AI w edukacji

Tłumaczenie automatyczne tej strony z języka angielskiego, jeszcze nie sprawdzone przez rodzimego użytkownika języka.

AI w edukacji (AIED) — szeroka, interdyscyplinarna dziedzina, która stosuje sztuczną inteligencję do nauczania i uczenia się oraz bada jej projektowanie, zastosowanie, ocenę i konsekwencje. Jako parasolowa koncepcja bazy wiedzy, AI w edukacji obejmuje SI dla edukacji (wykorzystywanie SI do doskonalenia nauczania i oceniania) oraz edukację o SI (rozwój umiejętności krytycznego myślenia o SI i krytycznego rozumienia SI). Znajduje się ona na przecięciu technologii instruktorskich, nauk o uczeniu się — empirycznego pola badawczego, które pyta, czy uczeń się zmienił, a nie tylko czy zadziałało narzędzie — informatyki, polityki edukacyjnej, etyki oraz równości. Ta strona jest wprowadzeniem do dziedziny i mapą wszystkich koncepcji poruszanych w bazie wiedzy.

Pytania do rozważenia

• „AI w edukacji" obejmuje dwa kierunki: SI dla edukacji (wykorzystywanie SI do doskonalenia nauczania) oraz edukację o SI (budowanie umiejętności w zakresie SI i krytycznego rozumienia). Który z nich jest Ci bliższy, a który masz tendencję do przeoczania?
• Historia dziedziny jest ukazana jako powracające napięcie między kontrolą a sprawczością ucznia. Obserwując wdrażanie narzędzi AI, gdzie dostrzegasz dziś to samo napięcie?
• AI w edukacji leży na przecięciu technologii, nauk o uczeniu się, polityki, etyki i równości. Której z tych perspektyw używasz naturalnie, oceniając narzędzie AI — a którą najprawdopodobniej zapomnisz?
• Ta baza wiedzy organizuje dziedzinę w nurty: pedagogika, teorie uczenia się, technologie, dyscypliny, ocenianie, informacje zwrotne, interesariusze i zarządzanie. Gdybyś mapował własne korzystanie z AI, w którym nurcie znalazłbyś się?
• AIED obejmuje nauczanie uczniów krytycznego korzystania z SI jako cel sam w sobie. W Twoim kontekście AI jest traktowane bardziej jako przedmiot nauczania czy jako narzędzie do użycia — i czy ta równowaga odzwierciedla to, czego uczniowie faktycznie potrzebują?
• Uczniowie mogą rozwijać umiejętności w zakresie SI poprzez krytyczne korzystanie z SI, a nie tylko przez naukę o SI. Jak praktyczne, krytyczne użytkowanie może budować zrozumienie, którego nie daje nauka bierna?

Wprowadzenie

AI w edukacji to parasol, który wszystkie pozostałe strony koncepcyjne definiują łącznie. Baza wiedzy organizuje dziedzinę w główne nurty opisane poniżej, z których każdy linkuje do odpowiednich stron koncepcyjnych.

Przełomowa historyczna perspektywa autorstwa Mishra i wsp. śledzi AIED od cybernetyki i konferencji w Dartmouth w 1956 r., przez korepetytory poznawcze i Papertowski konstrukcjonizm, argumentując, że dzisiejsze debaty o GenAI odtwarzają fundamentalne napięcie kontroli kontra sprawczość właściwe tej dziedzinie.

Jak jest zorganizowana baza wiedzy: strony parasolowe

Pokrycie koncepcyjne bazy wiedzy zakotwiczone jest w kilku stronach parasolowych, które grupują pokrewne koncepcje w nawigowalne nurty. To dobre punkty wejścia do odkrywania dziedziny:

• AI w edukacji — ta strona: przegląd dziedziny i mapa całego jej pokrycia.
• Kompetencje w zakresie SI (AI literacy) — parasol dla zrozumienia, używania i krytycznej oceny SI, obejmujący inżynierię promptów, myślenie krytyczne, etykę SI oraz odpowiedzialne korzystanie. Obok niej współpraca człowiek–SI i SI agentowa opisują, jak ludzie i SI pracują razem.
• Pedagogika i strategie nauczania — parasol dla tego, jak dzieje się nauczanie: metody i strategie nauczania, w których działa SI (aktywne, współpracujące, projektowe, oparte na problemach, doświadczalne, oparte na grach, sokratejskie, rusztowanie i inne), w tym odrębny kontekst nauczania i uczenia się online.
• Teorie uczenia się — parasol dla tego, jak dzieje się uczenie się: teoretyczne ramy (behawioryzm, poznawczy, konstruktywizm, społeczno-kulturowy, poznawczy, motywacyjny), które kształtują projektowanie i ocenę SI.
• Technologie — parasol dla warstwy technicznej: systemy SI (LLM-y, generatywna SI, multimodalność, robotyka) i techniki (RAG (Retrieval-Augmented Generation), inżynieria promptów, uczenie ze wzmocnieniem, trenowanie modeli, orkiestracja agentowa), które napędzają AIED. Rodzina modelowania ucznia — śledzenie wiedzy, diagnoza poznawcza, symulowanie uczniów oraz systemy je wykorzystujące (inteligentne tutory, uczenie adaptacyjne, uczenie spersonalizowane) — zgrupowana jest pod parasolem Modelowanie ucznia i nauczanie adaptacyjne w obrębie tego nurtu technicznego.
• SI w dyscyplinach — parasol dla tego, jak SI jest stosowana w poszczególnych obszarach przedmiotowych (matematyka, fizyka, nauka języków, informatyka, pisanie, STEM, inżynieria, biznes, edukacja nauczycieli, zawody medyczne i inne) — oraz, poza przedmiotami akademickimi, zawodowy i stosowany nurt, który ocenia wykazaną praktykę, a nie poprawność (pielęgniarstwo, technologie informacyjne, edukacja zawodowa i szkolenia, edukacja w dziedzinie projektowania) — oraz poziomy edukacyjne (K-12, szkolnictwo wyższe, uczenie się dorosłych).
• Ocenianie (z nuatami formującym, podsumowującym, autentycznym, ustnym i zautomatyzowanym) — parasol dla tego, jak SI zarówno ocenia uczniów, jak i przekształca wiarygodność oraz uczciwość oceniania.
• Informacje zwrotne — parasol dla tego, jak informacje zwrotne są generowane, przekazywane i używane: pętla informacji zwrotnych, jakość informacji zwrotnych SI, kompetencja odbioru informacji zwrotnych oraz jej konteksty oceniania (formujące, między rówieśnikami, zautomatyzowane).
• Interesariusze w edukacji z udziałem SI — parasol dla tego, kim są aktorzy: uczniowie, nauczyciele, projektanci uczenia się, administratorzy oraz twórcy polityki.
• Ocena SI w edukacji i metody badawcze — parasole dla tego, jak wiemy, czy SI działa: badania skuteczności, benchmarki, randomizowane badania kontrolowane, metaanaliza oraz zyski w nauce jako kluczowa miara wyników. Czytelnicy powinni też rozważyć przecinające te badania ograniczenia tego materiału dowodowego.
• Zarządzanie SI, polityka edukacyjna w zakresie SI oraz równość — parasole dla warstwy instytucjonalnej, regulacyjnej i sprawiedliwościowej (zobacz też regulacje i prywatność).

Te strony parasolowe są linkowane w całych poniższych sekcjach; każdy z nurtów wymienia zarówno swój parasol, jak i tworzące go koncepcje.

Dwa wymiary SI w edukacji

Badania nad SI w edukacji obejmują dwa współzależne kierunki:

• SI dla edukacji — wykorzystywanie systemów SI do wzmacniania nauczania, uczenia się, oceniania i administrowania. Obejmuje to korepetycje SI, uczenie adaptacyjne, uczenie spersonalizowane, automatyczne ocenianie wypracowań, automatyczne generowanie pytań, automatyczne ocenianie, ocenianie formujące, analitykę uczenia się oraz pętle informacji zwrotnych.
• Edukacja o SI — nauczanie uczniów i pedagogów rozumienia, używania i krytycznej oceny SI. Rdzeniem są kompetencje w zakresie SI (AI literacy), wspierane przez inżynierię promptów, myślenie krytyczne, etykę SI, edukację w zakresie zarządzania, kompetencje cyfrowe oraz odpowiedzialne korzystanie.

Te dwa wymiary nie są odrębne: dobre korzystanie z SI wymaga jej rozumienia, a nauczanie o SI wzbogaca się przez jej używanie. Ta współpraca człowiek–SI jest centralnym tematem.

Fundamenty SI w edukacji

Przecinające i fundamentalne koncepcje dziedziny zakotwiczone są w pokryciu bazy wiedzy i pojawiają się jako pierwsze w panelu bocznym. Otwiera je grupa Podstawy — koncepcje, od których każdy czytelnik powinien zacząć: sam parasol, błędne wyobrażenia o SI, kompetencje w zakresie SI, SI agentowa, odciążanie poznawcze, to, jak korzystanie z SI jest ramowane dla uczniów, redukcja niewłaściwego korzystania z SI, uczciwość akademicka, nauczanie, projektowanie uczenia się oraz rozwój edukacyjny. Nurt dziedzina obejmuje następnie historię dziedziny, przecinające ograniczenia bazy dowodów, jej filozofię, mapę teorii i ram oraz rozwój teorii. Przechodzące przez wszystko motywy — współpraca człowiek–SI, sprawczość ucznia, tożsamość ucznia, myślenie projektowe, projektowanie programu nauczania, myślenie krytyczne oraz myślenie obliczeniowe — przenikają każdy nurt, ponieważ niedokładne modele mentalne, jakie ludzie mają o SI, leżą u źródła niewłaściwego korzystania i nie skalibrowanego zaufania.

Uczenie się i nauczanie

To, jak SI wspiera nauczanie i uczenie się, jest sercem dziedziny. Kluczowe koncepcje to:

• Podstawowe pedagogiki: pedagogika i strategie nauczania — parasol dla pokrycia metod nauczania w bazie wiedzy — wraz z wzorcami pedagogicznymi (wypróbowane sekwencje, w jakie te metody się sprowadzają), nauką aktywną, nauką wspólpracującą, pracą grupową, nauką projektową, nauką opartą na problemach, produktywną porażką, nauką opartą na dociekaniu, nauką doświadczalną, nauką opartą na grach, nauką przez nauczanie, rusztowaniem, metodą sokratejską, pedagogiką krytyczną, partnerstwami pedagogicznymi, opowiadaniem historii, projektowaniem uczenia się, nauczaniem i uczeniem się online oraz wideo w edukacji.
• Teorie i procesy uczenia się: parasol teorii uczenia się (behawioryzm, poznawczy, konstruktywizm, społeczno-kulturowy, poznawczość rozproszona, uczenie sytuowane, uczenie wcielone, społeczność dociekliwości) leży obok procesów skierowanych do ucznia, takich jak uczenie samoregulowane, teoria samostanowienia, motywacja, poczucie własnej skuteczności, uczenie samokierowane, metapoznanie, pożądane trudności, transfer uczenia się, wiedza wstępna, zaangażowanie poznawcze ICAP, tekst obalający, odtwarzanie, rozłożenie w czasie i przeplatanie oraz teoria aktywności.
• Zaangażowanie i doświadczenie ucznia: zaangażowanie uczniów, poszukiwanie pomocy, uczenie społeczno-emocjonalne, dobrostan, kreatywność, rozwiązywanie problemów, uczenie mistrzowskie oraz interakcja uczeń–SI kształtują to, jak uczniowie faktycznie spotykają SI i jak są przez nią dotknięci, podczas gdy normy społeczne, jakie kształtują się wokół korzystania z SI, decydują o tym, jak otwarcie można o tym rozmawiać. Poza kursem wsparcie i sukces ucznia obejmuje pracę po stronie instytucjonalnej — doradztwo, dotarcie do uczniów, skierowania i alokację skąpych zasobów wsparcia — gdzie SI wiarygodnie przesuwa ukończenie zadań, ale nie wytrwałość ani uzyskanie dyplomu.

Technologie i techniki

Strona Technologie jest parasolem dla warstwy technicznej:

• Modele i techniki: generatywna SI, duże modele językowe, generowanie wspomagane wyszukiwaniem, modele multimodalne, edukacyjne NLP, uczenie ze wzmocnieniem, grafy wiedzy, roboty w edukacji, konwersacyjna SI, symulacja oraz trenowanie i dostrajanie LLM-ów. Znaczenie mają też leżące u podstaw metody: uczenie maszynowe to miejsce, gdzie te systemy są budowane, technologie mowy i głosu przenoszą korepetycje ustne i ćwiczenia językowe, wizualizacja obejmuje pulpity nawigacyjne i analitykę wizualną dla uczniów i nauczycieli, a rzeczywistość wirtualna i rozszerzona hostuje praktykę immersyjną, której warstwę wizualną model może teraz generować. Tu pasują też nowsze style interakcji — przede wszystkim vibe coding, przepływ pracy napędzany językiem naturalnym, w którym użytkownik określa program poprzez promptowanie LLM-u i ocenia wynikowe zachowanie, zamiast czytać lub edytować kod źródłowy. Przekłada to programowanie na akt ekspresji i weryfikacji i obniża próg dla użytkowników końcowych budujących własne narzędzia. Ramy głębokości integracji, takie jak SAMR, i teorie adopcji, takie jak TAM, klasyfikują, jak głęboko SI jest wdrażana i jak bardzo przekształca zadanie.
• Modelowanie ucznia i systemy adaptacyjne: techniczne systemy reprezentujące ucznia i adaptujące się do niego zgrupowane są pod parasolem Modelowanie ucznia i nauczanie adaptacyjne — śledzenie wiedzy, diagnoza poznawcza, symulowanie uczniów, inteligentne tutory, uczenie adaptacyjne, uczenie spersonalizowane, systemy rekomendacyjne i ścieżki uczenia się, agenci pedagogiczni, korepetycje afektywne, informatyka afektywna, SI z człowiekiem w pętli oraz analityka uczenia się. Leżą one na warstwie technicznej, ponieważ same są systemami SI, odrębnymi od pedagogik, które realizują.

SI w dyscyplinach

SI jest stosowana w różnych dyscyplinach i na różnych poziomach edukacyjnych. Przegląd AIEd w dyscyplinach bazy wiedzy mapuje pokrycie obszarów przedmiotowych — obok nauk o uczeniu się, które nie są nauczanym przedmiotem, lecz przekształcającym je polem badawczym, które bada samo uczenie się i traktuje treść przedmiotową jako jedną zmienną wśród innych:

• Obszary przedmiotowe: matematyka, fizyka, chemia, biologia, informatyka, inżynieria, STEM, pisanie, nauka języków, edukacja językowa (EAP/EFL/ESL), edukacja przyrodnicza, biznes, ekonomia i zarządzanie, humanistyka i nauki społeczne, edukacja artystyczna, projektowa i medialna, zawody medyczne i zdrowotne, edukacja prawnicza oraz zawodowe i stosowane nurty — pielęgniarstwo, technologie informacyjne, edukacja zawodowa i szkolenia oraz edukacja w dziedzinie projektowania.

Poziomy i konteksty

To samo narzędzie SI spotyka bardzo różne konteksty, a baza wiedzy oddziela poziom edukacyjny od pedagogiki, aby ustalenia nie przenosiły się po cichu między nimi: szkoły K-12, edukacja wczesnoszkolna i podstawowa, szkolnictwo wyższe, uczenie się dorosłych, edukacja zawodowa i szkolenia, edukacja specjalna oraz edukacja nauczycieli. Pokrewne z domeną koncepcje przechodzące przez poziomy to uniwersalne projektowanie dla uczenia się, neuroróżnorodność, uczenie wielojęzyczne oraz uczenie społeczno-emocjonalne.

Ocena i pomiar

SI przekształca zarówno to, jak oceniamy uczniów, jak i to, jak oceniamy same systemy SI:

• Ocena i informacje zwrotne: ocenianie, ocenianie formujące, ocenianie podsumowujące, ocenianie autentyczne, e-portfolio, informacje zwrotne i kompetencja odbioru informacji zwrotnych, jakość informacji zwrotnych SI, ocena między rówieśnikami, ocena ustna, ocena zautomatyzowana, automatyczne ocenianie wypracowań oraz automatyczne generowanie pytań. Ponieważ model może teraz na żądanie wyprodukować wiarygodne, gotowe dzieło, baza wiedzy wysuwa na pierwszy plan kompetencję, która pozostaje własnością ucznia: sąd oceniający, zdolność oceny jakości własnej pracy, pracy rówieśników i wyników SI według uzasadnionych kryteriów. To konstrukt, na którym zbiegają się kilka badań nad informacjami zwrotnymi i ocenianiem autentycznym — warunek hybrydowy przewyższający bezpośrednie informacje zwrotne SI w eksperymencie wieloosiowym, luka w trwałości w formującym ocenianiu przez SI oraz praktyczny ruch w kierunku oceny decyzji podejmowanych przez uczniów, a nie tylko artefaktu — i to kluczowy powód, dla którego przeprojektowanie ery SI przesuwa się od wykrywania w stronę zadań, których uczciwość przetrwa weryfikację. Praca grupowa jest podobnie oceniana zarówno pod kątem procesu, jak i produktu, gdzie zespoły muszą negocjować, czyje i jakiego rodzaju zaangażowanie SI uznaje się za dopuszczalne.
• Pomiar i wiarygodność: wiarygodność oceny, psychometrycznie świadoma SI, pomiar edukacyjny, teoria odpowiedzi na pozycje, miary samooceny (instrument za dużą częścią tego materiału dowodowego i nawracające ograniczenie), wykrywanie SI, zdalny nadzór egzaminacyjny oraz uczciwość akademicka.

Metody badawcze i ocena

To, jak wiemy, czy SI działa, jest odrębnym nurtem, i baza wiedzy traktuje go jako taki:

• Metody badawcze: metody badawcze w AIED jako parasol, z podejściami jakościowymi, ilościowymi, metod mieszanych, opartymi na projektowaniu oraz użytecznościowymi, plus randomizowane badania kontrolowane, metaanaliza i przegląd systematyczny oraz analiza sieciowa.

Własna praca badawcza dziedziny jest teraz samodzielnym przedmiotem. Badania edukacyjne wspomagane przez SI obejmują SI używaną jako instrument do wyszukiwania literatury, selekcji, jakościowego kodowania, analizy i pisania, w tym badania praktyków, takie jak scholarship of teaching and learning. Pozostaje odrębne od projektów używanych do badania tego, co SI robi uczniom.

• Ocena systemów SI: ocena SI w edukacji i benchmarki do oceny zdolności systemu, z zyskami w nauce jako wynikiem, który ma znaczenie, oraz przecinającymi ograniczeniami tego materiału dowodowego i sposobem czytania pojedynczego badania jako przestrogą.

Ludzie

SI w edukacji zmienia role każdego interesariusza. Strona Interesariusze w edukacji z udziałem SI bazy wiedzy jest parasolem obejmującym ich wszystkich:

• Uczniowie: doświadczenie ucznia, rozwój kariery i gotowość oraz lęk i stres związane z SI kształtują to, jak uczniowie spotykają SI.
• Rodziny i społeczności: rodzice i rodziny to odbiorcy, do których szkoły najczęściej zwracają się w sprawach SI, i ci, za których wskazówkami stoi najmniej badań, więc ich obawy należą do obrazu interesariuszy, a nie poza nim.
• Nauczyciele i ramy nauczania: kompetencje nauczycieli w zakresie SI, technologiczno-pedagogiczna wiedza przedmiotowa (TPACK), SAMR oraz rozwój edukacyjny dotyczą przygotowania i wsparcia pedagogów.
• Twórcy: Educational Technology Developers — projektanci produktów, programiści, inżynierowie uczenia się i projektanci analityki, którzy zamieniają zdolność modelu w coś, co instytucja może nabyć. Są odrębną odbiorcą od praktyków i administratorów wymienionych powyżej i znajdują się poza instytucjami przyjmującymi ich narzędzia, dlatego wartości domyślne, współprojektowanie i utrzymanie po zakończeniu finansowania pojawiają się w tej bazie wiedzy jako pytania pedagogiczne, a nie komercyjne.

Instytucje i polityka

Warstwa instytucjonalna to miejsce, gdzie decyzje dotyczące SI są faktycznie podejmowane i bronione: administratorzy i liderzy instytucjonalni, polityka edukacyjna w zakresie SI, zarządzanie SI, zarządzanie zmianą jako praca polegająca na utrwaleniu wdrożenia, regulacje SI oraz pytania o zamówienia publiczne i platformy wynikające z adopcji technologii, oprogramowania open source i platform edtech, obok uczenia się zawodowego i uczenia się przez całe życie oraz szkolenia zawodowego.

Równość, etyka i odpowiedzialne korzystanie

Sprawiedliwość, dostęp i odpowiedzialność są centralne dla SI w edukacji:

• Równość i dostęp: równość, zróżnicowane efekty w grupach uczniów (pytanie, dla kogo dane ustalenie obowiązuje), przerwa cyfrowa, łagodzenie stronniczości, pedagogika uwzględniająca kontekst kulturowy, uczenie wielojęzyczne, uczenie włączające, dostępność, technologie wspomagające, neuroróżnorodność, uniwersalne projektowanie dla uczenia się oraz badania Globalnego Południa.
• Etyka i odpowiedzialność: etyka SI, niewłaściwe korzystanie z SI i szkoda w uczeniu się, kwestie prawne i ryzyka, ujawnianie korzystania z SI, bariery ochronne, prywatność, ryzyko halucynacji, sycophancy SI, zaufanie, kalibracja zaufania, redukcja niewłaściwego korzystania z SI, to, jak korzystanie z SI jest ramowane dla uczniów, bezpieczeństwo pedagogiczne, zrównoważony rozwój oraz odciążanie poznawcze.

Przegląd systematyczny literatury etycznej dziedziny (Agarwal i wsp. 2026, 25 artykułów) konsoliduje etykę AIED w sześć głównych wartości etycznych — niedyskryminacja, zarządzanie danymi, nadzór ludzki, dobra wola, wyjaśnialność i przydatność edukacyjna — i mapuje normy etyczne na macierzę interesariusz-wartość. Stwierdza, że użytkownicy końcowi są w dużej mierze pasywni w literaturze etycznej (głosy uczniów praktycznie nieobecne) i wzywa do integrowania etyki w projektowanie AIED oraz większego nacisku na edukacyjny (pedagogiczny) wymiar etyki AIED.

Motywy emergentne i przekształcające

Kilka motywów przekształca dziedzinę:

• Zaufanie i krytyczne korzystanie: zaufanie, kalibracja zaufania, sycophancy SI, myślenie krytyczne, odciążanie poznawcze, pedagogika krytyczna oraz redukcja niewłaściwego korzystania z SI (zobacz też to, jak korzystanie z SI jest ramowane dla uczniów). Decyzje uczniów i nauczycieli o przyjęciu SI i poleganiu na niej są modelowane przez badania nad akceptacją technologii, podczas gdy badania Globalnego Południa wysuwają na pierwszy plan równość i kontekst kulturowy w adopcji. Empirycznie to, jak SI wyjaśnia sama siebie, kształtuje to zaufanie: Feldman-Maggor i wsp. (2025) wykazali, że wyjaśnialna SI buduje zaufanie nauczycieli do rekomendacji SI poprzez zrozumiałość, przy czym wyjaśnienia oparte na domenie (w języku programowym) budzą większe zaufanie i akceptację niż oparte na danych wyniki ważności cech.
• Ewolucja dziedziny: baza wiedzy śledzi SI w edukacji od wczesnych systemów inteligentnych tutorów i śledzenia wiedzy do napędzanego przez LLM-y korepetytorowania, agentów i SI agentowej — szybkiego przesunięcia od badań zorientowanych na narzędzie do ram socjotechnicznych (myślenie projektowe, projektowanie programu nauczania, zmiana instytucjonalna) oraz od systemów tworzonych ręcznie do przepływów pracy napędzanych przez użytkownika, w których uczeń lub osoba niebędąca programistą określa zachowanie w języku naturalnym (vibe coding). Rismanchian i Doroudi formalizują tę trajektorię ramami AI×Ed, śledząc artykuły z czterech dekad materiałów konferencyjnych, aby pokazać, że dziedzina przesunęła się od zróżnicowanej mieszanki — w tym istotnych badań traktujących SI jako analogię do inteligencji ludzkiej i uczenia się — w stroną prawie wyłącznego skupienia na stosowanych, opartych na danych zastosowaniach skierowanych do badacza, zwrot, który wzrost znaczenia LLM-ów wydaje się teraz częściowo odwracać (trzy z czterech artykułów o „SI jako analogii" na AIED 2024 opierały się na LLM-ach).
• Emocje, lęk i przyszłość kariery: SI wywołuje i kształtuje reakcje emocjonalne — lęk i stres związane z SI, obejmujące nadzór egzaminacyjny, obawy o uczciwość i wypieranie z rynku pracy — podczas gdy rozwój kariery i gotowość dotyczy tego, jak edukacja przygotowuje uczniów do rynku pracy zakłócanego przez SI (zobacz też dobrostan).

Dojrzałość dziedziny

Baza wiedzy odzwierciedla dziedzinę w szybkiej ewolucji — od wczesnych systemów inteligentnych tutorów do korepetytorowania napędzanego przez LLM-y i SI agentowej; od narzędzi ochrony uczciwości akademickiej zorientowanych na wykrywanie do przeprojektowania oceniania; od badań zorientowanych na narzędzie do ram socjotechnicznych i skupionych na równości. Baza dowodów kładzie coraz większy nacisk na rygorystyczne metody badawcze, ocenę, projektowanie eksperymentalne i długoterminowe wyniki.

Powiązania

SI w edukacji łączy się z każdą koncepcją w bazie wiedzy — to dziedzina, którą wszystkie inne strony koncepcyjne definiują łącznie. Użyj tej strony jako punktu wyjścia do nawigowania pełną bazą wiedzy.

Połączone koncepcje

• Pedagogical Patterns — Wypróbowane sekwencje, które operacjonalizują pedagogiki dziedziny
• Kompetencje w zakresie SI (AI literacy) — parasol: rozumienie, używanie i ocena SI
• Human AI Collaboration — parasol: jak ludzie i SI pracują razem
• Pedagogies and Teaching Strategies — parasol: metody i strategie nauczania
• Learning Theories — parasol: jak dzieje się uczenie się
• Technologies — parasol: modele, techniki i systemy
• AIEd in the Disciplines — parasol: SI w obszarach przedmiotowych i na poziomach
• Assessment — parasol: jak SI ocenia uczniów i przekształca wiarygodność
• Feedback — parasol: jak informacje zwrotne są generowane, przekazywane i używane
• Stakeholders — parasol: kim są aktorzy
• Learners — parasol: koncepcje po stronie ucznia (doświadczenie, tożsamość, sprawczość, interakcja, modele ucznia)
• AI Ed Evaluation — parasol: jak wiemy, czy SI działa
• Research Methods in AIED — parasol: metody badań skuteczności
• AI-Assisted Educational Research — Badania edukacyjne wspomagane przez SI
• AI Governance — parasol: warstwa instytucjonalna i regulacyjna
• Educational AI Policy — parasol: polityka, wskazówki i implementacja
• Equity — parasol: sprawiedliwość, dostęp i włączenie
• Learning Sciences — empiryczne pole za AIED
• Ethics — etyczne wymiary SI w edukacji
• Misconceptions about AI — modele mentalne, które ludzie przynoszą do SI
• Interpreting and Applying AIEd Research — czytanie badania i przenoszenie ustalenia do praktyki
• Limitations in AIEd Research — przekształcające ograniczenia bazy dowodów
• Meta-Analysis and Systematic Review — co ustalają przeglądy i metaanalizy
• History of AI in Education — jak ewoluowała dziedzina
• Philosophy of AI in Education — fundamenty filozoficzne
• Theories and Frameworks — mapa węzłów teorii i ram
• Theory Development in AI in Education — budowanie i rewizja teorii

Połączone artykuły

Przeglądy obejmujące całą dziedzinę SI w edukacji — badania, które podsumowują całą dziedzinę lub cały poziom edukacyjny, a nie jeden temat:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — Ewolucja badań nad SI i edukacją w ciągu czterech dekad (ramy AIxEd)
• Control vs. Agency: Exploring the History of AI in Education — Kontrola kontra sprawczość: historia SI w edukacji
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Generatywna SI w szkolnictwie wyższym: przegląd systematyczny 125 badań
• The Evidence Base on AI in K-12: A 2026 Review — Baza dowodów na temat SI w K-12: przegląd 818 artykułów
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Generatywna SI i wyniki edukacyjne: kompleksowa metaanaliza