Polski punkt wyjścia: nauczyciel między kryzysem kadrowym a presją technologii
Dzwonek w polskiej szkole brzmi tak samo jak dekadę temu, ale rzeczywistość w pokoju nauczycielskim jest inna. W dużych miastach trudno o pełną obsadę kadry, na wsiach łączone klasy ratują plan, a rodzice oczekują szybkiej, spersonalizowanej informacji o postępach dziecka. Równolegle do szkół wchodzą narzędzia sztucznej inteligencji: od translatorów i generatorów materiałów po asystentów pisania i aplikacje do ćwiczeń. Pytanie „czy AI zastąpi nauczyciela?” brzmi głośniej niż kiedykolwiek – zwłaszcza tam, gdzie lekcje zbyt często zaczynają się od „proszę otworzyć podręcznik na stronie…”.
Mit: „AI w szkole to fanaberia dużych ośrodków.” Rzeczywistość: największe zyski widać tam, gdzie każda minuta pracy człowieka jest na wagę złota – w szkołach z brakami kadrowymi, z wielopoziomowymi klasami, z rosnącą biurokracją. Mit: „Wystarczy włączyć nową aplikację i będzie lepiej.” Rzeczywistość: bez zasad, infrastruktury i przeszkolenia AI potrafi jedynie dołożyć hałas.
Brief pytań z pokoju nauczycielskiego i gabinetu dyrektora
Najczęstsze dylematy, na które odpowiadają dalsze sekcje
- Gdzie AI realnie odciąża nauczyciela, a gdzie tylko dokłada pracy?
- Czy da się zorganizować 45 minut tak, by AI pomagała, a nie rozpraszała?
- Jak prowadzić język polski i matematykę, żeby uczniowie nie „oddawali” prac pisanych przez chatboty?
- Co z RODO, zgodami i bezpieczeństwem danych przy wykorzystywaniu narzędzi AI?
- Jak oceniać i zadawać prace domowe w erze generatywnych modeli?
- Jakie są koszty, skąd wziąć finansowanie i jak zmierzyć efekty?
- Czy w Polsce AI może zastąpić nauczyciela na zastępstwie lub w klasach łączonych?
- Jak przygotować radę pedagogiczną i uczniów – krok po kroku, bez rewolucji?
Co AI potrafi w polskiej szkole: obszary realnych korzyści
Automatyzacja pracy „przed tablicą” i po lekcjach
Najwięcej czasu marnuje się między lekcjami: planowanie, biurokracja, pisma, opisy do e-dziennika, raporty dla dyrektora. Modele językowe potrafią przygotować szkic konspektu, warianty zadań, krótkie opisy postępów ucznia czy warianty informacji dla rodziców. W praktyce: nauczyciel tworzy „prompt” z celem lekcji wynikającym z podstawy programowej, poziomem klasy i dostępnymi pomocami. AI zwraca szkic, który wymaga dopracowania, ale skraca czas pracy o kilkadziesiąt minut tygodniowo.
W systemach e-dzienników (np. Librus, Vulcan) wiele pól wypełnia się powtarzalnymi frazami. AI może przygotować trafniejsze, spersonalizowane komentarze – o ile nauczyciel je weryfikuje i nie przekazuje danych wrażliwych do narzędzi bez umowy powierzenia. To subtelna, ale realna ulga, szczególnie przy dużej liczbie uczniów.
Personalizacja treści i tempa nauki
Adaptacyjne ćwiczenia to domena AI. Narzędzia potrafią generować kolejne zadania na podstawie odpowiedzi ucznia i wyjaśniać błąd innymi słowami. Dobrze sprawdza się to w matematyce, językach obcych i programowaniu. W polskim kontekście kluczowe jest dopasowanie do podstawy programowej i stylu oceniania (np. kryteria maturalne). AI można „nakarmić” wymaganiami egzaminacyjnymi i poprosić o zestawy zadań w tej konwencji, a następnie je przejrzeć i zredagować.
Mit: „AI sama wie, co uczyć.” Rzeczywistość: bez wyraźnego celu lekcji i kryteriów sukcesu modele często generują zadania o złym poziomie trudności albo z pominięciem istotnych treści. Nauczyciel prowadzi, AI wykonuje rzemiosło.
Dostępność i wsparcie dla uczniów z różnymi potrzebami
Sztuczna inteligencja pomaga przekształcać treści – czytanie na głos (TTS), streszczenia, alternatywne zapisy notatek, obrazy wspierające rozumienie. Uczniowie z dysleksją skorzystają z funkcji czytania i podświetlania tekstu; uczniowie ze spektrum autyzmu – ze strukturyzowanych instrukcji w krótszych krokach. W polskich realiach można połączyć to z IPET/WOPFU: nauczyciel formułuje założenia, a AI przygotowuje warianty ćwiczeń dla konkretnego ucznia. Warunek: brak danych identyfikujących ucznia w narzędziu, które nie ma stosownej umowy.
Asysta językowa i międzyprzedmiotowa
Translatory i narzędzia konwersacyjne pomagają uczniom z Ukrainy i innych krajów szybko odnaleźć się na lekcjach, szczególnie gdy nauczyciel nie zna języka dziecka. Proste prompty typu „wyjaśnij działanie ułamków na przykładach wizualnych dla 10-latka, po ukraińsku” pozwalają przygotować materiały wspierające integrację. Ta sama funkcja przydaje się na angielskim – do symulacji dialogów czy korekty krótkich tekstów, jeśli uczniowie oznaczają, gdzie i jak AI pomogła.
Czego AI nie zastąpi: rola nauczyciela, której algorytm nie przejmie
Relacje, wychowanie i odpowiedzialność
Szkoła to nie tylko przekaz wiedzy. Rozmowa na przerwie po konflikcie, ocena kontekstu rodzinnego, rozpoznanie sygnałów kryzysu – to obszary, w których liczy się empatia, odpowiedzialność prawna i zawodowa, znajomość środowiska. AI może podpowiedzieć kroki w rozmowie, ale nie zna niuansów relacji, nie ponosi odpowiedzialności i nie pracuje w kulturze oraz prawie polskiej szkoły.
Scenariusz 45 minut: AI jako ciche tło, nie główny bohater
Najbezpieczniej traktować modele jako warsztat w tle: pomagają przygotować materiały, podpowiadają warianty zadań, czasem odgrywają rolę „korepetytora przy jednym stoliku”. Struktura lekcji może wyglądać tak: krótkie postawienie celu i kryteriów (5 minut), miniwprowadzenie nauczyciela z jednym, dwoma przykładami (10 minut), praca w rotacji/stacjach (20 minut), szybka weryfikacja i informacja zwrotna (7–8 minut), bilet wyjścia z krótką „metryczką AI” – co i jak zostało użyte (2–3 minuty).
Mit: „Na lekcji każdy uczeń musi korzystać z AI, inaczej to się nie opłaca.” Rzeczywistość: często wystarczy jedna stacja z modelem i dwa proste prompty na kartce. Reszta klasy pracuje analogowo lub w parach, a nauczyciel kieruje ruchem i jakością pytań.
Przykład: matematyka kl. 7 – potęgi i notacja naukowa
Nauczyciel przygotowuje dwa prompty: „Wygeneruj 10 zadań z potęgami dla kl. 7, 3 łatwe, 4 średnie, 3 trudne, z krótką podpowiedzią do każdego” oraz „Wyjaśnij, kiedy notacja naukowa jest praktyczna, podaj 3 przykłady z życia codziennego”. Po wstępie klasa pracuje w trzech stacjach: A – rozwiązywanie zadań bez podpowiedzi, B – konsultacje przy komputerze z AI (uczeń wpisuje tylko treści bez danych osobowych, korzysta z podpowiedzi, ale zapisuje własny tok rozumowania), C – zadanie kontekstowe: przeliczanie danych o kosmosie do notacji naukowej. Na koniec bilet wyjścia: jedno obliczenie i jedno zdanie wyjaśnienia, plus dopisek „czy i jak korzystałem z AI”.
Przykład: język polski – interpretacja wiersza bez gotowców
Po wspólnej analizie środków stylistycznych uczniowie dostają dwie role: autor tezy i recenzent. AI służy tylko jako „lustro stylu”: „Przepisz mój akapit na trzy sposoby: bardziej precyzyjnie, bardziej zwięźle, z mocniejszą tezą; nie dodawaj nowych treści”. Każdy uczeń zaznacza w tekście, co zmienił po sugestii modelu. Ocena dotyczy argumentacji i odniesień do tekstu źródłowego, nie „gładkości” zdania. Krótka obrona tezy ustnie (30–45 sekund) zamyka temat i utrudnia oddanie cudzej pracy.
Ocenianie i prace domowe po nowemu
Największa zmiana to jawność użycia narzędzi. Prosta „metryczka AI” dołączana do pracy wystarcza, by zachować przejrzystość: narzędzie, do czego użyte (np. burza mózgów, korekta stylu, generacja przykładowych zadań), jak zweryfikowałem wynik (źródła, obrona ustna, obliczenia). Bez tego trudno rzetelnie oceniać proces.
Detektory „wykrywania AI” są zawodne – potrafią fałszywie oznaczać teksty uczniów jako wygenerowane. Mit: „narzędzie do wykrywania rozwiąże problem ściągania”. Rzeczywistość: pewniej jest zmienić konstrukcję zadań i wprowadzić element obrony, wersje robocze w historii edycji oraz częściowe zadania wykonywane na lekcji.
W praktyce dobrze działają trzy kategorie prac:
- „Bez wsparcia” – sprawdziany i krótkie formy na lekcji, z jasnymi kryteriami.
- „Dozwolone z oznaczeniem” – dłuższe wypracowania, projekty, kod; obowiązkowo metryczka AI i fragment dowodu pracy własnej (np. szkice, notatki, komentarze do wersji).
- „Wymagane wsparcie” – zadania z projektowaniem promptów, porównywaniem źródeł, krytyczną analizą odpowiedzi modelu.
Żeby „metryczka AI” działała, musi łączyć się z jasną rubryką.
Rubryka i metryczka: jak spiąć przejrzystość z wymaganiami
„Metryczka AI” bez jasnych kryteriów łatwo staje się formalnością. Wystarczy krótka rubryka przypięta do tematu, żeby ocena była spójna z celem lekcji. Dla wypracowania: 1) merytoryka i argumenty, 2) praca własna i proces (wersje robocze, metryczka), 3) język i struktura, 4) weryfikacja źródeł. Każde kryterium opisane jednym zdaniem na trzy poziomy jakości – bez esejów o punktacji. Uczeń wie, że AI może wygładzić styl, ale nie „napisać argumentów za niego”, bo te są osobno oceniane i bronione ustnie.
Krótki przykład w praktyce: uczeń dołącza metryczkę („użyłem korekty stylu i streszczenia artykułu X; sprawdziłem, porównując z dwoma źródłami; poprawiłem błędne daty”) i 60-sekundową obronę kluczowej tezy. Nauczyciel nie musi „łapać” AI – widzi proces i sprawdza rozumienie.
Mit: „Rubryka zabija kreatywność.” Rzeczywistość: jasne kryteria zmniejszają pokusę oddania gotowca z chatbota i przesuwają ciężar na myślenie, nie na ozdobniki.
Bezpieczeństwo i zgodność: proste reguły, które działają
Administratorem danych jest szkoła (dyrektor), a nie nauczyciel. Jeśli narzędzie przetwarza dane uczniów, potrzebna jest umowa powierzenia (art. 28 RODO) oraz zgody i klauzule informacyjne zgodne z polityką szkoły. W wielu sytuacjach da się pracować bez danych osobowych – wtedy AI traktujemy jak edytor treści: anonimizujemy kontekst, nie wpisujemy imion, diagnoz, sytuacji rodzinnych.
Czerwone linie są jasne: brak wprowadzania danych wrażliwych (opinie z PPP, zdrowie, informacje o przemocy), brak kopiowania treści z e‑dziennika do narzędzi bez umowy, brak logowania kontami prywatnymi uczniów. Jeśli szkoła rozważa stałe korzystanie z AI do zadań administracyjnych, sensowna jest ocena skutków dla ochrony danych (DPIA) oraz wybór dostawcy z kontrolą lokalizacji danych i logowaniem przez konto szkolne.
Mit: „Wystarczy usunąć nazwisko i już nie są to dane osobowe.” Rzeczywistość: połączenie kontekstu (klasa, temat, nietypowe zdarzenie) może identyfikować ucznia. Trzeba ograniczać detale, a nie tylko nazwiska.
Mit: „Szkoła nie może używać AI, bo RODO.” Rzeczywistość: może – pod warunkiem podstawy prawnej, umów, minimalizacji danych i kontroli przepływów. Tam, gdzie to niemożliwe, używamy AI wyłącznie do materiałów ogólnych, bez danych uczniów.
Zastępstwa i klasy łączone: realny scenariusz zamiast marzeń
Polskie przepisy wymagają opieki osoby uprawnionej – AI nie „poprowadzi” lekcji bez nauczyciela w sali. Może jednak dostarczyć gotowy scenariusz zastępstwa, który każdy nauczyciel (także z innego przedmiotu) poprowadzi bez chaosu. Sprawdza się układ: 10-minutowa mini‑lekcja z czytanym na głos skryptem, 20 minut pracy uczniów na kartach zróżnicowanych według trudności, 10 minut sprawdzenia zbiorczego z kluczem i jednym zadaniem przekrojowym na tablicy.
W klasach łączonych AI pomaga zróżnicować materiały i zsynchronizować punkty wspólne: wspólne wprowadzenie, potem dwa tory zadań (np. klasa IV – działania pisemne, klasa V – ułamki). Nauczyciel prowadzi rotację, a model generuje „mikropodpowiedzi” do stacji B, żeby uczniowie nie stali w kolejce po wyjaśnienie.
Mit: „Na zastępstwie wystarczy włączyć tablet z chatbotem.” Rzeczywistość: bez planu i jasnych reguł korzystania powstaje zator. Lepszy jest gotowy pakiet: skrypt, karty, kryteria sukcesu i jedno zadanie do krótkiej obrony ustnej.
Koszty, finansowanie i zakupy: żeby rachunek się spinał
Koszt to nie tylko subskrypcja. Liczy się łączny koszt posiadania: szkolenia, konfiguracja kont, wsparcie sieci i zgodności. W pierwszym kroku opłaca się sprawdzić, co szkoła już ma: pakiety biurowe z komponentami AI, dostępne integracje z e‑dziennikiem, licencje przez JST. Często rozsądny jest model „kilka licencji nauczycielskich + jeden punkt dostępowy na pracowni”, a nie od razu konto dla każdego ucznia.
Źródła finansowania są zwykle mieszane: budżet organu prowadzącego, programy resortowe i regionalne, środki UE (EFS+/FERS), czasem partnerstwa powiatowe. Przy zakupach zwróć uwagę na prawo do umowy powierzenia, lokalizację danych, logowanie SSO, warunki dla edukacji i jasny limit kosztów po okresie promocyjnym. Pilotaż 3–6 miesięcy z opcją rezygnacji ogranicza ryzyko „utopionych” środków.
Krótka praktyka zakupowa: określ dwa–trzy mierzalne cele (np. skrócenie czasu przygotowania konspektów o 30%, wzrost odsetka uczniów osiągających kryteria w zadaniach formatywnych), wpisz je do umowy jako wskaźniki ewaluacyjne i sprawdź je przed decyzją o skalowaniu.
Jak mierzyć efekty: mały pilotaż, twarde wskaźniki
Skuteczność najlepiej sprawdzić w 6–8 tygodniowym pilotażu w 2–3 klasach. Zestaw danych jest prosty: linia bazowa (czas przygotowania lekcji i sprawdzania prac przez tydzień), wyniki krótkich ocenianych zadań formatywnych co dwie lekcje, frekwencja, plus jakościowe notatki nauczyciela o typowych błędach i pytaniach uczniów. Na końcu porównanie z bazą i decyzja: co wchodzi do standardu, co wymaga zmiany, z czego rezygnujemy.
Unikaj „wanity metrics”: liczby wygenerowanych ćwiczeń czy godzin spędzonych w aplikacji. Liczą się oszczędności czasu, poprawa rozumienia kluczowych pojęć i mniejsza liczba powtarzających się błędów.
Przygotowanie rady i uczniów: minimalny standard kompetencji
Zamiast dużych szkoleń lepsze są krótkie warsztaty przy konkretnym temacie. Dwa moduły dają zauważalny efekt: 1) projektowanie dobrego promptu pod polską podstawę programową i kryteria sukcesu, 2) ocena i korekta materiału z AI (wyłapywanie błędów merytorycznych, dostosowanie poziomu trudności). Po warsztacie powstaje wspólny bank promptów i krótkie wytyczne szkoły: co wolno, czego nie, jak oznaczamy użycie AI.
Minimalny
Zakres minimalny dla nauczyciela i ucznia
Minimalny poziom to cztery nawyki: formułowanie celu zadania w języku kryteriów sukcesu, zadawanie modelowi roli (np. „redaktor stylu B2/C1”, „asystent metodologii”), weryfikacja w dwóch źródłach lub krótką obroną ustną oraz zostawianie śladu procesu (wersje, metryczka, zaznaczenia zmian). To wystarcza, by korzystać z AI bez utraty jakości nauczania.
Praktyczny szablon promptu pod podstawę programową: „Pracujesz jako [rola]. Mój cel: [konkretny efekt wg kryteriów]. Kontekst: [temat, poziom klasy]. Ograniczenia: [czego nie dodawać / maks. długość / styl]. Poproś mnie o doprecyznienie, jeśli brakuje danych.” W liceum w polskim może to brzmieć: „Jako redaktor stylu C1 skróć ten akapit o 20%, zachowując tezę i argumenty; nie zmieniaj faktów; oznacz miejsca, gdzie skróciłeś.”
Mit: „Wystarczy znać kilka magicznych promptów.” Rzeczywistość: lepsza jest jasna definicja celu i ograniczeń – wtedy nawet przeciętny model daje użyteczny wynik. Mit: „AI samo wykryje błędy merytoryczne.” Rzeczywistość: potrafi halucynować; potrzebny jest nawyk szybkiej weryfikacji (źródło, podręcznik, krótka obrona).
Nauczanie zróżnicowane i SPE bez odsłaniania danych
Przy uczniach ze zróżnicowanymi potrzebami skuteczne są materiały „odwracalne”: jedna treść w trzech formach – tekst w wersji podstawowej, uproszczonej (krótsze zdania, słownik pojęć) i z podpowiedziami metapoznawczymi (pytania kontrolne na marginesie). Generatywne narzędzie przygotuje warianty, ale kontekst trzeba zanonimizować: nie wprowadzać informacji o konkretnej diagnozie, tylko opisać wymagania dydaktyczne („wersja z linią przewodnią i checklistą kroków, dla ucznia na poziomie A2 językowo”).
W matematyce sprawdza się „tor pomocniczy”: do każdego zadania powstają dwa mikropodpowiedzi – pierwsza odsłania strukturę (jaki wzór, co jest daną), druga rozwija pierwszy krok obliczeń. Nauczyciel decyduje, którą odsłonić. W języku obcym – generacja prostych parafraz zdań i ćwiczeń z gradacją trudności, ale ocenę swobodnej wypowiedzi robimy ustnie.
Mit: „AI wyrówna szanse automatycznie.” Rzeczywistość: bez decyzji o poziomie trudności i jasnych kryteriach wsparcie bywa chaotyczne. Mit: „Trzeba podać dane o uczniu, żeby spersonalizować.” Rzeczywistość: wystarczy opisać wymagania materiału, nie osobę.
Infrastruktura i porządek pracy na lekcji
Najlepiej działają lekcje z czytelnym rytmem: krótki wstęp z celem i kryteriami (2–3 minuty), praca własna do pierwszej wersji (8–10 minut), dopiero potem praca z AI i oznaczenie zmian (5–7 minut), podsumowanie błędów typowych i wnioski (5 minut). To ogranicza „rozmycie” odpowiedzialności za treść i redukuje straty czasu na klikanie.
Warto wprowadzić trzy proste reguły stanowiskowe:
- Najpierw szkic własny – jedno zdanie tezy, pomysł na strukturę lub plan rozwiązania.
- Jedno pytanie do AI na raz – doprecyzowanie zamiast wielowątkowych próśb.
- Adnotacja zmian – zaznaczam, co przejąłem, a co odrzuciłem i dlaczego.
To porządkuje rozmowę na koniec lekcji i ułatwia szybkie sprawdzenie postępu.
Mit: „Im mocniejszy model, tym lepsze lekcje.” Rzeczywistość: bez dobrego rytmu pracy i kryteriów nawet najlepszy model zwiększa hałas informacyjny.
Granice, których nie warto automatyzować
Są obszary, gdzie nauczyciel jest niezastąpiony: diagnoza błędnych przekonań (uczeń „wie”, ale źle rozumie pojęcie), regulacja emocji i motywacji, budowanie zasad pracy zespołowej oraz rozwiązywanie konfliktów. Model może podsunąć przykład lub wariant zadania, ale nie „przeczyta” nastroju klasy po trudnym zdarzeniu ani nie zastąpi rozmowy wychowawczej.
Przykład z praktyki: po nieudanym sprawdzianie szybka analiza typowych błędów powinna być przeprowadzona wspólnie na tablicy, z doprecyzowaniem, skąd brało się nieporozumienie w treści zadań. AI może przygotować warianty tych zadań, ale interpretację i „odklejenie” frustracji robi nauczyciel.
Mit: „Ścieżki adaptacyjne wystarczą do indywidualizacji.” Rzeczywistość: adaptacja po wynikach to za mało, gdy problem leży w nawykach uczenia się lub przekonaniach o własnych możliwościach.
Autorstwo, cytowanie i obrazy w praktyce szkolnej
W pracach uczniów najlepiej stosować prostą zasadę autorstwa: w stopce lub metryczce jedno zdanie „Wsparcie AI: [narzędzie], zakres: [np. korekta językowa, parafraza definicji, szkic planu].” Dla materiałów nauczyciela wskazane jest oznaczanie źródeł inspiracji i licencji ilustracji. W konkursach i publikacjach szkolnych regulaminy bywają restrykcyjne – część z nich wyklucza prace generowane lub współgenerowane. Sprawdź warunki przed zadaniem tematu.
Obrazy generatywne to osobny problem: modele uczą się na zbiorach o niejednoznacznym statusie. W materiałach dydaktycznych lepsze są zasoby z jasną licencją (np. CC BY) lub własne szkice. Jeśli jednak korzystasz z grafiki z modelu, dołącz opis: „Obraz wygenerowany narzędziem X na podstawie opisu Y”, bez sugerowania autorstwa w sensie praw autorskich.
Mit: „Skoro uczeń coś edytował, to jest w pełni autorem.” Rzeczywistość: wkład twórczy bywa minimalny; dlatego przejrzyste oznaczenie zakresu wsparcia i krótka obrona są uczciwsze niż polowanie na „oryginalność” w detektorach.
Egzaminy i ocenianie: formaty, które działają z AI i bez
Ocena powinna weryfikować rozumienie i proces, nie biegłość w klikaniu. Dwa bezpieczne formaty łączące pracę domową i weryfikację w klasie to: „produkt + obrona” oraz „portfolio zmian”. W pierwszym uczeń oddaje pracę przygotowaną także z użyciem AI, a w klasie odpowiada 2–3 minuty na pytania o decyzje i źródła. W drugim dołącza dziennik wersji z krótkimi komentarzami, co przejął od modelu i dlaczego.
W praktyce: w historii uczeń opracowuje w domu mini‑esej porównawczy o dwóch źródłach, a na lekcji dostaje inne źródło i dopisuje akapit w tym samym stylu. W informatyce – projekt pisany poza lekcją, ale na zajęciach konieczna jest modyfikacja funkcji na żywo lub wyjaśnienie fragmentu kodu na tablicy.
Na testach zamkniętych i zadaniach rachunkowych sprawdza się prosty „tryb niskotechnologiczny”: materiały papierowe, telefony w depozycie, wyraźnie określony zestaw dozwolonych narzędzi. Do zadań otwartych w klasie można dopuścić ograniczone wsparcie (np. słownik pojęć), ale punktować tok rozumowania i trafność wniosków wyżej niż sam wynik.
Mit: „detektory AI rozwiążą problem ściągania”. Rzeczywistość: dają fałszywe alarmy i nie są dowodem. Zmiana form oceny (krótka obrona, zadania transferowe, praca na nieznanych przykładach) działa lepiej i jest uczciwsza.
Mit: „ustne sprawdzanie to krok wstecz”. Rzeczywistość: krótkie rozmowy dowodowe uzupełniają pisemne formy; nie zastępują ich, ale uszczelniają ocenianie tam, gdzie narzędzia generatywne łatwo podsuwają gotowce.
RODO i praktyka ochrony danych w szkole
Szkolne użycie AI powinno opierać się na dostawcach, z którymi masz umowę powierzenia przetwarzania. Minimum, które warto wpisać kontraktowo: brak trenowania modeli na treściach szkoły, przechowywanie i przetwarzanie danych w EOG, jasne okresy retencji i kasowania, audytowalne logi dostępu. Kluczowe jest logowanie SSO i role: konto ucznia nie powinno mieć dostępu do paneli administracyjnych czy analityk klasy.
Gdy narzędzie wymaga zakładania indywidualnych kont i opiera się na zgodzie, w usługach komercyjnych konieczne może być potwierdzenie zgody rodzica dla niepełnoletnich; bezpieczna praktyka to konta zarządzane przez szkołę lub korzystanie z usług świadczonych w ramach zadania publicznego bez bazowania na zgodzie.
W danych wprowadzanych do modeli nie używaj identyfikatorów uczniów, diagnoz ani opisów sytuacji wąskich grup. Anonimizacja to więcej niż usunięcie imienia – połączenie klasy, wydarzenia i wyniku potrafi zidentyfikować osobę. W trudnych przypadkach stosuj pseudonimy („Uczeń A, poziom B1, trudność: spójniki w wypowiedzi pisemnej”) i lokalne materiały trzymaj w systemach szkolnych.
Mit: „wystarczy szkolny regulamin korzystania z AI”. Rzeczywistość: bez umowy powierzenia, oceny ryzyka i krótkiej procedury incydentowej (kto zgłasza, komu, w jakim czasie) regulamin jest tylko deklaracją. Prosty arkusz oceny ryzyka przy starcie pilotażu ogranicza błędy na lata.
Rok wdrażania: krótka mapa bez rewolucji
Kwartał 1: mały zakres, wyraźne cele
Dwie–trzy klasy, dwa przedmioty, jasne wskaźniki (czas przygotowania materiałów, liczba powtarzalnych błędów, rozumienie kluczowych pojęć). Powstaje bank promptów i szkic standardu oznaczania wsparcia AI u uczniów. Zespół pilotażowy zbiera dowody i krótkie studia przypadków.
Kwartał 2: wspólny język i korekta kursu
Krótki warsztat rady, doprecyzowanie kryteriów oceniania i kontraktów klasowych. Dodanie jednego narzędzia „poziomu szkoły” (np. korektor językowy lub generator wariantów ćwiczeń), ale tylko tam, gdzie pilotaż pokazał zysk czasu lub jakości. Rezygnacja z rozwiązań, które dodały pracy lub generowały błędy merytoryczne.
Kwartał 3: integracje i biblioteka materiałów
Łączenie z e‑dziennikiem lub chmurą szkolną, porządek licencji, prosta etykieta przy materiałach („wersja podstawowa / uproszczona / z podpowiedziami”). Pojawia się szkolna „półka” dobrych przykładów z metryczką procesu i krótkim komentarzem nauczyciela.
Kwartał 4: ewaluacja i reguły „na stałe”
Po trzech miesiącach prób warto zamknąć pilotaż kilkoma prostymi decyzjami: co zostaje, co poprawiamy, z czego rezygnujemy. Zbieramy krótkie wskaźniki: ile czasu faktycznie oszczędziły szablony i warianty ćwiczeń, czy spadła liczba powtarzalnych błędów (np. złe użycie dowodu przez sprzeczność, mylenie przyczyny ze skutkiem w historii), jak wypadła obrona prac (odsetek odpowiedzi trafnych na pytania „dlaczego tak?”). Dobrze działa jedna wspólna rubryka do „obrony” (3–4 kryteria: znajomość źródeł, uzasadnienie decyzji, poprawność merytoryczna, reakcja na kontrprzykład), używana w różnych przedmiotach.
Na tym etapie pojawia się krótki aneks do szkolnego regulaminu oceniania: jak oznaczamy użycie AI, w jakich zadaniach jest dozwolone, jak wygląda procedura wyjaśnienia wątpliwości (np. rozmowa 3‑minutowa, poprawka na żywo, dodatkowy przykład). Spisujemy również minimalne standardy materiałów dla uczniów ze zróżnicowanymi potrzebami (trzy wersje: podstawowa, uproszczona, z podpowiedziami metapoznawczymi) oraz miejsce ich udostępniania w chmurze szkolnej. Na koniec krótka notatka z ryzyka: jakie dane nie trafiają do modeli i kto odpowiada za incydenty. Bez tej „metki” pilotaż rozpływa się w codzienności.
Mit: „ewaluacja to ankiety nastrojów”. Rzeczywistość: dwie tablice porównawcze – błędy typowe przed i po wdrożeniu oraz czas przygotowania materiałów – dają twardszy obraz niż długie formularze. Mit: „skoro działa w jednej klasie, zadziała wszędzie”. Rzeczywistość: różni nauczyciele i style prowadzenia zajęć wymagają mniejszych modyfikacji scenariuszy, nie kopiujmy na ślepo.
Szkolny kodeks korzystania z AI: reguły zrozumiałe dla uczniów i rodziców
Krótki, jasny kodeks zmniejsza liczbę nieporozumień. Dobrze, gdy mieści się na jednej stronie i trafia do e‑dziennika (np. Librus, Vulcan) oraz do kontraktów klasowych. Przykładowy zestaw zasad:
- Na lekcjach i w domu możesz używać AI do: burzy mózgów, porządkowania notatek, korekty językowej, wyszukiwania definicji, tworzenia list pytań kontrolnych i wariantów ćwiczeń. Nie używamy AI na sprawdzianach, pracach klasowych i odpowiedziach na ocenę bez zgody nauczyciela.
- Każdą pracę współtworzoną z AI oznaczaj w metryczce: „Wsparcie AI: [narzędzie], zakres: [np. korekta, plan, parafraza].” Brak metryczki = możliwość rozmowy wyjaśniającej i poprawki na żywo.
- Nie wprowadzaj danych osobowych ani wrażliwych (imion, nazwisk, diagnoz, numerów, wizerunków). Opisuj sytuacje neutralnie: „Uczeń A – trudność z uzasadnieniem.”
- Jesteś odpowiedzialny za treść. Jeśli AI coś „zmyśli”, poprawiasz lub usuwasz. Na prośbę nauczyciela wyjaśniasz decyzje i pokazujesz wersje pośrednie.
- Sprawdzaj źródła: przy faktach i cytatach – minimum dwa niezależne odnośniki, daty publikacji i wydawców. Nie cytujemy „AI powiedziało”.
- Zasada „najpierw szkic, potem narzędzie”: przygotuj własny plan, pytania lub próbkę akapitu, dopiero potem proś o rozwinięcie lub korektę.
- Nie wklejaj długich fragmentów bez czytania. Cytaty z AI w tekście oznacz w cudzysłowie i skomentuj, co przyjąłeś, a co odrzuciłeś.
- Kultura i prawo: bez mowy nienawiści, treści przemocowych, plagiatów i obchodzenia zabezpieczeń. Zgłoszenia nadużyć trafiają do wychowawcy.
- „Pauza przed wysłaniem”: przed oddaniem pracy przejrzyj listę kontrolną (teza – argumenty – źródła – metryczka AI – poprawność językowa).
- Incydenty i błędy: jeśli narzędzie pokaże nieodpowiednie treści lub ujawnisz dane przez pomyłkę, zgłoś to w ciągu 24 godzin do nauczyciela lub dyżurnego ICT.
Mit: „Regulamin wystarczy, żeby nie było nadużyć.” Rzeczywistość: działa dopiero z krótką obroną pracy i jasnym miejscem na metryczkę AI – wtedy zasady stają się praktyką, nie plakatem.
Scenariusze lekcyjne: 45 minut z AI w różnych przedmiotach
Język polski (analiza porównawcza)
Cel: rozróżnianie sposobów argumentacji.
- 5 min – uczeń tworzy szkic tezy i dwóch argumentów do tematu (bez AI).
- 8 min – prośba do modelu o 3 kontrargumenty z różnych perspektyw; zaznaczamy, które są trafne.
- 12 min – praca w parach: zamiana się szkicami, dopisanie ripost. Nauczyciel wyróżnia przykłady manipulacji („chochoł”, fałszywa dychotomia).
- 15 min – redakcja akapitu końcowego bez AI, z wykorzystaniem wybranych pomysłów; 5 zdań, jasne kryteria.
- 5 min – szybka obrona na forum: „Który kontrargument odrzuciłeś i dlaczego?”
Matematyka (równania i błędy pojęciowe)
Cel: diagnoza źródeł błędów i poprawne uzasadnianie kroków.
