AI ve třídě: Přelomový pokus DeepMind v Sieře Leone ukázal, komu nejvíc pomáhá

Příslib umělé inteligence ve vzdělávání je obrovský, ale přísné důkazy o jejím dopadu ve skutečných třídách jsou zatím vzácné. V červnu 2026 zveřejnily společnosti Google DeepMind a vzdělávací nezisková organizace Fab AI výsledky přelomové randomizované kontrolované studie (RCT) v Sieře Leone. Ta nabídla jeden z nejpodrobnějších pohledů na to, jak může dobře strukturovaný výukový nástroj s AI fungovat po boku učitelů .

Studie zjistila, že zapojení režimu „Řízené učení“ (Guided Learning) v modelu Gemini do hodin matematiky významně zlepšilo výsledky studentů v testech. Výsledky však také odhalily zásadní nuance: nejvíce z nástroje těžili studenti, kteří už v matematice vynikali, učitelé museli přizpůsobit svou roli a celkový efekt lze jen těžko oddělit od doprovodných podpůrných prvků, bez nichž by zásah nefungoval.

Jak byla studie navržena

Výzkum probíhal ve spolupráci s ministerstvem školství Sierry Leone a šlo o předem registrovanou, dvouramennou klastrově randomizovanou kontrolovanou studii. Trvala osm týdnů, od 6. října do 5. prosince 2025, ve 12 státem podporovaných nižších středních školách v okrese Port Loko .

Do studie bylo zapojeno 1 763 studentů 7. a 8. tříd (ve věku 13 let a více) ze 48 tříd matematiky . V rámci každé školy a ročníku byly třídy náhodně rozděleny buď do testovací skupiny, která používala Gemini Řízené učení, nebo do kontrolní skupiny, která pokračovala ve standardní výuce. Aby se vyloučil vliv kvality učitele, všichni učitelé absolvovali stejné 5–6hodinové školení .

Cílem bylo, aby studenti používali AI nástroj během dvou ze svých čtyř týdenních hodin matematiky, což za celou dobu studie představovalo 12 hodin Řízeného učení .

Strukturovaná hodina o čtyřech částech se zajímavým prvkem

Studie nebyla jen o tom, že studenti dostali do ruky chatbota. Řídila se přísným pedagogickým rámcem, který z AI učinil partnera v procesu společného učení:

1. Úvod vedený učitelem: Učitel stanovil cíle hodiny a ověřil dosavadní znalosti studentů.
2. Hlavní aktivita ve dvojicích: Studenti pracovali ve dvojicích s jedním zařízením (poměr studentů k zařízení 2:1). Měli přesně definované role: „řidič“ (driver) psal otázky do Gemini, zatímco „navigátor“ (navigator) si dělal poznámky a řídil celý proces. Role se každou hodinu střídaly, aby se zajistilo vyvážené zapojení.
3. Třídní diskuse: Učitel vedl společnou diskusi k upevnění získaných znalostí.
4. Závěrečné shrnutí: Učitel hodinu zakončil shrnutím .

V rámci přípravy učitelé definovali cíle hodiny, napsali úvodní podněty (prompty) a připravili si kostru otázek na tabuli, aby studentům usnadnili první interakci s Gemini .

Výsledky: Významné zlepšení, ale ne pro všechny stejně

Studie prokázala statisticky významné zlepšení, ale velikost efektu silně závisela na tom, jak moc byl nástroj používán a na výchozí úrovni studenta.

Ukazatel	Zjištění
ITT (Intent-to-treat)	Studenti zařazení do skupiny s Řízeným učením si v průměru polepšili o +0,258 směrodatné odchylky (SD). To odpovídá posunu studenta z 50. na 60. percentil .
Vztah mezi dávkou a odezvou	69 % studentů, kteří absolvovali celkovou cílovou dávku 12 a více hodin, dosáhlo mnohem většího efektu +0,380 SD. Každá další hodina používání byla spojena s nárůstem o +0,016 SD .
Výchozí úroveň znalostí	Nejkritičtější zjištění: studenti s lepšími výchozími znalostmi matematiky z nástroje profitovali podstatně více. Efekt intervence se zvýšil o 0,195 SD za každou další směrodatnou odchylku výchozí úrovně matematiky, kterou student měl .
Analýza podskupin	Při rozdělení podle výchozí úrovně čtení, pohlaví nebo věku nebyly zjištěny žádné významné rozdíly v účinku AI .

Jak studenti s Gemini ve skutečnosti komunikovali

Jednou z nejobjevnějších částí studie byla analýza přepisů více než 113 000 interakcí mezi studenty a Gemini. Vyplývá z ní obrázek AI, která nejedná jako stroj na odpovědi, ale jako trpělivý tutor.

Drtivá většina konverzací – 91,4 % – se soustředila na porozumění matematice . Chování Gemini bylo samo o sobě pečlivě řízeno funkcí Řízené učení: v 76,4 % svých zpráv kladlo návodné otázky, čímž studenty tlačilo k samostatnému přemýšlení, a přímé řešení poskytlo jen v 2,1 % případů .

Riziko prohlubování rozdílů ve výsledcích

Zjištění, že z nástroje profitovali nejvíce původně nejlepší studenti, vedlo výzkumníky k upozornění na vážný problém. Bez promyšlených strategií na podporu slabších studentů hrozí, že intervence bude spíše prohlubovat existující rozdíly ve výsledcích, než aby je snižovala .

Co zažívali učitelé

Kvalitativní zpětná vazba z cílových skupin s učiteli dodala výsledkům další rozměr. Učitelé hlásili znatelné zvýšení zapojení studentů a aktivnější účast v hodinách . Mnozí z nich začali Gemini používat i pro přípravu na hodiny, když objevovali nové způsoby, jak vysvětlit složitá témata, například zlomky .

Klíčové bylo, že učitelé popisovali posun ve své vlastní profesní identitě. Cítili, že se jejich role vyvíjí z „přednášejícího“ na „facilitátora“, který se pohybuje po třídě a pomáhá jednotlivým dvojicím .

Ne všechna zpětná vazba byla pozitivní. Někteří učitelé hlásili problémy, například že Gemini občas odbočoval od tématu nebo že postup třídy osnovami byl kvůli práci s nástrojem pomalejší .

Zásadní omezení studie

Přestože jsou výsledky pozitivní, výzkumníci pečlivě vyjmenovávají několik omezení, která je třeba brát v potaz:

• Kombinovaná intervence: Studie spojila Řízené učení se školením učitelů, novou strukturou hodin, poskytnutím zařízení a průběžným monitoringem ve třídě. Její design nedokáže izolovat efekt samotného AI nástroje od těchto dalších klíčových podpůrných prvků .
• Zobecnitelnost: Vzorek pochází z jediného okresu v Sieře Leone a není celostátně reprezentativní. Zjištění lze nejsnáze aplikovat na školy se srovnatelnou infrastrukturou, včetně dostupnosti tabletů, spolehlivého internetu a připravenosti učitelů .

Plán pro globální výzkum

Studie v Sieře Leone je jen začátek. Jde o první z plánované mezinárodní série předem registrovaných studií, které společnosti Google DeepMind a Fab AI chystají, aby prozkoumaly Řízené učení v různých vzdělávacích systémech . Jako krok k transparentnosti a škálovatelnosti partneři spolu s výsledky zveřejnili své materiály pro školení učitelů a manuál pro rychlé provedení RCT studie, čímž poskytli návod dalším výzkumníkům a vzdělávacím systémům .