Ce ar trebui să evite educatorii în folosirea IA?

Traducere automată a acestei pagini în limba engleză, încă neverificată de un vorbitor nativ.

Cea mai mare parte a îndrumărilor despre IA în educație spune ce să încerci. Această pagină adună practicile despre care dovezile spun că trebuie oprite, ordonate după rolul care ar trebui să le oprească. Convingerile false sunt tratate în altă parte: FAQ-ul despre concepții greșite se ocupă de ele, iar pagina-concept Concepții greșite despre IA explică de ce persistă. Ce nu poate spune încă cercetarea aparține temei limitele cercetării în AIEd. Urmează aici pasul de după convingere, adică ce fac oamenii, cât îi costă și ce să facă în schimb.

Trei eșecuri se repetă în toate rolurile.

1. Substituirea. Un instrument face gândirea pe care ar fi trebuit să o facă învățăcelul, iar rezultatul este notat ca și cum învățăcelul l-ar fi făcut. Eseul care se predă este o urmă a ce poate modelul, nu a ce poate studentul.
2. Dovada nemeritată. Un semnal ieftin de colectat, cum ar fi încrederea, fluența, implicarea sau o rată de finalizare, este tratat ca dovadă a ceva ce nu poate arăta. Un tablou de bord poate raporta patruzeci de minute într-o sesiune de tutorat; nu poate raporta dacă cineva a învățat formula ecuației de gradul doi.
3. Structura lăsată pe seama îndemnului. Unui avertisment, unei fraze de politică sau unei sesiuni de formare i se cere să facă treaba pe care trebuie să o facă designul interfeței, designul evaluării sau guvernanța. Programa spune să folosești IA responsabil, iar tutorul tot predă răspunsul gata făcut la primul prompt.

Pe scurt

1. Nu acorda niciodată notă, nu cita și nu promova un rezultat ca dovadă a capacității care l-a produs.

2. Colectează măsura neasistată alături de cea asistată, de fiecare dată.

3. Tratează fluența, încrederea și implicarea ca trăsături ale folosirii, nu ca învățare.

4. Pune protecția în fluxul de lucru, nu într-un avertisment.

5. Presupune că orice dată pe care instrumentul o poate vedea va fi păstrată, combinată și compromisă.

6. Dacă afirmația vine cu o demonstrație, dar fără o comparație, este marketing.

Pentru instructori

Nu certifica rezultatul ca capacitate. O lucrare lustruită este dovada unei lucrări lustruite. Dacă un student predă o recenzie de literatură ale cărei surse nu le poți verifica față de nimic din ce a predat cursul, iar evaluarea nu poate distinge ce poate acel student neasistat, evaluarea a încetat să mai măsoare lucrul pe care îl afirmă credențialul (Assessment Validity, Authentic Assessment). Remediul este reproiectarea sarcinii; un cod de onoare mai strict nu o va face.

Nu folosi scorul unui detector ca dovadă a unei abateri. Într-un studiu controlat pe 642 de rezumate publicate, detectoarele au semnalat 38–80% din editarea ușoară cu IA conformă cu ghidurile și 9–15% din scrierea umană nemodificată, în timp ce au prins mai puțin de 4% din rescrierile trecute printr-un serviciu de humanizare (Karr et al., 2026). Un benchmark independent a constatat că niciunul dintre cele 14 instrumente comerciale nu a atins 80% acuratețe, iar parafrazarea simplă înjumătățește și acest rezultat (Teichmann et al., 2026). La rate de bază realiste, fals pozitivele le depășesc pe cele adevărate pozitive (Ar trebui să folosim detectoare de IA?). Un detector poate începe o conversație; nu o poate încheia.

Nu adăuga IA la o evaluare pe care nu ai reproiectat-o. Atașarea unui instrument la o sarcină proiectată pentru performanță neasistată produce exact umflarea notelor care ascunde pierderea, cu temele în sus și examenul în jos. Întreabă, pentru fiecare sarcină notată, ce ar arăta versiunea neasistată și repară mai întâi sarcina (Reducerea utilizării greșite a IA). Dacă tema pentru acasă și testul din clasă verifică aceeași deprindere, doar unul dintre ele măsoară studentul.

Nu trata implicarea ca învățare. Timpul pe sarcină, satisfacția, volumul căutărilor de ajutor și activitatea în chat sunt toate ușor de instrumentat și toate compatibile cu zero învățare. Într-un experiment 3 × 2 cu 186 de participanți care judecau cazuri civile pe o platformă sprijinită de un model lingvistic mare, o barieră de protecție a redus trecerea la o poziție IA incorectă de la 42–60.5% la 5.7–8.2%, dar nu a produs niciun efect de învățare măsurabil în cadrul sesiunii (β = 0.03, p = 0.18; Tuo et al., 2026). Comportamentul s-a schimbat; măsura învățării nu (Student Engagement).

Nu te baza pe un avertisment acolo unde interfața ar putea constrânge. Un tutor care poate produce răspunsul gata făcut îl va produce sub presiunea termenului, orice ar spune programa. Bariera care funcționează este construită în interacțiune (Reducerea utilizării greșite a IA, Pedagogical Safety). Reținerea răspunsului final pentru primele două încercări este o decizie de design; rugămintea ca studenții să nu îl ceară este o cerere.

Nu lipi munca studenților, IEP-uri, dosare disciplinare sau ciorne identificabile într-un instrument de consum. Minimizarea datelor este o decizie de design pe care o iei în numele studentului, indiferent dacă te-ai gândit la ea (Privacy). Contul gratuit de chatbot care răspunde la o întrebare despre planul de comportament al unui elev este și o copie a acelui plan pe serverul altcuiva.

Pentru învățăcei

Nu ceda partea pe care ar trebui să o exersezi. Imaginează-ți că tema este un eseu de cinci paragrafe: lipești promptul într-un chatbot, iei ciorna pe care o returnează și o predai. Ce predai este o urmă a ce poate modelul. Întrebarea este care muncă cognitivă se mută, nu cât de multă IA folosești. Externalizarea temelor ridică notele la teme și le scade pe cele la examenul fără materiale: la 26,811 elevi de liceu urmăriți 30 de luni, notele la teme au crescut cu 18%, iar cele la examen au scăzut cu 20% în șase luni (Strömberg, Lei and Wu, 2026). Exersarea care construiește cunoaștere recuperabilă a trecut la instrument (Reducerea utilizării greșite a IA). Dacă exercițiul este ținta, instrumentul nu poate face exercițiul.

Nu citi fluența ca acuratețe. Textul fluent este rezultatul unui model lingvistic indiferent dacă conținutul este adevărat, iar mecanismul care îl face convingător este același care îl face greșit (Hallucination Risk). Verifică afirmația specifică, nu tonul paragrafului. Acest obicei apare rareori de la sine: într-un panel de 900 de adulți din SUA care au primit un rezumat IA, cititorii au urmat o sursă citată în el în 1% din vizite (Jaidka and Cai, 2026). Dacă tema ta cere trei surse, deschide-le pe toate trei.

Nu accepta acordul ca feedback. Modelele afirmă substanțial mai mult decât oamenii: pe 11 modele, răspunsurile IA au confirmat utilizatorii cu 49% mai des decât răspunsurile umane, iar excesul este cel care face interacțiunea să pară sprijinitoare (Potel and Kumashiro, 2026). Un tutor care nu te contrazice niciodată a eliminat semnalul corectiv pentru care ai venit (AI Sycophancy). Cere obiecția, nu aprobarea: „Ce e greșit în acest argument și ce ar spune un sceptic?“

Nu schimba o întrebare pe un răspuns când ești blocat. Lupta productivă pe care o sari este învățarea. Căutarea de ajutor care recuperează un răspuns este un comportament diferit de căutarea de ajutor care recuperează un indiciu (Help-Seeking, Desirable Difficulties). Folosește instrumente care rețin răspunsul gata făcut și cere pasul următor, nu soluția.

Nu lipi informații personale, de sănătate sau de familie într-un instrument ca să obții un răspuns mai bun. Instrumentul nu are nicio obligație să le uite, iar costul pentru confidențialitate nu se vede în calitatea răspunsului (Privacy). Un prompt mai bun nu are nevoie de diagnosticul tău, de adresa ta sau de numele familiei tale.

Pentru părinți și familii

Nu face tema cu instrumentul și nu lăsa să fie făcută lângă tine. Tiparul din date este umflarea notelor cu un cost ascuns: în același panel de 30 de luni, notele la teme au crescut cu 18%, în timp ce notele la examenul fără materiale au scăzut cu 20% (Strömberg, Lei and Wu, 2026). Un copil care aduce acasă teme perfecte și pică testul din capitol îți arată exact această diferență. Ce poți verifica este procesul. Poate copilul tău să explice pasul, să refacă o problemă pe hârtie și să spună la ce parte nu era sigur? Dacă nu, instrumentul a făcut tema.

Nu lăsa un chatbot să devină confidentul. Sistemele lingușitoare afirmă mult mai mult decât oamenii, cu 49% mai mult pe 11 modele, iar confirmarea este ce le face să pară sigure pentru conversație (Potel and Kumashiro, 2026). Într-un studiu longitudinal amplu, utilizatorii s-au îndreptat spre IA lingușitoare pentru sfaturi personale aproape la fel de des ca spre prietenii apropiați și familie, cu o satisfacție mai mică în relațiile lor reale (Sycophantic AI makes human interaction feel more effortful and less satisfying over time). Un copil care aduce suferință unui model care este mereu de acord nu este ascultat. Este oglindit. Dacă copilul tău vorbește cu un chatbot despre o prietenie sau o pierdere, acesta este momentul să întrebi cui i-a mai spus.

Nu da un chatbot generativ unui copil mic și nu numi asta supravegheat doar pentru că ești în cameră. Îndrumarea pe trepte de vârstă este concretă: activități cu sprijin de tip schelă, non-generative, pentru vârstele 9–12 ani, folosire generativă supravegheată cu raționament etic de la 13 ani în sus (Cum ar trebui părinții și profesorii să abordeze IA cu copiii sub 13 ani?). Pentru cei mai mici copii riscul ține de convingere. Copiii preoperaționali acceptă conținutul generat ca adevărat, iar sistemele nu sunt calibrate dezvoltării în feedbackul pe care îl dau. Folosirea împreună cu un adult înseamnă să stai lângă copil și să întrebi ce a făcut jucăria acum, nu să supraveghezi din prag (Early Childhood Education).

Nu presupune că instrumentul școlii protejează datele copilului tău pentru că școala l-a ales. Întreabă ce se păstrează, pentru cât timp, dacă antrenează ceva și cine altcineva le vede (Privacy). Conștientizarea nu urmează din expunere: la o lună după o lecție în care o clasă a VII-a și-a urmărit propriul comportament înregistrat proiectat în direct, 66% din 47 de elevi alegeau încă cea mai puțin protectoare setare de chatbot (Bergdahl, 2026). Pune întrebările școlii în scris și cere răspunsurile în scris.

Nu folosi rezultatul unui detector ca să îți acuzi copilul sau ca să susții o acuzație venită de la școală. Într-un studiu controlat pe 642 de rezumate publicate, detectoarele au semnalat 9–15% din scrierea umană nemodificată și au prins mai puțin de 4% din rescrierile IA trecute prin humanizare (Karr et al., 2026). La rate de bază realiste, fals pozitivele le depășesc pe cele adevărate pozitive (AI Detection). Tratează o semnalare ca motiv să ceri istoricul ciornelor și o conversație, nu ca pe o constatare.

Nu concluziona că interzicerea instrumentului este opțiunea sigură. Încrederea prea mică este un eșec de calibrare cu propriul cost, capacitatea la care renunți, iar deprinderea care contează este încrederea potrivită, nu evitarea (Trust Calibration). Mișcarea utilă pentru părinți este aceeași pe care cercetarea o susține pentru studenți: cere un pas de verificare și fă-l suficient de ieftin încât un copil obosit să îl facă efectiv (Cum îi învăț pe studenți să verifice rezultatul IA?). Să ceri să vezi sursa pe care a folosit-o chatbotul costă un minut; să interzici chatbotul costă exersarea.

Nu confunda un filtru de conținut cu siguranța. Filtrele se ocupă de ce spune un sistem. Nu se ocupă de ce face o interacțiune unui învățăcel: exersare erodată, acord lingușitor sau refuzuri inegale (Pedagogical Safety).

Pentru dezvoltatorii educaționali și ai corpului didactic

Nu organiza o formare despre instrument și nu o numi alfabetizare în IA. O sesiune despre prompturi predă interfața unui produs. Alfabetizarea în IA este capacitatea de a judeca când ar trebui folosit instrumentul, ce face și ce trebuie verificat. Profesorii care învață butoanele fără judecată pleacă cu încredere și fără calibrare (Competența instructorilor în IA). Un atelier care se încheie cu toți capabili să genereze un plan de lecție și nimeni capabil să spună când acel plan nu ar trebui folosit a predat interfața.

Nu organiza o dezvoltare profesională de o singură dată și nu te aștepta ca practica să se schimbe. Dovezile despre învățarea profesională sunt consecvente în privința duratei și a urmăririi: evenimentele unice mișcă încrederea auto-declarată, rareori comportamentul la clasă, iar câștigul de încredere poate masca absența schimbării (Dezvoltarea educațională). O sesiune de două ore în august, fără urmărire în octombrie, este o intervenție asupra încrederii.

Nu ignora sistemul de evaluare pe care îl lași în loc. Corpul didactic va adopta practica pe care o predai doar dacă evaluarea căreia îi este supus nu o pedepsește. Un atelier despre designul sarcinilor rezistente la IA care rulează alături de un regim de examen neschimbat îi învață pe profesori că formarea este decorativă.

Nu modela folosirea lipsită de critică împotriva căreia avertizezi. Să demonstrezi un instrument generând un plan de lecție în fața corpului didactic, fără un pas de verificare, învață publicul că rezultatul este produsul. Generează-l în fața lor, apoi marchează cele două afirmații care trebuie verificate.

Nu accepta demonstrația unui furnizor ca dovadă de eficacitate. Afirmația pe care o evaluezi este despre învățare, iar o demonstrație arată capacitate. Cere rezultate neasistate, rezultate pe subgrupuri și testare de siguranță pe mai multe ture (Cum știm că o IA educațională funcționează corect, nu doar că obține scoruri bune?).

Pentru dezvoltatorii de software educațional

Nu optimiza metrica ușor de înregistrat. Durata sesiunii, numărul de mesaje și evaluările de satisfacție se vor îmbunătăți sub aproape orice schimbare; învățarea, adesea, nu. Aceeași echipă care livrează o barieră de protecție poate livra un tablou de bord care recompensează volumul de interacțiune, iar cele două vor indica direcții opuse (Learning Analytics, Student Engagement). Dacă metrica ta de succes este mesajele pe sesiune, ai construit un produs care îi recompensează pe studenți pentru că rămân în chat.

Nu livra un detector fără un studiu de validare față de construct. Un benchmark de cincisprezece modele EEG a atins 0.9853 F1 la validare încrucișată stratificată; Group K-Fold independent de studiu, care respectă granițele studiilor, a coborât vârful la 0.6038 față de un nivel al șansei de 25% (Nanayakkara and Halloluwa, 2026). Un detector de zâmbete poate rula negativ față de empatia evaluată de observatori, pentru că îi lipsește contextul pe care îl are un evaluator uman (Assessment Validity, Sensor and Gaze Analytics). Publică protocolul de validare alături de cifra din titlu.

Nu infera afectul, atenția sau „implicarea“ din fețe și corpuri fără consimțământ și un scop declarat. Riscul pe mai multe ture nu este riscul pe o singură tură: într-o recenzie de siguranță pedagogică, eșecurile au crescut de la 17.7% la evaluările pe o singură tură la 77.8% la cele pe mai multe ture (Hazra et al., 2026). Un sistem certificat pe prompturi izolate este certificat pentru o interacțiune pe care studenții nu o au (Pedagogical Safety, Privacy).

Nu ascunde transferul de control. Un student care nu poate spune când un tutor generează și când regăsește, sau când un om este în buclă, nu poate să își calibreze încrederea în el. Părtinirea automatizării operează cel mai curat când sistemul are dreptate și omul a încetat să mai verifice (Trust Calibration). Spune în interfață când o persoană va citi lucrarea.

Nu proiecta pentru benchmark și apoi pretinde că vorbești despre sala de clasă. Performanța pe benchmark este o proprietate a benchmarkului. Raportează condițiile de folosire pe care le-ai testat, populația și sarcinile; altfel numărul va fi citit ca o promisiune despre un alt cadru (Limitările cercetării AIEd).

Nu face din instrument singura cale spre ajutor. Dacă accesul unui student la feedback depinde de disponibilitatea, cota sau licența unui model, întrebarea despre echitate a fost deja decisă de achiziție (Equity).

Pentru administratorii educaționali

Nu cumpăra afirmații de capacitate ca dovezi de rezultat. Furnizorii pot demonstra un produs; doar o evaluare poate demonstra învățare. Cere rezultate neasistate, rezultate pe subgrupuri, rata de abandon și un plan pentru ce se întâmplă când pilotul se încheie (Cum știm că o IA educațională funcționează corect, nu doar că obține scoruri bune?, Ce măsuri și metode de cercetare poate folosi un profesor pentru a evalua intervențiile legate de IA?). O demonstrație arată un tutor care rezolvă o problemă; nu arată un student care o rezolvă pe următoarea.

Nu implementa supraveghere pentru că este disponibilă. Sistemele de supraveghere a examenelor captează imagini faciale, documente de identitate, scanări ale camerei, inclusiv baleiaje la 360 de grade, și audio de la microfon. O recenzie a 80 de studii a constatat că doar 25% abordau măcar probleme etice, 35% nu își divulgau setul de date, iar 30% nu puteau fi reproduse (Malhotra and Chhabra, 2026). Costul cade pe studenți, iar baza de dovezi este mai subțire decât sugerează contractul (Privacy, Remote Proctoring).

Nu scrie o politică doar cu interdicții și nu o numi guvernanță. O interdicție fără reproiectarea evaluării, fără sprijin și fără o cale de contestare mută comportamentul în loc să îl prevină și îi pedepsește pe studenții cel mai puțin capabili să conteste o acuzație falsă. Politica trebuie să acopere și evaluatorul: într-un test de tip red team pe un flux obișnuit de corectare, două din cinci strategii de injectare a prompturilor ascunse într-o lucrare au mutat un eseu picat în promovat cu 100% și 94% succes în funcție de tipul fișierului (Humble, 2026). O politică ce constrânge studenții, dar nu fluxul de corectare, este jumătate de politică.

Nu echivala adoptarea cu îmbunătățirea. Un tablou de bord care raportează utilizarea, satisfacția și finalizarea va arăta ca un succes în timp ce măsura învățării rămâne plată. Decide dinainte ce rezultat te-ar face să anulezi contractul (AI Ed Evaluation). Scrie acel număr înainte de a începe pilotul.

Nu lăsa accesibilitatea să sosească ca cerere de acomodare. Într-o recenzie a 40 de studii despre tehnologii digitale de asistare pentru studenți neurodivergenți, 28 făceau dintr-un diagnostic formal o condiție de participare. Acel model condiționat de diagnostic exclude fiecare învățăcel cu nevoi și fără etichetă (Rempel et al., 2026; Accessibility, Universal Design for Learning).

Pentru cercetătorii în educație

Nu lăsa autodeclararea să susțină afirmația causală. Încrederea, învățarea percepută și satisfacția sunt rezultate, dar nu sunt rezultatele pe care majoritatea studiilor spun că le măsoară. Literatura despre empatie este cazul cel mai clar: un domeniu care intenționează să predea empatia măsoară în principal confort, iar o recenzie a 17 studii a găsit câștiguri de încredere mult mai frecvente decât dovezi despre empatia însăși (Ismail and Zafira, 2026; Self-Report Measures).

Nu cita un efect fără designul lui. Într-o recenzie critică a 80 de studii HCI despre gândirea critică cu IA, 42 (52%) nu au avut grup de control (A Critical Review of Critical Thinking in HCI Research About AI). Un efect de titlu de la 30 de studenți dintr-un curs, într-un singur loc, este forma comună a unei afirmații fragile (Limitările cercetării AIEd).

Nu raporta heterogenitatea fără model. Aceleași date dau I² = 82.98% sub un model cu efecte fixe și I² = 15.75% sub un model cu efecte aleatoare (The Impact of Artificial Intelligence-Supported Instruction on Student Learning in STEM: A Systematic Review and Meta-Analysis). Un I² citat fără modelul lui este neinterpretabil (Meta-Analysis and Systematic Review).

Nu generaliza dintr-un singur context și nu numi asta o constatare. Un curs, o instituție, o versiune de model, o limbă. Comportamentul modelului se schimbă cu fiecare lansare, iar detectoarele antrenate pe o generație pierd recall la următoarea (Care sunt lacunele notabile din literatura de cercetare despre IA în educație?, AI Detection).

Nu trata o corelație între interacțiune și rezultat ca mecanism. Volumul de prompturi nu măsoară descărcarea cognitivă. Clusterele după volum nu au diferit în distribuția muncii cognitive, iar dialogul codat manual nu a găsit nicio descărcare în 49.6% din 125 de dialoguri (Piatnitckaia et al., 2026; Descărcarea cognitivă). Măsoară munca în sine.

Nu publica un paragraf despre limite care ar fi putut fi scris înainte de studiu. Numește amenințarea specifică, numărul specific și afirmația pe care o mărginește. Asta face o limitare utilizabilă pentru următorul cititor (Interpretarea și aplicarea cercetării AIEd).

De ce se țin acestea împreună

Fiecare punct de mai sus ridică un proxy la rang de verdict. Eseul reprezintă scriitorul, scorul reprezintă abaterea, zâmbetul reprezintă empatia, iar demonstrația reprezintă învățarea. Corecția este mereu aceeași: numește constructul, găsește o măsură care ar putea ieși invers și colecteaz-o alături de cea convenabilă.

Niciuna dintre aceste precauții nu înseamnă că instrumentul este mereu greșit. Un detector poate fi un motiv să vorbești cu un student. Un chatbot poate fi o repetiție utilă. Un tablou de bord poate fi un imbold să pui o întrebare. Răul este în substituire.

Ce să faci săptămâna aceasta

• Alege o sarcină notată și scrie ce ar arăta cu instrumentul închis. Dacă răspunsul este „nimic diferit“, sarcina este problema.
• Adaugă o măsură neasistată la un curs care raportează acum doar performanță asistată.
• Citește contractul instituției tale de supraveghere a examenelor sau de instrumente IA pentru termenii de păstrare, folosire secundară și încălcare, și verifică dacă textul consimțământului descrie ce capturează efectiv sistemul.
• Cere unui furnizor rezultate neasistate și rezultate pe subgrupuri. Dacă răspunsul este o demonstrație, ai răspunsul.
• În următoarea sesiune cu corpul didactic, petrece a doua jumătate pe reproiectarea evaluării, nu pe prompturi.

Încotro mai departe

• Cum putem aborda concepțiile greșite frecvente despre IA în educație?: convingerile din spatele acestor practici și cum să le corectezi fără condescendență.
• Limitările cercetării AIEd: ce nu poate încă susține baza de dovezi.
• Reducerea utilizării greșite a IA: pârghiile structurale împotriva utilizării greșite și de ce bat îndemnul.
• Pedagogical Safety: ce poate face un tutor unui învățăcel trecând toate verificările de conținut.
• Ar trebui să folosim detectoare de IA?: dovezile despre detectoare, în întregime.
• Cum știm că o IA educațională funcționează corect, nu doar că obține scoruri bune?: cum să evaluezi o afirmație înainte de a o adopta.