Singapur uczy korzystać z AI bez oddawania jej własnego myślenia

To stawia przed szkołami trudniejsze zadanie niż samo zapewnienie laptopa lub tabletu. Uczeń musi nauczyć się kwestionować odpowiedź systemu, wykrywać błędy i oceniać, czy użycie AI nie podważa celu konkretnego ćwiczenia.

Największe ryzyko: poznawcze przerzucanie pracy

Poznawcze przerzucanie pracy (cognitive offloading) nie zawsze jest czymś złym. Ludzie od dawna korzystają z zewnętrznych narzędzi, aby ograniczyć niepotrzebne obciążenie pamięci. Kalkulator, podręcznik czy korektor pisowni mogą zwolnić uwagę na bardziej wymagające zadania.

Problem zaczyna się wtedy, gdy uczeń przekazuje narzędziu najważniejszą operację poznawczą, zanim sam spróbuje ją wykonać. Może to oznaczać zlecenie AI zbudowania argumentu, interpretacji dowodów, rozwiązania nieznanego problemu albo napisania wyjaśnienia bez wcześniejszej próby stworzenia własnej odpowiedzi.

Efekt bywa mylący: praca wygląda lepiej, powstaje szybciej i zawiera mniej widocznych błędów. Nie musi to jednak oznaczać, że uczeń zbudował model mentalny potrzebny do tego, by:

• wykryć wiarygodnie brzmiące, lecz fałszywe twierdzenie;
• zastosować poznaną ideę w nowej sytuacji;
• wyjaśnić, dlaczego dany argument jest przekonujący;
• zauważyć brakujące dowody;
• obronić swoją pracę bez pomocy narzędzia.

Dlatego edukatorzy mówią o produktywnym zmaganiu się z problemem. Chodzi o wysiłek związany z przypominaniem sobie informacji, pierwszą próbą, popełnianiem błędów, otrzymywaniem informacji zwrotnej i poprawianiem odpowiedzi. Usunięcie każdej trudności może ułatwić zadanie, ale jednocześnie odebrać uczniowi ćwiczenie, dzięki któremu rozwija się rozumowanie.

Co pokazują badania — i czego jeszcze nie rozstrzygają

Dostępne dowody uzasadniają ostrożność, ale nie wspierają prostego twierdzenia, że AI zawsze osłabia myślenie krytyczne.

Przegląd zakresowy badań nad generatywną AI w szkolnictwie wyższym wskazuje na korzyści w pisaniu, udzielaniu informacji zwrotnej, rozwiązywaniu problemów i pracy badawczej, ale równocześnie opisuje obawy dotyczące poznawczego przerzucania pracy, zależności od narzędzia i sprawczości uczących się.

Szerszy przegląd systematyczny obejmujący 89 badań wykazał, że skutki nie są jednolite ani bezwarunkowe: pozytywne rezultaty odnotowano w 40,4 proc. analiz, a efekty mieszane lub zależne od warunków — w 23,6 proc. Wśród najczęściej wskazywanych zagrożeń znalazły się nadmierne poleganie na AI, ograniczenie samodzielności analitycznej i poznawcze przerzucanie pracy.

Podobny wniosek płynie z syntezy badań nad nauką w klasie. Rozwój myślenia wyższego rzędu — w tym analizy, rozumowania i kreatywności — może ucierpieć, jeśli ogólnodostępna AI omija wysiłek niezbędny do opanowania umiejętności. Autorzy zalecają najpierw zbudowanie podstawowej wiedzy, następnie naukę kompetencji AI i stopniowe, odpowiednio wspierane wprowadzanie narzędzi.

Trzeba jednak pamiętać, że baza badawcza nadal się rozwija. Przeglądy wskazują na różne definicje myślenia krytycznego oraz różnice między przedmiotami, grupami wiekowymi, rodzajami zadań i formami pomocy AI. Najuczciwszy wniosek jest więc warunkowy:

AI częściej wspiera naukę, gdy działa jako rusztowanie, partner udzielający informacji zwrotnej lub przeciwnik testujący rozumowanie ucznia. Częściej szkodzi, gdy zastępuje podstawową interpretację i analizę.

Kluczowa może być różnica między wykonaniem zadania a trwałym uczeniem się. Uczeń może napisać lepszą pracę, nie zdobywając przy tym wiedzy i osądu, które zadanie miało rozwijać.

Od wykrywania plagiatów do projektowania nauki

Po publicznym debiucie ChatGPT w 2022 roku pierwsza reakcja wielu instytucji koncentrowała się na ściąganiu, plagiatach i wykrywaniu tekstów wygenerowanych przez AI. Zasady obowiązujące na singapurskich uczelniach pokazują dziś bardziej zróżnicowane podejście.

AI może być dozwolona przy części prac, ale decydują reguły konkretnego kursu. Student nadal odpowiada za prawdziwość, rzetelność i właściwe przypisanie autorstwa w oddawanej pracy.

Wytyczne National University of Singapore (NUS) wymagają ujawniania użycia AI, sprawdzenia oczekiwań prowadzącego oraz wzięcia odpowiedzialności za jakość i rzetelność pracy. Polityka NUS uznaje za niewłaściwe zarówno przedstawienie bez oznaczenia bezpośredniego wyniku AI jako własnego, jak i nieujawnione przeredagowanie takiego wyniku.

Coraz wyraźniejsze są też ograniczenia samych detektorów AI. Nanyang Technological University (NTU) zapowiedział wycofanie instytucjonalnego detektora od 2027 roku, wskazując na jego zawodność i brak empirycznej wiarygodności jako narzędzia dowodzenia naruszenia zasad akademickich. Uczelnia chce większy nacisk położyć na dokumentowanie procesu pracy i standaryzowane deklaracje dotyczące wykorzystania AI.

To prowadzi do innej filozofii oceniania. Zamiast próbować odgadnąć autorstwo wyłącznie na podstawie końcowego tekstu, nauczyciele mogą analizować drogę, którą uczeń doszedł do wniosku, korzystając z:

• pierwszych prób wykonanych bez pomocy AI;
• kolejnych wersji i historii zmian;
• opisanych źródeł;
• refleksyjnych notatek o procesie pracy;
• ustnych wyjaśnień lub obrony pracy;
• lokalnych, branżowych albo samodzielnie zebranych dowodów;
• zadań wymagających zastosowania wiedzy w nieznanej wcześniej sytuacji.

Celem nie jest stworzenie oceniania „odpornego na AI”. Chodzi o to, by widoczny stał się proces uczenia się.

Jak wygląda odpowiedzialne korzystanie z AI?

Praktyczna zasada dla uczniów jest prosta: korzystaj z AI po własnej próbie, obok własnego myślenia albo przeciwko niemu — nigdy zamiast niego.

Dla uczniów

1. Zacznij bez AI. Przygotuj zarys, spróbuj rozwiązać problem, wskaż odpowiednie źródła albo sformułuj wstępne stanowisko.
2. Traktuj AI jak partnera do myślenia. Poproś o kontrargumenty, wskazanie założeń, propozycje haseł do wyszukiwania, pytania ćwiczeniowe lub krytykę własnego szkicu.
3. Traktuj odpowiedź jak twierdzenie, nie jak dowód. Sprawdzaj fakty, cytaty, przypisy, obliczenia i interpretacje w wiarygodnych źródłach pierwotnych lub autorytatywnych.
4. Prowadź rejestr użycia AI. Zapisz nazwę narzędzia, najważniejsze polecenia, istotne wyniki, elementy przyjęte i odrzucone oraz sposób ich weryfikacji. Wytyczne NUS już wymagają ujawniania użycia AI i osobistej odpowiedzialności, a niektóre wydziały oczekują bardziej szczegółowych deklaracji.
5. Zachowaj samodzielną kontrolę nad pracą. Uczeń powinien umieć wyjaśnić i obronić każde ważne twierdzenie bez pomocy narzędzia.

Dla nauczycieli i instytucji

Szkoły i uczelnie mogą przypisać każdemu zadaniu jasny poziom dozwolonego użycia AI:

• Zakazane: gdy zadanie sprawdza samodzielne przypominanie, liczenie, pisanie lub inną podstawową umiejętność.
• Dozwolone po ujawnieniu: gdy AI może pomóc w researchu, informacji zwrotnej lub redakcji, ale uczeń musi opisać jej użycie i zweryfikować rezultat.
• Oczekiwane: gdy oceniana jest umiejętność sprawdzenia, poprawienia lub zakwestionowania odpowiedzi AI.

Dobry schemat może wyglądać tak: najpierw samodzielna próba, następnie kierowana informacja zwrotna od AI, potem niezależna poprawa i refleksja nad tym, gdzie narzędzie miało rację, czego nie zauważyło albo gdzie się pomyliło.

Nauczyciele powinni też oddzielać umiejętność pisania poleceń od rozumienia tematu. Zaawansowany prompt nie dowodzi znajomości przedmiotu. Za to dobrze uzasadniona decyzja o odrzuceniu wiarygodnie brzmiącej odpowiedzi AI może być mocnym dowodem uczenia się.

W przypadku młodszych uczniów MOE podkreśla, że użycie AI powinno służyć nauce i rozwojowi, być celowe, dostosowane do wieku i poziomu rozwoju, a także bezpieczne i odpowiedzialne. Według najnowszych doniesień narzędzia opracowane przez MOE są wprowadzane etapami, od Primary 4, pod nadzorem nauczycieli; rozszerzane jest też szkolenie nauczycieli w zakresie AI. Dzieci potrzebują więc prowadzenia w klasie i wsparcia dorosłych, a nie nieograniczonego prywatnego dostępu.

Dostęp do narzędzia to jeszcze nie kompetencja AI

Scentralizowana infrastruktura cyfrowa Singapuru może ograniczać nierówności w dostępie do urządzeń i zatwierdzonych narzędzi edukacyjnych. MOE zapewnia szkołom wsparcie w zakresie infrastruktury, urządzeń i oprogramowania, a uczniowie w całym systemie mogą korzystać z SLS.

Równy dostęp nie gwarantuje jednak równie krytycznego korzystania z AI. Rodziny dysponujące większą ilością czasu, pewnością siebie lub doświadczeniem edukacyjnym mogą łatwiej pomóc dziecku zakwestionować odpowiedź, sprawdzić źródło albo rozpoznać powierzchowne wyjaśnienie. Bez wyraźnego nauczania te różnice mogą stworzyć nową formę nierówności edukacyjnej.

Szkoły mogą ją ograniczać, pokazując zachowania ekspertów i ucząc ich wprost:

• modelować na lekcjach weryfikację informacji oraz ocenę źródeł;
• udostępniać przykłady dobrego i słabego użycia AI oraz uporządkowane polecenia;
• rozwijać metapoznanie, czyli uczyć uczniów, po czym poznają, że naprawdę coś rozumieją;
• zapewniać nadzorowany dostęp do narzędzi zarządzanych przez instytucje;
• szkolić nauczycieli, aby wskazówki dla uczniów nie zależały wyłącznie od indywidualnej pewności kadry.

Kierunek wyznaczany przez MOE obejmuje rozumienie korzyści, ograniczeń i ryzyka AI, kwestionowanie jej odpowiedzi oraz rozpoznawanie uprzedzeń, fałszywych i wprowadzających w błąd informacji.

Dokąd zmierza Singapur do 2029 roku?

Dostępne sygnały polityczne wskazują na dalszą integrację AI z edukacją, a nie odwrót od technologii. Singapur prawdopodobnie będzie rozwijał kompetencje AI na kolejnych etapach kształcenia, poszerzał zastosowanie zatwierdzonych narzędzi i wykorzystywał SLS do spersonalizowanych ćwiczeń oraz informacji zwrotnej wspierającej naukę.

Uczelnie najpewniej nadal będą stawiać na ujawnianie użycia AI, odpowiedzialność studenta i zasady ustalane dla konkretnych kursów, zamiast opierać egzekwowanie reguł głównie na detektorach. W ocenianiu większe znaczenie zyskają proces pracy, zastosowanie wiedzy, dialog i osąd — zwłaszcza tam, gdzie celem jest samodzielne rozumowanie.

Najważniejszym sprawdzianem będzie to, czy AI zwiększy zdolność uczniów do myślenia, czy po cichu zastąpi ćwiczenia, dzięki którym myślenie się rozwija. Najmocniejszy model Singapuru nie brzmi więc „AI wszędzie” ani „AI nigdzie”. To kontrolowane użycie technologii połączone z chronionym czasem na samodzielny wysiłek.

Absolwent powinien umieć skutecznie pracować z AI, rozpoznać jej błąd, zdecydować, kiedy z niej nie korzystać, i przedstawić poprawne rozumowanie także wtedy, gdy narzędzie jest niedostępne. Na tym polega różnica między uczeniem się z AI a oddaniem jej własnej nauki.