Mozek, který si vybírá školu, na to ještě není připravený

Každý rok v Česku stojí přibližně sto tisíc patnáctiletých před jedním z nejzásadnějších rozhodnutí svého dosavadního života: gymnázium, střední odborná škola, nebo učiliště? Někteří toto rozhodnutí činí ještě dříve — v jedenácti letech, když se hlásí na osmileté gymnázium. Neurověda přitom v posledních dvou dekádách přinesla znepokojivý poznatek: část mozku zodpovědná za racionální plánování, zvažování dlouhodobých důsledků a kontrolu impulzivních reakcí dozrává jako úplně poslední — a její plná zralost nastává až kolem dvacátého pátého roku věku.

Otázka, zda je rané rozdělování do vzdělávacích drah pro dospívající prospěšné, nebo naopak škodlivé, se tím přesouvá z roviny pedagogické debaty do roviny neurobiologické. A odpověď, kterou nabízí souběh důkazů z neurovědy, psychologie, ekonomie vzdělávání a mezinárodních srovnávacích studií, není pro obhájce stávajícího českého systému příznivá.

Tento článek shrnuje stav vědeckého poznání ve třech vzájemně propojených oblastech: jak se mění mozek v dospívání a co to znamená pro učení; zda vzdělávání příčinně zvyšuje inteligenci (a zda na typu vzdělání záleží); a jaké důsledky má rané třídění žáků pro jednotlivce i společnost. Vychází výhradně z publikovaných vědeckých studií, souhrnných analýz a mezinárodních datových souborů — nikoliv z názorů nebo politických preferencí.

Dlouhodobá studie Gogtaye a kolegů publikovaná v roce 2004 v časopise Proceedings of the National Academy of Sciences sledovala vývoj hustoty šedé hmoty u 13 zdravých dětí opakovaným vyšetřením magnetickou rezonancí po dobu až 10 let (věkové rozpětí 4–21 let). Zjistila, že mozková kůra dozrává ve směru „odzadu dopředu“ — smyslové oblasti (zrak, sluch) první, asociační oblasti (plánování, rozhodování) poslední (Gogtay, N. et al., 2004, PNAS, 101(21), 8174–8179).

Pozdější výzkumy prodloužily tento časový horizont dále. Petanjek a kolegové (2011) na histologickém materiálu prokázali, že synaptické prořezávání v čelní kůře pokračuje až do třicátého roku, a Miller a kolegové (2012) ukázali, že myelinizace čelních oblastí u člověka přetrvává do pozdních dvacátých let. Plné strukturální zralosti čelní kůra dosahuje tedy orientačně kolem pětadvacátého roku.

Toto zjištění potvrzuje i studie ABCD (Adolescent Brain Cognitive Development), dosud největší dlouhodobý projekt zaměřený na vývoj mozku v dospívání. V první vlně zahrnula téměř 11 900 dětí ve věku 9–10 let a sleduje je do dospělosti. Počáteční výsledky ukazují, že nejintenzivnější strukturální změny probíhají v temenním laloku a vnitřní části čelní kůry — oblastech klíčových pro začleňování informací a rozhodování (Casey, B. J. et al., 2018, Developmental Cognitive Neuroscience, 32, 1–144).

Z práce Giedda a kolegů (1999, Nature Neuroscience) víme, že objem šedé hmoty v čelním laloku dosahuje maxima kolem dvanáctého roku (u dívek o něco dříve) a poté klesá, zatímco bílá hmota — axonální spojení mezi oblastmi — narůstá kontinuálně až do pozdních dvacátých let. Spánkový lalok dosahuje maxima objemu šedé hmoty ještě později, kolem šestnáctého roku. Mozek dospívajícího tedy není nedokončená verze dospělého mozku — je kvalitativně odlišný orgán, procházející masivní přestavbou.

Jedním z klíčových procesů dospívání je synaptické prořezávání — postupná eliminace nadbytečných synaptických spojení. Petanjek a kolegové (2011, PNAS) na histologickém materiálu z lidské čelní kůry prokázali, že hustota synaptických trnů (dendritic spines) v čelní kůře klesá kontinuálně od dětství až do třicátého roku věku, přičemž v dětství je jejich hustota dva- až třikrát vyšší než u dospělých. Tento proces zvyšuje efektivitu neuronálních okruhů — ale snižuje jejich pružnost.

Averbeck (2022, PNAS, 119(22), e2121331119) tuto dvojsečnost prozkoumal pomocí komputačního modelu: v simulaci umělých neuronových sítí trénovaných na úlohy pracovní paměti vedlo prořezávání spojů k vyšší odolnosti vůči rušivým podnětům, avšak současně ke snížené schopnosti učit se zcela nové úlohy. Mozek se stává rychlejším a přesnějším, ale méně přizpůsobivým. Nadměrné prořezávání je spojováno se schizofrenií, nedostatečné s poruchami autistického spektra (Feinberg, 1982; Tang et al., 2014, Neuron).

Klíčový princip prořezávání — „co se nepoužívá, zaniká“ (anglicky use it or lose it) — má přímý dopad na vzdělávání: synapse, které jsou aktivně využívány, jsou zachovány a posíleny; ty, které nejsou podněcovány, zanikají. Typ poznávacích činností v období nejintenzivnějšího prořezávání (zhruba 12–20 let) tak doslova formuje stavbu dospělého mozku.

Myelinizace — obalování nervových vláken myelinovou pochvou — je proces, který výrazně zvyšuje rychlost přenosu nervového signálu a zkracuje dobu zotavení neuronu mezi výboji. Miller a kolegové (2012, PNAS) ve srovnávací studii lidského a šimpanzího mozku prokázali, že člověk má výrazně opožděný průběh myelinizace čelní kůry oproti ostatním primátům — proces pokračuje až do pozdních dvacátých nebo raných třicátých let. Toto prodloužené „okno nedokončenosti“ je pravděpodobně evolučně výhodné: umožňuje delší období učení a předávání kulturních zkušeností.

Narůstající myelinizace však současně snižuje tvárnost (plasticitu). Plně myelinizované okruhy jsou rychlé a efektivní, ale obtížně přestavitelné. Mozek dospívajícího tak existuje v dynamickém napětí mezi rostoucí efektivitou a klesající pružností — a vzdělávací prostředí určuje, kam se tato rovnováha posune.

Steinbergův model dvojích systémů (2008, Developmental Review, 28(1), 78–106) popisuje klíčový nesoulad dospívajícího mozku: limbický systém (centrum emocí a odměny) dozrává dříve než kontrolní systém čelní kůry. Galván a kolegové (2006, Journal of Neuroscience) pomocí funkční magnetické rezonance prokázali, že dospívající vykazují přehnanou aktivaci jádra přiléhajícího (nucleus accumbens, centrum odměny) ve srovnání s dětmi i dospělými — jsou tedy biologicky náchylnější k impulzivním rozhodnutím a nadhodnocování okamžitého uspokojení.

Reynolds a kolegové (2018, Cerebral Cortex, 29(3), 1116–1127) navíc zjistili, že mezokortikální dopaminová vlákna rostou z oblasti striata do čelní kůry právě během dospívání — systém, který propojuje motivaci s racionálním plánováním, je tedy doslova ve výstavbě v období, kdy se od dospívajících očekávají klíčová rozhodnutí o budoucnosti.

Populární představa, že existuje ostrá hranice, po které se určité schopnosti nedají naučit, je neurovědu posledních let výrazně zpochybněna. Hartshorne a kolegové (2018, Cognition) ve studii zahrnující 669 498 respondentů zkoumali kritické období pro osvojení gramatiky druhého jazyka. Zjistili, že schopnost dosáhnout rodilé úrovně gramatiky klesá po přibližně 17,4 letech věku — nekončí však náhle, nýbrž pozvolna slábne. Rozdíl mezi čtrnáctiletým a dvacetiletým začátečníkem existuje, ale není nepřekonatelný.

Pro výkonné funkce — pracovní paměť, poznávací pružnost, schopnost potlačit impulzivní reakce — Tervo-Clemmens a kolegové (2023) na vzorku 10 766 účastníků prokázali rychlý vývoj mezi 10. a 15. rokem s následným ustálením kolem 18.–20. roku. Fluidní inteligence dosahuje maxima mezi 20. a 27. rokem; pracovní paměť se zlepšuje až do přibližně pětadvacátého roku.

Sydnor a kolegové (2023) pomocí zobrazovacích metod ukázali, že ukazatele synaptické tvárnosti v asociačních oblastech kůry (včetně čelní kůry) vrcholí kolem patnáctého roku — právě v období, kdy český vzdělávací systém třídí žáky do vzdělávacích drah. Fuhrmann, Knoll a Blakemore (2015, Trends in Cognitive Sciences) a Dahl a kolegové (2018, Nature) popsali dospívání jako „druhé okno příležitosti“ — citlivé období, v němž jsou nároky prostředí mimořádně účinné při formování poznávacích schopností.

Z neurovědecké perspektivy tak období kolem patnáctého roku není koncem poznávací pružnosti, ale jejím vrcholem. Rozhodnutí o úzkém zaměření vzdělávání přichází paradoxně v momentě, kdy je mozek maximálně připraven na široké učení.

Otázka, zda vzdělávání skutečně zvyšuje inteligenci, nebo zda chytřejší lidé pouze déle studují, byla vyřešena díky přirozeným experimentům, které vytvářejí vnější variaci v délce vzdělávání nezávislou na schopnostech žáka.

Průlomová práce Ceciho (1991, Developmental Psychology) systematicky shromáždila šest nezávislých linií důkazů prokazujících příčinný vztah: studie přerušené docházky, efekt letních prázdnin (pokles poznávacích skóre během léta), studie pozdního nástupu do školy, studie předčasného ukončení vzdělávání, regresní diskontinuita kolem věkových hranic a mezikulturní srovnání populací bez formálního vzdělávání. Odhadl vliv na 2–4 IQ body za rok školní docházky.

Nejčistší příčinnou evidenci poskytli Brinch a Galloway (2012, PNAS). Využili norskou reformu povinného vzdělávání z let 1955–1972, která postupně rozšířila povinnou docházku ze 7 na 9 let. Postupné zavádění reformy napříč obcemi vytvořilo vnější variaci umožňující instrumentální odhad. Na populačních datech z vojenského odvodu norských mužů narozených 1950–1958 zjistili, že každý další rok školní docházky v dospívání příčinně zvýšil IQ o přibližně 3,7 bodu. IQ bylo měřeno standardizovaným testem ve věku 19 let (Brinch, C. N. & Galloway, T. A., 2012, PNAS, 109(2), 425–430).

Dosud nejkomplexnější shrnutí provedli Ritchie a Tucker-Drob (2018, Psychological Science) v souhrnné analýze zahrnující 142 velikostí efektu ze 42 datových souborů a přes 600 000 účastníků. Analyzovali tři typy kvaziexperimentálních postupů a zjistili konzistentní efekt řádově 1–5 IQ bodů za rok vzdělávání. Efekty byly přítomny jak pro fluidní, tak pro krystalickou inteligenci. Vzdělávání se podle závěrů této analýzy jeví jako jedna z nejkonzistentnějších a nejtrvalejších metod pro zvyšování poznávacích schopností.

Švédská studie Cliffordsona a Gustafssona (2008, Intelligence) na vzorku 48 269 mužů přinesla důležitý doplněk: technické a přírodovědné vzdělávací dráhy vykazovaly silnější efekty na odpovídající poznávací testy, což naznačuje, že obsah učiva formuje konkrétní poznávací schopnosti — tedy že na tom, co se žáci učí, záleží.

Klíčová otázka přesahuje pouhý počet let vzdělávání: má typ vzdělávání — konkrétně akademická versus odborná dráha — příčinný vliv na poznávací vývoj? Německá odborná literatura poskytuje přesvědčivou odpověď.

Becker, Lüdtke, Trautwein, Köller a Baumert (2012, Journal of Educational Psychology) v průlomové studii sledovali 1 038 studentů ze 49 škol od 7. do 10. třídy v rámci dlouhodobého projektu BIJU. Použili metodu párování na základě pravděpodobnosti zařazení (propensity score matching) na četné proměnné — předchozí inteligenci, školní výkon, známky, socioekonomické zázemí — a porovnali vývoj inteligence (měřené testem neverbálního usuzování z KFT) napříč vzdělávacími dráhami. I po kontrole výběrových efektů prokázali kladný příčinný efekt navštěvování gymnázia na růst inteligence. Nižší dráhy (Realschule, Hauptschule) se mezi sebou nelišily — pouze gymnázium vykazovalo významně vyšší přírůstky.

Autoři popsali „nůžkový efekt“ (německy Schereneffekt): studenti v akademické dráze se poznávacím vývojem stále více vzdalují od vrstevníků v nižších drahách, a to i po kontrole vstupních schopností. Gymnázium tedy nejen přijímá schopnější studenty — ono je doslova dělá ještě schopnějšími.

Toto zjištění potvrdily další studie. Guill, Lüdtke a Köller (2017, Learning and Instruction) na vzorku 8 628 studentů z hamburského projektu KESS potvrdili konzistentní kladný efekt akademické dráhy na vývoj fluidní inteligence za čtyřleté období. Traini, Kleinert a Bittmann (2021, Research in Social Stratification and Mobility) na celostátně reprezentativních datech NEPS-SC3 prokázali, že i při omezení vzorku na studenty se srovnatelnými vstupními podmínkami je učební pokrok na gymnáziu vyšší ve čtení i matematice. Nejaktuálnější potvrzení od Herrmanna a Bacha (2025, British Journal of Educational Psychology) s metodou vážení pravděpodobností zařazení potvrdilo, že neakademické vzdělávací dráhy zřejmě brzdí plný rozvoj schopností studentů.

Přímé zobrazovací studie srovnávající vývoj mozku studentů akademických a odborných škol dosud neexistují — a toto je nejvýznamnější mezera ve výzkumu. Nepřímé důkazy z příbuzných oblastí však nabízejí přesvědčivý mechanismus.

Za prvé, Ritchie, Bates a Deary (2015, Developmental Psychology) na Lothianské kohortě narozených v roce 1936 (n = 1 091) ukázali, že efekt vzdělávání na poznávací testy ve věku 70 let nebyl zprostředkován obecnou inteligencí (faktorem g), ale sestával z přímých efektů na konkrétní dovednosti. Širší vzdělávání pokrývající více oborů tedy produkuje zlepšení ve více specifických dovednostech, čímž vytváří bohatší poznávací repertoár.

Za druhé, různé typy učení produkují strukturální změny v různých mozkových oblastech. Zatorre, Fields a Johansen-Berg (2012, Nature Neuroscience) zdokumentovali, že učení mění jak šedou, tak bílou hmotu — od tvorby nových synapsí a větvení dendritů po myelinizaci a změny průměru nervových vláken. Široké vzdělávání by proto mělo vyvolávat rozložené strukturální změny napříč mnohými mozkovými sítěmi.

Za třetí, pojem poznávací rezervy (Stern, 2009, Neuropsychologia) označuje vzdělávání jako hlavní předpoklad odolnosti mozku vůči neurodegeneraci. Až 25 % seniorů splňujících plná patologická kritéria Alzheimerovy choroby při pitvě nevykazovalo žádné klinické postižení za života — právě díky poznávací rezervě budované mimo jiné vzděláváním.

Diamond a Lee (2011) v přehledu zásahů rozvíjejících výkonné funkce v Science zjistili, že nejúspěšnější programy se zaměřují na celé dítě — akademický, sociální, emocionální i fyzický vývoj. Úzce zaměřený nácvik jednotlivých poznávacích funkcí je méně účinný než mnohorozměrné zapojení. Obdobně: široké gymnazijní učivo vyžadující přepínání mezi jazyky, vědami, humanitními obory a matematikou pravděpodobně lépe procvičuje výkonné funkce (zejména poznávací pružnost) než úzce odborné učivo.

Bialystok, Craik a Luk (2012, Trends in Cognitive Sciences) prokázali, že celoživotní dvojjazyčnost přeorganizovává mozkové sítě a přispívá k poznávací rezervě — dvojjazyční pacienti vykazovali 4–5letý odklad nástupu příznaků demence oproti jednojazyčným. Pokud správa dvou jazyků buduje poznávací rezervu, správa více akademických oborů by mohla působit obdobně.

Zde naráží mezinárodní evidence na zvláštnost českého kontextu. Na rozdíl od německých gymnázií česká víceletá gymnázia nevykazují přesvědčivou přidanou hodnotu.

Nejpřísnější český důkaz pochází z longitudinální studie CLoSE (Czech Longitudinal Study in Education), která sledovala přibližně 6 000 studentů od 4. třídy přes přechod na gymnázium až do 9. třídy. Přidaná hodnota víceletých gymnázií a základních škol se nelišila ve dvou ze tří předmětů — v matematice a jazykových dovednostech nebyl zjištěn významný rozdíl. Pouze ve čtenářské gramotnosti gymnázia vykázala mírně vyšší přidanou hodnotu (Greger, D. et al., 2017; 2022, in Nilsen, T. et al. (Eds.), International Handbook of Comparative Large-Scale Studies in Education, Springer).

Straková (2010, Sociologický časopis) na datech PISA 2000, PISA 2006 a longitudinální PISA-L zjistila, že průměrná přidaná hodnota gymnázií byla dokonce nižší než u středních odborných škol, s velkými rozdíly mezi jednotlivými gymnázii. Absolutní výkonová výhoda gymnazistů je tedy připsatelná převážně výběrovému efektu — přijímání schopných žáků z rodin s vysokým socioekonomickým postavením.

Data PISA konzistentně řadí Českou republiku mezi země s nejvyšší meziškolní odchylkou v OECD — přibližně 50 % rozdílů ve výsledcích je vysvětleno na úrovni školy, oproti zhruba 30 % průměru OECD. Hrubé rozdíly mezi gymnazisty a žáky základních škol v PISA činí typicky 80–120 bodů, avšak toto odráží vstupní kvalitu žáků, nikoli proměňující účinek vzdělávání.

Práce Daniela Münicha a kolegů z CERGE-EI a analytické skupiny IDEA zdokumentovaly systémové problémy: rozsáhlý „přípravný průmysl“ pro přijímací zkoušky na gymnázia s výrazným socioekonomickým zkreslením (Federičová a Münich, 2014); negativní dopady „odčerpávání“ schopných žáků na základní školy; a ekonomickou neefektivitu vzdělávacích nerovností odhadovanou na 18 miliard Kč ročně (IDEA a PAQ Research, 2020).

Münich a kolegové (2022, IDEA 9/2022) dále prokázali, že při stejných dovednostech mají žáci z přísněji známkujících škol nižší akademické ambice: 87 % deváťáků s jedničkou z matematiky chce na vysokou školu oproti pouhým 39 % trojkařů. Učitelé přitom známkují odlišně podle pohlaví a socioekonomického postavení — systém tedy nesprávně přiděluje talenty.

Tento nález je klíčový: problém českého systému netkví v principu akademického vzdělávání (německá evidence jasně ukazuje, že kvalitní akademická dráha poznávací vývoj podporuje), ale v tom, že česká víceletá gymnázia fungují primárně jako výběrový, nikoli rozvojový mechanismus.

Nejsilnější středoevropský kvaziexperimentální důkaz přináší polská reforma z roku 1999, která nahradila dvoukolejný systém (8 let základní školy + 3–5 let rozděleného středního vzdělávání) trojstupňovým systémem s tříletým společným gymnáziem, čímž fakticky odložila třídění o jeden rok.

Jakubowski, Patrinos, Porta a Wiśniewski (2016, Education Economics) pomocí metody párování a rozdílu v rozdílech (difference-in-differences) na datech PISA prokázali, že pro studenty, kteří by za starého systému nastoupili do základního odborného vzdělávání, reforma zlepšila výsledky o přibližně jednu směrodatnou odchylku — efekt rovnocenný zhruba roku výuky. Pro žáky akademického zaměření byl efekt zanedbatelný. Polské skóre v PISA se dramaticky zlepšilo: matematika ze 470 bodů v roce 2000 na 495 v roce 2006, čtení z 479 na 508 — z podprůměru OECD nad průměr.

Drucker, Horn a Jakubowski (2022, Journal for Labour Market Research) následně prokázali i trvalé ekonomické důsledky: reforma zvýšila pravděpodobnost zaměstnanosti o přibližně 3 procentní body a příjmy o přibližně 4 %.

Finská společná reforma sedmdesátých let přinesla obdobné výsledky: Pekkarinen a kolegové (2009, Journal of Public Economics) v návrhu s rozdílem v rozdílech na vojenských testech ukázali, že reforma snížila mezigenerační elasticitu příjmu z 0,30 na 0,23 — tedy výrazně zlepšila sociální mobilitu, a to bez poškození výsledků zvýhodněných studentů.

Hanushek a Woessmann (2006, Economic Journal) na mezinárodních datech prokázali, že rané třídění zvyšuje nerovnost, aniž by vyrovnávajícím způsobem zvyšovalo průměrný výkon. Neexistuje protiváha mezi rovností a kvalitou — systémy s pozdním tříděním (Finsko, Kanada, Korea) dosahují lepších výsledků v obou rozměrech. Strello a kolegové (2021) toto potvrdili na 21 cyklech mezinárodních testů PISA, PIRLS a TIMSS ze 75 zemí za dvacetileté období.

Ekonomická literatura přináší doplňující argument prostřednictvím analýzy životního cyklu pracovních výsledků.

Hanushek, Schwerdt, Woessmann a Zhang (2017, Journal of Human Resources) analyzovali data Mezinárodního šetření gramotnosti dospělých (IALS) z 11 zemí, doplněná německým Mikrocensem a rakouskými administrativními daty. Absolventi odborného vzdělávání mají vyšší počáteční zaměstnanost, ale tato výhoda se obrací kolem věku 50 let — poté mají nižší míru zaměstnanosti i příjmy. Tento jev je nejviditelnější v zemích s rozvinutým učňovským systémem (Dánsko, Německo, Švýcarsko). Jako mechanismus identifikovali rozdílný přístup k celoživotnímu vzdělávání: s rostoucím věkem jsou všeobecně vzdělaní pracovníci významně častěji příjemci dalšího profesního vzdělávání.

Rychlost zastarávání specifických dovedností ilustruje Deming a Noray (2020, Quarterly Journal of Economics): 29 % pracovních inzerátů stejné firmy pro stejnou pozici obsahovalo alespoň jeden nový požadavek na dovednosti během dvanácti let. Absolventi aplikovaných přírodovědných a technických oborů (STEM) vydělávají o 44 % více než absolventi jiných oborů ve věku 24 let, ale tato prémie klesá na pouhých 14 % ve věku 35 let.

Weber (2014, International Journal of Manpower) na švýcarských datech prokázal, že vzdělávání založené na pojmovém myšlení chrání pracovníky proti znehodnocování lidského kapitálu efektivněji než odborné vzdělávání. Hanushek a Woessmann v sérii prací (2008, 2012, 2015) prokázali, že poznávací dovednosti populace — nikoliv pouhá délka školní docházky — jsou rozhodujícím faktorem ekonomického růstu: zvýšení testových skóre o jednu směrodatnou odchylku zvyšuje roční růst HDP přibližně o 1,3–2 procentní body za čtyřicetileté období.

Žádná poctivá analýza nesmí přehlížet protiargumenty, a ty existují.

Za prvé, odborné vzdělávání má skutečné krátkodobé výhody. Absolventi učilišť a středních odborných škol vstupují na trh práce rychleji a s nižší nezaměstnaností v prvních letech kariéry. Silliman a Virtanen (2022, American Economic Journal: Applied Economics) ve finském návrhu s regresní diskontinuitou dokonce našli 7% příjmovou výhodu odborného vzdělávání ve věku 31 let bez známek poklesu do poloviny třicátých let. V zemích s kvalitním duálním systémem (Finsko, Švýcarsko) může být protiváha méně výrazná.

Za druhé, Malamud a Pop-Eleches (2010, Review of Economics and Statistics) na rumunské reformě z roku 1973 zjistili, že přesun studentů z odborného do všeobecného vzdělávání vedl ke srovnatelné úrovni zaměstnanosti i příjmů — což naznačuje, že část rozdílů mezi typy vzdělávání je tažena výběrovým efektem, nikoli samotným vzděláváním.

Za třetí, přímé zobrazovací studie mozku srovnávající vývoj studentů akademických a odborných škol dosud neexistují. Tvrzení o neurovědeckém mechanismu je tedy založeno na nepřímých důkazech a logickém odvození — nikoliv na přímém pozorování.

Za čtvrté, Korthals a kolegové (2022) upozornili, že vyšší vzdělávací dráha sice zlepšuje poznávací výsledky, ale zhoršuje mimopoznávací dovednosti — sebepojetí a motivaci. Studenti na spodku akademické dráhy mohou trpět srovnáváním s úspěšnějšími spolužáky.

Za páté, český problém nemusí být primárně v třídění samotném, ale v kvalitě jeho provedení. Pokud by česká gymnázia skutečně produkovala přidanou hodnotu srovnatelnou s německými, celková bilance by vypadala jinak.

Tyto námitky jsou oprávněné. Neruší však základní zjištění: (1) vzdělávání příčinně zvyšuje inteligenci; (2) akademická dráha tento efekt zesiluje; (3) rané třídění zvyšuje nerovnosti bez vyrovnávajícího přínosu pro průměrný výkon; a (4) dospívající mozek je v období třídění maximálně tvárný a měl by být podněcován co nejšířeji.

Souběh důkazů z neurovědy, psychologie a ekonomie vzdělávání ukazuje na zásadní nesoulad v načasování. Rozhodnutí o vzdělávací dráze padá v období, kdy čelní kůra — sídlo racionálního plánování a zvažování dlouhodobých důsledků — je ve stadiu intenzivní přestavby. Steinbergův model dvojích systémů naznačuje, že v tomto věku převažuje odměnový systém nad racionálním plánováním. Rozhodnutí je tedy učiněno mozkem, který na něj není biologicky plně připraven.

Synaptické prořezávání v dospívání zvyšuje efektivitu, ale snižuje pružnost. Úzce zaměřené odborné vzdělávání v období intenzivního prořezávání hrozí „proformováním“ mozku pro úzký repertoár dovedností — přesně v období největšího potenciálu pro široký rozvoj. Maximální tvárnost asociačních oblastí kůry kolem patnáctého roku věku by měla být věnována rozmanitému poznávacímu podněcování, nikoli předčasné specializaci.

Mezinárodní evidence je konzistentní: systémy s pozdním tříděním dosahují lepších výsledků v rovnosti i kvalitě. Polská reforma jednoznačně prokázala, že odložení třídění o pouhý jeden rok dramaticky zlepší výsledky nejslabších studentů bez poškození výsledků nejsilnějších — s měřitelnými přínosy přetrvávajícími na trhu práce. Český systém s víceletými gymnázii, která vykazují minimální přidanou hodnotu oproti základním školám, naopak vytváří strukturální Matoušův efekt: počáteční socioekonomické rozdíly jsou zesilovány odlišným vzdělávacím prostředím.

Co nevíme — a co by bylo třeba zkoumat — je přímý zobrazovací důkaz o tom, jak se liší vývoj mozku studentů akademických a odborných škol. Taková studie by vyžadovala dlouhodobé sledování pomocí magnetické rezonance u skupin žáků před přechodem na střední školu a po něm, s kontrolou výběrových efektů. Byla by nákladná, ale její výsledky by mohly poskytnout rozhodující odpověď na otázku, zda typ vzdělávání formuje stavbu mozku.

Do té doby máme k dispozici souběžný, byť nepřímý, důkazní řetězec: neurověda ukazuje, že dospívající mozek je maximálně tvárný a formovatelný; psychologie a ekonomie vzdělávání prokazují, že akademické vzdělávání příčinně zvyšuje inteligenci více než odborné; a mezinárodní srovnání ukazují, že pozdní třídění je férovější i účinnější.

David Epstein v knize Range (2019) formuloval princip, který tato evidence podporuje: v složitém a rychle se měnícím světě prosperují lidé s širokým záběrem, nikoli úzcí specialisté. Odložená specializace vede k lepšímu sladění schopností s profesní dráhou a vyšší přizpůsobivosti pro nepředvídatelnou budoucnost.

Mozek patnáctiletého není menší verze dospělého mozku. Je to staveniště v plném provozu — s jeřáby, lešením a mokrým betonem. A na staveništi se staví lépe s širokým architektonickým plánem než s úzkou specializací na jeden typ pokoje.

Tento článek vychází z recenzovaných vědeckých studií, souhrnných analýz a mezinárodních datových souborů (PISA, PIAAC, IALS, ABCD). Klíčové příčinné studie využívají přirozené experimenty, instrumentální proměnné, regresní diskontinuitu a párování na základě pravděpodobnosti zařazení k izolování příčinných efektů od výběru. České důkazy pocházejí z longitudinální studie CLoSE, dat PISA a prací analytické skupiny IDEA při CERGE-EI. Článek přiznává omezení: přímé zobrazovací srovnání vzdělávacích drah neexistuje; finské a skandinávské výsledky nemusí být plně přenositelné do středoevropského kontextu; česká víceletá gymnázia se kvalitativně liší od německých gymnázií.

Datová uzávěrka informací: únor 2026.

Data a zdroje byly ověřeny k datu zpracování, ale situace se může měnit. Před použitím pro rozhodování doporučujeme aktualizaci dat a nezávislé ověření klíčových zjištění.

Neurověda dospívajícího mozku:

Gogtay, N. et al. (2004). Dynamic mapping of human cortical development during childhood through early adulthood. PNAS, 101(21), 8174–8179.

Giedd, J. N. et al. (1999). Brain development during childhood and adolescence: a longitudinal MRI study. Nature Neuroscience, 2(10), 861–863.

Casey, B. J. et al. (2018). The Adolescent Brain Cognitive Development (ABCD) study. Developmental Cognitive Neuroscience, 32, 1–144.

Petanjek, Z. et al. (2011). Extraordinary neoteny of synaptic spines in the human prefrontal cortex. PNAS, 108(32), 13281–13286.

Averbeck, B. B. (2022). Pruning recurrent neural networks replicates adolescent changes in working memory and reinforcement learning. PNAS, 119(22), e2121331119.

Miller, D. J. et al. (2012). Prolonged myelination in human neocortical evolution. PNAS, 109(41), 16480–16485.

Steinberg, L. (2008). A social neuroscience perspective on adolescent risk-taking. Developmental Review, 28(1), 78–106.

Galván, A. et al. (2006). Earlier development of the accumbens relative to orbitofrontal cortex. Journal of Neuroscience, 26(25), 6885–6892.

Reynolds, L. M. et al. (2018). Mesocorticolimbic dopamine pathways across adolescence. Cerebral Cortex, 29(3), 1116–1127.

Sydnor, V. J. et al. (2023). Intrinsic activity development unfolds along a sensorimotor–association cortical axis in youth. Nature Neuroscience, 26, 638–649.

Fuhrmann, D., Knoll, L. J. & Blakemore, S.-J. (2015). Adolescence as a sensitive period of brain development. Trends in Cognitive Sciences, 19(10), 558–566.

Dahl, R. E. et al. (2018). Importance of investing in adolescence from a developmental science perspective. Nature, 554, 441–450.

Konrad, K., Firk, C. & Uhlhaas, P. J. (2013). Brain development during adolescence. Deutsches Ärzteblatt International, 110(25), 425–431.

Baker, S. T. et al. (2025). The connecting brain in context. Developmental Cognitive Neuroscience, 71, 101486.

Kritická a citlivá období:

Hartshorne, J. K., Tenenbaum, J. B. & Pinker, S. (2018). A critical period for second language acquisition. Cognition, 177, 263–277.

Tervo-Clemmens, B. et al. (2023). A canonical trajectory of executive function maturation. Nature Communications, 14, 6922.

Blakemore, S.-J. & Mills, K. L. (2014). Is adolescence a sensitive period for sociocultural processing? Annual Review of Psychology, 65, 187–207.

Příčinný vliv vzdělávání na inteligenci:

Ceci, S. J. (1991). How much does schooling influence general intelligence and its cognitive components? Developmental Psychology, 27(5), 703–722.

Brinch, C. N. & Galloway, T. A. (2012). Schooling in adolescence raises IQ scores. PNAS, 109(2), 425–430.

Ritchie, S. J. & Tucker-Drob, E. M. (2018). How much does education improve intelligence? A meta-analysis. Psychological Science, 29(8), 1358–1369.

Cliffordson, C. & Gustafsson, J.-E. (2008). Effects of age and schooling on intellectual performance. Intelligence, 36(2), 143–152.

Carlsson, M., Dahl, G. B., Öckert, B. & Rooth, D.-O. (2015). The effect of schooling on cognitive skills. Review of Economics and Statistics, 97(3), 533–547.

Ritchie, S. J., Bates, T. C. & Deary, I. J. (2015). Is education associated with improvements in general cognitive ability, or in specific skills? Developmental Psychology, 51(5), 573–582.

Třídění a poznávací vývoj:

Becker, M. et al. (2012). The differential effects of school tracking on psychometric intelligence. Journal of Educational Psychology, 104(3), 682–699.

Guill, K., Lüdtke, O. & Köller, O. (2017). Academic tracking is related to gains in students’ intelligence over four years. Learning and Instruction, 47, 43–52.

Traini, C., Kleinert, C. & Bittmann, F. (2021). How does exposure to a different learning environment affect student achievement? Research in Social Stratification and Mobility, 76, 100625.

Herrmann, J. & Bach, M. (2025). Ability grouping in German secondary schools. British Journal of Educational Psychology, 95(2), 578–602.

Matthewes, S. H. (2021). Better together? Heterogeneous effects of tracking on student achievement. The Economic Journal, 131(635), 1269–1307.

Korthals, R. A., Schils, T. & Borghans, L. (2022). Track placement and the development of cognitive and non-cognitive skills. Education Economics, 30(5), 540–559.

Pekkala Kerr, S., Pekkarinen, T. & Uusitalo, R. (2013). School tracking and development of cognitive skills. Journal of Labor Economics, 31(3), 577–602.

Třídění a nerovnosti:

Hanushek, E. A. & Woessmann, L. (2006). Does educational tracking affect performance and inequality? Economic Journal, 116(510), C63–C76.

Strello, A. et al. (2021). Does tracking affect the relationship between socioeconomic background and achievement? Evidence from 20 years of international assessments. British Journal of Sociology of Education, 42(5–6), 888–911.

Borghans, L. et al. (2020). What can we learn from tracking at early ages? IZA Discussion Paper, č. 13048.

Český a středoevropský kontext:

Greger, D. et al. (2017; 2022). CLoSE longitudinální studie. In International Handbook of Comparative Large-Scale Studies in Education, Springer.

Straková, J. (2010). Přidaná hodnota gymnázií. Sociologický časopis, 46(2), 187–210.

Münich, D. et al. (2022). Známkování a vzdělávací ambice. IDEA Study 9/2022, CERGE-EI.

Federičová, M. & Münich, D. (2014). Faktory ovlivňující přechod žáků na osmileté gymnázium. CERGE-EI.

IDEA & PAQ Research (2020). Nerovnosti ve vzdělávání a ekonomická neefektivita.

Jakubowski, M. et al. (2016). The impact of the 1999 education reform in Poland. Education Economics, 24(6), 557–572.

Drucker, L., Horn, D. & Jakubowski, M. (2022). The labour market effects of the Polish educational reform. Journal for Labour Market Research, 56, Article 13.

Pekkarinen, T., Uusitalo, R. & Kerr, S. (2009). School tracking and intergenerational income mobility: Evidence from the Finnish comprehensive school reform. Journal of Public Economics, 93(7-8), 965–973.

Horn, D. (2013). Diverging performances. Research in Social Stratification and Mobility, 32, 25–43.

Federičová, M. (2021). Tracking and peer effects. CERGE-EI Working Paper 709.

Neurověda učení a poznávací rezerva:

Zatorre, R. J., Fields, R. D. & Johansen-Berg, H. (2012). Plasticity in gray and white. Nature Neuroscience, 15(4), 528–536.

Stern, Y. (2009). Cognitive reserve. Neuropsychologia, 47(10), 2015–2028.

Diamond, A. & Lee, K. (2011). Interventions shown to aid executive function development. Science, 333(6045), 959–964.

Bialystok, E., Craik, F. I. M. & Luk, G. (2012). Bilingualism: consequences for mind and brain. Trends in Cognitive Sciences, 16(4), 240–250.

Ekonomické důsledky vzdělávání:

Hanushek, E. A., Schwerdt, G., Woessmann, L. & Zhang, L. (2017). General education, vocational education, and labor-market outcomes over the lifecycle. Journal of Human Resources, 52(1), 48–87.

Deming, D. J. & Noray, K. (2020). Earnings dynamics, changing job skills, and STEM careers. Quarterly Journal of Economics, 135(4), 1965–2005.

Weber, S. (2014). Human capital depreciation and education level. International Journal of Manpower, 35(5), 613–642.

Hanushek, E. A. & Woessmann, L. (2012). Do better schools lead to more growth? Journal of Economic Growth, 17(4), 267–321.

Silliman, M. & Virtanen, H. (2022). Labor market returns to vocational secondary education. American Economic Journal: Applied Economics, 14(1), 197–224.

Malamud, O. & Pop-Eleches, C. (2010). General education versus vocational training. Review of Economics and Statistics, 92(1), 43–60.

Hampf, F. & Woessmann, L. (2017). Vocational vs. general education and employment over the life-cycle. CESifo Economic Studies, 63(3), 255–269.

Epstein, D. (2019). Range: Why Generalists Triumph in a Specialized World. Riverhead Books.

Transparentnost tvorby

Koncepce, struktura a redakční linie článku jsou dílem autora, který vypracoval obsahovou skicu, stanovil klíčové teze a řídil celý proces tvorby. Generativní AI (Claude Opus 4.6, Anthropic) byla využita jako nástroj pro rešerši, ověřování faktů a rozepsání autorovy předlohy.

Autor ověřil klíčová zjištění a schválil finální znění. Žádná část textu nebyla publikována bez vědomé autorské kontroly. Faktické údaje byly ověřeny proti veřejně dostupným zdrojům uvedeným v textu.

Postup odpovídá principům transparentnosti Nařízení EU 2024/1689 (AI Act). #poweredByAI