Umělá inteligence jako pomůcka na domácí úkoly: pohodlné, ale škodlivé pro skutečné učení
Vysoké školy po celém světě řeší stejný problém: studenti přesouvají své myšlení na AI nástroje. Nový typ chatbota však tento mechanismus radikálně převrací.
Místo toho, aby chrlil hotové odpovědi, nutí tento digitální tutor studenty budovat vlastní úsudek krok za krokem. Systém vychází z tisíce let staré filozofické metody, ale běží na moderní umělé inteligenci.
V americkém vysokém školství využívají studenti generativní AI při úkolech a zkouškách masově. Výzkumy ukazují, že téměř devět z deseti studentů zapojuje chatbota při plnění domácích úkolů. AI funguje jako rychlé řešení: položím otázku, zkopíruji odpověď, hotovo.
Tímto způsobem se myšlenková práce nenápadně přesouvá od studenta ke stroji. Pokušení je obrovské — chatbot přehledně vysvětlí makroekonomii, statistiku i historii, napíše vzorové odpovědi a vygeneruje cvičné otázky včetně řešení.
Jádro problému je prosté: kdo pouze čte hotové odpovědi, téměř vůbec netrénuje vlastní myšlení.
Tým ekonomů z University of Wisconsin–La Crosse tento vývoj sledoval s rostoucími obavami. Chtěli AI ve výuce makroekonomie skutečně využít — ale jako zesilovač učení, nikoliv jako jeho náhradu. Tak vznikl experiment s vlastním chatbotem nazvaným Macro Buddy.
Macro Buddy: AI tutor, který odmítá prozradit správnou odpověď
Macro Buddy není klasický chatbot s přístupem k internetu. Nástroj byl natrénován výhradně na kompletních přepisech přednášek makroekonomie od zapojených vyučujících. Žádný přístup k webu, žádné externí zdroje — pouze oficiální studijní materiály kurzu.
Způsob fungování se výrazně liší od ChatGPT nebo jiných velkých modelů. Zeptá-li se student například na to, jak se počítá růst HDP, nedostane žádný výklad ani vzorec. Macro Buddy odpovídá výhradně otázkami.
- Které proměnné patří k HDP podle tohoto kurzu?
- Co se změnilo mezi prvním a druhým obdobím?
- Jak definuješ růst v procentech?
- Jaká data ti ještě chybí, abys to dokázal vypočítat?
Chatbot tímto způsobem provádí studenty sérií cílených otázek až k řešení, aniž by ho kdy doslova napsal. Těžiště se přesouvá od „získání odpovědi" k „budování úsudku".
Digitální verze 2 400 let staré filozofické taktiky
Přístup Macro Buddy vychází ze sokratovské metody — techniky otázek a odpovědí ze starořecké filozofie. Sókratés neučil tím, že by hromadil informace, ale neustálým kladením otázek, dokud žáci sami nedospěli k poznání.
Tato stará metoda je zde přeložena do moderního jazykového modelu. Chatbot rozpozná klíčové pojmy z kurzu, propojí je s otázkou studenta a sestaví z nich jakousi otázkovou žebříčkovou strukturu. Každá odpověď studenta určuje další krok.
Chyby nejsou zamaskeny — naopak se stávají výchozím bodem pro novou sérii otázek.
Zamění-li student například reálný a nominální HDP, Macro Buddy nezahájí minikolekturu. Místo toho následuje řada otázek o cenových indexech, inflaci a kupní síle — dokud student sám pojmenuje rozdíl.
Výzkum: aktivní uživatelé si polepší o 12 bodů, pasivní si pohorší o 8 bodů
Aby výzkumníci ověřili, zda takový „vzdorovitý" AI tutor skutečně funguje, rozdělili 140 studentů do čtyř skupin v experimentu na jaře 2025:
| Skupina | Typ podpory |
|---|---|
| 1 | Výhradně práce s Macro Buddy |
| 2 | Tradiční seminární skupiny bez AI |
| 3 | Nejprve Macro Buddy, poté skupinová diskuse |
| 4 | Žádná dodatečná podpora (kontrolní skupina) |
Výsledky byly jednoznačné. Studenti ze smíšené skupiny — nejprve individuální práce s Macro Buddy, pak práce v malých skupinkách — dosáhli nejlepších výsledků. Jejich průměrná známka u třetí zkoušky byla přibližně o 12 bodů vyšší než u kontrolní skupiny.
Na druhé straně stáli studenti, kteří v jiných předmětech využívali AI především jako stroj na odpovědi a pak museli absolvovat test bez jakékoli pomoci. Jejich výsledky klesly přibližně o 8 bodů, jakmile jim byla „digitální berla" odebrána. Výzkumníci hovoří o kognitivní závislosti: kdo se nechá krmit hotovými odpověďmi, své znalosti téměř nerozvíjí.
Jak Macro Buddy mění každou chybu v cílenou následnou otázku
Síla systému spočívá v tom, jak nakládá s nedorozuměními. Rozpozná-li chatbot z odpovědi, že někdo nechápe fungování inflace, spustí novou sérii otázek. Například:
- Co rozumíš pod pojmem peněžní zásoba?
- Co se stane, když tato zásoba roste rychleji než produkce?
- Jak souvisí rychlost oběhu peněz s cenovou hladinou?
- Dokážeš nyní vlastními slovy popsat, proč ceny strukturálně rostou?
Student tak zůstává v aktivním režimu. AI ho nutí propojovat pojmy jako peněžní zásoba, cenová hladina a rychlost oběhu peněz. Chatbot problém nevyřeší — ale řídí myšlenkový proces.
Výzkumy v oblasti vzdělávání, mimo jiné z Harvardu, ukazují srovnatelné vzorce. Systémy pracující s technikami průběžného dotazování prokazují z dlouhodobého hlediska lepší zakořenění znalostí než nástroje, které jednoduše podávají vysvětlení a správné odpovědi. Macro Buddy se do tohoto směru zařazuje, ale je zaměřen specificky na makroekonomii a skupinové úkoly.
Kombinace se skupinovou diskusí efekt ještě posiluje
Pozoruhodný detail experimentu: nejlepší výsledky přinesla skupina, která kombinovala AI a lidskou diskusi. Studenti nejprve používali Macro Buddy k zostření vlastního úsudku a teprve potom se sešli ve skupině.
V této fázi porovnávali své přístupy, navzájem se opravovali a vysvětlovali pojmy vlastními slovy. Rozhovory s AI fungovaly jako odrazový můstek — každý přišel na společné jednání s promyšleným základem, čímž se diskuse stala obsahově bohatší.
Nejefektivnější cesta se ukázala být tato: nejprve individuální zápas s AI, pak společné řešení problémů se spolustudenty.
Co to znamená pro české vzdělávání
Tento experiment se může zdát vzdálený, ale přímo se dotýká diskusí probíhajících na českých univerzitách a vysokých školách. Mnohé instituce vytvářejí pravidla pro používání AI u závěrečných prací, zkoušek a zadání. Pozornost se často soustředí na kontrolu a prevenci podvodů — méně už na otázku: jak AI nasadit tak, aby studenti zchytřeli, a ne zlenivěli?
Příklad Macro Buddy ukazuje, že existuje alternativní cesta. Vzdělávací instituce může AI využít jako:
- tutora, který klade otázky místo sdílení odpovědí
- nástroj omezený výhradně na materiály kurzu
- přípravu na prohlubující semináře nebo praktická cvičení
- prostředek k odhalení mylných představ v rané fázi učení
To však vyžaduje vědomá rozhodnutí. Obecný chatbot s volným přístupem k vyhledávání a formulování textů přímo vybízí ke kopírování. Uzavřený tutor, který vrací pouze otázky, naopak studenty nutí přemýšlet. Obojí se nazývá „AI", ale dopad na učení se dramaticky liší.
Praktické příklady: jak může AI tutor fungovat v přednáškové síni
Sokratovský přístup se nemusí omezovat jen na makroekonomii. Představte si jiné obory:
- Právo: studenti nedostanou právní posouzení, ale otázky týkající se relevantních zákonných ustanovení, judikatury a zvažování zájmů.
- Medicína: při kazuistice se symptomy se chatbot ptá krok za krokem na možné příčiny, potřebná vyšetření a odhad rizik.
- Matematika: místo zobrazení řešení klade AI u každého kroku kontrolní otázku: „Jaké pravidlo zde používáš, a proč?"
Vyučující mohou takové systémy nasadit jako průvodce domácí přípravou, trénink před zkouškami nebo přípravu na praktická cvičení. Studenti tak průběžně dostávají osobní, adaptivní otázky — něco, co je ve velkých posluchárnách se stovkami prváků prakticky nerealizovatelné.
S tím jsou spojena i rizika. Špatně navržené struktury otázek mohou být frustrující nebo studenty uvádět do bludného kruhu. Transparentnost ohledně toho, co AI umí a neumí, zůstává nezbytná. A pokušení přesto otevřít vedle nějaký obecný chatbot tu stále bude. Pravidla, formy hodnocení a řízení očekávání musí být s tím v souladu.
Proč vlastní uvažování s AI přináší víc než opisování
Klíčový poznatek výzkumu kolem Macro Buddy je jednoduchý: AI může studentům myšlení odebrat, nebo ho naopak zostřit. Vše závisí na tom, jak je technologie navržena a jak se s ní pracuje.
Tutor řízený otázkami lépe odpovídá tomu, o co vzdělávání v konečném důsledku usiluje — nejen vědět, jaká je správná odpověď, ale chápat, jak se k ní dostat. Pro instituce, které teď hledají funkční způsob, jak zacházet s generativní AI, zde leží konkrétní stavební kameny pro jiný přístup než pouhý zákaz nebo naprosté volné pole.
