stakes prompt na pumipilit sa kanila na alalahanin at ilapat ang mga itinuro sa kanila, at wala sa iba. Ang performance ng parehong mga estudyante sa pagsusulit ay inihambing linggu-linggo.
Nakakuha sila ng 89% sa mga linggong may retrieval practice at 73% sa mga linggong wala. Tinawag ng mga mananaliksik na makabuluhan ang 16 na puntos na pagkakaiba sa istatistika at praktikal na aspeto, na nabuo dahil sa walang pagbabago sa nilalaman, kundi dahil lamang sa kung pinilit ang mga mag-aaral na kunin ito.
Ang natuklasang iyan ay hindi nagbabago dahil umiiral ang AI. Kung mayroon man, tinutukoy nito nang eksakto kung ano ang nakataya. Ang mekanismo na lumilikha ng tunay na pagkatuto ay tumatakbo pa rin sa pagsisikap na pag-alala, at ang kapakinabangan ng AI sa isang mag-aaral ay lubos na nakasalalay sa kung ginagamit ito upang himukin ang pagsisikap na iyon o upang palitan ito.
Ang pagkilala ay hindi pagsasauli
May isang patibong na dapat pangalanan bago mo buuin ang alinman dito. Ang isang multiple-choice na tanong ay kadalasang masasagot sa pamamagitan ng pagkilala, kung saan ang tamang opsyon ay mukhang pamilyar lamang, nang hindi na naaalala ng estudyante ang anumang bagay mula sa isang blangkong pahina. Ang pagkilala ay parang pag-alam, kaya naman ang mga estudyanteng dumaan sa isang paksa ay maaari pa ring pumili ng tamang kahon at umalis na kumbinsido na naunawaan nila ito.
Ang tunay na pagsasaliksik ay humihiling sa isang estudyante na ibigay ang sagot, hindi hanapin ito. Mas mahirap iyon, at ang kahirapan ang punto: sa loob ng makatwirang paraan, mas maraming pagsisikap ang kailangan para maalala, mas malakas ang nabubuong memorya nito, isang natuklasan na tinatawag ng mga mananaliksik na kanais-nais na kahirapan. Kaya ang kapaki-pakinabang na halo sa silid-aralan ay hindi lamang iisang format. Ang mabibilis na pagsusuri batay sa opsyon ay mabuti para sa pagbabasa ng silid sa loob ng ilang segundo. Gayunpaman, kahit papaano, ang ilang mga prompt ay dapat na magtulak sa mga estudyante na bumuo ng sagot mula sa wala, kung saan ang mga tanong na may maikling sagot at "ipaliwanag ito pabalik" ay nakakakuha ng kanilang lugar.
Kung saan nauubos ang patakaran ng AI
Kaya naman ang pamamaraan ng pagtatanong, hindi ang patakaran ng AI, ang maaaring ang pinaka-hindi gaanong nagagamit na paraan sa mas mataas na edukasyon. Sa survey ng AAC&U, 87% ng mga guro ang nagsabing nakasulat na sila ng mga tahasang patakaran sa paggamit ng AI, ngunit 59% pa rin ang nagsabing ang kanilang institusyon ay hindi pa handang tumulong sa mga mag-aaral na harapin ang darating.
Kinakailangan ang patakaran, ngunit namamahala ito sa kung ano ang isinusumite ng isang estudyante pagkatapos ng pangyayari. Kaunti lang ang nagagawa nito sa loob ng siyamnapung minuto bago nila ito isumite, sa lecture hall o seminar room, kung saan ang aktwal na pag-iisip ay nangyayari o hindi, at kung saan walang dokumento ng patakaran ang nakapagpaisip nang mas malalim sa sinuman.
Ano ang hitsura nito sa isang lektura
Maliit lang ang praktikal na hakbang. Ito ay ilang tanong na isinasama sa lektura mismo, sa mga puntong kung saan sana ay patuloy ka sanang nagsasalita.
Ang pag-aaral ng Drexel ay halos karapat-dapat kopyahin nang eksakto, dahil ang disenyo nito ang kapaki-pakinabang na bahagi: maiikling prompt, sa panahon ng natural na pahinga, na humihiling sa mga mag-aaral na alalahanin o ilapat ang kanilang narinig sa halip na hanapin ito. Ang isang live na pagsusulit ang pinakamalinis na paraan upang maisagawa ito nang puno ang silid, dahil pinipilit nito ang bawat mag-aaral na mangakong sasagot sa halip na hayaan ang iilang may kumpiyansa na gawin ang sesyon:
- Piliin ang Sagot para sa mabilis na pag-alala o pagsusuri ng aplikasyon. “Alin sa apat na pagpapalagay na ito ang nilalabag ng modelo kung ang datos ay hindi independiyente?” Sumasagot ang lahat sa kanilang mga telepono, lilitaw ang distribusyon sa screen, at diretso mong ituturo ang mga maling sagot na lumalabas.
- Maikling sagot kapag ayaw mong ang mga opsyon ang gumawa ng pag-alala para sa estudyante. Ang isang naka-type na prompt na walang multiple-choice scaffold ay mas malapit sa tunay na pagkuha, para sa dahilan ng pagkilala sa itaas.
- Mga tanong na binuo ng AI, ang paraan ng paggawa nina An at mga kasamahan nito. Ang Tagalikha ng pagsusulit sa AhaSlides May AI mode na nagbabalangkas ng mga tanong mula sa isang paksa o na-upload na lecture file sa loob ng ilang segundo, na nag-aalis ng pangunahing dahilan para laktawan ang pagsasanay: na ang pagsusulat ng mga tanong ay isa pang bagay na dapat paghandaan.
Tatlong senyas na sulit nakawin
Hindi gaanong mahalaga ang format kaysa sa kung ano ang pinipilit ng prompt na gawin ng estudyante. Tatlo ang maaaring maglakbay sa iba't ibang disiplina:
- Libreng pagpapabalik. "Nang hindi tinitingnan ang iyong mga tala, isulat ang isang pangungusap na sumasalamin sa kung ano ang nangyari noong huling labinlimang minuto." Ito ang pinakamurang tanong sa pagbabalik-tanaw, at agad na sinasabi sa iyo ng mga blankong pangungusap kung ano ang hindi napunta.
- Paglalapat sa isang bagong bagay. "Narito ang isang dataset na hindi mo pa nakikita. Aling pamamaraan mula ngayon ang naaangkop, at ano ang masisira kung gagamit ka ng isa pa?" Ang paglalapat ng isang panuntunan sa isang bagong kaso ay mas mahirap pekein kaysa sa ulitin ito.
- May pagitang pagkuha sa iba't ibang sesyon. "Ano ang mga tinalakay natin noong nakaraang linggo na sinasalungat naman ngayong linggo?" Ang pagtukoy sa mas naunang klase, hindi sa huling sampung minuto, ang siyang nabubuo ang matibay na pag-unawa.
Wala sa mga ito ang kumukuha ng higit sa isang minutong oras ng klase, at bawat isa sa mga ito ay nagbabalik ng pagsisikap kung saan hindi ito maabot ng AI.
Ang mga sandaling pag-aari pa rin ng estudyante
Wala sa mga ito ang argumento para labanan ang AI sa silid-aralan, at hindi sinusuportahan ng datos ang konklusyong iyan. Maraming estudyante na ang mahusay na gumagamit nito.
Ito ay isang argumento para sa pagiging maingat tungkol sa kung aling mga sandali ang tanging pag-aari pa rin ng estudyante, at pagdidisenyo ng mga lektura, seminar, at pagtatasa upang protektahan ang mga sandaling iyon nang may layunin, nang paisa-isang tanong sa bawat pagkakataon. Isang instruktor sa edisyong ito ang bumuo ng isang buong pagsasanay sa pagtatanong batay mismo sa ideyang iyon, na pinapalitan ang paulit-ulit na "may mga tanong ba?" ng isang tanong na nagpapaisip sa mga estudyante. Binago ng AI kung gaano kabilis makakakuha ng sagot ang isang estudyante. Hindi nito binago kung ano ang kailangang mangyari sa loob ng kanilang isipan para maging kanila ang sagot.
Mga sanggunian
Amerikanong Asosasyon ng mga Kolehiyo at Unibersidad, at ang Imagining the Digital Future Center ng Elon University. (2026, Enero 21). Pambansang survey: 95% ng mga guro sa kolehiyo ay nangangamba sa labis na pag-asa ng mga estudyante sa AI at sa pagbaba ng kritikal na pag-iisip sa mga mag-aaral na gumagamit ng mga generative AI tool. 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., at Hashmi, R. (2025). Pagpapahusay ng pagkatuto ng mga mag-aaral gamit ang mga tanong na pagsasanay sa pagkuha ng impormasyon na binuo ng LLM: Isang empirikal na pag-aaral sa mga kurso sa agham ng datos. arXiv. https://arxiv.org/abs/2507.05629
Stephenson, R., at Armstrong, C. (Marso 12, 2026). Survey ng Mag-aaral tungkol sa Generative Artificial Intelligence noong 2026 (Ulat ng HEPI 199). Institusyon ng Patakaran sa Mas Mataas na Edukasyon. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/
