Studija: AI Poboljšava Ocene Na Domaćim, Ali Smanjuje Rezultate Na Ispitima

Upotreba generativne veštačke inteligencije za rešavanje domaćih zadataka može brzo podići ocene, ali istovremeno dugoročno narušiti stvarno znanje učenika i njihove rezultate na ispitima, pokazuje novo istraživanje.

Ključni nalazi

Istraživanje Centra za ekonomske politike (Centre for Economic Policy Research) obuhvatilo je 26.811 kineskih učenika od 7. do 12. razreda. Autori su dokumentovali suprotan efekat: korišćenje AI alata povećalo je prosečne ocene za domaći zadatak za 18% i skratilo vreme rada za oko 30%, ali su mesečne ocene na testovima opale za 20% u roku od šest meseci, dok su rezultati na ispitima za upis na fakultet pali između 18% i 24% — sa najgorim rezultatima posle dve godine.

Ko plaća cenu?

Istraživači sa univerziteta u Stokholmu i Univerziteta u Hong Kongu ističu da su najveći pad rezultata imali učenici koji su u suštini prebacivali izvršavanje domaćih zadataka na AI — brzo dobijali tačne odgovore bez angažovanja procesa učenja. Otprilike 80% pogoršanih rezultata može se pripisati ovoj grupi, što ilustruje razliku između prividne produktivnosti (brže i tačnije izvršavanje zadatka) i stvarnog sticanja znanja.

«Za učenike, cilj nije samo brzo završiti zadatak, već naučiti iz njega», navode autori. «Brza difuzija generativnih AI alata među učenicima stvara široke zabrinutosti oko procesa učenja… Naši nalazi pokazuju da generativna AI ima značajan negativan uticaj na učenje učenika.»

Širi kontekst i zabrinutosti

Globalno, upotreba AI u školama raste: prema anketi College Board-a, 84% američkih srednjoškolaca prijavilo je korišćenje AI za domaće zadatke. Uz rast upotrebe dolaze i primeri zloupotrebe — profesor Jacob Shelley je za Fortune opisao situaciju gde je oko 8% studenata ostvarilo savršen rezultat na objektivnom delu ispita, ali su loše prošli na esejskom delu, što je za profesora predstavljalo anomaliju u višedecenijskom iskustvu.

Mnogi učenici osećaju dodatni pritisak zbog nesigurnosti na tržištu rada: istraživanja pokazuju da gotovo 90% budućih diplomaca brine da će AI ili automatizacija ugroziti početne poslove. Ta anksioznost može motivisati sklonost ka kratkoročnom „rešenju“ — korišćenju AI za bolje ocene bez ulaganja u učenje.

Povratak na istoriju EdTech-a

Neuroznanstvenik Jared Cooney Horvath i drugi podsećaju na istorijske primere — Sidney Presseyjev i B.F. Skinnerov rad na tzv. "teaching machine" — koji su pokazali tzv. problem transfera: učenici su bili uspešni dok su koristili mašinu, ali nisu mogli da primene znanje izvan njenog okvira. Horvath upozorava da generativni AI alati mogu stvoriti sličnu zamku ako učenici oslanjanjem na njih izbegavaju kognitivnu napetost potrebnu za duboko učenje.

Iako nastavnici vide potencijalne koristi AI‑ja — na primer, prilagođavanje čitanja različitim nivoima ili pomoć učenicima koji uče engleski kao strani jezik — eksperti upozoravaju da automatizacija zadataka ne sme zameniti proces učenja. Alati koji olakšavaju posao stručnjacima nisu nužno alati koji pomažu novajlijama da postanu stručnjaci.

Zaključak

Studija ukazuje na paradoks: generativna AI može brzo poboljšati efikasnost pri rešavanju domaćih zadataka, ali istovremeno narušava dugoročno usvajanje znanja i pogoršava rezultate na važnim testovima, naročito kod učenika koji potpuno prepuštaju učenje mašinama. To postavlja izazov za nastavnike, roditelje i škole kako da integrišu AI na način koji podržava, a ne zamenjuje, proces učenja.

Napomena: Tekst se zasniva na rezultatima pomenjene studije i izjavama eksperata i novinara navedenih u originalnom izveštaju.