Vedecká databáza AIEdAIEd KB
Na tejto stránke

Prečítajte si túto stránku po anglicky

Pojmy

Vývoj teórie v AI vo vzdelávaní

Vytvorené 2026-08-22 · Aktualizované 2026-11-08

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

Vývoj teórie v AI vo vzdelávaní — vedecká práca vytvárania, rozvíjania a kritického skúmania teórií a konceptuálnych rámcov, ktoré vysvetľujú, ako študenti, učitelia a systémy AI vzájomne pôsobia. Ako generatívna AI pretvára vzdelávanie, odbor navrhuje nové teórie učenia s AI a zároveň prepracúva etablované teórie učenia — pričom zdokumentovaná slabina vo využívaní teórie zostáva prierezovým obmedzením výskumu AIEd.

Otázky na zamyslenie

  • Často hovoríme o „uplatňovaní teórie" na AI vo vzdelávaní, ale táto stránka sa pýta, či odbor skutočne vymýšľa nové teórie. Skôr než budete čítať ďalej: keď sa známy rámec (ako behaviorizmus alebo konštruktivizmus) naťahuje, aby pokryl generatívnu AI, čo môže trafiť správne a čo môže potichu skresliť?
  • Spomeňte si na chvíľu, keď ste používali AI a cítili, že vaše porozumenie rástlo — alebo naopak. Aký je rozdiel medzi „učením sa s nástrojom" a „spolutvorbou poznania so strojom"? Kde by ste tú hranicu nakreslili a dáva vôbec zmysel povedať, že stroj je spoluagent?
  • Mnohé štúdie AI vo vzdelávaní sú kritizované za slabé alebo žiadne využitie teórie. Keby ste čítali štúdiu, ktorá ukázala, že nástroj AI „fungoval", čo by vám musela povedať o tom, prečo a ako fungoval, než by ste zistenie nazvali teoreticky zmysluplným, a nie len veľkosťou efektu?
  • Jedna navrhovaná teória tvrdí, že študenti vyrastení s AI preceňujú svoje vlastné učenie, pretože AI nafukuje ich výkon. Všimli ste si u seba alebo u iných, že sa cítia kompetentnejší po intenzívnom používaní AI, než by dokázali preukázať bez nej? Aký by bol najsilnejší dôkaz, že ide o skutočný fenomén, a nie artefakt jednej štúdie?
  • Stránka odlišuje teóriu (vysvetľovanie mechanizmov učenia) od filozofie (spochybňovanie toho, čím učenie a myslenie v základe sú). Kde vo vlastnom myslení o AI zisťujete, že sa pohybujete medzi oboma — napríklad keď sa nepýtate len, či rámec dobre vysvetľuje učenie, ale či zachytáva, čím učenie skutočne je?
  • Objavujú sa nové teórie — generativizmus, epistemická spoluagentúra, kognitívne spoločenstvo. Ako čitateľ, čo by vás presvedčilo, že jedna z nich je skutočný pokrok, a nie módne premenovanie starších myšlienok? Nastavte si vlastný test toho, čo by dobrá nová teória učenia s AI mala dokázať vysvetliť.

Úvod

Vývoj teórie v AIEd sedí na hranici medzi aplikovanými teóriami učenia, z ktorých odbor čerpá, a novými konštruktmi, ktoré produkuje éra AI. Kým teórie učenia katalogizujú etablované teórie uplatňované na AI (behaviorizmus, konštruktivizmus, kognitívna záťaž, sebaurčenie atď.), tento koncept sleduje proces a produkt teoretizovania samotného: ktoré nové teórie a rámce sa rodia, ako sa etablované teórie rozvíjajú a metodologickú otázku, či výskum AIEd teoretizuje dobre.

  • Rámec, ktorý špecifikuje vlastnú porovnávaciu podmienku. Nakamura (2026) pokladá rozdelenie kognitívnej práce za vysvetľujúcu jednotku, umiestňuje operácie na stupňovité kontinuum periférne–konštitutívne, pomenúva porovnávaciu podmienku, proti ktorej sa augmentácia a erózia definujú, a odvodzuje sedem podmienených testovateľných tvrdení (Nakamura, 2026). Pretože tvrdenia predpovedajú rozdiely medzi konfiguráciami, štúdia hlásiaca len priemerný efekt ich nemôže potvrdiť ani vyvrátiť.

Nové teórie učenia s AI

Rastúci zhluk článkov výslovne vytvára novú teóriu pre éru AI, namiesto uplatňovania existujúcich rámcov:

  • Generativizmus. Generativizmus je navrhnutý ako nová teória učenia, ktorá argumentuje, že behaviorizmus, kognitivizmus, konštruktivizmus a konektivizmus každý stoja na jednom predpoklade, ktorý generatívna AI prelamuje: že pozorovateľný výstup potvrdzuje učenie (behaviorizmus), že kognitívne operácie sa odohrávajú vnútri študenta (kognitivizmus), že zmysel sa konštruuje, a nie dodáva (konštruktivizmus), a že ťažká časť je navigovať k existujúcim vedomostiam, a nie ich generovať (konektivizmus). Pomenúva štyri konštrukty — epistemické partnerstvo, distribuovanú agentúru, generatívnu gramotnosť a adaptívnu metakogníciu — a pre každý odvodzuje indikátor hodnotenia, čo je priamy pokus pomenovať odlišnú teoretickú paradigmu pre učenie sprostredkované AI. Čo nerobí, je uvádzanie tvrdení, ktoré by mohli zlyhať: je to pozičný článok syntetizujúci existujúce dôkazy, takže na rozdiel od Agentivizmu nižšie ponúka slovník a meraciu agendu, nie falzifikovateľnú teóriu.

  • Prepojenosť s AI. Fu a Zhao (2026) rekonštruujú prepojenosť pre éru AI cez etiku starostlivosti a neekologickú teóriu, pričom definujú „prepojenosť s umelou inteligenciou" ako psychologicky reálne, no eticky asymetrické puto s tromi dimenziami a šiestimi falzifikovateľnými tvrdeniami čakajúcimi na vývoj škály.

Syntetická pozícia pridáva súperiacu ponuku, ktorá tvrdenia uvádza: pomenúva syntetickú propagáciu a autorské pozastavenie — ja husto vyjadrené, no bez autora — a predpovedá krížovú interakciu, v ktorej sa hodnotené autorstvo a koherencia naratívu o životnom rozhodnutí pohybujú opačnými smermi (Du a spol. (2026)).

  • Agentivizmus. Yan a Gašević (2026) navrhujú Agentivizmus ako stredodosahovú teóriu učenia pre interakciu človeka a AI, ktorá definuje učenie ako trvalý rast ľudskej schopnosti, a nie ako úspešné dokončenie úlohy s AI, a špecifikuje štyri mechanizmy: delegovaná agentúra, epistemické monitorovanie a overovanie, rekonštruktívna internalizácia a transfer pri zníženej podpore. Od ostatných ponúk na tejto stránke ho oddeľuje falzifikovateľnosť: uvádza šesť tvrdení vrátane toho, že učenie je silnejšie, keď AI zachováva zodpovednosť študenta za rámovanie problému, stanovenie kritérií a odôvodnenie, než keď dodáva odpovede. Tvrdí tiež, že vyžadovanie overovania by malo zlepšiť oneskorený výkon, kým opakované delegovanie s nízkym trením bez rekonštrukcie by malo oslabiť kalibráciu študentov o vlastnej kompetencii.

Teoretizovanie na strane učiteľa teraz prijíma rovnaký záväzok testovateľnosti: model Capability–Decision radí schopnosť AI-TPACK pred postoj a vnímanú behaviorálnu kontrolu a pomenúva štyri podmienky vyvrátenia — zlyhanie mediácie, diskriminačný kolaps, nulovosť moderácie a redundantnosť kontextu — hoci model zostáva netestovaný (Mnguni (2026)).

  • Epistemická spoluagentúra. Učenie sa so strojmi buduje „smerom k teórii epistemickej spoluagentúry", teoreticky informovaný model toho, ako študenti a systémy GenAI spoločne produkujú poznanie a porozumenie.

  • Cyklus kognitívneho partnerstva. Page (2026) navrhuje Cyklus kognitívneho partnerstva, šesťfázový rekurzívny model — ľudská otázka, rozšírenie AI, ľudská reflexia, integrácia, revízia a nová otázka — ktorý lokalizuje učenie do zmeny kognitívnej pozície študenta, a nie do sofistikovanosti promptu, a pomenúva štyri režimy zlyhania, kde tá istá rekurzia nahrádza alebo skresľuje myslenie.

  • Chýbajúca kognitívna základňa (ACB). Chýbajúca kognitívna základňa teoretizuje štrukturálnu medzeru v akademickom sebahodnotení študentov vyrastených s AI — trojdimenzijný rámec vysvetľujúci, prečo študenti preceňujú svoje učenie, keď AI nafukuje výkon.

  • Kognitívne spoločenstvo. Kognitívne spoločenstvo a regenerácia odbornosti čerpá z teórie zdrojov spoločného vlastníctva a distribuovaného poznávania, aby vysvetlil, ako racionálne rozhodnutia o osvojení AI môžu vyčerpať zdieľaný fond odbornosti, ktorý profesie potrebujú na obnovu.

  • Výkon verzus učenie. Výkon verzus učenie teoretizuje ostrú divergenciu medzi úlohovým výkonom nafúknutým AI a trvalým učením, čo je rozlíšenie, ktoré sa opakuje v dôkazoch o učebných ziskoch v tejto vedomostnej báze.

  • Epistemická AI gramotnosť (EAIL). Epistemická AI gramotnosť preformulúva AI gramotnosť ako procesovo orientovanú epistemickú kompetenciu zameranú na to, ako sa poznanie konštruuje a odôvodňuje, keď študenti spoluvyvíjajú programy s generatívnou AI.

  • Teória troch systémov. Shaw a Nave (2026) rozširujú dvojprocesové koncepcie o Systém 3 — externé, automatizované, dátami riadené uvažovanie z AI, ktoré môže dopĺňať, nahradiť alebo potlačiť Systém 1 a Systém 2 — a pomenúvajú kognitívnu kapituláciu, nekritické prijatie výstupu AI, ako jeho charakteristický režim zlyhania.

  • Kognitívne správcovstvo. Kredenciál a kognitívne správcovstvo teoretizuje inštitucionálnu zodpovednosť za ochranu poznania a učenia v kontextoch hodnotenia presiaknutých AI.

  • Spoluregulácia a epistemická proaktivita. AI ako kognitívny partner v spoluregulácii integruje exekutívne funkcie, metakogníciu, distribuované poznávanie a sociokultúrny vývin do vývinového modelu; epistemická proaktivita teoretizuje agentný postoj študentov k AI v matematike.

  • Paradigmy angažovanosti človeka a GAI. Strydom (2026) adresuje „teoretický deficit" odboru tým, že zakladá sedem uplatňovaných paradigiem angažovania človeka s GAI (opatrná, zameraná na možnosti, augmentovaná, priekopnícka, symbiotická, hodnotovo založená, rovnostná) v Schommerovej multidimenzionálnom modeli osobných epistemologických presvedčení — epistemologická, a nie na nástroj zameraná teória o tom, ako sa jednotlivci odlišne pozicionujú voči AI.

  • Rámec ekologickej spoluagentúry. Poudyal (2026) argumentuje, že generatívna AI prerozdeľuje epistemologickú autoritu od učiteľov na študentov a na stroje, a predstavuje rámec definujúci spoluagentúru cez tri vzájomne závislé dimenzie — relačnú, regulačnú (mapovanú na cyklus SRL) a pedagogickú (kontinuum osvojenia učiteľom) — všetky ohraničené nevyhnutnou podmienkou ľudskej epistemickej zodpovednosti (spochybniteľnosť, pôvod a nedelegovanie morálneho alebo intelektuálneho kreditu). Pozicionuje agentúru ako epistemický dizajnový problém, a nie otázku použiteľnosti, čím dáva inštitúciám presnejší jazyk než „rovnováha" na riadenie integrácie GenAI.

  • Relačná epistemická agentúra a epistemická závislosť. Du a Yuan (2026) prinášajú kriticko-integračný výklad toho, kedy závislosť sprostredkovaná AI zachováva a kedy vytláča úsudok. Operacionalizujú hranicu produktívnej závislosti a škodlivej závislosti šiestimi diagnostickými kritériami (spochybniteľnosť, obnoviteľnosť, transfer, sledovateľnosť, distribuovaná zodpovednosť, epistemická pluralita) a sledujú štyri sociotechnické cesty (plynulá autorita, delegovanie bez trenia, nepriehľadná syntéza, inštitucionalizovaná závislosť). Ich normatívny návrh, relačná epistemická agentúra, rozširuje línie relačnej autonómie a epistemickej spoluagentúry tým, že zachováva explicitnú asymetriu — AI môže formovať uvažovanie bez recipročnej zodpovednosti alebo legitímnej autority — a zároveň integruje zodpovednosť a epistemickú spravodlivosť na inštitucionálnej úrovni. Ako teória učenia s AI posúva otázku odboru z toho, či AI pomáha alebo škodí, na to, ktoré epistemické činy sa zachovávajú, transformujú alebo vytláčajú, a robí z dizajnu závislosti, a nie z obyčajného používania, predmet pedagogickej a inštitucionálnej intervencie.

Výstup modelu sa povyšuje na status kolektívneho poznania bez garancie komunity, ktorú tento status vyžaduje — to, čo Webb et al. (2026) nazývajú pseudo-cPCK, a dôvod, prečo odbor potrebuje nový teoretický konštrukt, a nie lepšie rozhranie (Webb et al., 2026).

Rozvíjanie etablovanej teórie

Iná práca rozširuje existujúcu teóriu do kontextu AI, namiesto zakladania nových paradigiem: práca o paradoxe kritického myslenia integruje teóriu kognitívnej záťaže s výučbou znižujúcou záťaž do trojúrovňového rámca; spravodlivé hodnotenie re-teoretizuje hodnotenie pod narušením spôsobeným GenAI. Ba, Gašević, Lim a Anderson (2026) prekonceptualizujú samotný rámec komunity skúmania: namiesto rámovania GenAI ako nástroja, dialógového partnera alebo špekulatívnej „štvrtej prítomnosti" ju premiestňujú ako epistemickú podmienku, ktorá prekonfigurúva, ako sa kognitívna, sociálna a vyučovacia prítomnosť uplatňuje, dokazuje a riadi — pretvárajúc prítomnosti CoI na sociotechnické výkony zostáv človek–GenAI a navrhujúc konfiguračnú heuristiku, v ktorej sú zapojenie GenAI a kvalita skúmania podmienečne spojené cez ľudskú zodpovednosť. Veľká časť z toho je prácou na konceptuálnych rámcoch (rámce obchodných škôl, validná simulácia), ktorá operacionalizuje teóriu pre prax.

Lin a Chang (2026) rozširujú samoregulované učenie a reguláciu človek–AI tým, že pomenúvajú, čo študent riadi — štandardy, hodnotiace úsudky a autorizáciu kontroly — a nielen to, čo robí AI.

Paradox trenia ponúka ďalšie rozšírenie etablovanej teórie: Gupta (2026) uplatňuje Bjorkove žiaduce ťažkosti a Kapurovo produktívne zlyhanie na relačné stretnutia vo vzdelávaní v zahraničí a argumentuje, že záleží na tom, koľko interpretačnej agentúry študent prenesie na generatívneho asistenta, a nie na tom, ako často ho používa. Rámec je konceptuálny a uvádza päť tvrdení ako súperiace hypotézy.

Ranieri a Biagini (2026) rozvíjajú funkčnú taxonómiu odboru Zawackiho-Richtera a spol. (2019): medzi 154 publikáciami s klasifikovateľnou aplikačnou funkciou 90 (58,4 %) uniklo jej štyrom kategóriám a ich rámec križuje funkciu s delegovanou kontrolou, epistemickou pozíciou a zakomponovanou pedagogikou.

An, McLaren a Stamper (2026) rozvíjajú ACT-R a rámec Knowledge-Learning-Instruction tým, že teoretizujú klamlivé zovšeobecnenie — režim zlyhania, v ktorom kompilácia vedomostí produkuje zovšeobecnenú produkciu, ktorá vytvára správne akcie, no vynecháva kritické obmedzenie aplikácie — a empiricky validujú postup detekcie a nápravy naprieč adaptívnymi ITS a súborom dát o desatinných číslach K-12.

Postfenomenológia a technologická mediácia. Farazouli a spol. (2026) rozvíjajú etablovaný postfenomenologický rámec technologickej mediácie (Ihde 1990; Verbeek 2006, 2011; Rosenberger a Verbeek 2015) do kontextu AI vo vzdelávaní. Namiesto navrhovania novej teórie ho uplatňujú na prekonceptualizovanie GAI chatbotov ako multistabilných technologických artefaktov, ktorých „skripty" (rýchla responzívnosť, prirodzene znejúci text, ktorý dokáže dosiahnuť prechodné známky) sprostredkúvajú vnímanie učiteľov a prekonfigurúvajú ich prax — narúšajú dôveru učiteľov, pretvárajú, čo kompetencia znamená, a tlačia učiteľov za inštrumentálne otázky prijateľného používania k prehodnoteniu ich roly a zmyslu výučby. Je to príspevok k rozvoju teórie: ukazuje, ako filozofický výklad vzťahov človeka a technológie vysvetľuje emocionálne a profesijné narušenie, ktoré učitelia zažívajú, keď GAI vstúpi do etablovanej vzdelávacej praxe.

Ďalším príspevkom k rámcu je typológia AI×Ed Rismanchiana a Doroudiho, ktorá rozširuje Kahnove (1977) pôvodné „tri interakcie" pozdĺž dvoch osí — rola AI (aplikovaný nástroj verzus analógia ľudskej inteligencie) a koncový používateľ (výskumník až študent) — aby lokalizovala akýkoľvek projekt AIED. Popri kategorizácii odboru argumentuje za oživenie línie teórie a výskumu „AI ako analógia ľudskej inteligencie", pričom používa výpočtové a agentové modely učenia (napr. ich vlastný výpočtový model rámca ICAP) na prepojenie súčasnej teórie učenia a výpočtového modelovania — metodologický smer, ktorý odbor do veľkej miery opustil, keď sa obrátil k aplikovanej, dátami riadenej práci.

Komparatívna filozofia ako cesta k teoretickému pluralizmu. Xie (2026) modeluje inú cestu k vývoju teórie: namiesto teoretizovania AI vo vzdelávaní zvnútra jednej tradície článok inscenuje komparatívny dialóg, v ktorom každá tradícia „zviditeľňuje to, čo druhá zakrýva", a výslovne odmieta syntetizovať ich do jedného rámca — prístup, ktorý pokladá teoretický pluralizmus za metodologickú pozíciu, a nie za nevyriešený nesúhlas. Argumentuje, že nezápadné tradície môžu viac než diverzifikovať debaty; môžu pretvárať konceptuálne základy teórie AIED, rekonštruujúc daoistickú „dao prirodzenosť" (道性), sebakultiváciu (修道) a „zhenren" (真人) ako zdroje na prehodnotenie agentúry, epistemických cieľov vzdelávania a etického konania v podmienkach sprostredkovaných AI. Svoje limity uvádza jasne: príspevok je jedného autora, neempirický, a varuje, že taký preklad vyžaduje kontextualizáciu, aby sa vyhol romantizácii a orientalizmu.(Alternative AI Philosophy: Daoism as Method for AI in Education)

Problém využívania teórie v AIEd

Teoretizovanie odboru je nerovnomerné. Obmedzenia výskumu AIEd dokumentujú, že štúdie AIEd často používajú teóriu slabo alebo nekriticky — opakujúca sa metodologická slabina popri medzerách v reprodukovateľnosti a meraní. Prehľady zisťujú, že mnohé práce AIEd uplatňujú teóriu povrchne alebo vôbec (napr. prehľady literatúry poznamenávajú, že málo štúdií zakladá intervencie v teórii učenia). To robí z vývoja teórie — a z využívania teórie — otázku kvality rovnako ako vedeckého výstupu, čo sa spája s výskumnými metódami a hodnotením AIED.

Vzťah k filozofii AI vo vzdelávaní

Vývoj teórie a filozofia AI vo vzdelávaní sú komplementárne, ale odlišné vetvy zakladajúcej práce tejto vedomostnej bázy. Vývoj teórie produkuje a empiricky testuje mechanizmy učenia s AI — pomenované teórie a rámce ako generativizmus, epistemická spoluagentúra a chýbajúca kognitívna základňa, ktoré vysvetľujú a predpovedajú, ako študenti a AI pôsobia. Filozofia spochybňuje predpoklady, na ktorých tie mechanizmy stoja: čo sa počíta ako poznanie, kto sa počíta ako poznávajúci a čím študent v základe je. Teória ako epistemická spoluagentúra navrhuje mechanizmus a implicitne prijíma filozofické záväzky o distribuovanom poznávaní a agentúre; filozofia tie záväzky robí explicitnými a spornými. Kým vývoj teórie sa pýta, či rámec dobre vysvetľuje učenie, filozofia sa pýta, či zachytáva, čím učenie a myslenie skutočne sú — obe vetvy sa stretávajú v najzakladateľnejších článkoch odboru, ktoré často robia obe naraz.

Časté mylné predstavy

„Zistenie, že nástroj fungoval, je teoretický príspevok." Nie je, a dôvod je štrukturálny. Keď tvrdenia rámca predpovedajú rozdiely medzi konfiguráciami, štúdia hlásiaca len priemerný efekt ich nemôže potvrdiť ani vyvrátiť — dizajn nevidí rozlíšenie, o ktorom teória je. Pokus ukazujúci priemerný zisk vám povie, že sa niečo stalo, nie ktorý mechanizmus to spôsobil, takže teória zostáva presne tak podporená, ako bola predtým.

„Uplatniť etablovanú teóriu na AI je vývoj teórie." Problém využívania teórie na tejto stránke hovorí inak: aplikácia nie je rozvoj a opakujúcim sa vzorcom odboru sú prevzaté konštrukty používané ako slovník, a nie ako testovateľné predpovede. Rozlíšenie záleží, pretože prevzatý rámec, ktorý nedokáže vygenerovať falzifikovateľný rozdiel, je dekorácia, nie teória.

„Existujúce taxonómie pedagogickej funkcie AI už pokrývajú to, čo tieto systémy robia." Nepokrývajú veľkú časť. Medzi 154 publikáciami s klasifikovateľnou aplikačnou funkciou 90 (58,4 %) uniklo štyrom kategóriám predchádzajúceho rámca, a preto novšia práca križuje funkciu s delegovanou kontrolou, epistemickou pozíciou a zakomponovanou pedagogikou. Taxonómia, ktorá nesprávne klasifikuje takmer tri z piatich prípadov, nemôže slúžiť ako spoločný slovník odboru a medzera je zistením o fenoméne, a nie medzerou v článku.

Dôsledky pre prax

Pre učiteľov a inštrukčných dizajnérov

  • Keď štúdia hlási priemerný efekt, neberte ho ako usmernenie pre vašu konfiguráciu. Tvrdenia na úrovni teórie sú o rozdieloch medzi konfiguráciami a priemer vám nemôže povedať, ktorú z nich prevádzkujete.
  • Pri každom rámci, ktorý osvojíte, sa pýtajte, či predpovedá niečo, čo sa vo vašom prostredí môže ukázať ako nepravdivé. Ak nemôže, nepomôže vám nič rozhodnúť.
  • Očakávajte, že existujúce kategórie minú váš prípad; viac ako polovica klasifikovaných publikácií nezapadla do štandardného štvordielneho rozdelenia.

Pre vývojárov

  • Hláste konfigurácie, a nie jediný titulný efekt. Ak váš dizajn stelesňuje konkrétnu kombináciu delegovanej kontroly a epistemického postoja, uveďte to — je to jednotka, o ktorej teória hovorí, a jednotka, ktorú iný tím potrebuje na reprodukciu.
  • Nepredávajte tvrdenie o mechanizme na základe priemerného výsledku; typ dôkazu, ktorý mechanizmus vyžaduje, je kontrast, nie priemer.

Pre výskumníkov

  • Navrhujte kontrasty konfigurácií, ak zamýšľate teoretický príspevok. Pokus s priemerným efektom publikovaný ako vývoj teórie je najbežnejším a najmenej užitočným výstupom odboru.
  • Pripojte explicitné falzifikovateľné tvrdenia ku každému rámcu, ktorý predstavíte, a uveďte, ktoré rozdiely konfigurácií by ich vyvrátili.

Prepojené koncepty

Prepojené články

Metadáta

Návrh štúdieLiterature Review
Učenie a výučbaLearning Theories
Výskumné metódy a hodnotenieResearch Methods in AIED
Základy AI v edukáciiAI vo vzdelávaní, Obmedzenia výskumu AIEd
Druh stránkyFramework
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.