AI może pomóc wykładowcy przygotować materiały, propozycje zadań lub komentarze do prac. Przydatność takiego wsparcia zależy od przedmiotu, jakości źródeł oraz czasu potrzebnego na sprawdzenie odpowiedzi. Samo uruchomienie narzędzia nie dowodzi poprawy dydaktyki ani oszczędności.
Warto zacząć od jednego zadania i sprawdzić, czy prowadzący uzyskuje poprawny materiał przy mniejszym nakładzie pracy. Ocena powinna uwzględniać także błędy, dostępność oraz doświadczenie studentów.
Najpierw rozpoznaj sposób korzystania z AI
Zasady kursu powinny odnosić się do tego, jak studenci i prowadzący rzeczywiście korzystają z narzędzi. Krótka ankieta, rozmowy i przegląd zadań pomogą ustalić, czy AI służy do wyjaśniania pojęć, redagowania tekstów, programowania czy przygotowywania ocenianych prac. Wyników pojedynczego badania z innego kraju lub kierunku nie należy przenosić na całą uczelnię.
Dla każdego kursu warto jasno opisać dozwolone zastosowania, wymagany sposób ujawnienia pomocy oraz zadania, które student ma wykonać samodzielnie. Prowadzący potrzebuje też procedury wyjaśniania wątpliwości; sam wynik detektora treści AI nie rozstrzyga o autorstwie pracy.
Ocenianie powinno sprawdzać efekty uczenia się
Jeśli celem zadania jest samodzielne rozumowanie, warto oceniać również tok pracy: uzasadnienie wyborów, analizę źródeł, kolejne wersje rozwiązania lub rozmowę o wyniku. Dopuszczenie AI do jednego etapu nie musi oznaczać zgody na jej użycie w całym zadaniu.
Zmiana sposobu oceniania wymaga spójności z sylabusem i zasadami uczelni. Automatyczne przypisywanie ocen, wnioskowanie o zdolnościach studenta lub nadzorowanie egzaminów wymaga odrębnej oceny ryzyka i obowiązków prawnych. Obecność człowieka w procesie nie wyłącza sama w sobie klasyfikacji wysokiego ryzyka w AI Act.
Gdzie można sprawdzić przydatność AI
- Przygotowanie zajęć — szkice konspektów i materiałów na podstawie zatwierdzonych źródeł. Wykładowca sprawdza poprawność, prawa do materiałów i zgodność z programem.
- Warianty zadań — propozycje pytań do tego samego efektu uczenia się. Trzeba zweryfikować rozwiązania i porównywalny poziom trudności.
- Informacja zwrotna — robocze komentarze według przyjętych kryteriów. Prowadzący kontroluje ich trafność i sposób wykorzystania w ocenie.
- Asystent kursu — odpowiedzi oparte na udostępnionych materiałach, ze wskazaniem źródeł i możliwością przekazania pytania prowadzącemu.
- Analiza trudności — pomoc w porządkowaniu pytań i uwag z zajęć. Wnioski wymagają sprawdzenia, a zbieranie danych musi mieć uzasadniony zakres.
W pilotażu porównaj czas wykonania zadania, liczbę istotnych błędów i jakość materiału z dotychczasowym sposobem pracy. Uwzględnij czas weryfikacji oraz poprawiania odpowiedzi modelu.
Kontrola nad danymi i modelem
Wybór narzędzia obejmuje więcej niż jakość odpowiedzi. Sprawdź warunki wykorzystania danych przez dostawcę, miejsce przetwarzania, okres przechowywania, podwykonawców i możliwość usunięcia danych. Osobno ustal, czy wprowadzane materiały mogą służyć do trenowania modeli.
Model uruchomiony we własnym środowisku również wymaga kontroli dostępu, aktualizacji, monitorowania oraz sprawdzenia licencji. Sam język modelu lub lokalizacja serwera nie przesądzają o bezpieczeństwie. Prace studentów, materiały chronione prawem autorskim i dane osobowe wymagają odpowiednich zasad udostępniania.
Zgodność wymaga oceny zastosowania
RODO ma znaczenie, gdy przetwarzane są dane osobowe. Nie nakazuje przetwarzania wyłącznie w UE; transfery poza Europejski Obszar Gospodarczy wymagają właściwej podstawy i oceny. Obowiązki AI Act zależą między innymi od zastosowania, roli uczelni i kategorii systemu.
Obowiązki przejrzystości z art. 50 AI Act dotyczą określonych sytuacji i podmiotów. Nie ustanawiają ogólnego nakazu oznaczania każdej pomocy AI przy tworzeniu materiału. Uczelnia może przyjąć szersze zasady ujawniania takiej pomocy dla rzetelności akademickiej. Więcej w tekście o RODO i AI Act na uczelni.
Od wsparcia dydaktyki do spójnego środowiska
W ramach Q-Dev możemy zaprojektować narzędzie dopasowane do wybranego procesu dydaktycznego. Zakres funkcji AI, źródła materiałów, wymagane integracje i zasady przetwarzania danych ustalamy indywidualnie. Ewentualne połączenie z obsługą spraw studenckich lub zajęciami hybrydowymi wymaga osobnej oceny potrzeb i możliwości technicznych.
Opisz zadanie, które zajmuje Twoim wykładowcom najwięcej powtarzalnej pracy. Możemy omówić, jakie oprogramowanie mogłoby je wesprzeć i jak sprawdzić efekt.
Najczęstsze pytania
Od czego zacząć wykorzystanie AI w dydaktyce? Wybierz jedno zadanie, określ kryteria poprawności i sprawdź je w pilotażu. Porównaj jakość, czas pracy i liczbę błędów, uwzględniając weryfikację odpowiedzi przez prowadzącego.
Czy AI może samodzielnie oceniać studentów? Takie zastosowanie wymaga szczególnej oceny prawnej i dydaktycznej. Systemy oceniające efekty uczenia się mogą należeć do kategorii wysokiego ryzyka w AI Act; sam udział człowieka nie usuwa tej klasyfikacji. Trzeba też ocenić zasady podejmowania decyzji i przetwarzania danych.
Jak ustalić zasady korzystania z AI podczas kursu? Opisz dozwolone zastosowania, etapy wymagające samodzielnej pracy oraz sposób ujawnienia pomocy AI. Powiąż te zasady z efektami uczenia się i procedurą wyjaśniania wątpliwości dotyczącą ocenianych prac.
Czy korzystanie z AI w dydaktyce jest zgodne z prawem? Może być zgodne, ale wymaga oceny konkretnego zastosowania, danych i ról podmiotów. RODO nie wymaga przetwarzania wyłącznie w UE, a obowiązki przejrzystości AI Act nie dotyczą jednakowo każdego materiału przygotowanego z pomocą AI.