Znalostní báze AIEdAIEd KB
Na této stránce

Přečtěte si tuto stránku v angličtině

Pojmy

Historie AI ve vzdělávání

Vytvořeno 2026-08-23 · Aktualizováno 2026-11-08

Automatický strojový překlad této anglické stránky, který ještě nebyl zkontrolován rodilým mluvčím.

Historie AI ve vzdělávání — studium toho, jak se umělá inteligence a vzdělávání společně vyvíjely od poloviny 20. století a jak minulé konceptuální, terminologické a designové volby dodnes utvářejí debaty o AI v učení. Historická perspektiva nepokládá generativní AI za náhlou, bezprecedentní sílu; odhaluje spíše opakující se napětí — kontrola versus agenturnost, standardizace versus kreativita, automatizace versus augmentace — která strukturovala AI ve vzdělávání už od jeho počátků.

Otázky k zamyšlení

  • Dnešní generativní AI se často popisuje jako bezprecedentní revoluce. Jak by nám toto rámování („chronocentrismus") mohlo bránit vidět opakující se vzorce pod ním?
  • Obor se málem jmenoval „kybernetika" místo „umělá inteligence". Jak mohla tato jediná volba názvu ovlivnit, zda stroje vidíme jako samostatné inteligence, nebo jako součást propojených zpětnovazebních systémů?
  • Stránka rámuje historii AIED jako napětí mezi kontrolou (Andersonovy kognitivní tutory optimalizující výuku) a agenturností (Papertův konstrukcionismus posilující studující). Kam na tomto spektru spadají vaše vlastní rozhodnutí o AI ve vzdělávání — a proč?
  • Personalizace má podle stránky dva významy: variování cesty ke stejnému výsledku, nebo umožnění rozmanitých, studujícím řízených výsledků. Který druh personalizace vaše instituce skutečně sleduje a který by podle vás měla?
  • Pokud dnešní debaty o GenAI „zrcadlí" tato historická napětí, které minulé chyby možná opakujeme — a čemu bychom se mohli vyhnout tím, že si je zapamatujeme?
  • Stránka tvrdí, že technická designová rozhodnutí nesou hodnotové soudy o účelu učení. Dokážete ve výukovém nástroji AI, který jste použili, identifikovat designové rozhodnutí, jež tiše upřednostnilo standardizaci před agenturností studujících — nebo naopak?

Úvod

Historie oboru není lineární pokrok, ale sled nahodilých rozhodnutí, jejichž účinky stále doznívají. Porozumění této historii chrání před „chronocentrismem" (sklonem pokládat současný vývoj za jedinečně revoluční), pomáhá vyhnout se opakování minulých chyb a ukazuje, jak trajektorii AI ve vzdělávání řídí volby rámování a terminologie — nejen technologie.

Klíčové historické linie

Od kybernetiky k „umělé inteligenci". Když John McCarthy plánoval Dartmouthský letní výzkumný projekt v roce 1956, záměrně zvolil termín umělá inteligence místo kybernetiky — částečně aby obor vzdálil Norbertu Wienerovi a jeho zaměření na analogovou zpětnou vazbu. Toto rozhodnutí o pojmenování rámovalo schopnosti strojů v přímém srovnání s lidskou kognicí (antropomorfní rámování) a na desetiletí řídilo výzkumné priority, veřejné vnímání i etickou debatu. Kdyby si obor kybernetické rámování ponechal, článek si představuje, že bychom dnes možná mluvili o „kybernetických učebních systémech" zdůrazňujících zpětnou vazbu a propojení, nikoli o „AI tutorech" stavějících stroj jako nezávislý zdroj inteligence.

Kognitivní revoluce a kořeny ITS. Raní průkopníci — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — nejen modelovali kognici; zkoumali zásadní otázky o učení a výuce. Jejich práce přinesla modely lidské kognice založené na zpracování informací, které se staly základem pedagogické psychologie, a vedla k inteligentním tutorovacím systémům (ITS) zakořeněným v paradigmatu heuristického hledání a expertních systémů AI 60. a 70. let. Tyto systémy se přirozeně sladily s existujícími strukturami hodnocení a standardizace a nakonec se spojily v komunitu AIED.

Kontrola versus agenturnost: Anderson a Papert. Vynořily se dvě soupeřící vize, ztělesněné v Johnu Andersonovi a Seymouru Papertovi. Andersonovy kognitivní tutory (teorie ACT/ACT-R) rozkládaly znalost na produkční pravidla, poskytovaly přesnou individualizovanou zpětnou vazbu a posilovaly tradiční vzdělávací struktury — vize AI jako nástroje optimalizace výuky. Papertův konstrukcionismus (Logo, „mikrosvěty", ladění jako učení) viděl počítače jako prostředí, v nichž děti konstruují znalosti tvůrčím experimentováním — vize AI jako nástroje intelektuálního zmocnění, která zpochybňovala institucionální hierarchie. Toto „zásadní napětí" mezi kontrolou a agenturností je průběžnou linií historie oboru.

Dvě formy personalizace. Personalizace má dva odlišné výklady, které se mapují na tyto vize. První udržuje jednotné výsledky a mění pouze cestu (zakořeněný ve Skinnerových vyučovacích strojích; vize Khan Academy s tutorováním k mistrovství). Druhý přijímá rozmanité výsledky — studující sledují individuální zájmy a talenty bez omezení standardními hranicemi kurikula (Zhao, 2024). Model ITS podporuje první; konstrukcionismus druhý.

Lekce pro éru GenAI. Dnešní debaty o generativní AI těsně zrcadlí tato historická napětí. GenAI se často staví jako inteligentní tutor nové generace (rozšíření Andersona), což vyvolává obavy o dohled, sběr dat a standardizaci. Alternativně může být nástrojem tvůrčí agenturnosti (rozšíření Paperta), což vyžaduje přehodnotit hodnocení a přijmout více nejednoznačné výsledky. Jak uzavírají Mishra et al., institucionální síly opakovaně upřednostňují přístupy posilující existující struktury — a jazyk a metafory, které volíme, budou utvářet budoucí možnosti. Rámec AI×Ed Rismanchiana a Doroudiho dává této intuici empirické zakotvení: umístěním článků ze sborníků AIED (1985, 1993, 2021, 2024) a IJAIED (2004, 2014, 2021) na dvě osy — roli AI (aplikovaný nástroj versus analogie lidské inteligence) a koncového uživatele — sledují obor, který se z rozmanité směsi, zahrnující podstatný raný výzkum užívající AI jako analogii lidské inteligence (výpočetní modely učení, Papertovy mikrosvěty, agentní modely osvojování znalostí), posunul k téměř výlučnému zaměření na aplikované, instrumentální užití v 00. letech. Éra generativní AI tento vývoj zjevně částečně obrací: na AIED 2024 byly tři ze čtyř příspěvků v kvadrantu „AI jako analogie" postaveny na LLM a jeden z nich získal cenu za nejlepší práci pro agenty, které lze učit, poháněné LLM.

Žurnálový záznam se obrací dvakrát. Strukturální tématický model 5 387 článků Computers & Education (1976–2026) našel AI ve 390 záznamech (7,2 %), napříč 17 z jeho 18 témat. Roční šance, že článek souvisí s AI, rostla o 21,8 % ročně do roku 1989, klesala o 3,7 % ročně do roku 2018 a poté stoupala o 40,1 % ročně do roku 2025 (Wu et al., 2026). Obrat v roce 2018 předchází ChatGPT o čtyři roky, takže generativní éra zrychlila trend, který už běžel, místo aby ho zahájila.

Nedávný dopad generativní AI

Nástup generativní AI — široké rodiny zahrnující velké jazykové modely (text) plus generátory obrazu, zvuku a videa — představuje nejzávažnější obrat v historii AIED od založení oboru. LLM jsou nejvýraznějším členem této rodiny a hybatelem většiny dopadu ve třídách, ale generativní AI jako celek (schopná produkovat nový text, obrazy, zvuk a kód) je širší silou přetvářející vzdělávání. Nejlépe jí porozumíme ve světle historie AIED, nikoli jako čistému zlomu. Několik rysů činí éru generativní AI osobitou:

Měřítko a dosah. Na rozdíl od kognitivních tutorů a ITS předchozích desetiletí, které působily v kontrolovaných laboratorních a třídních podmínkách, LLM zasáhly stovky milionů studujících a pedagogů během měsíců od uvedení a téměř okamžitě vstoupily do každodenního psaní, domácích úkolů a výuky. Debata o GenAI se přesunula ze specializovaných žurnálů do tříd, jednacích síní a zákonodárných sborů s bezprecedentní rychlostí.

Nový druh schopnosti. Dřívější systémy AIED modelovaly kognici a poskytovaly strukturovanou výuku (Andersonova tradice). LLM provádějí otevřené generování — produkují eseje, vysvětlení, kód a dialog — což do popředí staví agenturnost a kreativitu studujících (Papertova tradice) způsobem, který dřívější ITS neuměly. Proto současný okamžik tak ostře znovu zažehuje napětí mezi kontrolou a agenturností: tentýž nástroj lze nasadit jako inteligentního tutora nové generace (kontrolujícího výsledky) nebo jako tvůrčího spoluautora a myšlenkového partnera (zesilujícího agenturnost).

Obrácení rovnice přístupu. Historicky bylo personalizované tutorování vzácné a drahé; GenAI učinila adaptivní individuální podporu téměř zdarma a všudypřítomnou — dramaticky snížila bariéry dostupnosti a nákladů, které formovaly dřívější AIED. Přinesla však i nová rizika: algoritmickou zaujatost, halucinace, dohled, sběr dat a deprofesionalizaci pedagogů.

Obnovená obava o gramotnost v AI a její zneužití. Éra generativní AI učinila Gramotnost v oblasti AI naléhavou a přerámovala debaty o Akademická integrita (detekce versus dialog), zároveň oživila dlouholeté obavy z automatizace, standardizace a epistemické závislosti. To jsou moderní projevy původních napětí oboru.

Riziko chronocentrismu. Jak varují Mishra et al., humbuk kolem generativní AI často postrádá historické povědomí, takže konverzaci ovládají technologičtí evangelisté. Porozumění tomu, že dnešní debaty o GenAI ozvěnou Andersonova–Papertova rozkolu a rozhodnutí o pojmenování z roku 1955, nám pomáhá činit záměrné volby, místo abychom přítomnost pokládali za nevyhnutelnou. Skutečná otázka není, co nástroje generativní AI umějí, ale co chceme, aby dělaly — rozhodnutí utvářené tím, kde jsme byli.

Důsledky

  • Čtěte humbuk historicky. Uvědomte si, že každá nová vlna AI se rámuje jako revoluční; historické povědomí odhaluje kontinuitu a pomáhá odolat korporátnímu ovládnutí konverzace.
  • Vnímejte designová rozhodnutí jako hodnotová. Technická rozhodnutí o AI ve vzdělávání nesou ideologické pozice o účelu učení — pojmenujte je a zkoumejte.
  • Važte kontrolu proti agenturnosti záměrně. Zda má AI optimalizovat ke standardním výsledkům, nebo umožnit rozmanité, studujícím řízené výsledky, je skutečná volba s institucionálními a politickými důsledky, nikoli technický daný stav.
  • Zachovejte agenturnost studujících. Opakovaný odpor ke standardizaci a kontrole ve prospěch otevřených přístupů zaměřených na studující je trvalá linie, kterou stojí za to hájit.

Časté mylné představy

„AI ve vzdělávání začala s ChatGPT." Nezačala, a toto přesvědčení je nákladné, protože činí každou dřívější lekci neviditelnou. Inteligentní tutorování pochází z práce na heuristickém hledání a expertních systémech 60. a 70. let a komunita AIED se kolem něj zformovala desetiletí před velkými jazykovými modely. Mishra et al. ukazují, že současné debaty reprodukují rozkol, který byl už explicitní v Andersonových kognitivních tutorech a Papertově konstrukcionismu, takže čtenář, který datuje obor do roku 2022, znovu odvodí argumenty, které obor už jednou vyřešil, opustil nebo prohrál.

„Obor postupně opustil AI jako analogii ve prospěch aplikovaných nástrojů a generativní AI tento trend pokračuje." To je nejpoučnější korekce na stránce, protože trajektorie je skutečná, ale není monotónní. Poznámková analýza Rismanchiana a Doroudiho z AIED 1985, 1993, 2021 a 2024 a IJAIED 2004, 2014 a 2021 skutečně ukazuje posun od smíšeného oboru k téměř výlučné aplikované instrumentalitě v 00. letech. Na AIED 2024 však byly tři ze čtyř příspěvků v kvadrantu AI jako analogie založeny na LLM, včetně oceněné práce o agentech, které lze učit, postavených na LLM. Generativní AI trend částečně obrací, místo aby ho prodlužovala, a proto jeho pojímání jako „dalšího inteligentního tutora" špatně čte, kam se výzkumná hranice skutečně posunula.

„Personalizace znamená přizpůsobení obtížnosti každému studujícímu." To je jen jeden ze dvou neslučitelných významů a jejich ztotožnění skrývá politickou volbu. V prvním významu je výsledek pevně daný a mění se pouze cesta, s linií od Skinnerových vyučovacích strojů po tutorování založené na mistrovství. Ve druhém se rozrůzňují samotné výsledky, když studující sledují individuální zájmy bez omezení standardním kurikulem (Zhao, 2024). ITS uskutečňuje první; konstrukcionismus druhé. Nástroj popsaný jako „personalizovaný" vám neřekl nic, dokud nevíte, který z nich má na mysli.

„,Umělá inteligence' bylo prostě zřejmé jméno pro obor." Termín byl záměrnou volbou. Když McCarthy plánoval Dartmouthský projekt v roce 1956, dal přednost umělé inteligenci před kybernetikou částečně proto, aby práci vzdálil Wienerově tradici analogové zpětné vazby. Toto jediné rozhodnutí rámovalo stroje v přímém srovnání s lidskou kognicí a antropomorfní rámování, které zavedlo, dodnes utváří výzkumné priority, jazyk produktů i etické otázky, které veřejnost klade.

Uvedení do praxe

Pro vyučující a návrháře výuky

  • Pojmenujte tradici, ke které váš nástroj patří, dřív než ho přijmete. Ptejte se, zda optimalizuje k pevným výsledkům, nebo otevírá směr studujícím, protože tato odpověď, nikoli seznam funkcí, určuje, co udělá s vaším návrhem hodnocení.
  • Zkoumejte slovo „personalizovaný" v každém tvrzení dodavatele a získejte odpověď v pojmech dvou výše uvedených významů. Produkt, který variuje tempo k společnému standardu, a produkt, který studentům umožňuje se rozejít, nejsou substituty.
  • Když studenti předkládají GenAI jako bezprecedentní, historie je sama o sobě vyučovatelným obsahem. Andersonovsko-Papertovské rámování jim dává slovník pro argumentaci o AI, nejen pro její používání.

Pro vývojáře

  • Jazyk rozhraní je designové rozhodnutí s linií. Nazvat systém „AI tutorem" dědí Andersonovo rámování a očekávání optimalizace ke standardním výsledkům; nazvat ho „mikrosvětem" nebo „výukovým prostředím" dědí Papertovo. Ani jedno není neutrální, proto volbu čiňte záměrně.
  • Pokud stavíte v tradici analogie (modely učení, agenti, které lze učit, simulace osvojování znalostí), řekněte to. Tento kvadrant byl dvě desetiletí téměř prázdný a znovu se zaplňuje; pozicování je odlišující a kritéria hodnocení jsou jiná.

Pro výzkumníky

  • Používejte historické korpusy jako výchozí bod, místo abyste přítomnost pokládali za jediné dostupné srovnání. Sborníky AIED z let 1985, 1993, 2021 a 2024 a IJAIED z let 2004, 2014 a 2021 jsou hotovým longitudinálním vzorkem vlastních tvrzení oboru.
  • Když tvrdíte novost, citujte linii. Tvrzení, že systém „personalizuje učení" nebo „modeluje studujícího", je nové jen ve vztahu ke konkrétní předchozí tradici, a tato tradice je zdokumentovaná.

Související koncepty

Související články

Metadata

Učení a výukaConstructivism, Learning Theories
Technologie a technikyGenerative AI, Intelligent Tutoring
Základy AI ve vzděláváníAgenturnost studujícího, Umělá inteligence ve vzdělávání, Historie AI ve vzdělávání
ZdrojHistorieUpravitChat

Vložit tuto stránku

Zkopírujte níže uvedený kód a vložte tuto stránku do systému pro správu výuky nebo jiného webu. Vložená verze zobrazuje pouze obsah stránky — skrývá záhlaví, navigaci a zápatí webu.