Filozofija umjetne inteligencije u obrazovanju

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

Filozofija umjetne inteligencije u obrazovanju — grana filozofije obrazovanja koja ispituje temeljna konceptualna pitanja koja umjetna inteligencija postavlja u poučavanju i učenju: kakva je priroda znanja i mišljenja kada u njima sudjeluju strojevi? Što je učenik kada je kognicija raspodijeljena između ljudskih i umjetnih sustava? Koji oblici djelotvornosti, odgovornosti i osobnosti pripadaju umjetnoj inteligenciji i što obrazovanje duguje učenicima u svijetu posredovanom umjetnom inteligencijom? Za razliku od (ali u vezi sa) stranicom Learning Theories ove baze znanja, koja katalogizira teorije o tome kako se učenje događa, filozofija umjetne inteligencije u obrazovanju postavlja dublja pitanja o tome što učenje, um i učenik u temelju jesu u uvjetima posredovanim umjetnom inteligencijom.

Pitanja za razmatranje

• Zahtijeva li mišljenje svijest i tijelo? Ako umjetna inteligencija doista sudjeluje u vašem rasuđivanju, događa li se dio „mišljenja“ u stroju — i mijenja li to toga tko uči?
• Stranica pokreće ideju kognicije „raspodijeljene“ između ljudskih i umjetnih sustava. Sjetite se zadatka koji ste riješili uz pomoć umjetne inteligencije: gdje je završilo vaše mišljenje, a gdje je počelo ono stroja?
• Ako kognitivni procesi učenika postanu doista hibridni (dijelom ljudski, dijelom umjetni), što to znači za ono što nazivamo „učenikom“ — i za ono što mu obrazovanje duguje?
• Stranica razlikuje filozofiju (što učenje i učenik u temelju jesu) od teorija učenja (kako se učenje događa). Možete li navesti neko svoje uvjerenje o učenju koje je zapravo filozofska pozicija?
• Ako umjetna inteligencija može ostvarivati „funkcionalnu djelotvornost“ bez svijesti, snosi li odgovornost za svoje obrazovne učinke — i ako ne snosi, tko snosi? Tko bi trebao odgovarati kada UI tutor navede učenika na pogrešan zaključak?
• Posthumanistička misao preoblikuje učenike u „posthumana“ bića. Kako ta ideja osporava ili uznemiruje vaše vlastite pretpostavke o tome gdje se nalazi um učenika?

Uvod

Ovo je konceptualna stranica o filozofskim i teorijskim temeljima umjetne inteligencije u obrazovanju. Dok Learning Theories dokumentira empirijske i dizajnerski usmjerene teorije (Behaviorism, konstruktivizam, kognitivno opterećenje, samoregulirano učenje itd.), filozofska struka zahvaća ontološka, epistemološka i etička pitanja koja te teorije pretpostavljaju. Dvije su struke blisko povezane: filozofske pozicije oblikuju to koje teorije učenja izgledaju uvjerljivo i koji obrazovni ciljevi vrijedi da ih slijedimo.

Ključna filozofska pitanja

• Priroda uma i kognicije. Zahtijeva li mišljenje svijest i tijelo? Može li umjetna inteligencija sudjelovati u doista kognitivnim procesima? Okviri poput ansambl kognicije tvrde da umjetna inteligencija ostvaruje funkcionalnu djelotvornost — stvarnu uzročnu učinkovitost u kognitivnim procesima — bez svijesti, te da mišljenje nastaje iz dinamičke interakcije čovjeka i umjetne inteligencije.(Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments) Distribuirana kognicija i teza o proširenom umu iznose srodne tvrdnje o kogniciji raspršenoj po sustavima.

• Što je učenik? Posthumanistička filozofija rekonceptualizira učenika kao „posthumano“ biće čiji su kognitivni procesi doista hibridni i raspodijeljeni između bioloških i umjetnih sustava.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI) Time se osporava pretpostavka da je učenik ograničen, autonoman pojedinačni um.

• Utjelovljenje i granice ne-utjelovljene umjetne inteligencije. Utjelovljena i postkognitivistička filozofija kritizira dominaciju simboličkih, ne-utjelovljenih modela umjetne inteligencije, tvrdeći da je kognicija utemeljena u situiranosti, emergenciji i senzomotoričkoj sprezi koju sadašnja generativna umjetna inteligencija nema.("If You Can't Dance Your Program, You Can't Write It": Challenges and Implications for AI in Education)

• Emocionalni rad kao testni slučaj za strojne umove. Argumenti u području o tome može li umjetna inteligencija poučavati često se okreću pitanju može li brinuti, a o tome se raspravljalo davno prije nego što je afektivno računarstvo postojalo. Khan (2026) rekonstruira raspravu od 1950. do 1996., u kojoj je Ziffova tvrdnja da samo živa bića mogu doslovno imati osjećaje dobila odgovor u Smartovoj teoriji identiteta i Putnamovu bihevioralnom kriteriju, ostavljajući tri suparničke ontologije neriješenima. Njegov je zaključak teret opravdanja, a ne tvrdnja o nemogućnosti — reprezentacija, simulacija i mimikrija nedovoljno određuju emocionalni rad — čime teret prebacuje na svakoga tko bi pastoralni rad povjerio sustavu.

• Djelotvornost, autorstvo i značenje. Kada umjetna inteligencija posreduje tumačenje i stvaranje značenja, filozofija pita kako se autorstvo, epistemička djelotvornost i interpretativna autonomija preuređuju.(AI-Mediated Learning and the Restructuring of Interpretive Cognition: A Developmental-Critical Model for Social Sciences and Humanities Education)

• Ontologija znanstvenih objekata koje generira umjetna inteligencija. U kemiji spojevi koje predviđa umjetna inteligencija i titracijske krivulje zauzimaju „liminalni ontološki prostor“ — ni posve hipotetičan ni posve stvaran dok se empirijski ne dokaže — što disciplinu pomiče od realizma prema konstruktivističkom gledištu u kojem je stvarnost suradnja čovjeka i stroja (Reyes i Regala (2026)).

• Kognitivna pasivnost kao epistemička šteta. Bai i Costa (2026) oslanjaju se na Arendtino poimanje mišljenja kao unutarnje, neprenosive aktivnosti kako bi tvrdili da generativna umjetna inteligencija koja isporučuje rad ne samo da rasterećuje mišljenje nego ga zatvara, a Bourdieuovo polje i habitus smještaju rizik u institucionalne strukture (Bai i Costa (2026)).

• Vrijednosti, pravednost i svrha obrazovanja. Filozofska analiza ispituje služi li obrazovanje vođeno umjetnom inteligencijom ljudskom procvatu i obrazovnoj pravednosti ili učenje instrumentalizira u službi produktivnosti.(Can we disrupt the momentum of the AI colonization of science education?) To se povezuje s kritičkom pedagogijom i etikom.

• „Usmjereno na čovjeka“ kao antropocentrični diskurs, a ne neutralna etika. Wang i Jin (2026) čitaju dokumente UNESCO-a, OECD-a i Montrealske deklaracije kako bi tvrdili da AIED usmjeren na čovjeka nasljeđuje isključenja prosvjetiteljskog humanizma, da ih transhumanizam čuva i da oznaka može legitimirati komercijalnu infrastrukturu.

• Epistemološko utemeljenje načina na koji ljudi pristupaju umjetnoj inteligenciji. Strydom (2026) izvodi sedam paradigmi angažmana čovjeka s generativnom umjetnom inteligencijom iz Schommerovih pet dimenzija osobnih epistemoloških uvjerenja (izvor, sigurnost, organizacija, kontrola i brzina znanja) i tvrdi da se one izvode, a ne posjeduju — pa promjena načina na koji učenici pristupaju umjetnoj inteligenciji zahtijeva promjenu socio-tehničkog okruženja, a ne njihovih uvjerenja.

• Čija filozofija? Pluralizam u konceptualnim temeljima područja. Xie (2026) tvrdi da je filozofska rasprava u području previše određena jednom zapadnom arhitekturom — epistemička djelotvornost kao svojstvo diskretnih subjekata, znanje uokvireno reprezentacijski i računski, a odnos čovjeka i umjetne inteligencije smješten unutar subjekt–objekt dualizma — pa granice te arhitekture postaju granice kolektivne imaginacije područja. Kao komparativnu protutežu rekonstruira daoističke pojmove — „Dao prirodu“ (道性), samooblikovanje (修道) i „Zhenrena“ (真人) — ne kao „istočni sadržaj“ dodan nepromijenjenom okviru, nego kao izvore koji preoblikuju konceptualne temelje kroz koje se i sama umjetna inteligencija razumije, primjenjujući ih na znanje (epistemička monokultura i sintetička dezinformacija), spoznavanje (rasterećenje koje degradira kritičko mišljenje) i učinak (ekološki troškovi i asimetrije između Globalnog sjevera i juga).(Alternative AI Philosophy: Daoism as Method for AI in Education)

• Djelotvornost bez odgovornosti. Analiza diskursa uz pomoć korpusa na 366 sažetaka o generativnoj umjetnoj inteligenciji u visokom obrazovanju nalazi da se umjetna inteligencija imenuje 2.050 puta i ulazi u 447 strogih veza aktera i predikata — najčešći je akter u području — ali u njima prevladavaju predikati djelovanja (78,7 %) i nijedna rečenica ne čini sustav odgovornim: od 166 izraza obveze nijedan nije dodijelio odgovornost sustavu, a jedina klauzula koja povezuje umjetnu inteligenciju s odgovornošću kaže da umjetna inteligencija nije odgovorna. Poudyal (2026) to čita kao funkcionalnu djelotvornost priznatu u jeziku, ali bez relacijske odgovornosti koja bi je pripojila bilo kome. Ni alat ni suradnik: medijacijski agent. Warschauer, Tate i Ritchie (2026) tvrde da nazivanje generativne umjetne inteligencije pukim alatom podcjenjuje njezin interakcijski utjecaj, dok joj nazivanje suradnikom pogrešno pripisuje intencionalnost i odgovornost, te predlažu medijacijskog agenta — responzivan sustav koji ne snosi odgovornost i čija je novost sudjelovanje, a ne inteligencija.

Odnos prema teorijama učenja

Filozofija umjetne inteligencije u obrazovanju i Learning Theories komplementarne su leće. Teorije učenja objašnjavaju mehanizme učenja (npr. kako Feedback, Scaffolding ili kognitivno opterećenje oblikuju ishode); filozofija propituje pretpostavke tih mehanizama — što se računa kao znanje, tko se računa kao onaj koji zna i što je učenik u temelju. Posthumanistički i kritičko-filozofski rad posebno izazivaju područje da prijeđe okvire instrumentalizma poput Tehnološko pedagoško sadržajno znanje (TPACK) i SAM-a prema dubljoj ontološkoj preorijentaciji.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)

Odnos prema razvoju teorije

Filozofija umjetne inteligencije u obrazovanju i razvoj teorije u AIED-u komplementarni su, ali različiti. Filozofija postavlja ontološka i epistemološka pitanja — što su um, znanje i učenik u temelju u uvjetima posredovanim umjetnom inteligencijom — dok razvoj teorije proizvodi i empirijski provjerava mehanizme koji operacionaliziraju odgovore na ta pitanja (generativizam, epistemička sudjelotvornost, odsutna kognitivna osnovica). Dvije se struke međusobno obavještavaju: filozofija pojašnjava pretpostavke koje teorije nose (npr. epistemička sudjelotvornost pretpostavlja distribuiran, neindividualistički model kognicije), dok razvoj teorije filozofskim pozicijama daje provjerljiv, opovrgljiv oblik. Najtemeljniji članci u području čine oboje istodobno, nalazeći se na granici dvaju koncepata.

Uobičajene zablude

„Filozofija umjetne inteligencije u obrazovanju isto je što i katalogiziranje teorija učenja.“ One leže na različitim dubinama. Stranica Learning Theories pita kako se učenje događa; filozofija pita što učenje, um i učenik u temelju jesu u uvjetima posredovanim umjetnom inteligencijom. Studija može riješiti pitanje teorije učenja i ostaviti filozofsko pitanje netaknutim, zbog čega tehnički uspješna intervencija ipak može biti pogrešna stvar koju treba činiti.

„Kognitivno rasterećenje je šteta i ono se može poništiti većim trudom.“ Dostupna je snažnija tvrdnja. Bai i Costa (2026) oslanjaju se na Arendtino poimanje mišljenja kao unutarnje, neprenosive aktivnosti kako bi tvrdili da generativna umjetna inteligencija koja isporučuje rad ne samo da rasterećuje mišljenje nego ga zatvara — a rizik smještaju institucionalno, kroz Bourdieuovo polje i habitus, a ne u individualnu volju. Ako argument stoji, „koristite je pažljivo“ nije dovoljan lijek, jer praksu oblikuje polje koje nagrađuje rezultat.

„Nezapadna filozofija sadržaj je koji se dodaje nepromijenjenom okviru.“ Ona može biti izvor drukčijih temelja. Jedna rekonstrukcija daoističke pojmove — „Dao prirodu“ (道性), samooblikovanje (修道) i „Zhenrena“ (真人) — ne tretira kao „istočni sadržaj“ priložen zapadnom okviru, nego kao izvore koji preoblikuju konceptualne temelje kroz koje se razumije umjetna inteligencija u obrazovanju. Dodati tradiciju kao ilustraciju i upotrijebiti je za preokretanje pitanja dva su različita znanstvena čina.

„Filozofska kritika nije primjenjiva.“ Ona postavlja što se računa kao uspjeh. Je li rezultat sustava postignuće učenika i je li izmjereni napredak obrazovno dobro, prethodna su pitanja na koja nijedna veličina učinka ne može odgovoriti — a institucije koje ih preskoče optimizirat će ono što je mjerljivo i nazvati to poboljšanjem.

Implikacije za praksu

Za nastavnike

• Prije nego što usvojite alat, odlučite što ste spremni smatrati vlastitim postignućem učenika. Ako bi uglađen uradak koji je proizveo sustav zadovoljio vašu procjenu, odgovorili ste „ništa“ — i nikakva kasnija promjena rubrike ne vraća to pitanje.
• Uzmite argument o zatvaranju ozbiljno kada osmislite zadatke: ako generativna umjetna inteligencija koja isporučuje rad zatvara mišljenje, a ne samo rasterećuje, tada „koristite je odgovorno“ nije dovoljna zaštita, jer okolno polje nagrađuje rezultat. Osmislite zadatke u kojima dokaz mišljenja nastaje prije nego što je alat dostupan.
• Pitajte čije poimanje učenja vaš kolegij kodira. Nekritično usvajanje okvira prenosi njegove pretpostavke o tome što je učenik, a te su pretpostavke osporive.

Za programere

• Izložite granicu koju ste povukli između pomoći i isporuke i učinite je odlukom o proizvodu, a ne zadanim stanjem. Sustav koji može proizvesti gotov artefakt implicitno je odlučio da je misaoni rad neobavezan.
• Odupirite se optimiziranju za izgled učenja. Tečnost i cjelovitost su mjerljiva svojstva i upravo ona prikrivaju zatvaranje.
• Ako tvrdite da vaš sustav „podupire mišljenje“, navedite što odbija činiti — odbijanje je mehanizam.

Za istraživače i kreatore politika

• Navedite poimanje učenja koje vaša evaluacija pretpostavlja, jer je izmjereni napredak obrazovno dobro samo u odnosu na neko poimanje svrhe obrazovanja.
• Financirajte filozofski rad uz empirijski: pitanja o tome što se računa kao postignuće učenika postavljaju kriterije uspjeha koje empirijske studije zatim upotrebljavaju.

Povezani koncepti

• Learning Theories
• Razvoj teorije u umjetnoj inteligenciji u obrazovanju
• Distributed Cognition
• Ethics
• Djelotvornost učenika
• Embodied Learning
• Critical Pedagogy
• Suradnja čovjeka i umjetne inteligencije
• Kritičko mišljenje
• Umjetna inteligencija u obrazovanju
• Chemistry Education — Kemijsko obrazovanje i umjetna inteligencija: laboratoriji, formativna procjena, granice LLM-ova, filozofija eksperimentiranja

Povezani članci

• Navigating the challenges of Gen-AI in Chinese higher education: Balancing technological innovation with academic integrity and intellectual engagement — Generativna umjetna inteligencija u kineskom visokom obrazovanju: čestitost i angažman
• Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments — Ansambl kognicija: filozofski okvir za kogniciju čovjeka i umjetne inteligencije
• Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — Pedagogical Symbiosis and the Post-Human Learner
• "If You Can't Dance Your Program, You Can't Write It": Challenges and Implications for AI in Education — Utjelovljena, postkognitivistička kritika ne-utjelovljene umjetne inteligencije u obrazovanju
• AI-Mediated Learning and the Restructuring of Interpretive Cognition: A Developmental-Critical Model for Social Sciences and Humanities Education — Razvojno-kritički model interpretativne kognicije u humanističkim znanostima
• Learning with machines: Toward a theory of epistemic co-agency — Epistemička sudjelotvornost kao filozofija učenja sa strojevima
• Can we disrupt the momentum of the AI colonization of science education? — Kritičko-feministička filozofija koja preispituje kolonizaciju obrazovanja umjetnom inteligencijom
• Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory — Generative AI as a Mediational Agent
• Young people, learning, and generative AI: A rapid literature review and implications for PreK-12 education — Ekološko uokvirivanje generativne umjetne inteligencije u znanostima o učenju
• Reimagining the philosophy of experimentation in chemistry education: Embracing AI as a tool for scientific inquiry — Filozofija eksperimentiranja u kemiji s umjetnom inteligencijom
• Framing human-AI dynamics: An epistemological perspective on generative AI practices — Uokvirivanje dinamike čovjeka i umjetne inteligencije: sedam paradigmi angažmana s generativnom umjetnom inteligencijom (Strydom 2026)
• Alternative AI Philosophy: Daoism as Method for AI in Education — Alternative AI Philosophy: Daoism as Method for AI in Education
• Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research — Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research
• Anthropocentrism and learnification: resisting the dominant discourse of human-centred Artificial Intelligence in Education — „Usmjereno na čovjeka“ u AIED-u čitano kao antropocentrični diskurs s komercijalnom upotrebom (Wang i Jin 2026)
• Can Machines Perform Emotional Labor in Education? Tracing Debates in Early Philosophy of Artificial Intelligence — Mogu li strojevi obavljati emocionalni rad? Rasprava od 1950. do 1996. i zašto mimikrija nedovoljno određuje brigu