Článek
Tohle bylo zarámování celého programu. Nebylo o historii digitalizace, aplikacích ani o tom, co připravuje které ministerstvo. Bylo o tom, jak přemýšlet o učení v době, kdy AI zvládá během vteřin napsat esej, přeložit článek a zvládnout test, na který by průměrný člověk potřeboval hodinu.
Kdo je Joseph South a proč to říkal on
Joseph South je Chief Innovation Officer organizace ISTE+ASCD, to je největší americká organizace zaměřená na technologie ve vzdělávání, která každoročně vzdělává přes 200 000 pedagogů. Byl také ředitelem Úřadu pro vzdělávací technologie na americkém ministerstvu školství za Obamovy administrativy. Zkrátka: člověk, který vzdělávací technologickou politiku v USA spolutvořil a teď ji kriticky sleduje. A právě on otevřel program slovy o důležitosti „productive struggle“ - produktivním trápení.
Myslím, že téma úvodní přednášky není náhoda. AI totiž není jen jeden z nástrojů, ale technologie, která mění celý terén, na němž o digitalizaci ve vzdělávání přemýšlíme. A to si zaslouží vážnou otázku: co se vlastně s myšlením žáků děje, když jim AI začne dělat většinu kognitivní práce?
Děrné štítky a kognitivní dluh
South to ilustroval příběhem o svém otci. Ten v 70. letech psal doktorát a pro svou analýzu potřeboval výpočetní techniku. Přístup k počítači měl jen v noci. Instrukce zadával přes děrné štítky. Strávil desítky nocí v laboratoři, kde vše připravoval, jen aby mohl spustit statistický výpočet.
South říká: tahle námaha neměla žádnou vzdělávací hodnotu. Bylo to jako učit se řídit auto tím, že nejdřív opravíte motor. Obtížnost byla reálná, ale k cíli (porozumění statistice) nevedla.
To je neproduktivní námaha: úsilí, které nás vyčerpá, vezme nám čas, ale to zásadní nás nenaučí.
A pak je tu námaha druhá. Ta, při které se mozek skutečně namáhá správně. Když žák řeší problém, ke kterému ještě nemá klíč. Kdy musí hledat, propojovat, zkoušet. Kdy je to těžké, ale proto, že se opravdu učí.
To je produktivní námaha: úsilí, která vede ke skutečnému porozumění.
South cituje výzkumy z Harvardu: skupina studentů, která nejprve přemýšlela (ano, vlastním mozkem!) a teprve pak použila AI, dosáhla nejlepších výsledků. Lepší než ti, kteří nechali práci na AI hned od začátku. A lepší i z hlediska toho, co si odnesli. Mozek zapojený do problému si informaci přivlastní. Mozek, který jen přijímá výstup, si ji nepřivlastní.
(Celý Southův argument najdete v jeho článku „AI in Learning: Productive Support or Cognitive Crutch?")
Tohle víme. Proč to neděláme?
Teď přidám vlastní pohled.
Upřímně řečeno - tahle myšlenka není nová. Víme, že smysluplné učení vyžaduje aktivní zapojení žáka. Kognitivní psychologie i pedagogické výzkumy to říkají desítky let (viz např. Sweller, 1988; Freeman et al., 2014). Je to trochu jako vědět, že pohyb je zdravý, a přesto celý den sedět u počítače a pak si dát chipsy k Netflixu (ehm).
Jenže AI tuhle mezeru zviditelňuje naplno, protože nám umožňuje delegovat téměř každou kognitivní činnost. Takže otázka „proč se namáhat“ dostala poprvé v historii vzdělávání opravdu přesvědčivou odpověď, za kterou přebírá odpovědnost každý sám. Śkola, která na tuhle situaci nereaguje změnou přístupu k učení, vychovává - jak to pojmenovávají výzkumníci z Brookings - Passengers: pasivní konzumenty, kteří sedí a přijímají výstupy. Místo Explorers: zvídavých, angažovaných, iniciativních lidí.
Jak jsme na tom v Česku
Většina žáků základních a středních škol v Česku používá AI pravidelně pro školní účely. A přitom na základních školách bere AI do výuky jen 43 % učitelů. Nevíme nic o četnosti a kvalitě toho využití, ale víme, že jen 10% škol má zpracovanou školní strategii či pravidla využívání AI, zbytek nechává použití na samotných učitelích. A ti jsou v tom sami.
Přitom mezinárodní výzkum TALIS 2024 ukazuje, že čeští učitelé patří v adopci AI i v absolvovaných školeních mezi evropskou špičku. Skončili jsme výrazně nad průměrem zemí EU. A přesto si 52 % z nich myslí, že AI do výuky nepatří. Učitelstvo je v tomhle přímo rozpolcené. A skoro polovina se cítí novými technologiemi zahlcená, to je taky výrazně víc než evropský průměr.
Co musí nastat
Jsou to změny, které výzkum (Brookings, OECD Digital Education Outlook 2026, Stanford SCALE) opakovaně identifikuje jako nutné podmínky toho, aby AI skutečně pomáhala. První z nich je AI do výuky zahrnout (AI je a bude součástí reality a potřebujeme žáky naučit s ní pracovat), to beru tak trochu jako fakt vyplývající z textu výše, takže se zaměřím spíš na to, co tedy v té výuce s tím:
Změna zadání - a vysvětlení proč.
South zdůrazňuje věc, která zní samozřejmě, ale v praxi se s ní zas tak moc nesetkávám: žáci musí rozumět tomu, proč se vlastně mají namáhat. Musí vědět, že cílem učení není odevzdat výstup, ale odnést si schopnost, která dává trvalejší smysl.
Pojďme na konkrétní příklad. Zadám žákům psaní argumentačního textu. Cílem není napsat text, ale naučit se argumentovat. AI ten text napíše, ale argumentovat žáka nenaučí. Takže si jako učitel kladu dvě otázky: Co chci, aby si žák odnesl? A: Může AI tuhle část udělat místo něj? Pokud ano, tahle část se dělá bez AI a žák ji musí zvládnout sám. AI pak dostane prostor jinde: brainstorming, stylistika, finální podoba výstupu v libovolném formátu. S jednou podmínkou: žák musí obhájit, proč a jak ji použil. A já jako učitel to musím umět naplánovat, zadat a vést.
Je to nový pedagogický design, na který - uznávám - není jednoduché se přeladit, ale umožňuje nám posunout se od věčné a trochu beznadějné otázky „jak AI odhalit“ k otázce, která dává větší smysl: jak navrhnout výuku tak, aby otázka odhalování vůbec nevznikala?
S tím přichází i Změna v hodnocení. Hodnoťte proces, ne jen výsledek. Žák, který ukáže, jak přemýšlel, se za AI výstup neschová. Žák, od kterého chceme jen finální text, se za něj schová vždy, protože je to prostě to nejefektivnější, co může udělat.
Úžasný příklad takového zadání ze své výuky nedávno sdílel Pavel Hodál, který ukazuje, že to není jen teorie.
Škola jako trenažér vztahů
Já si sem přidávám téma, které mě osobně připadá nejzásadnější. Výzkumníci z Brookings upozorňují na sociálně-emoční rizika AI, tušíme je v datech i v praxi. Každý desátý žák svěřuje AI své vztahové trápení. Proč? Jednoduše proto, že chatbot je dostupný ve tři ráno, nekritizuje a nezklame, umí být empatický (jo, fakt umí, i když je to „jen simulace“). Pro děcka je to vlastně racionální cesta. Ale jak asi tušíte, při příliš brzkém, častém nebo nesprávném použití si děti nevybudují schopnosti, které se dají získat a trénovat jen ve skutečných vztazích.
Zatím neexistují dlouhodobé studie, z nichž by se daly dělat dramatické závěry, ale už teď je jisté, že protilékem není a nebude zákaz. Z mého pohledu je to právě škola (a samozřejmě i rodina), která dává dítěti to, co AI nedokáže: živý vztah, bezpečí (možnost chybovat a z chyb se učit), potýkání se s výzvou, spolupráci, sdílení emocí a spoustu dalšího. S rozšířením technologických možností se role školy paradoxně posouvá víc směrem k té sociální a komunitní. Kde na to vezme čas? No přeci díky technologiím, které můžou udělat tu rutinní a neproduktivní práci za nás.
Southova přednáška mi připomněla, že nejdůležitější změna, kterou AI ve vzdělávání vyvolává, není technická. Je pedagogická. A pedagogická změna je pomalá, náročná a vyžaduje ten druh námahy, o které South mluvil. Ten produktivní.
Mimochodem — při diskuzi po přednášce mi Joseph South řekl, že jeho babička byla z Česka. Takže snad i proto ta shoda v přístupu. 🙂
_____________________________________________________
První díl o tom, jak jsem se tady ocitla je tady.
V uplynulém roce jsme se spolu s NPI a AI dětem snažili dostat téma proměny výuky do materiálů, které učitelům mohou pomoct. Jsou to například 4 kroky pro smysluplné učení s AI, nebo 10 způsobů využití AI ve výuce, ke kterému vznikla tahle metodika.
Příště: Něco o tom, jak Univerzita v Baltimoru pracuje s asistivními technologiemi pro žáky se speciálními vzdělávacími potřebami, nebo jaký model agilního testování AI nástrojů a metod má vymyšlený Aliance for learning inovation? Je toho hodně a nestíhám psát, ale něco bude :)
