Na tej stronie

Przeczytaj tę stronę po angielsku

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

Bezpłatny tom zbiorowy Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7), który porządkuje generatywną AI kurs po kursie, a nie narzędzie po narzędziu. Psychologia dostarcza respondentów wielu badaniom nad używaniem AI, nie będąc ich przedmiotem; ta książka jest przeciwwagą — 21 rozdziałów kursowych plus wprowadzenie i zakończenie na 255 stronach.

Teza, którą stawia książka

Przesłanką redaktorów jest to, że wykładowcy psychologii są wyjątkowo dobrze umiejscowieni, by uczyć korzystania z AI, ponieważ dyscyplina już uczy osądu dotyczącego pomiaru, dowodów i ludzkiego zachowania. Ich twierdzenie jest węższe niż „kompetencje w zakresie SI mają znaczenie". Chodzi o to, że kompetencje w zakresie SI są rozwojowe: nie jest tak, że studenci je mają albo ich nie mają — nabywają je poprzez stopniowany dostęp, refleksję i informację zwrotną.

Wynikają z tego trzy zobowiązania projektowe, a większość rozdziałów realizuje przynajmniej jedno z nich. Stopniuj to, co studenci mogą robić z narzędziem, przechodząc od użycia prowadzonego do samodzielnego w miarę rozwoju osądu. Łącz użycie z weryfikacją, tak aby twierdzenie postawione z pomocą modelu musiało zostać sprawdzone ze źródłem i wykazane. Definiuj sukces jako osąd dotyczący tego, kiedy i czy używać narzędzia, a nie biegłość w jego obsłudze.

Struktura jest argumentem. Rozdziały są pogrupowane według kursu, który wykładowca ma właśnie prowadzić — podstawowe i przekrojowe, kliniczne i poradnicze, metody badań i statystyka — a nie według narzędzia, możliwości czy polityki instytucjonalnej.

Część I: kursy podstawowe i przekrojowe

  • Dostęp jest pierwszym problemem, nie narzędzie (Slade i Hyk). Studenci, którzy przychodzą bez wcześniejszego doświadczenia z AI, są poszkodowani podwójnie: brakuje im umiejętności promptowania i brakuje im osądu, kiedy płynna odpowiedź jest błędna. Rozdział uczy inżynierii promptów wraz z otwartymi repozytoriami promptów wielokrotnego użytku i traktuje tę naukę jako środek wyrównywania szans. Autor ujawnia interes finansowy w firmie komercjalizującej edukacyjną AI.
  • AI jako generator treści do nauczania (Corcoran). Przypadkiem użycia w rozdziale jest własne przygotowanie wykładowcy: materiały wizualne, przykłady, zadania i inne bodźce dydaktyczne generowane pod zadeklarowany cel. Argument brzmi: to dostosowanie do tego celu, a nie nowość, czyni wynik użytecznym. Rozdział nalega też, by studentów uczono o AI — jej ograniczeniach i etyce — a nie tylko dawano im ją do ręki.
  • Umiejętności uczenia się jako pomost do teorii (Costa). Na zaawansowanym kursie uczenia się i pamięci studenci używają narzędzi AI do nauki, a następnie mapują działanie narzędzi na rozłożone w czasie ćwiczenia i wydobywanie z pamięci. Ten projekt czyni psychologię przedmiotem, a narzędzie okazem, co jest najczystszym sposobem nauczania kursu, którego treścią jest nauka o uczeniu się, którą narzędzia rzekomo wdrażają.
  • Stosowany projekt zmiany zachowania (Emanuel). Studenci prowadzą projekt zmiany zachowania zdrowotnego z systemem AI jako coachem. Ich refleksje oddzielają to, co zadziałało — natychmiastowe, dopasowane, nieoceniające sugestie — od tego, co nie zadziałało: brak empatii i wiarygodnie brzmiące dezinformacje o zdrowiu. To jeden z niewielu rozdziałów, które stawiają model w roli, w której pomyłka ma swoją cenę.
  • AI jako trener debaty (Jackson). Zaawansowany kurs psychologii społecznej używa modelu do mapowania argumentów, wydobywania kontrargumentów i ćwiczenia ripost przed publiczną debatą, przy czym każde twierdzenie jest weryfikowane ze źródłami recenzowanymi. W pisemnych refleksjach 75% uznało model za co najmniej umiarkowanie użyteczny w przygotowaniu, a 35% było zdecydowanie pozytywnych; około 10% znalazło niewiele pożytku, głównie dlatego, że model produkował ogólne argumenty lub pewne siebie błędy. Późniejsza iteracja dodaje jednostronicowy plan przygotowania i rejestr dowodów łączący każde twierdzenie ze źródłem.
  • Kursowy chatbot z zadaniami w zakresie informacji zwrotnej (Lee, Nam i Wages). Chatbot zbudowany dla kursów Introduction to Psychology, Research Methods i Psychology Apprenticeship wspierał burzę mózgów nad tematami, dopracowywanie pytań badawczych i strukturę pracy. Autorzy raportują 124 studentów w ankiecie pre-test i 25% zwrotność ankiety post-test, więc dowody dotyczące efektów są uboższe niż szczegóły wdrożenia.
  • Ocenianie na trzech poziomach (Granito). Zadania diagnostyczne, formatywne i sumatywne otrzymują po jednej wersji wzbogaconej o AI, a koniec sumatywny przesuwa się ku autentycznym projektom, w których narzędzie jest partnerem wsparcia, a nie produktem końcowym. To rozdział do przeczytania, jeśli pytanie brzmi, co przestać oceniać.

Część II: kursy kliniczne i poradnicze

  • Psychoterapia jako ćwiczenie wprowadzające (Castro). Studenci wybierają zaburzenie z DSM-5-TR i technikę psychoterapeutyczną, następnie doświadczają symulowanej sesji i omawiają, co telemedycyna oparta na AI zyskuje i traci. Projekt uczy techniki przez kontrast: symulacja pokazuje, czym jest relacyjna część terapii, pomijając ją.
  • Wspólne budowanie studiów przypadku (Pulido). Studenci używają ChatGPT do tworzenia szkiców studiów przypadku zgodnych z DSM-5-TR, a następnie je oceniają, co przenosi umiejętność oceny na studenta, a nie na model. Rozdział opisuje adaptacje dla studiów magisterskich i licencjackich oraz traktuje iteracyjne dopracowywanie promptów jako część rozumowania klinicznego, a nie techniczny obowiązek.
  • Konceptualizacja przypadku na seminarium (Draheim). Konceptualizacja przypadku to moment, w którym studenci syntetyzują informacje o kliencie i badania nad wynikami leczenia, i trudno jej uczyć na poziomie studiów licencjackich. Seminarium używa AI do generowania i krytykowania konceptualizacji, przy czym obciążenie wykładowcy informacją zwrotną jest wskazane jako ograniczenie, które w ogóle czyni narzędzie atrakcyjnym.
  • Pokora kulturowa (Draheim). Zadanie domowe wykorzystuje model do przepracowania artykułu o pokorze kulturowej, po czym następuje ćwiczenie na zajęciach polegające na wyszukiwaniu uprzedzeń w generowanych wynikach. To połączenie ma znaczenie: narzędzie służy do otwarcia tematu, a następnie w tym samym tygodniu staje się przedmiotem krytyki.
  • Nauczanie wrażliwe na traumę (Rubio). Magisterskie kursy o traumie używają modeli tekstowych i obrazowych do współtworzenia historii terapeutycznych i wyobrażeń bezpiecznego miejsca, osadzonych w trójfazowym modelu Herman i neurosekwencyjnym modelu Perry'ego. Tutaj pracę wykonuje rama teoretyczna; narzędzia dostarczają materiału, który rama następnie ogranicza.
  • Boty jako terapeuci (Niederjohn). Studenci rozmawiają z kilkoma chatbotami i porównują to doświadczenie z pracą twarzą w twarz nad sojuszem terapeutycznym. Rozdział dostarcza liczb, które czynią to ćwiczenie pilnym: 65% specjalistów zdrowia psychicznego we wcześniejszych badaniach dostrzegało korzyści ze wsparcia chatbotów, podczas gdy 86% nie popierało ich użycia w opiece. Praktyczna sugestia to drabina — najpierw odgrywanie ról z AI, potem rówieśnicy, potem ludzcy symulowani pacjenci.
  • Odgrywanie ról dla osób w szkoleniu (Labriola i VanHara). Odgrywanie ról z AI zastępuje scenariuszowe odgrywanie ról przez rówieśników nieoskryptowanymi prezentacjami klinicznymi, co zdaniem autorów zwiększa realizm i gotowość do podejmowania ryzyka. Potrzebę opierają na danych z badania studentów: 86% z prawie 4,000 studentów z 16 krajów zgłosiło używanie AI, 58% powiedziało, że brakuje im wystarczającej wiedzy o niej, a 72% chciało kursów z kompetencji w zakresie SI.

Część III: metody badań, statystyka i kompetencje naukowe

  • AI jako współpilot badawczy (Sumutka i współpracownicy). Ćwiczenia prowadzą początkujących przez zawężanie tematu, znajdowanie źródeł, generowanie i operacjonalizowanie zmiennych oraz stosowanie etyki. Zadeklarowanym celem jest najpierw kompetencja informacyjna, a dopiero potem szybkość, i rozdział wyraźnie zaznacza, że narzędzie jest w równym stopniu modelowane, co używane.
  • Generowanie pytań jako krytyczna ocena (Burkett). Trójfazowe podejście na licencjackim kursie metod badań zamienia ChatGPT w generator pytań oceniających projekty badań, z niestandardowym GPT zbudowanym w tym celu. Pytania służą następnie jako miara zrozumienia — ruch oceniania, o którym inne rozdziały mówią, ale rzadko go operacjonalizują.
  • Zastosowania i nadużycia, jako moduły (Urdan, Firtch i White). Gotowe do użycia moduły obejmują generowanie projektów badań, testy ćwiczeniowe i znane tryby awarii, z założeniem, że tarcie we wdrażaniu jest prawdziwą barierą dla wykładowców ciekawych AI, ale mających mało czasu.
  • Chatbot, który nie spełnił oczekiwań (Hilley i Edwards). „Zig", zbudowany na platformie Juji dla obowiązkowego kursu statystyki, miał dawać pomoc na żądanie przy zadaniach ćwiczeniowych. Nie spełnił oczekiwań. Jego porażki są konkretne i pouczające: student pytający o test Levene'a wpisał „levee" i otrzymał odmowę, pytanie o ocenianie wyprodukowało niepowiązaną odpowiedź o wynikach z, a prośby o przykłady kończyły się definicjami. Wiele z tego wynika z platformy opartej na bazie pytań i odpowiedzi, a nie modelu rozumującego, ale rozdział jest uczciwym negatywnym wynikiem tomu i tym, który należy przeczytać przed zbudowaniem kursowego bota.
  • Stopniowana integracja w nauczaniu R (Garrison, Tyson i Lyu). Czteroetapowy model zaczyna się od nauki bez AI i dodaje narzędzia dopiero, gdy studenci potrafią ocenić to, co narzędzia produkują. Sygnałem gotowości, który wskazują autorzy, jest frustracja ograniczeniami AI, a udokumentowanym trybem awarii jest wcześniejsze wprowadzenie AI, które wyprodukowało zależność, zanim pojawiły się podstawy.
  • ChatGPT plus Elicit na seminarium ostatniego roku (Katzarska-Miller). Cztery warsztaty przygotowawcze poprzedzają semestralną pracę badawczą, z modelem generatywnym do szkicowania i narzędziem asystenta badawczego do literatury. Rozdział osadza projekt w społeczno-konstrukcjonistycznej teorii uczenia się i używa samooceny przed kursem i po nim, by sprawdzić, czy kompetencje w zakresie SI się przesunęły.

Co powtarza się w dwudziestu jeden rozdziałach

  • Stopniuj dostęp. Niemal każdy rozdział wstrzymuje narzędzie, dopóki studenci nie mają czegoś, względem czego mogą je ocenić — czy to statystyki, ramy teoretycznej, stanowiska w debacie, czy podstawy programowania.
  • Wymagaj weryfikacji i czyń ją widoczną. Rejestry dowodów, kontrole źródeł, dzienniki promptów i notatki „co zmieniło się po weryfikacji faktów" pojawiają się w różnych częściach. To wymóg zamienia użycie narzędzia w uczenie się.
  • Używaj refleksji studentów jako instrumentu. Refleksje są bazą dowodową większości rozdziałów, co jest też centralną słabością metodologiczną tomu.
  • Projektuj na poziomie kursu, nie narzędzia. Własna decyzja organizacyjna książki — jeden rozdział na kurs — jest rekomendacją.
  • Zachowaj osąd wykładowcy jako przedmiot nauczania. Powracające twierdzenie brzmi: studenci powinni kończyć z umiejętnością decydowania, kiedy nie używać narzędzia.

Gdzie książce brakuje głębi

Rozdziały to relacje praktyków. Prawie żaden nie raportuje projektu badania, próby ani wielkości efektu, a tam, gdzie pojawiają się liczby, opisują wdrożenie, a nie uczenie się. Wyjątki są częściowe: Lee i współpracownicy mają ankiety pre-test i post-test z 25% zwrotnością post-testu, a analiza refleksji Jacksona to kodowanie tematyczne jednej klasy.

Entuzjazm jest też nierówno kontrolowany. Corcoran i Costa piszą jako adwokaci; Hilley i Edwards raportują porażkę; tylko Slade i Hyk ujawniają interes komercyjny. Rozdziały wymieniające konkretne produkty szybko się zestarzeją, ponieważ większość opisuje narzędzia takimi, jakimi zachowywały się w 2025.

Luki w pokryciu, o których warto wiedzieć: koszt i poziomy premium są ledwo omówione, dostępność i niepełnosprawność nie doczekały się osobnej sekcji, a K-12 pojawia się tylko w rozdziale Castro o edukacji średniej. Tom dotyczy nauczania psychologii na studiach licencjackich i magisterskich w Stanach Zjednoczonych, z niewielką ilością treści o dużych kursach wykładowych poza rozdziałami Costy i Granito.

Co można z nim zrobić

Przeczytaj rozdział dotyczący kursu, który masz właśnie prowadzić. Trzy części — kursy podstawowe i przekrojowe, kursy kliniczne i poradnicze, metody badań i statystyka — trzymają powiązane rozdziały razem. Przykłady: chatbot-tutor w statystyce psychologicznej, ChatGPT w parze z Elicit na seminarium ostatniego roku, AI jako trener debaty, konceptualizacja przypadku i pokora kulturowa w kształceniu klinicznym oraz rozdział o metodach badań, w którym studenci generują pytania z ChatGPT, a następnie je krytykują.

Dla kogo

Wykładowcy psychologii na każdym etapie kariery oraz wykładowcy pokrewnych dyscyplin nauk społecznych, których problemy z ocenianiem mają ten sam kształt: prace z dużą ilością esejów, dyskusje nad przypadkami, lęk przed statystyką, małe kursy, gdzie wykonalne jest jedno przeprojektowanie.

Uwagi i zastrzeżenia

Darmowy PDF, bez konta. Prawa autorskie należą do STP, to nie licencja Creative Commons: kopie osobiste i klasowe są dozwolone z podaniem autorstwa, natomiast redystrybucja lub użycie komercyjne wymagają zgody autora. Rozdziały to relacje praktyków, nie badania — bez projektów, prób ani wielkości efektów — więc traktuj twierdzenia jako raporty z doświadczenia i cytuj rozdziały osobno.

Powiązane pojęcia

Osadź tę stronę

Skopiuj poniższy kod, aby osadzić tę stronę w systemie zarządzania nauczaniem lub na innej witrynie. Wersja osadzona pokazuje tylko treść strony — ukrywa nagłówek witryny, nawigację i stopkę.