Vedecká databáza AIEdAIEd KB
Na tejto stránke

Prečítajte si túto stránku po anglicky

Pojmy

História AI vo vzdelávaní

Vytvorené 2026-08-23 · Aktualizované 2026-11-08

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

História AI vo vzdelávaní — štúdium toho, ako sa umelá inteligencia a vzdelávanie spoluvyvíjali od polovice 20. storočia a ako minulé konceptuálne, terminologické a dizajnové voľby naďalej formujú dnešné debaty o AI v učení. Namiesto pokladania generatívnej AI za náhlu, bezprecedentnú silu historická šošovka odhaľuje opakujúce sa napätia — kontrola verzus agentúra, štandardizácia verzus kreativita, automatizácia verzus augmentácia — ktoré štruktúrovali AI vo vzdelávaní od jej počiatkov.

Otázky na zamyslenie

  • Dnešná generatívna AI sa často opisuje ako bezprecedentná revolúcia. Ako by toto rámcovanie („chronocentrizmus“) mohlo brániť vidieť opakujúce sa vzory pod ním?
  • Obor sa takmer volal „kybernetika“ namiesto „umelá inteligencia“. Ako mohla táto jediná voľba názvu ovplyvniť, či vidíme stroje ako nezávislé inteligencie, alebo ako súčasť prepojených spätnoväzbových systémov?
  • Stránka rámuje históriu AIED ako napätie medzi kontrolou (Andersonove kognitívne tútory optimalizujúce výučbu) a agentúrou (Papertov konštrukcionizmus zmocňujúci študentov). Kde sa vaše vlastné rozhodnutia o AI vo vzdelávaní nachádzajú na tomto spektre — a prečo?
  • Personalizácia má podľa stránky dva významy: meniť cestu k rovnakému výsledku, alebo umožniť rôznorodé, študentom riadené výsledky. Ktorý druh personalizácie vaša inštitúcia skutočne sleduje a ktorý by podľa vás mala?
  • Ak dnešné debaty o generatívnej AI „zrkadlia“ tieto historické napätia, aké minulé chyby možno opakujeme — a čomu by sme sa mohli vyhnúť tým, že si ich zapamätáme?
  • Stránka tvrdí, že technické dizajnové voľby vkladajú hodnotové súdy o účele učenia. Dokážete identifikovať dizajnové rozhodnutie v nástroji AI vzdelávania, ktorý ste použili, ktoré ticho uprednostnilo štandardizáciu pred agentúrou študenta — alebo naopak?

Úvod

História oboru nie je lineárny pokrok, ale séria podmienených rozhodnutí, ktorých účinky stále doznievajú. Porozumenie tejto histórii chráni pred „chronocentrizmom“ (predpojatosťou pokladať súčasný vývoj za jedinečne revolučný), pomáha vyhnúť sa opakovaniu minulých chýb a odhaľuje, ako trajektóriu AI vo vzdelávaní riadia voľby rámcovania a terminológie — nielen technológia.

Kľúčové historické vlákna

Od kybernetiky k „umelej inteligencii“. Keď John McCarthy plánoval Dartmouthský letný výskumný projekt v roku 1956, zámerne zvolil termín umelá inteligencia pred kybernetikou — čiastočne preto, aby sa obor dištancoval od Norberta Wienera a jeho zamerania na analógovú spätnú väzbu. Toto rozhodnutie o názve rámovalo schopnosti strojov v priamom porovnaní s ľudským poznávaním (antropomorfné rámovanie) a na desaťročia usmerňovalo výskumné priority, verejné vnímanie a etickú debatu. Keby si obor ponechal kybernetické rámovanie, článok si predstavuje, že by sme dnes hovorili o „kybernetických učebných systémoch“ zdôrazňujúcich spätnú väzbu a prepojenie, a nie o „AI tútoroch“ stavajúcich stroj ako nezávislý zdroj inteligencie.

Kognitívna revolúcia a korene ITS. Raní priekopníci — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — neboli len modelovaním poznávania; skúmali zásadné otázky o učení a výučbe. Ich práca priniesla modely ľudského poznávania spracúvajúce informácie, ktoré sa stali základom pedagogickej psychológie, a viedla k inteligentným tútorským systémom (ITS) ukotveným v paradigme heuristického hľadania a expertných systémov AI 60. a 70. rokov. Tieto systémy sa prirodzene zlaďovali s existujúcimi štruktúrami hodnotenia a štandardizácie a napokon sa zliali do komunity AIED.

Kontrola verzus agentúra: Anderson a Papert. Vynorili sa dve súperiace vízie, vtelené v Johnovi Andersonovi a Seymourovi Papertovi. Andersonove kognitívne tútory (teória ACT/ACT-R) rozkladali vedomosti na produkčné pravidlá, poskytovali presnú individualizovanú spätnú väzbu a posilňovali tradičné vzdelávacie štruktúry — vízia AI ako nástroja na optimalizáciu výučby. Papertov konštrukcionizmus (Logo, „mikrosvety“, ladenie ako učenie) videl počítače ako prostredia, v ktorých deti konštruujú vedomosti tvorivým experimentovaním — vízia AI ako nástroja intelektuálneho zmocnenia, ktorý spochybňoval inštitucionálne hierarchie. Toto „základné napätie“ medzi kontrolou a agentúrou je hlavnou líniou histórie oboru.

Dve formy personalizácie. Personalizácia má dva odlišné výklady, ktoré sa mapujú na tieto vízie. Prvý zachováva rovnaké výsledky a mení cestu (ukotvený v Skinnerových vyučovacích strojoch; vízia Khan Academy doučovania do zvládnutia). Druhý prijíma rôznorodé výsledky — študenti sledujú individuálne záujmy a talenty bez obmedzenia štandardnými hranicami kurikula (Zhao, 2024). Model ITS podporuje prvý; konštrukcionizmus druhý.

Lekcie pre éru generatívnej AI. Dnešné debaty o generatívnej AI tesne zrkadlia tieto historické napätia. Generatívna AI sa často stavia ako inteligentný tútor novej generácie (rozšírenie Andersona), čo vyvoláva obavy o dohľad, zber dát a štandardizáciu. Alternatívne môže byť nástrojom tvorivej agentúry (rozšírenie Papert), čo vyžaduje prehodnotenie hodnotenia a prijatie nejednoznačnejších výsledkov. Ako uzatvárajú Mishra a spol., inštitucionálne sily opakovane favorizujú prístupy, ktoré posilňujú existujúce štruktúry — a jazyk a metafory, ktoré si vyberieme, budú formovať budúce možnosti. Rámec AI×Ed Rismanchiana a Doroudiho dáva tejto intuícii empirické zakotvenie: lokalizovaním článkov z proceedings AIED (1985, 1993, 2021, 2024) a IJAIED (2004, 2014, 2021) pozdĺž dvoch osí — rola AI (aplikovaný nástroj verzus analógia ľudskej inteligencie) a koncový používateľ — sledujú obor, ktorý sa posunul od rôznorodej zmesi vrátane podstatného raného výskumu používajúceho AI ako analógiu ľudskej inteligencie (výpočtové modely učenia, Papertove mikrosvety, agentové modely osvojovania vedomostí) k takmer výlučnému zameraniu na aplikované, inštrumentálne použitia v 2000. rokoch. Éra generatívnej AI túto trajektóriu zjavne čiastočne obracia: k AIED 2024 boli tri zo štyroch slotov v kvadrante „AI ako analógia“ postavené na LLM a jeden z nich získal cenu za najlepší článok za učiteľných agentov poháňaných LLM.

Žurnálový záznam sa obracia dvakrát. Štrukturálny model tém 5 387 článkov Computers & Education (1976–2026) našiel AI v 390 záznamoch (7,2 %), naprieč 17 z jeho 18 tém. Ročná šanca, že článok súvisí s AI, rástla o 21,8 % ročne do roku 1989, klesala o 3,7 % ročne do roku 2018 a potom stúpala o 40,1 % ročne do roku 2025 (Wu a spol., 2026). Obrat v roku 2018 predchádza ChatGPT o štyri roky, takže generatívna éra zrýchlila už prebiehajúci trend, a nie že by ho začala.

Nedávny vplyv generatívnej AI

Príchod generatívnej AI — širokej rodiny, ktorá zahŕňa veľké jazykové modely (text) plus generátory obrazu, zvuku a videa — znamená najzávažnejší inflexný bod v histórii AIED od založenia oboru. LLM sú najvýznamnejším členom tejto rodiny a motorom väčšiny vplyvu v triedach, ale generatívna AI ako celok (schopná vytvárať nový text, obrazy, zvuk a kód) je širšou silou pretvárajúcou vzdelávanie. Najlepšie ju chápať v protiklade k histórii AIED, a nie ako čistý zlom. Niekoľko čŕt robí éru generatívnej AI výnimočnou:

Rozsah a dosah. Na rozdiel od kognitívnych tútorov a ITS predchádzajúcich desaťročí, ktoré pôsobili v kontrolovaných laboratórnych a triednych prostrediach, LLM dosiahli stovky miliónov študentov a pedagógov v priebehu mesiacov od vydania a takmer okamžite vstúpili do každodenného písania, domácich úloh a výučby. Debata o generatívnej AI sa presunula zo špecializovaných žurnálov do tried, zasadacích miestností a zákonodarných zborov s bezprecedentnou rýchlosťou.

Nový druh schopnosti. Skoršie systémy AIED modelovali poznávanie a dodávali štruktúrovanú výučbu (Andersonova tradícia). LLM vykonávajú otvorené generovanie — produkujú eseje, vysvetlenia, kód a dialóg — čo stavia do popredia agentúru študenta a kreativitu (Papertova tradícia) spôsobmi, aké skoršie ITS nedokázali. Preto súčasný moment tak ostro znovu zapaluje napätie kontroly verzus agentúry: ten istý nástroj možno nasadiť ako inteligentného tútora novej generácie (kontrolujúceho výsledky) alebo ako tvorivého spoluautora a mysliaceho partnera (zosilňujúceho agentúru).

Obrátenie rovnice prístupu. Historicky bolo personalizované doučovanie zriedkavé a drahé; generatívna AI urobila adaptívnu individuálnu podporu takmer bezplatnou a univerzálnou — dramaticky znížila bariéry prístupnosti a nákladov, ktoré formovali skorší AIED. Priniesla však aj nové riziká: algoritmickú predpojatosť, halucinácie, dohľad, zber dát a znižovanie kvalifikácie pedagógov.

Obnovená obava o AI gramotnosť a zneužitie. Éra generatívnej AI urobila AI gramotnosť naliehavou a prerámovala debaty o akademickej integrite (detekcia verzus dialóg), pričom oživila dlhodobé obavy o automatizáciu, štandardizáciu a epistemickú závislosť. To sú moderné prejavy pôvodných napätí oboru.

Riziko chronocentrizmu. Ako varujú Mishra a spol., hype okolo generatívnej AI často postráda historické povedomie, čo umožňuje technologickým evanjelistom dominovať rozhovoru. Pochopenie, že dnešné debaty o generatívnej AI ozývajú delenie Anderson–Papert a rozhodnutie o názve z roku 1955, nám pomáha robiť zámerné voľby namiesto pokladania prítomnosti za nevyhnutnú. Skutočná otázka nie je, čo nástroje generatívnej AI dokážu, ale čo chceme, aby robili — rozhodnutie formované tým, kde sme boli.

Dôsledky

  • Čítajte hype historicky. Uvedomte si, že každá nová vlna AI sa rámuje ako revolučná; historické povedomie odhaľuje kontinuitu a pomáha odolávať korporátnej dominancii rozhovoru.
  • Vnímajte dizajnové voľby ako hodnotové voľby. Technické rozhodnutia o AI vo vzdelávaní vkladajú ideologické pozície o účele učenia — pomenujte ich a skúmajte.
  • Zámerne vyvažujte kontrolu a agentúru. Či má AI optimalizovať k štandardným výsledkom, alebo umožniť rôznorodé, študentom riadené výsledky, je skutočná voľba s inštitucionálnymi a politickými dôsledkami, a nie technický fakt.
  • Zachovajte agentúru študenta. Opakujúci sa odpor voči štandardizácii a kontrole v prospech otvorených prístupov zameraných na študenta je trvácne vlákno, ktoré stojí za obranu.

Bežné mylné predstavy

„AI vo vzdelávaní začala s ChatGPT.“ Nezačala a toto presvedčenie je nákladné, pretože robí každú skoršiu lekciu neviditeľnou. Inteligentné doučovanie pochádza z práce na heuristickom hľadaní a expertných systémoch 60. a 70. rokov a komunita AIED sa okolo neho sformovala desaťročia pred veľkými jazykovými modelmi. Mishra a spol. ukazujú, že súčasné debaty reprodukujú delenie už zjavné v Andersonových kognitívnych tútoroch a Papertovom konštrukcionizme, takže čitateľ, ktorý datuje obor do roku 2022, znovu odvodí argumenty, ktoré obor už raz vyriešil, opustil alebo prehral.

„Obor sústavne opúšťal AI ako analógiu v prospech aplikovaných nástrojov a generatívna AI v tomto trende pokračuje.“ To je najinštruktívnejšia korekcia na stránke, pretože trajektória je reálna, ale nie monotónna. Pozičná analýza Rismanchiana a Doroudiho z AIED 1985, 1993, 2021 a 2024 a IJAIED 2004, 2014 a 2021 skutočne ukazuje posun od zmiešaného oboru k takmer výlučnej aplikovanej inštrumentalite v 2000. rokoch. Ale na AIED 2024 boli tri zo štyroch článkov v kvadrante AI ako analógia založené na LLM, vrátane najlepšieho článku o učiteľných agentoch založených na LLM. Generatívna AI tento trend čiastočne obracia, a nie predlžuje, a preto jej pokladanie za „ďalšieho inteligentného tútora“ nesprávne číta, kam sa výskumná hranica vlastne posunula.

„Personalizácia znamená prispôsobenie náročnosti každému študentovi.“ To je len jeden z dvoch nezlučiteľných zmyslov a ich zamiešanie skrýva politickú voľbu. V prvom zmysle je výsledok pevne daný a mení sa len cesta, s líniou od Skinnerových vyučovacích strojov po doučovanie založené na zvládnutí. V druhom sa samotné výsledky diverzifikujú, keď študenti sledujú individuálne záujmy bez obmedzenia štandardným kurikulom (Zhao, 2024). ITS implementuje prvý; konštrukcionizmus druhý. Nástroj opísaný ako „personalizovaný“ vám nepovedal nič, kým neviete, ktorý z nich má na mysli.

„‚Umelá inteligencia‘ bol jednoducho zjavný názov oboru.“ Termín bol zámernou voľbou. Keď McCarthy plánoval Dartmouthský projekt v roku 1956, uprednostnil umelú inteligenciu pred kybernetikou čiastočne preto, aby prácu vzdialil od Wienerovej tradície analógovej spätnej väzby. Toto jediné rozhodnutie rámovalo stroje v priamom porovnaní s ľudským poznávaním a antropomorfné rámovanie, ktoré zaviedlo, stále formuje výskumné priority, jazyk produktov a etické otázky, ktoré verejnosť kladie.

Uvedenie do praxe

Pre inštruktorov a inštrukčných dizajnérov

  • Pred prijatím pomenujte tradíciu, do ktorej váš nástroj patrí. Pýtajte sa, či optimalizuje k pevným výsledkom, alebo otvára smerovanie študenta, pretože táto odpoveď, a nie zoznam funkcií, určuje, čo urobí s vaším návrhom hodnotenia.
  • Skúmajte slovo „personalizovaný“ v každom tvrdení dodávateľa a žiadajte odpoveď v zmysle dvoch vyššie uvedených významov. Produkt, ktorý mení tempo k spoločnému štandardu, a produkt, ktorý necháva študentov divergovať, nie sú substitúty.
  • Keď študenti prezentujú generatívnu AI ako bezprecedentnú, história je sama osebe vyučovateľný obsah. Rámovanie Anderson–Papert im dáva slovník na argumentovanie o AI, a nielen na jej používanie.

Pre vývojárov

  • Jazyk rozhrania je dizajnové rozhodnutie s líniou. Nazvať systém „AI tútor“ dedí Andersonovo rámovanie a očakávanie optimalizácie k štandardným výsledkom; nazvať ho „mikrosvet“ alebo „učebné prostredie“ dedí Papertovo. Ani jedno nie je neutrálne, takže voliť treba zámerne.
  • Ak staviate v tradícii analógie (modely učenia, učiteľní agenti, simulácie osvojovania vedomostí), povedzte to. Ten kvadrant bol dve desaťročia takmer prázdny a znovu sa zapĺňa; pozicionovanie je odlišujúci prvok a kritériá hodnotenia sú iné.

Pre výskumníkov

  • Používajte historické korpusy ako základnú líniu, namiesto pokladania prítomnosti za jediné dostupné porovnanie. Proceedings AIED z 1985, 1993, 2021 a 2024 a IJAIED z 2004, 2014 a 2021 sú hotovou longitudinálnou vzorkou tvrdení samotného oboru.
  • Pri tvrdení o novosti citujte líniu. Tvrdenie, že systém „personalizuje učenie“ alebo „modeluje študenta“, je nové len vo vzťahu ku konkrétnej predchádzajúcej tradícii, a tá tradícia je zdokumentovaná.

Súvisiace koncepty

Súvisiace články

Metadáta

Učenie a výučbaConstructivism, Learning Theories
Technológie a technikyGenerative AI, Intelligent Tutoring
Základy AI v edukáciiAgentúra študenta, AI vo vzdelávaní, História AI vo vzdelávaní
ZdrojHistóriaUpraviťChat

Vložiť túto stránku

Skopírujte kód nižšie a vložte túto stránku do systému správy výučby alebo iného webu. Vložená verzia zobrazuje len obsah stránky — skrýva hlavičku webu, navigáciu a pätu.