Znalostní báze AIEdAIEd KB
Na této stránce

Přečtěte si tuto stránku v angličtině

Pojmy

Filozofie AI ve vzdělávání

Vytvořeno 2026-08-16 · Aktualizováno 2026-11-08

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

Filozofie AI ve vzdělávání — odvětví filozofie vzdělávání, které zkoumá základní konceptuální otázky vyvolané umělou inteligencí v výuce a učení: Jaká je povaha znalosti a myšlení, když se na nich podílejí stroje? Co je studující, když je kognice distribuována mezi lidské a umělé systémy? Jaké formy agenturnosti, odpovědnosti a osobnosti se vztahují na AI a co vzdělávání dluží studujícím ve světě zprostředkovaném AI? Na rozdíl od stránky teorií učení této znalostní báze (ale ve spojení s ní), která katalogizuje teorie jak učení probíhá, klade filozofie AI ve vzdělávání hlubší otázky čím učení, mysl a studující v podmínkách zprostředkovaných AI v zásadě jsou.

Otázky k zamyšlení

  • Vyžaduje myšlení vědomí a tělo? Pokud se AI skutečně podílí na vašem uvažování, odehrává se část „myšlení“ ve stroji — a mění to, kdo se učí?
  • Stránka nastoluje myšlenku kognice „distribuované“ mezi lidské a umělé systémy. Vzpomeňte si na úkol, který jste vyřešili s pomocí AI: kde skončilo vaše myšlení a kde začalo myšlení stroje?
  • Pokud se kognitivní procesy studujícího stanou skutečně hybridními (částečně lidskými, částečně umělými), co to znamená pro to, co nazýváme „studujícím“ — a pro to, co mu vzdělávání dluží?
  • Stránka odlišuje filozofii (čím učení a studující v zásadě jsou) od teorií učení (jak učení probíhá). Dokážete pojmenovat přesvědčení, které máte o učení a které je ve skutečnosti filozofickým stanoviskem?
  • Pokud AI může uplatňovat „funkční agenturnost“ bez vědomí, nese odpovědnost za své vzdělávací účinky — a pokud ne, kdo ji nese? Kdo by měl odpovídat, když AI tutor uvede studujícího v omyl?
  • Posthumanistické myšlení přerámovává studující jako „posthumánní“ entity. Jak tato představa zpochybňuje nebo rozrušuje vaše vlastní předpoklady o tom, kde sídlí mysl studujícího?

Úvod

Toto je konceptuální stránka pro filozofické a teoretické základy AI ve vzdělávání. Zatímco teorie učení dokumentují empirické a designově orientované teorie (behaviorismus, konstruktivismus, kognitivní zátěž, seberegulované učení atd.), filozofická linie se zabývá ontologickými, epistemologickými a etickými otázkami, které tyto teorie předpokládají. Obě jsou úzce propojené: filozofická stanoviska utvářejí, které teorie učení se zdají věrohodné a které vzdělávací cíle stojí za sledování.

Klíčové filozofické otázky

  • Povaha mysli a kognice. Vyžaduje myšlení vědomí a tělo? Může se AI podílet na skutečně kognitivních procesech? Rámce, jako je ansámblová kognice (ensemble cognition), argumentují, že AI uplatňuje funkční agenturnost — skutečnou kauzální účinnost v kognitivních procesech — bez vědomí a že myšlení vyrůstá z dynamické interakce člověka a AI (Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments). Distribuovaná kognice a teze rozšířené mysli vznášejí příbuzná tvrzení o kognici rozprostřené napříč systémy.

  • Co je studující? Posthumanistická filozofie rekonceptualizuje studujícího jako „posthumánní“ entitu, jejíž kognitivní procesy jsou skutečně hybridní a distribuované mezi biologické a umělé systémy (Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI). To zpochybňuje předpoklad, že studující je ohraničená, autonomní individuální mysl.

  • Ztělesnění a limity neztělesněné AI. Ztělesněná a postkognitivistická filozofie kritizuje dominanci symbolických, neztělesněných modelů AI a argumentuje, že kognice je zakotvena v situovanosti, emergenci a senzomotorickém propojení, které současná generativní AI postrádá ("If You Can't Dance Your Program, You Can't Write It": Challenges and Implications for AI in Education).

  • Emoční práce jako zkušební případ strojových myslí. Argumenty oboru o tom, zda AI může učit, se často točí kolem toho, zda dokáže pečovat, což je otázka diskutovaná dávno před vznikem afektivního počítání. Khan (2026) rekonstruuje debatu z let 1950–1996, v níž byl Ziffův nárok, že doslova cítit mohou jen živé bytosti, zodpovězen Smartovou teorií identity a Putnamovým behaviorálním kritériem, takže zůstaly nerozřešeny tři soupeřící ontologie. Jeho závěr je břemeno ospravedlnění, nikoli tvrzení o nemožnosti — reprezentace, simulace a mimikry emoční práci nedostatečně určují — což klade břemeno na každého, kdo by pastorační práci delegoval na systém.

  • Agenturnost, autorství a význam. Když AI zprostředkovává interpretaci a utváření významu, filozofie se ptá, jak se autorství, epistemická agenturnost a interpretační autonomie přenastavují (AI-Mediated Learning and the Restructuring of Interpretive Cognition: A Developmental-Critical Model for Social Sciences and Humanities Education).

  • Ontologie vědeckých objektů generovaných AI. V chemii zaujímají sloučeniny a titrační křivky předpovězené AI „liminální ontologický prostor“ — nejsou zcela hypotetické ani plně reálné, dokud nejsou empiricky prokázány — což posouvá obor od realismu ke konstruktivistickému pohledu, v němž je realita spoluprací člověka a stroje (Reyes a Regala (2026)).

  • Kognitivní pasivita jako epistemická újma. Bai a Costa (2026) vycházejí z pojetí myšlení u Arendtové jako vnitřní, nepřenosné činnosti a argumentují, že GenAI, která práci dodává, myšlení nejen odklání, ale předem uzavírá, přičemž Bourdieuovy pojmy pole a habitu lokalizují riziko v institucionálních strukturách (Bai & Costa (2026)).

  • Hodnoty, spravedlnost a účel vzdělávání. Filozofická analýza zkoumá, zda vzdělávání poháněné AI slouží lidskému prospívání a vzdělávací spravedlnosti, nebo zda instrumentalizuje učení ve službách produktivity (Can we disrupt the momentum of the AI colonization of science education?). To souvisí s kritickou pedagogikou a etikou.

  • „Lidskostředový“ přístup jako antropocentrický diskurz, nikoli neutrální etika. Wang & Jin (2026) čtou dokumenty UNESCO, OECD a Montréalské deklarace a argumentují, že lidskostředová AIED dědí vyloučení osvícenského humanismu, že transhumanismus je zachovává a že toto označení může legitimizovat komerční infrastrukturu.

  • Epistemologické zakotvení toho, jak lidé používají AI. Strydom (2026) odvozuje sedm paradigmat angažovanosti člověka s generativní AI z pěti dimenzí osobního epistemologického přesvědčení podle Schommerové (zdroj, jistota, organizace, kontrola a rychlost poznání) a argumentuje, že se spíše uskutečňují, než že by je lidé vlastnili — takže změna toho, jak studující používají AI, vyžaduje změnu sociotechnického prostředí, nikoli jejich přesvědčení.

  • Čí filozofie? Pluralismus v konceptuálních základech oboru. Xie (2026) argumentuje, že filozofická debata oboru je přeurčena jedinou západní architekturou — epistemická agenturnost jako vlastnost diskrétních subjektů, znalost rámovaná reprezentačně a kalkulativně a vztah člověka a AI umístěný v dualismu subjektu a objektu — takže její limity se stávají limity kolektivní imaginace oboru. Jako komparativní protiváhu rekonstruuje daoistické pojmy — „přirozenost dao“ (道性), sebekultivace (修道) a „Zhenren“ (真人) — nikoli jako „východní obsah“ přidaný k nezměněnému rámci, ale jako zdroje, které přetvářejí konceptuální základy, jimiž je chápána samotná AI, a aplikuje je na znalost (epistemická monokultura a syntetická dezinformace), poznávání (odklánění, které degraduje kritické myšlení) a dopad (environmentální náklady a asymetrie mezi globálním Severem a Jihem) (Alternative AI Philosophy: Daoism as Method for AI in Education).

  • Agenturnost bez odpovědnosti. Korpusově podpořená analýza diskurzu 366 abstraktů vysokoškolského výzkumu GenAI zjistila, že AI je zmíněna 2 050krát a vstupuje do 447 striktních asociací aktér–predikát — je nejčastějším aktérem oboru — přesto v nich dominují akční predikáty (78,7 %) a žádná věta nečiní systém odpovědným: ze 166 výrazů povinnosti žádný nepřipisuje odpovědnost systému a jediná klauzule spojující AI s odpovědností říká, že AI odpovědná není. Poudyal (2026) to čte jako funkční agenturnost uznanou v jazyce bez relační odpovědnosti, která by ji k někomu připoutala. Ani nástroj, ani spolupracovník: mediační agent. Warschauer, Tate a Ritchie (2026) argumentují, že nazývat generativní AI pouhým nástrojem podceňuje její interakční vliv, zatímco nazývat ji spolupracovníkem jí chybně přiznává intencionalitu a odpovědnost, a navrhují mediačního agenta — responzivní, neodpovědný systém, jehož novostí je participace, nikoli inteligence.

Vztah k teoriím učení

Filozofie AI ve vzdělávání a teorie učení jsou komplementární optiky. Teorie učení vysvětlují mechanismy učení (např. jak zpětná vazba, Scaffolding nebo kognitivní zátěž utvářejí výsledky); filozofie zpochybňuje předpoklady těchto mechanismů — co se počítá jako znalost, kdo se počítá jako znalec a čím studující v zásadě je. Zejména posthumanistická a kriticko-filozofická práce vyzývá obor, aby překročil instrumentalistické rámce, jako je Technologické pedagogické obsahové znalosti (TPACK) a SAM, směrem k hlubší ontologické reorientaci (Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI).

Vztah k vývoji teorie

Filozofie AI ve vzdělávání a vývoj teorie v AIEd jsou komplementární, ale odlišné. Filozofie klade ontologické a epistemologické otázky — čím mysl, znalost a studující v podmínkách zprostředkovaných AI v zásadě jsou — zatímco vývoj teorie produkuje a empiricky testuje mechanismy, které odpovědi na tyto otázky operacionalizují (generativismus, epistemická spoluagenturnost, chybějící kognitivní baseline). Obě se vzájemně informují: filozofie objasňuje předpoklady, které teorie nesou (např. epistemická spoluagenturnost předpokládá distribuovaný, neindividualistický model kognice), zatímco vývoj teorie dává filozofickým stanoviskům testovatelnou, falzifikovatelnou podobu. Nejzásadnější články oboru dělají obojí současně a leží na hranici mezi oběma koncepty.

Časté mylné představy

„Filozofie AI ve vzdělávání je totéž jako katalogizace teorií učení.“ Obě leží v různých hloubkách. Stránka teorií učení se ptá jak učení probíhá; filozofie se ptá čím učení, mysl a studující v podmínkách zprostředkovaných AI v zásadě jsou. Studie může vyřešit otázku teorie učení a filozofickou nechat nedotčenou, a proto může být technicky úspěšná intervence stále špatnou věcí, kterou dělat.

„Kognitivní odklánění je onou újmou a lze je vrátit větším úsilím.“ K dispozici je silnější tvrzení. Bai a Costa (2026) vycházejí z pojetí myšlení u Arendtové jako vnitřní, nepřenosné činnosti a argumentují, že GenAI, která práci dodává, myšlení nejen odklání, ale předem uzavírá — a riziko lokalizují institucionálně, přes Bourdieuovy pojmy pole a habitu, nikoli do individuální vůle. Pokud argument obstojí, „používejte to opatrně“ není dostatečnou nápravou, protože praxi utváří pole, které odměňuje výstup.

„Nezápadní filozofie je obsah, který se přidává k nezměněnému rámci.“ Může být zdrojem jiných základů. Jedna rekonstrukce pojímá daoistické pojmy — „přirozenost dao“ (道性), sebekultivaci (修道) a „Zhenren“ (真人) — nikoli jako „východní obsah“ připojený k západnímu rámci, ale jako zdroje, které přetvářejí konceptuální základy, jimiž je AI ve vzdělávání chápána. Přidat tradici jako ilustraci a použít ji k přerámování otázek jsou různé badatelské činy.

„Filozofická kritika se nedá použít v praxi.“ Nastavuje, co se počítá jako úspěch. Zda je výstup systému úspěchem studujícího a zda je měřený zisk vzdělávacím dobrem, jsou předběžné otázky, na které žádná velikost efektu neodpoví — a instituce, které je přeskočí, budou optimalizovat měřitelné a nazývat to zlepšením.

Důsledky pro praxi

Pro vyučující

  • Rozhodněte před přijetím nástroje, co jste ochotni počítat jako vlastní úspěch studujícího. Pokud by vybroušené odevzdání vyprodukované systémem splnilo vaše hodnocení, odpověděli jste „nic“ — a žádná pozdější změna rubriky tuto otázku nezachrání.
  • Berte argument o předběžném uzavření vážně při navrhování úloh: pokud GenAI, která práci dodává, myšlení spíše uzavírá než jen odklání, pak „používejte ji odpovědně“ není dostatečnou zárukou, protože okolní pole výstup odměňuje. Navrhujte úlohy, jejichž důkaz myšlení vzniká předtím, než je nástroj k dispozici.
  • Ptejte se, čí pojetí učení váš kurz nese. Nekritické převzetí rámce importuje jeho předpoklady o tom, co studující je, a tyto předpoklady jsou sporné.

Pro vývojáře

  • Odhalte hranici, kterou jste nakreslili mezi pomocí a dodáním, a udělejte z ní produktové rozhodnutí, nikoli výchozí stav. Systém, který dokáže vyprodukovat hotový artefakt, implicitně rozhodl, že duševní práce je volitelná.
  • Odolejte optimalizaci na zdání učení. Plynulost a úplnost jsou měřitelné vlastnosti a právě ony maskují předběžné uzavření.
  • Pokud tvrdíte, že váš systém „podporuje myšlení“, uveďte, co odmítá dělat — to odmítnutí je mechanismem.

Pro výzkumníky a tvůrce politik

  • Uveďte pojetí učení, které vaše hodnocení předpokládá, protože měřený zisk je vzdělávacím dobrem jen ve vztahu k nějakému pojetí toho, k čemu vzdělávání je.
  • Financujte filozofickou práci vedle empirické: otázky o tom, co se počítá jako úspěch studujícího, stanovují kritéria úspěchu, která empirické studie potom používají.

Související koncepty

Související články

Metadata

Učení a výukaLearning Theories
Rovnost, etika a odpovědné používáníEthics
Základy AI ve vzděláváníAgenturnost studujícího, Umělá inteligence ve vzdělávání, Spolupráce člověka s AI, Filozofie 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.