AI jako pomocník s domácími úkoly: pohodlné, ale škodlivé pro skutečné učení
Univerzity se stále více potýkají s tím, že studenti přesouvají veškerou myšlenkovou práci na umělou inteligenci. Nový typ chatbota však tento vzorec chování radikálně mění.
Místo toho, aby chrlil hotové odpovědi, nutí tento digitální tutor studenty budovat vlastní úsudek krok za krokem. Systém vychází z filosofické metody staré přes dvě tisíciletí, přesto funguje na nejmodernější AI technologii.
V americkém vysokém školství sahá drtivá většina studentů po generativní AI při plnění úkolů i přípravě na zkoušky. Průzkumy naznačují, že přibližně devět z deseti studentů využívá chatbota při domácí přípravě. Typický scénář vypadá takto: položit otázku, zkopírovat odpověď, hotovo.
Přemýšlení tak nepozorovaně přechází ze studenta na stroj. Pokušení je pochopitelné — chatbot dokáže srozumitelně vysvětlit makroekonomii, statistiku i historii, napsat vzorové odpovědi a sestavit cvičné otázky včetně řešení.
Jádro problému tkví v tom, že kdo pouze čte hotové odpovědi, svůj vlastní myšlenkový aparát téměř vůbec netrénuje.
Tým ekonomů na University of Wisconsin–La Crosse tuto situaci sledoval s rostoucími obavami. Chtěli AI ve výuce makroekonomie skutečně využít — ale jako posílení vzdělávacího procesu, nikoli 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 na internet. Nástroj byl natrénován výhradně na kompletních přepisech přednášek makroekonomie od zapojených vyučujících. Žádný přístup k webu, žádné externí zdroje — pouze oficiální studijní materiály daného kurzu.
Způsob fungování se výrazně liší od ChatGPT nebo jiných velkých jazykových modelů. Když se student zeptá například na výpočet růstu HDP, nedostane žádné vysvětlení ani vzorec. Macro Buddy odpovídá výhradně otázkami.
- Které proměnné patří k HDP podle látky z přednášky?
- Co se změnilo mezi prvním a druhým obdobím?
- Jak definuješ růst vyjádřený v procentech?
- Jaká data ti ještě chybí k provedení výpočtu?
Chatbot takto provádí studenty sérií cílených otázek až k řešení, aniž by ho kdy přímo vyslovil. Těžiště se přesouvá od „získání odpovědi" k „budování vlastního uvažování".
Digitální podoba 2 400 let staré filosofické techniky
Přístup Macro Buddy vychází ze sókratovské metody — techniky otázek a odpovědí ze starořecké filosofie. Sókratés své žáky nevzdělával výčtem informací, nýbrž neustálým kladením otázek, dokud sami nedospěli k poznání.
Tato stará metoda byla přeložena do jazyka moderního jazykového modelu. Chatbot rozpozná klíčové pojmy z kurzu, propojí je s dotazem studenta a sestaví z nich jakýsi žebřík otázek. Každá odpověď studenta určuje následující krok.
Chyby nejsou zametány pod koberec — naopak se stávají výchozím bodem pro novou sérii otázek.
Pokud si například student plete reálný a nominální HDP, Macro Buddy nezahájí miniaturní přednášku. Místo toho přijde série otázek na cenové indexy, inflaci a kupní sílu, až student sám formuluje rozdíl mezi těmito pojmy.
Výzkum: aktivní uživatelé si polepšili o 12 bodů, pasivní propadli o 8
Aby výzkumníci ověřili, zda takový „vzdorovitý" AI tutor skutečně funguje, rozdělili na jaře 2025 celkem 140 studentů do čtyř skupin:
| Skupina | Typ podpory |
|---|---|
| 1 | Práce výhradně s Macro Buddy |
| 2 | Tradiční studijní skupiny bez AI |
| 3 | Nejprve Macro Buddy, poté skupinová diskuse |
| 4 | Žádná dodatečná podpora (kontrolní skupina) |
Výsledky byly jednoznačné. Nejlépe dopadla smíšená skupina — studenti nejprve pracovali individuálně s Macro Buddy a poté diskutovali v malých skupinkách. 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 používali AI převážně jako stroj na odpovědi a poté museli zvládnout test bez jakékoli pomoci. Jejich výsledky klesly přibližně o 8 bodů v okamžiku, kdy jim byla „digitální berla" odebrána. Výzkumníci hovoří o kognitivní závislosti: kdo si nechává servírovat hotové odpovědi, své znalosti prakticky nerozvíjí.
Jak Macro Buddy mění každou chybu v cílenou následnou otázku
Síla systému spočívá ve způsobu, jakým nakládá s nedorozuměními. Jakmile chatbot z odpovědi vyčte, že student nechápe fungování inflace, spustí novou sérii otázek. Například:
- Co rozumíš pojmem peněžní zásoba?
- Co se stane, když tato zásoba roste rychleji než produkce?
- Jak rychlost oběhu peněz souvisí s cenovou hladinou?
- Dokážeš teď vlastními slovy popsat, proč ceny dlouhodobě rostou?
Student tak zůstává v aktivním režimu. AI ho nutí propojovat pojmy jako peněžní zásoba, cenová hladina a rychlost oběhu peněz. Chatbot problém neřeší za studenta — řídí ale jeho myšlenkový pochod.
Vzdělávací výzkumy ukazují podobné vzorce. Systémy pracující s technikami průběžného dotazování přinášejí z dlouhodobého hlediska lepší zakotvení znalostí než nástroje, které jednoduše podávají vysvětlení a správné odpovědi. Macro Buddy se do této linie přesně řadí, ovšem s konkrétním zaměřením na makroekonomii a skupinové úlohy.
Kombinace s kolektivní diskusí efekt ještě umocňuje
Pozoruhodný detail experimentu: nejlepší výsledky přinesla skupina, kde se AI a lidská diskuse vzájemně doplňovaly. Studenti nejprve pomocí Macro Buddy vybrousili vlastní argumentaci a teprve poté zasedli k rozhovoru se spolužáky.
V této fázi porovnávali své přístupy, navzájem se opravovali a vysvětlovali pojmy vlastními slovy. Rozhovory s AI fungovaly jako odrazový můstek — každý přicházel na skupinové setkání s promyšleným základem, což diskusi znatelně prohloubilo.
Nejúčinnější cesta se ukázala být: nejprve si individuálně polámat hlavu s AI, pak společně luštit záhady se spolustudenty.
Co to znamená pro české vysoké školy
Tento experiment se může zdát vzdálený, ale přímo se dotýká diskusí probíhajících na českých univerzitách a vysokých školách. Mnoho institucí teprve tvoří pravidla pro používání AI při psaní závěrečných prací, zkouškách a zadáních. Pozornost se soustředí převážně na kontrolu a předcházení podvodům — méně se řeší otázka, jak AI nastavit tak, aby studenti skutečně chytřeli, a ne líněli.
Příklad Macro Buddy ukazuje, že existuje alternativní cesta. Vzdělávací instituce může AI nasadit jako:
- tutora, který klade otázky místo podávání odpovědí
- nástroj omezený výhradně na materiály daného kurzu
- přípravu na hloubkové semináře nebo praktická cvičení
- prostředek k odhalení mylných představ v ranné fázi studia
To ovšem vyžaduje vědomá rozhodnutí. Obecný chatbot s neomezeným přístupem k internetu přímo vybízí ke kopírování a vkládání. Uzavřený tutor, který posílá zpět pouze otázky, naopak studenty přiměje přemýšlet. Obojí se nazývá „AI" — účinek na učení se však zásadně liší.
Praktické příklady: jak může AI tutor fungovat ve výuce
Sókratovský přístup se nemusí omezovat jen na makroekonomii. Představte si jeho využití v jiných oborech:
- Právo: studenti nedostanou právní hodnocení, ale otázky týkající se příslušných zákonů, judikatury a zvažování zájmů jednotlivých stran.
- Medicína: u kazuistiky se symptomy se chatbot ptá krok za krokem na možné příčiny, potřebná vyšetření a odhad rizik.
- Matematika: místo přímého řešení AI u každého kroku položí kontrolní otázku: „Které pravidlo tu uplatňuješ a proč?"
Vyučující mohou takovéto systémy využívat jako průvodce domácí přípravou, trénink před zkouškami nebo přípravu na praktická cvičení. Studenti pak dostávají neustálé, personalizované a adaptivní otázky — něco, co je ve velkých posluchárnách s stovkami prváků prakticky nedosažitelné.
S tím jsou spojena i rizika. Špatně navržené struktury otázek mohou být frustrující nebo studenty uvádět do začarovaného kruhu. Transparentnost ohledně toho, co AI umí a neumí, zůstává nezbytností. A pokušení otevřít si vedle toho obecný chatbot nikdy zcela nezmizí. Pravidla, formy zkoušení i nastavení očekávání musí na tuto realitu reagovat.
Proč vlastní uvažování s pomocí AI přináší více než opisování
Hlavní poučení z výzkumu okolo Macro Buddy je prosté: AI může studentům myšlení odebrat, nebo ho naopak zostřit. Vše závisí na tom, jak je technologie navržena a jak se s ní zachází.
Tutor řízený otázkami lépe naplňuje to, o co vzdělávání v jádru usiluje: nejde jen o znalost správné odpovědi, ale o pochopení cesty, která k ní vede. Pro školy hledající funkční způsob, jak zacházet s generativní AI, nabízí tento přístup konkrétní stavební kameny — jako alternativu k prostému zakazování nebo bezbřehé volnosti.
