Panika wokół „Moje zadanie domowe napisała AI” minęła. Oto, co ją zastąpiło

Gdy ChatGPT stał się publicznie dostępny, nauczyciele zaczęli wyobrażać sobie najgorszy możliwy scenariusz.

Uczniowie mieliby przestać pisać własne wypracowania. 

Prac domowych wykonywanych w domu nie dałoby się już uznać za wiarygodne. 

A gdzieś model językowy tworzyłby całkiem przyzwoite, pięcioakapitowe wypracowanie na temat Wielkiego Gatsby’ego, podczas gdy jego rzekomy autor grałby w innym pokoju w gry wideo.

Te obawy były zrozumiałe. Po raz pierwszy uczniowie mieli bezpłatny dostęp do technologii, która potrafiła tworzyć przekonujące teksty na niemal każdy temat. Jednak po kilku latach ery generatywnej AI dyskusja staje się bardziej złożona.

Uczniowie nadal korzystają z AI. W rzeczywistości stała się ona niezwykle powszechna. W badaniu Higher Education Policy Institute z 2025 r. przeprowadzonym wśród ponad 1000 studentów studiów licencjackich w Wielkiej Brytanii stwierdzono, że 92% z nich korzystało z AI w jakiejś formie, a 88% używało generatywnej AI do wykonywania zadań ocenianych. Podobne wyniki przyniosło badanie studentów UCLA z rocznika 2025: 73% ankietowanych studentów ostatniego roku korzystało z generatywnej AI, aby wspomóc się w nauce.

Nie oznacza to jednak, że ci studenci koniecznie proszą ChatGPT o wykonanie całego zadania od początku do końca. Wyszukują informacje na dany temat, szukają pomysłów, przygotowują się do egzaminów, redagują teksty, proszą o wyjaśnienie trudnych zagadnień, a czasem generują fragmenty prac.

To rodzi ważne pytanie dla nauczycieli: Czy uczniowie rzeczywiście rozumieją to, co oddają?

Problem z wykrywaniem treści generowanych przez AI

Odpowiedzią na prace domowe generowane przez AI stała się inna forma AI: oprogramowanie do wykrywania takich treści.

Skoro uczniowie mogli użyć algorytmu do napisania wypracowania, być może nauczyciele mogli użyć innego algorytmu, by ich przyłapać.

Jest tylko jeden problem. Wykrycie użycia AI nie jest równoznaczne z udowodnieniem go.

Od początków powszechnego dostępu do generatywnej AI badacze zwracają uwagę na wyniki fałszywie dodatnie i fałszywie ujemne. W badaniu z 2023 r. opublikowanym w czasopiśmie The International Journal of Management Education wykazano, że klasyfikacje autentycznych tekstów i tekstów wygenerowanych przez AI częściowo się pokrywały, co stwarzało ryzyko obu rodzajów błędów.

Nowsze badania sugerują, że podstawowy problem pozostaje nierozwiązany. W badaniu z 2026 r. opublikowanym w czasopiśmie Computers & Education sprawdzono 13 narzędzi do wykrywania treści generowanych przez AI, testując je na autentycznych pracach studentów, rozprawach i kodzie. Badacze uznali, że skuteczność tych narzędzi nadal jest niewystarczająca, by opierać na niej decyzje o poważnych konsekwencjach akademickich, i stwierdzili, że zmodyfikowane treści wygenerowane przez AI często mogą uniknąć wykrycia.

Nie oznacza to, że narzędzia do wykrywania są bezużyteczne. Trudno jednak uznać je za główne rozwiązanie problemu prac akademickich wspomaganych przez AI.

To prowadzi również do szerszego problemu.

Nawet narzędzie wykrywające, które działałoby bezbłędnie, informowałoby nauczyciela jedynie o tym, czy tekst prawdopodobnie wygenerowała AI. Nie powiedziałoby mu, czy doszło do nauki.

Wyobraźmy sobie dwoje uczniów:

• Pierwszy prosi chatbota AI o napisanie całej pracy, wprowadza kilka poprawek i oddaje ją, nie rozumiejąc przedstawionego w niej argumentu.
• Drugi korzysta z AI, aby zrozumieć zagadnienie, z którym ma trudności, zadaje dodatkowe pytania, szuka możliwych argumentów, samodzielnie pisze pracę, a następnie ponownie używa narzędzia, by wskazać słabe strony pierwszej wersji.

Oboje korzystali z AI. Jednak z edukacyjnego punktu widzenia zrobili dwie zupełnie różne rzeczy.

Pytanie „Czy korzystałeś z AI?” staje się niewłaściwe

Generatywna AI nie jest już narzędziem służącym wyłącznie do pisania.

Studenci mogą używać jej jako redaktora, korepetytora, partnera do szukania pomysłów, tłumacza, asystenta badawczego, pomocy w programowaniu lub narzędzia do nauki. Funkcje AI są też coraz częściej wbudowywane w używane już przez ludzi oprogramowanie.

Nawet sami studenci dostrzegają tę różnicę. W badaniu Chegg Globalne badanie studentów 2025 80% ankietowanych studentów studiów licencjackich stwierdziło, że korzystało z generatywnej AI, aby wspomóc się w nauce. Wśród tych osób 56% używało jej głównie do zrozumienia pojęć lub zagadnień. Jednocześnie 53% obawiało się otrzymywania nieprawidłowych informacji.

Ta ostatnia liczba może być równie ważna jak pierwsza, ponieważ nauka korzystania z AI obejmuje także umiejętność oceny, czy można zaufać otrzymanej odpowiedzi.

Chatbot może zaproponować źródła do wypracowania. Niektóre z nich mogą nie istnieć. Może poprawić akapit, ale może też subtelnie zmienić to, co student chciał powiedzieć.

Im łatwiej dzięki AI uzyskać odpowiedź, tym ważniejsza staje się umiejętność jej oceny. Właśnie w tym miejscu rozmowa o uczciwości akademickiej zaczyna przeradzać się w rozmowę o kompetencjach w zakresie AI.

Uczniowie muszą udowodnić, że rozumieją materiał

Od dziesięcioleci dobrze opracowane, ukończone prace często stanowią dowód na to, że uczeń się czegoś nauczył.

Uczeń oddaje esej, sprawozdanie z laboratorium, prezentację lub fragment kodu, a nauczyciel ocenia gotowy rezultat, by ustalić, jak dobrze uczeń rozumie materiał.

Generatywna AI podważa to założenie, ponieważ dopracowana praca może teraz powstać, nawet jeśli uczeń nie posiada wiedzy, którą zdaje się ona wykazywać.

To zmusza nauczycieli do wyjścia poza ocenę gotowej pracy:

1. Poprosić ucznia o wyjaśnienie, dlaczego doszedł do danego wniosku.
2. Zapytaj, jakie dowody zmieniły jego zdanie.
3. Poprosić go o ustną obronę argumentu.
4. Zapytaj, która część zadania sprawiła mu największą trudność.
5. Zmień jedną zmienną w zadaniu i poproś ucznia, by rozwiązał je ponownie.
6. Poprosić go o wskazanie słabego punktu we własnej pracy.

Jeśli korzystanie z AI było dozwolone, zapytaj, jak uczeń z niej korzystał, co mu dała i co odrzucił.

Nagle stworzenie imponującej odpowiedzi staje się tylko częścią zadania. Uczeń musi też wykazać, że samodzielnie odpowiada za tok rozumowania, który do niej doprowadził.

Prace domowe powinny pokazywać więcej z procesu

Przez lata narzędzia cyfrowe coraz bardziej ułatwiały skupianie oceny na gotowym rezultacie. Generatywna AI skłania niektórych nauczycieli do obrania przeciwnego kierunku: zwrócenia uwagi na proces, w którym powstał.

Może to oznaczać analizowanie konspektów i kolejnych wersji pracy, a nie tylko gotowych tekstów oddawanych do oceny. Może też obejmować dyskusje w klasie lub elementy ustne. Uczniowie mogliby dokumentować rozwój swojego argumentu, wyjaśniać, dlaczego wybrali konkretne źródła, lub zastanawiać się, co sprawiło im trudność.

AI może nawet stać się częścią samej oceny.

Zamiast zabraniać uczniom korzystania z chatbota, nauczyciel mógłby przedstawić odpowiedź wygenerowaną przez AI i poprosić ich o jej krytyczną ocenę.

• Co model zrobił dobrze?
• Co przeoczył?
• Które twierdzenia wymagają weryfikacji?
• Jakie źródła byłyby potrzebne, zanim można byłoby zaufać tej odpowiedzi?
• Czy uczeń potrafi przedstawić lepszy argument?

Znacznie trudniej zlecić komuś odpowiedź na te pytania, ponieważ zadanie wymaga teraz ludzkiego osądu. A właśnie tej umiejętności potrzebują uczniowie, gdy AI potrafi na żądanie generować wiarygodnie brzmiące informacje.

Kompetencje w zakresie AI stają się synonimem kompetencji akademickich

Kiedyś „kompetencje cyfrowe” oznaczały przede wszystkim umiejętność obsługi komputera, poruszania się po internecie i korzystania z popularnych programów.

Definicja ta stała się bardziej złożona, ponieważ sama umiejętność wyszukiwania informacji w internecie nie wystarczała. Trzeba było także umieć oceniać strony internetowe, rozpoznawać niewiarygodne źródła, chronić dane osobowe i rozumieć, że wysoka pozycja w wynikach wyszukiwania nie oznacza automatycznie, że coś jest prawdą.

Kompetencje w zakresie AI przechodzą podobną przemianę: umiejętność pisania promptów jest przydatna, ale stanowi tylko część tej kompetencji.

Uczniowie muszą też rozumieć, co generatywna AI potrafi, a czego nie potrafi robić w sposób niezawodny. Powinni rozpoznawać halucynacje, podważać pewne siebie odpowiedzi, weryfikować źródła, brać pod uwagę kwestie prywatności oraz rozumieć, kiedy pomoc AI przekracza granicę i zastępuje ich własne myślenie.

Ustalenie tej granicy będzie prawdopodobnie wymagało prób i błędów związanych z osiągnięciem zakładanych efektów uczenia się.

Wykorzystanie AI do wyjaśnienia trudnego zagadnienia może przyspieszyć naukę. Poproszenie jej o rozwiązanie zadania, zanim uczeń sam spróbuje je rozwiązać, może pominąć dokładnie tę pracę umysłową, którą zadanie miało rozwijać.

Świat poza szkołą

Edukacja zawsze miała na celu przygotowywanie do przyszłości. Po ukończeniu szkoły uczniowie zabierają ze sobą zdobytą wiedzę do miejsca pracy. A w miejscach pracy, do których trafią, raczej nie zabraknie AI.

Asystenci AI są integrowani z platformami kreatywnymi i systemami dla przedsiębiorstw. Wielu dzisiejszych uczniów może rozpocząć karierę zawodową w dziedzinach, w których oczekuje się skutecznego korzystania z AI. Dlatego podejście zakładające całkowity zakaz AI coraz trudniej uznać za przygotowanie do życia zawodowego.

Również skrajne przeciwieństwo nie jest szczególnie użyteczne.

Uczeń, który nie potrafi napisać argumentacji bez pomocy AI, niekoniecznie jest lepiej przygotowany do pracy w środowisku, w którym wykorzystuje się AI. Nie jest też lepiej przygotowany uczeń, który przyjmuje analizę wygenerowaną przez AI bez jej sprawdzenia.

Cenną umiejętnością jest wiedzieć, co można oddelegować, a czego nie.

• AI może w kilka sekund przygotować wstępne podsumowanie. Człowiek nadal musi mieć wystarczającą wiedzę w danej dziedzinie, by rozpoznać, czego w nim brakuje.
• AI może wygenerować kod. Ktoś nadal musi wiedzieć, czy kod działa, czy jest bezpieczny i czy rozwiązuje zamierzony problem.
• AI może przygotować wstępną wersję e-maila do klienta. Ktoś nadal musi znać klienta na tyle dobrze, by ocenić, czy wysłanie takiej wiadomości nie byłoby fatalnym pomysłem.

Biegłość w korzystaniu z AI bez niezależnego osądu nie jest wielką biegłością.

Nowe pytanie o uczciwość akademicką

Pierwotny problem oszukiwania nadal istnieje. Uczniowie mogą korzystać z generatywnej AI, by uniknąć pracy, tak jak zawsze znajdowali sposoby, by się od niej wymigać. Nauczyciele nadal muszą wyznaczać granice: określać, gdzie korzystanie z AI jest dozwolone, w jakich sytuacjach liczy się samodzielna praca i co stanowi naruszenie zasad uczciwości akademickiej.

Jednak szersza dyskusja skupiała się na tym, że AI niezwykle ułatwiła tworzenie pozoru wiedzy. Oznacza to, że edukacja musi skuteczniej odróżniać pozór wiedzy od samej wiedzy.

Dawniej pytano: „Czy to twoja praca?”

Teraz pytanie brzmi: „Czy potrafisz wykazać, że sposób myślenia, który doprowadził do powstania tej pracy, jest twój?”

Trudniej ocenić odpowiedź na to pytanie. Nauczyciele muszą zrobić więcej niż tylko przepuścić esej przez detektor i czekać na wynik procentowy. Warto jednak włożyć ten dodatkowy wysiłek. W końcu pracy domowej nie da się sprowadzić do odpowiedzi zero-jedynkowej: czy została odrobiona, czy nie. Praca domowa zawsze polegała na myśleniu wymaganym do jej wykonania i nadal na nim polega.