IALE w praktyce: od rozmowy do współpracy

Typografia
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times

Coraz wyraźniej widać, że sztuczna inteligencja przestaje być jedynie narzędziem wspierającym nauczycieli. Staje się ona również aktywnym partnerem poznawczym, współtwórcą treści, katalizatorem myślenia.

Pisałem o tym we wcześniejszym artykule AI już nie tylko słucha – teraz też pracuje z nami. Te doświadczenia – inspirujące i obiecujące – wymagają jednak refleksji, czy rozumiemy, z jaką technologią pracujemy? W polskich szkołach i na uczelniach pojawiają się pierwsze próby pracy z AI, ale nadal brakuje spójnego języka, który pozwalałby opisać edukacyjne konsekwencje tej współpracy.

Ethan Mollick[1] trafnie zauważa, że mamy dziś do czynienia z tzw. Jagged AGI[2]– „poszarpaną” sztuczną inteligencją, która osiąga wybitne wyniki w jednych obszarach (np. kodowanie, generowanie nazw, analizy strategiczne), a w innych może zawodzić w najbardziej podstawowych zadaniach. Nie mamy więc do czynienia z równą, jednolitą inteligencją, ale z nierówną mapą możliwości, która wymaga od użytkownika krytycznego rozeznania i świadomości granic. W tym samym czasie Mollick, w ostatnim swoim artykule Osobowość i Perswazja. Uczenie się od pochlebców[3], ostrzega, że coraz więcej modeli AI zyskuje „osobowość” – tworzona przez inżynierię promptów, algorytmy „flirtowania” z użytkownikiem, systemową potrzebę bycia miłym, pomocnym i przekonującym. Ma to daleko idące konsekwencje, bowiem osobowość modelu AI może wpływać na nasze zachowania, wybory, a nawet sposób formułowania przekonań.

Połączenie tych dwóch cech – nierówności poznawczej (Jagged AGI) i wysokiej siły perswazyjnej wynikającej z zaprojektowanej osobowości – tworzy nowe wyzwania dla edukacji. Wymaga to modelu dydaktycznego opartego na refleksji, etyce i przejrzystości, takiego jak IALE. Bo jeśli nie nauczymy się „czytać” i „rozbrajać” osobowości AI, możemy ulec nie jej wiedzy, lecz jej wpływowi.

W odpowiedzi na te dwa splecione wyzwania — poznawczą nieregularność AI oraz rosnącą siłę jej wpływu — model IALE proponuje nowy język edukacyjnego dialogu oparty na refleksji, odpowiedzialności i partnerstwie poznawczym.  Poniżej wyjaśniam funkcje wybranych wartości:

Partnerstwo poznawcze to kluczowy element modelu IALE (Intentionally AI-Linked Education), zakładający aktywne współtworzenie wiedzy przez ucznia i AI. W tym ujęciu AI nie jest tylko narzędziem informacyjnym, lecz poznawczym towarzyszem, który stawia pytania, reaguje na kontekst i pobudza do refleksji. Partnerstwo to nie oznacza równości poznawczej, lecz równość prawa do zadawania pytań, interpretowania i krytycznego myślenia w relacji z technologią.

Empatia algorytmiczna to zdolność rozumienia, w jaki sposób AI przetwarza dane, na jakich źródłach się opiera i jakie ograniczenia wynikają z konstrukcji algorytmu. Choć AI nie posiada emocji, metafora empatii pozwala budować postawę poznawczej wrażliwości wobec jej działania. Uczeń uczony w duchu IALE potrafi dostrzegać potencjalne uprzedzenia, niestabilność odpowiedzi oraz wpływ sformułowania pytania na wynik generowania. Taka empatia poznawcza wzmacnia krytyczne myślenie i odpowiedzialność za interpretację informacji.

Sprawczość współdzielona w IALE oznacza współodpowiedzialność człowieka i technologii za przebieg procesu uczenia się. Uczeń nie jest biernym odbiorcą treści, a nauczyciel nie jest jedynym źródłem wiedzy. AI może wspierać eksplorację, ale kierunek, sens i cel edukacyjny pozostają w gestii ucznia i jego zespołu. Taka forma sprawczości zakłada zarówno samodzielność, jak i gotowość do dialogu z narzędziem.

Koncepcja IALE zakłada taki właśnie rodzaj refleksyjnego partnerstwa. W modelu IALE uczeń i nauczyciel współpracują z AI, ale nie zakładają jej doskonałości. Wręcz przeciwnie: każda interakcja staje się okazją do krytycznego myślenia, analizy źródeł, oceny logiki odpowiedzi. IALE rozwija nowy typ kompetencji poznawczej, którą można określić jako pokorę epistemiczną – czyli postawę poznawczej uważności wobec wiedzy generowanej przez systemy AI, świadomość, że wiedza generowana przez AI wymaga oceny, selekcji i interpretacji. To nie tylko nauka technologii, ale kształtowanie zdolności uczenia się razem z systemem, który czasem inspiruje, a czasem błądzi.

Praktyczne przykłady pracy z IALE w kontekście „poszarpanej” inteligencji (Jagged AGI)

Aby przygotować uczniów do pracy z tzw. „poszarpaną” sztuczną inteligencją (Jagged AGI), model IALE proponuje konkretne strategie dydaktyczne. Niech staną się one inspiracją do samodzielnych poszukiwań rozwiązań integrujących AI w codziennej praktyce szkolnej.

1. Krytyczna analiza wspólnej pracy z AI

Uczniowie tworzą prezentacje we współpracy z AI, a następnie identyfikują fragmenty wymagające korekty: wyłapują błędy merytoryczne, uproszczenia, niespójności stylistyczne lub logiczne.

2. Porównawcza analiza modeli AI

Uczniowie porównują odpowiedzi uzyskane na ten sam prompt w różnych modelach (np. ChatGPT, Gemini), oceniając ich trafność, głębię, styl oraz zgodność z faktami.

3. Dialog krytyczny z AI

W symulowanej rozmowie uczniowie prowokują AI jako „eksperta” — zadają pytania problemowe, sprawdzają granice jej wiedzy, testują argumentację i uczą się weryfikować odpowiedzi.

I na koniec jeszcze o nazwie IALE: "i... ale..." – metafora dialogu i krytyczności 

Nazwa IALE to skrót od angielskiego Intentionally AI-Linked Education. Jednak w polskim brzmieniu odsłania drugie, symboliczne znaczenie: "i... ale...".

I – bo chcemy korzystać z AI, współpracować z nią, rozwijać się razem.

Ale – bo musimy zachować krytyczność, czujność i odpowiedzialność.

IALE to zatem nie tylko model dydaktyczny, ale również metafora edukacji przyszłości – opartej na dialogu, świadomości i gotowości do stawiania pytań. Nie chodzi o bezkrytyczną fascynację technologią, lecz o partnerską współpracę z całą złożonością jej potencjału i ograniczeń.

Praca z AI w edukacji to nie proste ułatwienie, ale wyzwanie aksjologiczne i epistemologiczne. IALE odpowiada na nie, proponując świadomy model współpracy z technologią – oparty na wartościach, krytycznym myśleniu i refleksyjnej odpowiedzialności.

 

Przypisy:

[1] Ethan Mollick – profesor w Wharton School na Uniwersytecie Pensylwanii, badacz przedsiębiorczości, innowacji i edukacji w erze sztucznej inteligencji. Autor popularnego bloga One Useful Thing, w którym łączy wiedzę akademicką z praktycznymi obserwacjami na temat wpływu AI na pracę, naukę i społeczeństwo. Jego teksty, takie jak „On Jagged AGI” i „Personality and Persuasion”, są szeroko komentowane jako jedno z najważniejszych źródeł refleksji o przyszłości interakcji człowieka z AI.

[2] Mollick, E. (2025). On Jagged AGI: o3, Gemini 2.5, and everything after. New models and new thresholds. Blog One Useful Thing

[3] Molick, E. (2025). Personality and Persuasion. Learning from Sycophants. Blog One Useful Thing.

 

Notka o autorze: Witold Kołodziejczyk jest nauczycielem akademickim, twórcą innowacyjnego modelu szkoły Collegium Futurum oraz koordynatorem miejskiego projektu Edukacja Nowej Generacji w Słupsku. Przewodniczący Rady Edukacyjnej przy Prezydencie Miasta Słupsk, a także autor bloga Edukacja Przyszłości.

Jesteśmy na facebooku

fb

Ostatnie komentarze

Ppp napisał/a komentarz do Natura matury
Maturę nalezy ZLIKWIDOWAĆ, ponieważ jest niesprawiedliwym egzaminem, którego można PRZYPADKOWO nie z...
Zapisałem dziecko na karate kontaktowe przez takich własnie małych gnojków by sam umiał się bronić
Nauczyciel napisał/a komentarz do Jeszcze większa automatyzacja pracy twórczej
Są też aplikacje które skutecznie potrafią wykrywać czy dany tekst został napisany przez AI czy nie ...
Kajtek napisał/a komentarz do Po co jest szkoła?
Szkoły niczego nas nie uczą oprócz polskiego oraz matematyki nic więcej nie jest nam potrzebne a nau...
Ludzie nie umieją słuchać bo są skupieni na sobie, na swoim ja. Do tego dochodzą narcystyczne wzorce...
Rafał Kapica napisał/a komentarz do Szkolna klasa - dobre miejsce do współpracy
tak tablice są bardzo dobrym rozwiązaniem - polecam
Jan Soliwoda napisał/a komentarz do Jeszcze większa automatyzacja pracy twórczej
Świetnie, nareszcie! Acz poprzez 'reductio ad absurdum' niestety (starożytnym wystarczyło że wyobraz...
Ppp napisał/a komentarz do Jak książeczki uczą rozmawiać?
Mama opowiadała mi, że zacząłem mówić bardzo późno, ale jak już zacząłem - od razu pełnymi zdaniami,...

E-booki dla nauczycieli

Polecamy dwa e-booki dydaktyczne z serii Think!
Metoda Webquest - poradnik dla nauczycieli
Technologie są dla dzieci - e-poradnik dla nauczycieli wczesnoszkolnych z dziesiątkami podpowiedzi, jak używać technologii w klasie