AI vo vzdelávaní

Automatický strojový preklad tejto anglickej stránky, ktorý ešte nebol skontrolovaný rodeným hovorcom.

AI vo vzdelávaní (AIED) — široké, medziodborové pole, ktoré uplatňuje umelú inteligenciu vo vyučovaní a učení a skúma jej návrh, používanie, hodnotenie a dôsledky. Ako zastrešujúci koncept vedomostnej bázy AI vo vzdelávaní zahŕňa AI pre vzdelávanie (používanie AI na zlepšovanie výučby a hodnotenia) a vzdelávanie o AI (rozvíjanie AI gramotnosti a kritického porozumenia). Nachádza sa na priesečníku inštrukčných technológií, vied o učení — empirického výskumného odboru, ktorý sa pýta, či sa študent zmenil, a nie len či nástroj fungoval — informatiky, vzdelávacej politiky, etiky a rovnosti. Táto stránka je úvodom do odboru a mapou všetkých konceptov, ktoré vedomostná báza pokrýva.

Otázky na zamyslenie

• „AI vo vzdelávaní" sa rozprestiera dvoma smermi: AI pre vzdelávanie (používanie AI na zlepšovanie výučby) a vzdelávanie o AI (budovanie gramotnosti a kritického porozumenia). Ktorý smer vám je bližší a ktorý zvyčajne prehliadate?
• História odboru je formulovaná ako opakujúce sa napätie medzi kontrolou a agentúrou študenta. Keď sledujete, ako sa nástroje AI prijímajú, kde dnes všímate rovnaké napätie?
• AI vo vzdelávaní leží na priesečníku technológií, vied o učení, politiky, etiky a rovnosti. Ktoré z týchto šošoviek prirodzene aplikujete pri hodnotení nástroja AI — a ktoré pravdepodobne zabudnete?
• Táto vedomostná báza organizuje odbor do vetiev: pedagogika, teórie učenia, technológie, disciplíny, hodnotenie, spätná väzba, zainteresované strany a riadenie. Keby ste mapovali svoje vlastné používanie AI, v ktorej vetve by ste sa ocitli?
• AIED zahŕňa výučbu študentov v kritickom používaní AI ako cieľ samého osebe. Vo vašom kontexte je AI častejšie predmetom výučby alebo nástrojom na používanie — a odráža táto rovnováha to, čo študenti skutočne potrebujú?
• Študenti sa môžu učiť AI gramotnosti kritickým používaním AI, nielen učením sa o AI. Ako by mohlo praktické, kritické používanie budovať porozumenie, ktoré pasívna výučba nedokáže?

Úvod

AI vo vzdelávaní je zastrešujúcim rámcom, ktorý spoločne definujú všetky ostatné stránky konceptov. Vedomostná báza organizuje odbor do nižšie uvedených hlavných vetiev, pričom každá odkazuje na príslušné stránky konceptov.

Prelomový historický pohľad Mishra a spol. vysleduje AIED od kybernetiky a dartmouthskej konferencie v roku 1956 cez kognitívnych tutorov a Papertov konstrukcionizmus, pričom argumentujú, že dnešné diskusie o GenAI znovu zohrávajú základné napätie odboru medzi kontrolou a agentúrou.

Ako je vedomostná báza organizovaná: zastrešujúce stránky

Pokrytie konceptov vedomostnej bázy ukotvujú niekoľko zastrešujúcich stránok, ktoré zoskupujú súvisiace koncepty do prehľadných vetiev. Sú to dobré vstupné body na skúmanie odboru:

• AI vo vzdelávaní — táto stránka, prehľad odboru a mapa všetkého pokrytia.
• AI gramotnosť — zastrešujúci rámec pre porozumenie, používanie a kritické hodnotenie AI, čo zahŕňa prácu s promptmi, kritické myslenie, AI etiku a zodpovedné používanie. Spolu s nimi spolupráca človeka a AI a agentická AI vymedzujú, ako ľudia a AI pracujú spoločne.
• Pedagogiky a stratégie výučby — zastrešujúci rámec pre to, ako sa vyučuje: metódy a stratégie výučby, v ktorých AI pôsobí (aktívne, spoluprácujúce, na projektoch založené, na problémoch založené, skúsenostné, na hrách založené, sokratovské, podporné lešenie a ďalšie), vrátane osobitného kontextu online výučby a učenia.
• Teórie učenia — zastrešujúci rámec pre to, ako sa učíme: teoretické rámce (behaviorizmus, kognitivizmus, konštruktivizmus, sociokultúrny, kognitívny, motivačný), ktoré formujú návrh a hodnotenie AI.
• Technológie — zastrešujúci rámec pre technickú vrstvu: systémy AI (LLM, generatívna AI, multimodálne, robotika) a techniky (RAG, práca s promptmi, posilňované učenie, trénovanie modelov, agentická orchestrácia), ktoré poháňajú AIED. Rodina modelovania študenta — trasovanie znalostí, kognitívna diagnóza, simulovanie študentov a systémy, ktoré ich konzumujú (inteligentné tutorstvo, adaptívne učenie, personalizované učenie) — je zoskupená pod zastrešujúcim rámcom Modelovanie študenta a adaptívna výučba v rámci tejto technickej vetvy.
• AI v disciplínach — zastrešujúci rámec pre to, ako sa AI uplatňuje v rámci predmetových oblastí (matematika, fyzika, učenie sa jazykom, informatika, písanie, STEM, inžinierstvo, podnikanie, vzdelávanie učiteľov, zdravotnícke povolania a ďalšie) — a za akademickými predmetmi profesijné a aplikované odvetvie, ktoré hodnotí preukázanú prax, a nie správnosť (ošetrovateľstvo, informačné technológie, odborné vzdelávanie a príprava, dizajnové vzdelávanie) — a vzdelávacie úrovne (K-12, vysoké školstvo, učenie dospelých).
• Assessment (so formatívnymi, sumárnymi, autentickými, ústnymi a automatizovanými vetvami) — zastrešujúci rámec pre to, ako AI študentov hodnotí a ako pretvára platnosť a integitu hodnotenia.
• Feedback — zastrešujúci rámec pre to, ako sa spätná väzba generuje, dodáva a používa: spätnoväzbová slučka, kvalita spätnej väzby, gramotnosť v spätnej väzbe a jej hodnotiace kontexty (formatívny, medzi študentmi, automatizovaný).
• Zainteresované strany v AI vzdelávaní — zastrešujúci rámec pre to, kto sú aktéri: študenti, učitelia, návrhári učenia, administrátori a tvárcovia politiky.
• Hodnotenie AI vo vzdelávaní a výskumné metódy — zastrešujúce rámce pre to, ako vieme, či AI funguje: štúdie účinnosti, benchmarky, randomizované kontrolované štúdie, metaanalýza a prírastky v učení ako základná miera výsledku. Čitatelia by mali tiež zvážiť priečizové obmedzenia týchto dôkazov.
• Riadenie AI, vzdelávacia AI politika a rovnosť — zastrešujúce rámce pre inštitucionálnu, regulačnú a spravodlivostnú vrstvu (pozri tiež AI Regulation in Education a Privacy).

Tieto zastrešujúce stránky sú prelinkované v celej nižšie uvedenej časti; každá nižšie uvedená vetva menuje svoj zastrešujúci rámec aj svoje zložkové koncepty.

Dve dimenzie AI vo vzdelávaní

Výskum AI vo vzdelávaní sa rozprestiera dvoma prepojenými smermi:

• AI pre vzdelávanie — používanie systémov AI na zlepšenie výučby, učenia, hodnotenia a administratívy. To zahŕňa AI tutorstvo, adaptívne učenie, personalizované učenie, automatické hodnotenie esejí, automatické generovanie otázok, automatické hodnotenie, formatívne hodnotenie, analytiku učenia a spätnoväzbové slučky.
• Vzdelávanie o AI — výučba študentov a pedagógov v porozúmaní, používaní a kritickom hodnotení AI. Jadrom je AI gramotnosť, podporená prácou s promptmi, kritickým myslením, AI etikou, vzdelávaním o riadení, digitálnou gramotnosťou a zodpovedným používaním.

Tieto dve dimenzie nie sú oddelené: dobré používanie AI vyžaduje jej porozumenie a výučba o AI je obohatená jej používaním. Táto spolupráca človeka a AI je ústrednou témou.

Základy AI vo vzdelávaní

Priečizové a základné koncepty odboru ukotvujú pokrytie vedomostnej bázy a objavujú sa prvé v bočnom paneli. Otvárajú ich skupina Základy — koncepty, ktoré by mal každý čitateľ začať: samotný zastrešujúci rámec, mylné predstavy o AI, AI gramotnosť, agentická AI, kognitívne odľahčenie, ako sa používanie AI formuluje pre študentov, redukovanie zneužívania AI, akademická integrita, výučba, návrh učenia a vzdelávací rozvoj. Vetva odbor potom pokrýva historii odboru, priečizové obmedzenia dôkazovej základne, jeho filozofiu, mapu teórií a rámcov a rozvoj teórie. Priečizové témy — spolupráca človeka a AI, agentúra študenta, identita študenta, dizajnové myslenie, návrh kurikula, kritické myslenie a počítačové myslenie — prechádzajú cez každú vetvu, pretože nepresné mentálne modely, ktoré ľudia o AI majú, sú predpokladom zneužívania a nekalibrovaného dôvery.

Učenie a výučba

To, ako AI podporuje výučbu a učenie, je jadrom odboru. Kľúčové koncepty zahŕňajú:

• Základné pedagogiky: pedagogiky a stratégie výučby — zastrešujúci rámec pre pokrytie výučebných metód vedomostnej bázy — spolu s pedagogickými vzormi (testované sekvencie, do ktorých sa tie metódy riešia), aktívne učenie, spoluprácujúce učenie, skupinová práca, na projektoch založené učenie, na problémoch založené učenie, produktívne zlyhanie, na prieskume založené učenie, skúsenostné učenie, na hrách založené učenie, učenie sa vyučovaním, podporné lešenie, sokratovská metóda, kritická pedagogika, pedagogické partnerstvá, rozprávanie príbehov, návrh učenia, online výučba a učenie a video vo vzdelávaní.
• Teórie a procesy učenia: zastrešujúci rámec teórií učenia (behaviorizmus, kognitivizmus, konštruktivizmus, sociokultúrny, distribuovaná kognícia, situované učenie, vtelené učenie, spoločenstvo prieskumu) sedí vedla procesov zameraných na študenta, ako samoregulované učenie, teória sebaurčenia, motivácia, sebaúčinnosť, samonasmerované učenie, metakognícia, žiaduce ťažkosti, transfer učenia, predchádzajúce vedomosti, ICAP kognitívna angažovanosť, refutačný text, vybavovanie, rozostup a prekladanie a teória aktivity.
• Angažovanosť a skúsenosť študenta: angažovanosť študentov, hľadanie pomoci, sociálno-emocionálne učenie, pohoda, kreativita, riešenie problémov, ovládanie učenia a interakcia študent–AI formujú, ako študenti AI skutočne stretávajú a ako sú ovplyvňovaní, zatiaľ čo sociálne normy, ktoré sa okolo používania AI usadzujú, rozhodujú o tom, ako otvorene sa o tom dá hovoriť. Za rámec kurzu podpora a úspech študentov pokrýva inštitucionálnu stránku práce — poradenstvo, oslovovanie, odporúčania a alokáciu vzácnej podpory — kde AI spoľahlivo posúva dokončovanie úloh, ale nie vytrvalosť alebo absolvovanie.

Technológie a techniky

Stránka Technológie je zastrešujúcim rámcom pre technickú vrstvu:

• Modely a techniky: generatívna AI, veľké jazykové modely, retrieval-augmented generation, multimodálne modely, vzdelávacie NLP, posilňované učenie, grafy vedomostí, roboti vo vzdelávaní, konverzačná AI, simulácia a trénovanie a doladenie LLM. Záleží aj na podkladových metódach: strojové učenie je miesto, kde sa tieto systémy budujú, rečové a hlasové technológie nesú hovorené tutorstvo a cvičenie jazykov, vizualizácia pokrýva dashboardy a vizuálnu analytiku pre študentov a pedagógov a virtuálna a rozšírená realita hostí imerzívnu prax, ktorej vizuálnu vrstvu môže model teraz generovať. Novšie štýly interakcie patria sem tiež — najvýraznejšie vibe coding, prirodzeným jazykom riadený pracovný postup, v ktorom používateľ špecifikuje program promptovaním LLM a posudzuje výsledné správanie, namiesto čítania alebo editácie zdrojového kódu. To premýšľa programovanie ako akt výrazu a verifikácie a znižuje bariéru pre koncových používateľov pri budovaní vlastných nástrojov. Rámce hĺbky integrácie, ako SAMR, a teórie prijatia, ako TAM, klasifikujú, ako hlboko sa AI prijíma a ako veľa pretvára úlohu.
• Modelovanie študenta a adaptívne systémy: technické systémy, ktoré reprezentujú a prispôsobujú sa študentovi, sú zoskupené pod zastrešujúcim rámcom Modelovanie študenta a adaptívna výučba — trasovanie znalostí, kognitívna diagnóza, simulovanie študentov, inteligentné tutorstvo, adaptívne učenie, personalizované učenie, odporúčacie systémy a učebné dráhy, pedagogickí agenti, afektívne tutorstvo, afektívne počítanie, AI s človekom v slučke a analytika učenia. Tie sedia na technickej vrstve, pretože sú to samotné systémy AI, odlišné od pedagogík, ktoré uskutočňujú.

AI v disciplínach

AI sa uplatňuje naprieč disciplínami a vzdelávacími úrovňami. Prehľad AIEd v disciplínach vedomostnej bázy mapuje pokrytie predmetových oblastí — popri vied o učení, ktoré nie sú vyučovaným predmetom, ale priečizovým výskumným odborom, ktorý skúma samotné učenie a pokladá predmetovú látku za jednu premennú medzi ostatnými:

• Predmetové oblasti: matematika, fyzika, chémia, biológia, informatika, inžinierstvo, STEM, písanie, učenie sa jazykom, výučba angličtiny (EAP/EFL/ESL), vedecké vzdelávanie, podnikanie, ekonómia a manažment, humanitné a spoločenské vedy, umenie, dizajn a mediálne vzdelávanie, lekárske a zdravotnícke povolania, právnické vzdelávanie a profesijné a aplikované odvetvia — ošetrovateľstvo, informačné technológie, odborné vzdelávanie a príprava a dizajnové vzdelávanie.

Úrovne a kontexty

Rovnaký nástroj AI stretáva veľmi odlišné prostredia a vedomostná báza oddeľuje vzdelávaciu úroveň od pedagogiky, aby sa zistenia nenáhlivo neprenášali medzi nimi: školy K-12, predprimárne a primárne vzdelávanie, vysoké školstvo, učenie dospelých, odborné vzdelávanie a príprava, špeciálne vzdelávanie a vzdelávanie učiteľov. Koncepty susediace s doménou, ktoré prechádzajú cez úrovne, zahŕňajú univerzálny návrh učenia, neurodiverzitu, viacjazyčné učenie a sociálno-emocionálne učenie.

Hodnotenie a meranie

AI pretvára jednak to, ako hodnotíme študentov, ako aj to, ako hodnotíme samotné systémy AI:

• Hodnotenie a spätná väzba: Assessment, formatívne hodnotenie, sumárne hodnotenie, autentické hodnotenie, e-portfólio, Feedback a gramotnosť v spätnej väzbe, kvalita AI spätnej väzby, hodnotenie medzi študentmi, ústne hodnotenie, automatizované hodnotenie, automatické hodnotenie esejí a automatické generovanie otázok. Pretože model môže teraz na požiadanie produkovať uveriteľné hotové práce, vedomostná báza vyčnieva schopnosť, ktorá zostáva vlastná študentovi: evaluatívny úsudok, kapacita posudzovať kvalitu vlastnej práce, práce rovesníkov a výstupu AI proti odôvodneným kritériám. Je to konštrukt, na ktorý konverguje niekoľko štúdií spätnej väzby a autentického hodnotenia — hybridná podmienka spätnej väzby prekonávajúca priamu AI spätnú väzbu vo viacmiestnom experimente, medzera v udržateľnosti AI formatívnej spätnej väzby a praktický ťah hodnotiť rozhodnutia, ktoré študenti robia, namiesto len artefaktu — a je to kľúčový dôvod, prečo sa redesign v ére AI posúva od detekcie smerom k úlohám, ktorých integrita prežije kontrolu. Skupinová práca sa tiež hodnotí podľa procesu aj produktu, kde tímy musia dohodnúť, čí a aký druh angažovania AI sa počíta za prijateľný.
• Meranie a platnosť: platnosť hodnotenia, psychometricky informovaná AI, vzdelávacie meranie, teória odpovedí na položky, samohlasovacie merania (inštrument za podstatnou časťou týchto dôkazov a opakujúce sa obmedzenie), AI detekcia, vzdialený dohľad pri skúškach a akademická integrita.

Výskumné metódy a hodnotenie

To, ako vieme, či AI funguje, je vlastná vetva a vedomostná báza to tak aj pokladá:

• Výskumné metódy: výskumné metódy v AIED ako zastrešujúci rámec, s kvalitatívnymi, kvantitatívnymi, mixed-metódovými, na dizajne založenými a použiteľnosť prístupmi, plus randomizované kontrolované štúdie, metaanalýza a systematický prehľad a sieťová analýza.

Vlastná výskumná práca odboru je teraz samostatným predmetom. AI asistovaný vzdelávací výskum pokrýva AI používanú ako inštrument pre literárne vyhľadávanie, screening, kvalitatívne kódovanie, analýzu a písanie, vrátane praktikového výskumu, ako je scholarship of teaching and learning. Zostáva odlišný od dizajnov použitých na štúdium toho, čo AI robí so študentmi.

• Hodnotenie systémov AI: hodnotenie AI vo vzdelávaní a benchmarky pre posudzovanie schopnosti systému, s prírastkami v učení ako výsledkom, na ktorom záleží, a priečizovými obmedzeniami týchto dôkazov a ako čítať jednu štúdiu ako opatrným protizávažím.

Ľudia

AI vo vzdelávaní mení úlohy každej zainteresovanej strany. Stránka Zainteresované strany v AI vzdelávaní vedomostnej bázy je zastrešujúcim rámcom pokrývajúcim ich všetkých:

• Študenti: skúsenosť študentov, kariérny rozvoj a pripravenosť a AI úzkosť a stres formujú, ako študenti AI stretávajú.
• Rodiny a komunity: rodičia a rodiny sú publikom, ktoré školy o AI oslovujú najčastejšie, a zároveň tým, ktoré má najmenej výskumu za odporúčaniami, takže ich obavy patria do obrazu zainteresovaných strán, nie mimo neho.
• Pedagógovia a rámce výučby: AI kompetencia učiteľa, technologické pedagogické obsahové vedomosti (TPACK), SAMR a vzdelávací rozvoj riešia prípravu a podporu pedagógov.
• Tvorcovia: Educational Technology Developers — dizajnéri produktov, softvéroví vývojári, learning inžinieri a dizajnéri analytiky, ktorí menia schopnosť modelu na niečo, čo inštitúcia môže nakúpiť. Sú odlišným publikom od praktikov a administrátorov vyššie, a sedia mimo inštitúcií, ktoré prijímajú ich nástroje, čo je dôvod, prečo sa predvolené nastavenia, spoločný dizajn a údržba po financovaní objavujú v tejto vedomostnej báze ako pedagogické otázky, a nie komerčné.

Inštitúcie a politika

Inštitucionálna vrstva je miesto, kde sa rozhodnutia o AI skutočne robia a obhajujú: administrátori a inštitucionálni lídri, vzdelávacia AI politika, riadenie AI, manažment zmien ako práca zatraťniť prijatie, AI regulácia a otázky nákupu a platforiem, ktoré vyplývajú z prijatia technológií, open source a edtech platforiem, popri profesijnom a celoživotnom učení a profesijnom tréningu.

Rovnosť, etika a zodpovedné používanie

Spravodlivosť, prístup a zodpovednosť sú ústredné pre AI vo vzdelávaní:

• Rovnosť a prístup: rovnosť, diferenciálne efekty naprieč skupinami študentov (otázka, pre koho zistenie platí), digitálny divide, zmierňovanie predsudkov, kultúrne relevantná pedagogika, viacjazyčné učenie, inkluzívne učenie, prístupnosť, asistívne technológie, neurodiverzita, univerzálny návrh učenia a štúdie globálneho juhu.
• Etika a zodpovednosť: AI etika, zneužívanie AI a škoda na učení, právne otázky a riziká, zverejňovanie používania AI, zábrany, súkromie, riziko halucinácií, AI patolizálnosť, dôvera, kalibrácia dôvery, redukovanie zneužívania AI, ako sa používanie AI formuluje pre študentov, pedagogická bezpečnosť, udržateľnosť a kognitívne odľahčenie.

Systematický prehľad etickej literatúry odboru (Agarwal a spol. 2026, 25 článkov) konsoliduje etiku AIED do šiestich hlavných etických hodnôt — nediskriminácia, spravovanie údajov, ľudský dohľad, dobra vôľa, vysvetliteľnosť a vzdelávacia vhodnosť — a mapuje etické normy na maticu podľa zainteresovanej strany a hodnoty. Zisťuje, že koncoví používatelia sú v etickej literatúre vo veľkej miere pasívni (hlasy študentov v podstate absentujú) a vyzýva na integráciu etiky do dizajnu AIED a väčší dôraz na vzdelávaciu (pedagogickú) dimenziu etiky AIED.

Emergentné a priečizové témy

Niekoľko tém prechádza cez odbor:

• Dôvera a kritické používanie: Trust, kalibrácia dôvery, AI patolizálnosť, kritické myslenie, kognitívne odľahčenie, kritická pedagogika a redukovanie zneužívania AI (pozri tiež ako sa používanie AI formuluje pre študentov). Ako sa študenti a učitelia rozhodujú prijať a spoliehať sa na AI, modeluje výskum prijatia technológií, zatiaľ čo štúdie globálneho juhu vyčnievajú rovnosť a kultúrny kontext pri prijatí. Empiricky to, ako AI vysvetľuje samu seba, formuje túto dôveru: Feldman-Maggor a spol. (2025) ukázali, že vysvetliteľná AI buduje dôveru učiteľov v AI odporúčania prostredníctvom zrozumiteľnosti, pričom doménou riadené (kurikulárnym jazykom) vysvetlenia sú dôveryhodnejšie a prijímanejšie ako výstup založený na dátach z dôležitosti príznakov.
• Evolúcia odboru: vedomostná báza vysleduje AI vo vzdelávaní od skorých systémov inteligentného tutorstva a trasovania znalostí cez LLM-riadené tutorstvo, agenty a agentickú AI — rýchly posun od nástrojovo orientovaných štúdií k sociotechnickým rámcom (dizajnové myslenie, návrh kurikula, inštitucionálna zmena), a od ručne autorovaných systémov k používateľom riadeným pracovným postupom, v ktorých študent alebo neprogramátor špecifikuje správanie v prirodzenom jazyku (vibe coding). Rismanchian & Doroudi formalizujú túto trajektóriu svojím rámcom AI×Ed, vysledujúc články naprieč štyrmi desaťročiami konferencií, aby ukázali, že sa odbor presunul z rozmanitej zmesi — vrátane podstatného výskumu pokladajúceho AI za analógiu ľudskej inteligencie a učenia — smerom k takmer výhradnému zameraniu na aplikované, dátami riadené, výskumníkom orientované použitia, obrat, ktorý nástup LLM teraz z časti zrejme vracia (tri zo štyroch článkov „AI ako analógia" na AIED 2024 boli založené na LLM).
• Emócie, úzkosť a kariérne budúcnosti: AI vyvoláva a formuje emocionálne odpovede — AI úzkosť a stres zahŕňajúce dohľad pri skúškach, strach z integrity a kariérne vytlačenie — zatiaľ čo kariérny rozvoj a pripravenosť rieši, ako vzdelávanie pripravuje študentov na AI narušený trh práce (pozri tiež Well-Being).

Zrelosť odboru

Vedomostná báza odráža odbor v rýchlej evolúcii — od skorých systémov inteligentného tutorstva cez LLM-riadené tutorstvo a agentickú AI; od nástrojov akademickej integrity zameraných na detekciu k redesignu hodnotenia; od nástrojovo orientovaných štúdií k sociotechnickým a na rovnosť zameraným rámcom. Dôkazová základňa čoraz viac zdôrazňuje prísne výskumné metódy, hodnotenie, experimentálne dizajny a dlhodobé výsledky.

Prepojenia

AI vo vzdelávaní sa spája s každým konceptom vedomostnej bázy — je to odbor, ktorý spoločne definujú všetky ostatné stránky konceptov. Použite túto stránku ako východiskový bod na navigáciu celou vedomostnou bázou.

Prepojené koncepty

• Pedagogical Patterns — Testované sekvencie, ktoré operacionalizujú pedagogiky odboru
• AI gramotnosť — zastrešujúci rámec: porozumenie, používanie a hodnotenie AI
• Human AI Collaboration — zastrešujúci rámec: ako ľudia a AI pracujú spoločne
• Pedagogies and Teaching Strategies — zastrešujúci rámec: metódy a stratégie výučby
• Learning Theories — zastrešujúci rámec: ako sa učíme
• Technologies — zastrešujúci rámec: modely, techniky a systémy
• AIEd in the Disciplines — zastrešujúci rámec: AI naprieč predmetovými oblasťami a úrovňami
• Assessment — zastrešujúci rámec: ako AI hodnotí študentov a pretvára platnosť
• Feedback — zastrešujúci rámec: ako sa spätná väzba generuje, dodáva a používa
• Stakeholders — zastrešujúci rámec: kto sú aktéri
• Learners — zastrešujúci rámec: koncepty na strane študenta (skúsenosť, identita, agentúra, interakcia, modely študenta)
• AI Ed Evaluation — zastrešujúci rámec: ako vieme, či AI funguje
• Research Methods in AIED — zastrešujúci rámec: metódy výskumu účinnosti
• AI-Assisted Educational Research — AI asistovaný vzdelávací výskum
• AI Governance — zastrešujúci rámec: inštitucionálna a regulačná vrstva
• Educational AI Policy — zastrešujúci rámec: politika, usmernenia a implementácia
• Equity — zastrešujúci rámec: spravodlivosť, prístup a inklúzia
• Learning Sciences — empirický odbor za AIED
• Ethics — etické dimenzie AI vo vzdelávaní
• Misconceptions about AI — mentálne modely, ktoré ľudia prinášajú k AI
• Interpreting and Applying AIEd Research — čítanie štúdie a prenášanie zistenia do praxe
• Limitations in AIEd Research — priečizové limity dôkazovej základne
• Meta-Analysis and Systematic Review — čo ustanovujú prehľady a metaanalýzy
• History of AI in Education — ako sa odbor vyvíjal
• Philosophy of AI in Education — filozofické základy
• Theories and Frameworks — mapa uzlov teórií a rámcov
• Theory Development in AI in Education — budovanie a revízia teórie

Prepojené články

Prehľady celého odboru AI vo vzdelávaní — štúdie, ktoré mapujú celý odbor alebo celú vzdelávaciu úroveň, a nie jednu tému:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — Evolúcia výskumu AI a vzdelávania naprieč štyrmi desaťročiami (rámec AIxEd)
• Control vs. Agency: Exploring the History of AI in Education — Kontrola vs. agentúra: história AI vo vzdelávaní
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Generatívna AI vo vysokom školstve: systematický prehľad 125 štúdií
• The Evidence Base on AI in K-12: A 2026 Review — Dôkazová základňa o AI v K-12: prehľad 818 článkov
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Generatívna AI a vzdelávacie výsledky: komplexná metaanalýza