Článek
38. díl - horizonty
Současná debata o využití umělé inteligence ve vzdělávání se často soustředí na její efektivitu, dostupnost a potenciál individualizace výuky. Mnohem méně pozornosti je však věnováno otázce, zda AI nezasahuje samotnou podstatu učení. Vycházíme z předpokladu, že problém není primárně technologický, ale didaktický a kognitivní. Umělá inteligence zásadně mění vztah mezi žákem, obsahem a učitelem – a tím i samotný mechanismus učení.
Klíčem k pochopení tohoto problému je propojení tří perspektiv: didaktiky, kognitivní psychologie a empirického výzkumu učení. Právě jejich souběh ukazuje, že neřízené využívání AI může vést k tomu, co lze označit jako deaktivaci učení.
Didaktika: učení jako setkání s obsahem
Evropská didaktická tradice, formulovaná mimo jiné Stefanem Hopmannem, chápe výuku nikoli jako přenos informací, ale jako proces, v němž se žák setkává s obsahem a vytváří jeho význam. Hopmann tento princip označuje jako „restrained teaching“ – zdrženlivé vyučování (Hopmann 2007). Učitel zde není tím, kdo předává hotové poznání, ale tím, kdo vytváří podmínky, v nichž může poznání vzniknout.
Tento přístup stojí na třech pilířích: formaci jedince, rozlišení mezi obsahem a významem a autonomii učení. Význam nevzniká automaticky z obsahu, ale až v procesu učení, v konkrétní interakci mezi žákem a učivem. Učitel proto musí být „zdrženlivý“ – nesmí tento proces nahradit tím, že nabídne hotové řešení. Výborný příklad takového učitele je v českých luzích a hájích Martin Krynický, který na tytéž principy přišel pozorováním. Viz Zásady realistické pedagogiky.
Německý výzkum kvality výuky tento pohled potvrzuje. Klieme a kol. definují jako klíčový znak kvalitní výuky tzv. kognitivní aktivaci, tedy míru, v níž je žák nucen myslet, analyzovat a řešit (Klieme et al. 2006). Lipowsky pak ukazuje, že právě kvalita vysvětlení, práce s chybou a řízení učebního procesu učitelem zásadně ovlivňují učení (Lipowsky 2009; 2015). Zierer navíc varuje před „didaktickou prázdnotou digitalizace“, tedy situací, kdy technologie nahrazují obsah a strukturu výuky, aniž by podporovaly skutečné učení (Zierer 2021). Z těchto prací vyplývá jednoznačný závěr: učení je neoddělitelné od strukturovaného obsahu a aktivní činnosti žáka.
Kognitivní psychologie: proč musí žák „pracovat sám“
Tento didaktický princip má silnou oporu v kognitivní psychologii. Základní koncepty jako generation effect ukazují, že si lidé lépe pamatují informace, které sami vytvářejí, než ty, které pouze přijímají (Slamecka – Graf 1978). Pokud žák řešení přečte nebo slyší, jak druhý čte, je to teprve půl práce - je to předpoklad pro to, aby bylo o textu ve třídě mluveno, učitel napsal na tabuli hlavní postavy, osnovu, doslova pracoval s dětmi - teprve tehdy vznikají dostatečně silné paměťové stopy.
Podobně výzkum kognitivního offloadingu ukazuje, že lidé mají tendenci přenášet mentální práci na externí nástroje, což vede ke snížení porozumění a dlouhodobé paměti (Risko – Gilbert 2016; Barr et al. 2015). AI zde funguje jako extrémně efektivní nástroj tohoto přenosu: řeší úlohy, generuje odpovědi, strukturuje texty.
Další důležitý koncept, desirable difficulty, zdůrazňuje, že učení vyžaduje určitou míru námahy (Bjork – Bjork 2011). Právě tato námaha aktivuje kognitivní procesy vedoucí k hlubšímu porozumění. AI však tuto námahu odstraňuje – činí učení pohodlnější, ale méně efektivní.
K tomu se přidává fenomén iluze porozumění: žáci mají tendenci přeceňovat své znalosti, pokud mají k dispozici hotové vysvětlení (Rozenblit – Keil 2002). AI tento efekt zesiluje tím, že poskytuje plynulé a přesvědčivé odpovědi, které zakrývají skutečný nedostatek porozumění.
Empirické studie z posledních let (včetně analýz OECD a experimentálních výzkumů) ukazují, že při používání AI klesá kognitivní zapojení, studenti méně analyzují a častěji přijímají odpovědi pasivně (OECD 2021; 2023; 2025). V některých experimentálních situacích byla dokonce pozorována nižší mentální aktivita a horší výkon v následném samostatném řešení úloh.
Paralela s vývojem řeči
Silnou ilustrací tohoto problému je výzkum osvojování jazyka. Studie Patricie Kuhl ukazují, že dítě se nenaučí jazyk z reprodukovaného hlasu, ale pouze v živé interakci (Kuhl 2003; 2007). Tento tzv. „video deficit effect“ potvrzuje, že pasivní expozice nestačí – klíčová je interakce, zpětná vazba a sociální kontext. Analogicky lze říci: reprodukovaný hlas zprostředovává jen pasivní přenos, naopak výuka s živým učitelem je interaktivní proces.
AI se v mnoha situacích blíží první variantě: poskytuje informace, ale nenahrazuje plnohodnotnou interakci, v níž vzniká porozumění.
AI jako strukturální riziko
Z perspektivy německé Didkatik a kognitivní psychologie představuje AI zásadní riziko, pokud je používána jako náhrada činnosti žáka. Ruší totiž princip „restrained teaching“: místo aby žák aktivně vytvářel význam, dostává hotové řešení. To vede k několika kumulativním efektům: oslabení kognitivní aktivace, přenos myšlení na nástroj (offloading), ztráta paměťových stop a iluze porozumění. Tento proces lze označit jako deaktivaci učení - žák sice interaguje s obsahem, ale neaktivuje klíčové kognitivní procesy.
Role osnov: nezbytná struktura
Zcela zásadní roli v tomto kontextu hraje existence jasně definovaného učiva. Hopmann upozorňuje, že historicky existovala rovnováha: stát určoval obsah (osnovy), zatímco učitel měl metodickou svobodu (Hopmann 2007). Tato struktura umožňovala smysluplnou autonomii výuky. Současný posun ke kompetenčním modelům a vágním RVP tuto rovnováhu narušuje především v ČR. Pokud není jasné, co se má učit, není možné určit, kdy a jak AI použít. Výsledkem je kombinace absence struktury učiva, generace učitelů bez didaktického backgroundu, a přítomnost silného nástroje simulujícího učení generováním obsah, což vede k dalšímu oslabení strukturované výuky.
Podmínky smysluplného využití AI
Na základě výše uvedeného lze formulovat principy, které mají oporu jak v didaktice, tak ve výzkumu: AI nesmí nahrazovat nácvik základních dovedností. Platí pravidlo: „nejprve sám, potom AI“, učení musí zachovat kognitivní aktivaci, učitel zůstává klíčovým aktérem („human in the loop“) (U.S. Department of Education 2023), výuka musí být opřena o jasně definované osnovy.
Didaktika i kognitivní psychologie se shodují v jednom zásadním bodě: učení je aktivní, náročný a strukturální proces. Přístup k informacím je dnes základní předpoklad, vybrat kvalitní je zásadní, jejich strukturovanost klíčová. V současné době RVP s žádným takovým předpokladem nepracuje. Umělá inteligence může být silným nástrojem podpory, protože v systému, který postrádá jednotnou terminologii, hierarchii a strukturu, pomůže strukturu vytvořit, protože pro jednotlivce je to zbytečná ztráta času.
Stejně jako se dítě nenaučí mluvit z reproduktoru, nenaučí se žák myslet z hotových odpovědí. Bez struktury, bez námahy a bez aktivní účasti totiž učení nevzniká – pouze se simuluje. A totéž se skrze RVP nabízí učitelům.
