Kako postupiti s umjetnom inteligencijom u grupnim i suradničkim zadacima?

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

Grupna prezentacija vraća se uglađena i koherentna, a nijedan član ne može objasniti argument u njoj. Ili ocjene izlaze jednake, a poslije saznate da je jedan student cijeli posao proveo kroz generativnu umjetnu inteligenciju, dok su trojica drugih parazitirala na zajedničkoj ocjeni. Ništa u datoteci ne kaže što se od toga dogodilo, a vaša rubrika ima retku o suradnji koju su svi zadovoljili.

Odgovor koji date kolegi: odredite mjesto AI-ja po zadatku, a ne po kolegiju; učinite pregovaranje grupe o AI-ju nečim što predaju i što ocjenjujete; složite rad u slijed koji se ne može razbiti na paralelne sesije s chatbotom; i zadržite barem jednu komponentu na koju svaki član odgovara sam. Sve je to oblikovanje zadatka i ništa od toga nije testirano prema kontrolnoj skupini bez AI-ja, pa iznosite argument o oblikovanju, a ne primjenjujete dokazano rješenje.

Kratka verzija

1. Napišite dopuštenje na razini faze zadatka. Recite koje su faze otvorene za AI, koje nisu i zašto.

2. Zahtijevajte kratak, zajednički napisan iskaz o upotrebi AI-ja koji bilježi što je grupa odlučila ne raditi, i ocijenite obrazloženje.

3. Zaštitite faze u kojima grupa gradi zajedničko razumijevanje: uokvirivanje, neslaganje, usklađivanje.

4. Odaberite konfiguraciju pristupa namjerno. Jedno zajedničko sučelje daje pregovaranu, vidljivu upotrebu; privatno upućivanje upita daje tokove koje ne vidite.

5. Zadržite jednu komponentu na koju svaki član odgovara sam i neka to bude razumijevanje, a ne autorstvo.

6. Pročitajte suzdržanost grupe prije nego je ispravite. Odustajanje od AI-ja može biti namjerna samoregulacija ili puko nepoznavanje.

Napišite dopuštenje po fazama, a ne po kolegiju

Chen i Zou (2026.) proučavali su grupe od tri do pet članova koje su izlagale prezentaciju vrijednu 30% ocjene, prema institucionalnoj politici „koristi samo uz izričito priznanje“. Generativna umjetna inteligencija (GenAI) bila je dopuštena za stvaranje ideja, jezično dotjerivanje, vizualni izgled i izradu scenarija. Unutar te jedne permisivne politike grupe su došle do suprotnih zaključaka, s obranjivim obrazloženjem na svakoj strani, a oblikovanje zadatka utjecalo je na to do kojeg će zaključka grupa doći. Studija obuhvaća 52 buduća nastavnika u jednom kolegiju, a autori traže da se njihovi obrasci čitaju kao mogući odgovori na oblikovanje, a ne kao distribucija koju treba očekivati. Pravilo na razini kolegija ne određuje što grupa radi.

Zato napišite dopuštenje na razini artefakta. Imenujte faze koje su otvorene za AI i faze koje treba razraditi bez njega i recite studentima zašto granica stoji ondje. Logika oblikovanja iz pregleda opsega pokazuje u istom smjeru: ako komunikacija posredovana AI-jem sabija pregovaranje i kolektivno stvaranje smisla, onda su segmenti u kojima grupa gradi zajedničko razumijevanje upravo oni koje vrijedi zaštititi (Wei i Perkins, 2026.).

Budite iskreni o osnovi na sastanku osoblja. Nijedan pregled ne tvrdi da uskraćivanje AI-ja poboljšava ishode učenja. Taj argument počiva na strukturi razmjene opisane u nastavku, a ne na izmjerenoj usporedbi.

Neka grupa preda svoje pregovaranje o AI-ju

Središnji argument Chen i Zou o oblikovanju jest da pregovaranje o prihvatljivoj upotrebi GenAI-ja treba i samo postati izričit ishod koji se ocjenjuje. Timovi trebaju zajednički obrazložiti i dokumentirati kako će se GenAI koristiti i kako neće, umjesto da normu prepuste vršnjačkom pritisku ili percipiranom riziku. Taj artefakt postoji samo ako je grupa doista razgovarala, i upravo zato vrijedi bodova: pretvara neprovedivo pravilo u prosudbu studenata koja se može pregledati.

Dva razloga objašnjavaju zašto grupe pojačavaju upotrebu i oba razumno odgovaraju na zajedničku ocjenu. Izvedba: studenti su čitali kriterije i vršnjačka mjerila pa su koristili AI da zaštite svoj dio ocjene. Percipirana sigurnost kroz norme: permisivna kolektivna klima snizila je osjećaj rizika od zloupotrebe, pa su grupe koristile alat otvorenije i, u slučaju usmjerenom na suradnju, ovisnije. Ako želite transparentnost, izrečena norma u učionici djelotvornija je od upozorenja.

Tražite i negativno, ne samo pozitivno. Izjava koja bilježi što je grupa odlučila ne raditi i zašto kaže vam više od popisa alata. Ona također daje grupi koja se ne slaže mjesto gdje taj nesklad može staviti, a to je obično već obavljen najteži dio.

Ne pretpostavljajte da dokument odražava zajedničko razumijevanje. Korchak, Costley i Fanguy (2026.) intervjuirali su 10 poslijediplomskih studenata u dobi od 23 do 39 godina (prosjek 27,7) na kolegiju znanstvenog pisanja, gdje su grupe koristile GenAI kroz unaprijed planirane strategije ili kroz otvorene, pojedinačno vođene interakcije usklađene u zajedničkim dokumentima. Jedna posebna upotreba bio je GenAI kao urednički integrator koji spaja paralelne odjeljke u koherentan tekst. Njihovo najoštrije zapažanje: izjave studenata ponekad su proturječile njihovim vlastitim pisanim osvrtima, a jedan je student zanijekao da grupa ima strategiju dok ju je opisivao u pisanom obliku. Strategija koja nije jednako vidljiva svakom članu nije pouzdano vidljiva ni vama.

Složite rad tako da se ne može podijeliti

Wei i Perkins (2026.) proveli su pregled opsega vođen smjernicama PRISMA na 18 studija na engleskom jeziku objavljenih između siječnja 2023. i ožujka 2025., analiziranih refleksivnom tematskom analizom i preslikanih na osam tema. Koristi koje navode jesu razvoj grupnog znanja, stvaranje ideja, potpora refleksivnom mišljenju, učinkovitost komunikacije, koordinacija zadataka i povratne informacije. Rizici su smanjena vršnjačka interakcija i angažman pod pretjeranim oslanjanjem, uz pitanja privatnosti, transparentnosti i točnosti. Njihova je procjena izravna: koristi su empirijski poduprte, dok se rizici oko privatnosti, transparentnosti, pristranosti i točnosti uglavnom raspravljaju konceptualno, a velik dio istraživanja kratkoročan je ili konceptualan, s malo longitudinalnog rada o grupnoj dinamici ili kognitivnom razvoju.

Razmjena određuje oblikovanje. Grupni rad postao je učinkovitiji, sa smanjenim zahtjevom za komunikacijom, pregovaranjem i kolektivnim stvaranjem smisla, nalaz koji pregled preuzima od Lin i suradnika. Dobitak u učinkovitosti i gubitak u interakciji mogu biti isti mehanizam, što znači da ne možete uzeti brzinu bez gubitka, osim ako pregovaranje ne ugradite natrag kao obvezan rad. Pregled zaključuje da grupna procjena treba premjestiti fokus s proizvoda na proces.

Chen i Zou pokazuju kako je to teško postići slučajno. Tri obrasca agentnosti tekla su istodobno u različitim smjerovima. Agentnost usmjerena na suradnju (pet grupa) pojačala je upotrebu da bi rad ostao na okupu, često unoseći doprinose kolega u chatbot da bi ih razlučila i uskladila svoj dio; jedna je grupa obnovila svoj tijek rada kao raspravu, iznošenje u GenAI, zajednički pregled i ponovnu raspravu. Normativna agentnost (sedam grupa) namjerno je suzdržavala upotrebu, bilo prosuđujući da zadatak traži situirano znanje do kojeg AI ne može doći („AI zna samo onaj trenutak kad upišete“), bilo smatrajući odjeljke koje je generirao AI nepravednima prema kolegama koji bi ih nosili. Neostvarena agentnost (tri grupe) nije promijenila ništa: rad se razdijelio na zasebne podzadatke na pojedinačnim platformama, dok su pojedini studenti koristili GenAI na načine koje nikada nisu prenijeli timu.

Njihova je rubrika već zahtijevala integraciju i koherentnost pod multikulturalnom temom, refleksivni uvid svakog člana vezan uz njegov vlastiti doprinos u učionici i dokazanu grupnu suradnju. Tri grupe ipak su podijelile i osvojile. Kriterij koherentnosti sam po sebi ne proizvodi suradnju, pa promijenite slijed, a ne formulaciju: stavite barem jednu fazu u kojoj cijeli tim mora biti u istom razgovoru i učinite rezultat te faze predmetom predaje.

Stavite jedno sučelje u središte i odaberite ga namjerno

Xu i sur. (2026.) promatrali su 18 studenata u šest grupa po tri člana kako rade na jednom zajedničkom sučelju ChatGPT-4 otprilike 45 minuta i intervjuirali još devet studenata o asinkronom timskom radu. Sa zajedničkim, vidljivim sučeljem timovi su suizgrađivali kolektivne upite, prolazili ponavljajući ciklus izbaci, procijeni i ugradi, tretirali razgovor kao zajedničku vanjsku memoriju i otvoreno pregovarali o ulozi AI-ja. U asinkronom radu privatno upućivanje upita i uklanjanje oznaka s rezultata proizveli su neprozirne, privatizirane tokove informacija koji su povećali trošak održavanja zajedničkog kognitivnog modela. Uloga GenAI-ja također se pomaknula, od podređenog pomoćnika do spornog člana tima, a sustav je kognitivno uključen dok ostaje kontekstualno nesvjestan toga kamo se fokus tima pomiče.

Praktična razlika je u tome je li upit grupni artefakt. Zajednički dokument s upitima i rezultatima daje vama nešto za čitanje, a grupi nešto s čime se može raspravljati. Privatno upućivanje daje svakom članu drugog pomoćnika i nikakav zajednički zapis.

Zadržite dio na koji svaki član odgovara sam

Uparite grupnu ocjenu s pojedinačnom komponentom: usmenom obranom vlastitog razumijevanja ili pisanim objašnjenjem bilo kojeg odjeljka koji student nije sastavio. To je i iskren odgovor na problem besplatnog jahača, jer ocjenjuje razumijevanje, a ne autorstvo, a razumijevanje je ono za što je grupna ocjena oduvijek bila posredna mjera.

Martínez-Peláez i sur. (2025.) pregledali su 203 studije iz 2023. i 2024. u kolekciji Web of Science Core Collection i uključili 22 prema protokolu PRISMA 2020 registriranom u PROSPERO. Opisuju LLM-ove kao katalizatore suradnje: stvaranje ideja, organizaciju, vršnjačke povratne informacije, simulirane procjene prema rubrikama i stručne recenzije, te niže barijere sudjelovanja. Za rješavanje problema navode pomoć s alternativnim rješenjima, interdisciplinarnim perspektivama i autentičnim scenarijima. Bilježe i korisnu inverziju: LLM-ovi često daju nepotpune ili netočne odgovore, što potiče studente da materijal preispitaju, provjere i poboljšaju. Ta razmjena je ono što treba slušati na pojedinačnoj kontrolnoj točki.

Njihova ograničenja idu uz citat: jedna baza podataka, samo članci iz časopisa, nikakva pažnja etici ili privatnosti, prve dvije godine tehnologije i nikakav primijenjen instrument za rizik od pristranosti. Čitajte „katalizatori“ kao opis opažene prakse, a ne kao izmjereni ishod.

Otkrivanje je pogrešan instrument za razvrstavanje pojedinačnih doprinosa: nijedna od ovih šest studija ne testira detektore u grupnim uvjetima, a problemi detekcije na razini pojedinca dokumentirani su drugdje u ovoj bazi znanja. Suzdržanost treba protumačiti prije nego je ispraviti. Chen i Zou upozoravaju da grupa koja odbija AI može izbjegavati nešto nepoznato, a ne provoditi namjernu samoregulaciju, i ta dva slučaja traže različite odgovore: jedan je problem poučavanja, drugi je promišljena pozicija koju možete ocijeniti.

Simulirani kolege također ne rješavaju pitanje. Fang (2026.) fino je podesio LLM agente na dijalogu stvarnih sudionika (LoRA/QLoRA adapteri na LLaMA 3.2-3B) kako bi modelirao 48 sudionika kroz 3.824 izmjene i šest tematskih kodova, a zatim je usporedio stvarni i simulirani diskurs epistemskom mrežnom analizom. Simulirana mreža dosegnula je udaljenost 0,17 od empirijske mreže, ispod praga 0,30, uz p-vrijednost permutacije 0,65, statistički nerazlučivo, iako je neznatno prenaglasila veze tehničkih ograničenja i oblikovanja te podzastupila parametre podataka i izvedbe. To je rad o okviru srednje pouzdanosti i podupire jednu tvrdnju: agenti specifični za sudionika mogu reproducirati realističan suradnički diskurs. Ne pokazuje da studenti više nauče od simuliranih kolega.

Što nastavnici i administracija ovdje rade pogrešno

Jasna politika kolegija rješava što grupe rade. Chen i Zou gledali su grupe kako unutar jedne permisivne politike dolaze do suprotnih zaključaka. Odlučili su zadatak, rubrika i vlastito čitanje rizika u grupi.

Kriterij suradnje proizvodi suradnju. Njihova rubrika imenovala je integraciju, koherentnost i dokazanu suradnju, a tri su grupe ipak razdijelile rad i ponovno ga sastavile. Kriteriji opisuju proizvod; slijed proizvodi interakciju.

Stvarni problem grupnog rada je besplatno jahanje, a AI ga pogoršava. Nijedna studija ovdje ne pokazuje da je AI pogoršao besplatno jahanje ni da ga neka intervencija smanjuje. Pritužba na nepravednost starija je od alata: suzdržani studenti Chen i Zou smatrali su generiranje vlastitog odjeljka pomoću AI-ja nepravednim prema kolegama koji bi ga nosili, a logika izvedbe pokazuje studente kako štite svoj dio zajedničke ocjene. Pojedinačna odgovornost i vidljiv proces obranjivi su po osnovi oblikovanja, ali nisu dokazana rješenja.

Više AI-ja u grupnom radu znači bolju suradnju. Martínez-Peláez i sur. opisuju stvarne potpore, a Wei i Perkins nalaze da je strana koristi empirijski poduprta, dok strana rizika ostaje uglavnom konceptualna. Najoštrije upozorenje u pregledu jesu randomizirani dokazi koji pokazuju da je AI proizveo inovativnije prijedloge bez značajnog povećanja ukupne inovativnosti sudionika, uz homogenizaciju ideja i poticanje kognitivnog rasterećenja. Ni dobitci izmjereni tijekom grupnog rada uz AI nisu pokazali da se prenose na suradnju bez alata.

Zajednički dokument znači zajednički proces. Korchak, Costley i Fanguy našli su izjave koje su proturječile pisanim osvrtima i strategije koje nije vidio svaki član. Tražite dnevnik odluka, a ne mapu.

Otkrivanje vam može reći tko je što napravio. Nijedna od ovih studija ne testira ga u grupnom okruženju, a grupni je artefakt za njega najgori slučaj: više autora, jedna datoteka i povijest revizija koju zajednički račun izravnava.

Prigovori koje ćete čuti

„Grupni rad je već nepravedan, a AI ga pogoršava.“ AI mijenja oblik problema, a pritužba na nepravednost bila je unutar grupe i prije nego što je itko otvorio chatbot. Novo je to kako jeftino član može sam proizvesti uvjerljiv odjeljak. Pojedinačna kontrolna točka uz vidljiv proces ima za sobom obrazloženje o oblikovanju. Ni za jedno ni za drugo nije pokazano da smanjuje besplatno jahanje.

„Imam 300 studenata. Ne mogu voditi usmene obrane.“ Onda ih ne vodite 300. Stavite pojedinačno objašnjenje u pisanom obliku za sve, a usmene provjere uzorkujte ondje gdje predani rad ne odgovara ranijem radu. Poanta je da svaki član zna da je razgovor moguć.

„Ne mogu ocjenjivati proces.“ Već ocjenjujete njegovu posrednu mjeru i rezultat nazivate kvalitetom proizvoda. Ocijenite artefakt koji postoji samo ako se proces dogodio: pregovarani iskaz o upotrebi AI-ja, dnevnik odluka, kratko pojedinačno objašnjenje. Sva tri su omeđena i provjerljiva, a retke rubrike nisu ništa neodređenije od onih koje već pišete za koherentnost.

„Studenti će privatno upućivati upite što god propisali.“ Neki hoće, i zato zajedničko sučelje i predani iskaz nose više težine od pravila. Xu i sur. našli su da je vidljivo zajedničko sučelje promijenilo što timovi rade s alatom, a Chen i Zou da je permisivna klima povećala otvorenu upotrebu. Ono što ne možete jest zaključiti o privatnom slučaju iz grupne datoteke, pa oblikujte za vidljivi.

„Nije li to pitanje politike za katedru?“ Katedra može postaviti zadanu vrijednost. Ne može složiti slijed vašeg zadatka. Nalaz Chen i Zou jest da je ista institucionalna politika proizvela različito grupno ponašanje ovisno o zadatku, što odluku stavlja u vaše ruke htjeli vi to ili ne.

Što učiniti ovaj tjedan

1. Dodajte polustranični, zajednički napisani iskaz o upotrebi AI-ja sljedećem grupnom zadatku i dajte bodove za obrazloženje. Uključite retku o tome za što je grupa odlučila da AI neće koristiti.

2. Nađite fazu zadatka koja se može razrezati na neovisne dijelove i ponovno sastaviti. Presložite tako da jedna faza zahtijeva cijeli tim istodobno i neka ta faza proizvede nešto što prikupljate.

3. Dodajte jednu pojedinačnu kontrolnu točku u rubriku: kratko pisano objašnjenje odjeljka koji student nije sastavio ili dvominutnu usmenu obranu.

4. Imenujte segmente bez AI-ja u zadatku i recite zašto su bez AI-ja, jednom rečenicom za svaki.

5. Odlučite gdje će upiti živjeti. Ako je odgovor „gdje god ih svaki student drži“, odabrali ste privatno upućivanje upita, a da to niste rekli.

Kamo dalje

Grupni rad i suradničko učenje nose temeljne dokaze o grupnoj procjeni i o tome što suradnju čini produktivnom. Politika kolegija o AI-ju pokriva formulacije na razini kolegija koje studenti doista čitaju, Redizajn procjene u doba AI-ja pokriva redizajn procjene unutar kojeg ovo stoji, a akademska čestitost mjesto je na kojem se obrađuje strana nepoštenja.