Z najnowszych badań wynika, że 41 proc. studentów Uniwersytetu Warszawskiego deklaruje regularne używanie narzędzi AI. Tylko niewielka część otwarcie przyznaje się do tego w swoich pracach akademickich. Ci, którzy to robią, to – w terminologii raportu „GenAI w szkolnictwie wyższym: Rekomendacje dla polityki publicznej i zarządzania uczelnią” – „studenci 2.0”. Autorkami raportu są dr hab. Katarzyna Śledziewska, prof. ucz., oraz dr hab. Renata Włoch, prof. ucz., z DELab UW, interdyscyplinarnego ośrodka badań nad cyfryzacją.
Studenckie taktyki korzystania z AI
„Studenci 2.0” dobrze rozumieją zarówno korzyści, jak i ograniczenia narzędzi AI. Wykorzystują je na różnych etapach pracy: tworzą mapy koncepcyjne, zadają pytania pozwalające pogłębić temat, testują argumenty, prowadzą z narzędziem dialog, a przede wszystkim modyfikują i sprawdzają wygenerowane treści. Traktują GenAI jako instrument wspierający proces myślenia, a nie jego substytut.
Inaczej podchodzą do technologii tzw. „spryciarze”, dla których AI jest przede wszystkim narzędziem szybkiej produkcji gotowych rozwiązań. Wygenerowany tekst poprawiają tylko na tyle, by ukryć udział narzędzia. Nie chodzi im jednak o nadużycie, lecz o skrócenie czasu pracy – co przypomina tradycyjne „skróty”, znane w szkolnictwie od lat, tylko przeniesione do środowiska cyfrowego.
„Amatorzy” – trzecia wyróżniona grupa – również używają AI, ale robią to bez rozeznania. Ufają narzędziom bezrefleksyjnie, przez co często powielają błędy modeli, zwłaszcza tzw. halucynacje. Ich prace łatwo rozpoznać po charakterystycznym, nadmiernie „napompowanym” stylu wynikającym z użycia najprostszych promptów.
Ostatnią grupę tworzą „technologiczni analfabeci” – ci, którzy nie korzystają z AI wyłącznie dlatego, że nie potrafią. To studenci cyfrowo wykluczeni, wymagający wsparcia kompetencyjnego, podobnie jak „amatorzy” i „spryciarze”. Ich obecność pokazuje, że realnym wyzwaniem dla uczelni nie jest sama technologia, lecz zróżnicowanie kompetencji i praktyk korzystania z niej.
Jedno jest jasne: nie można udawać, że sztuczna inteligencja w szkolnictwie nie istnieje. Nie ma też sensu jej zakazywać. Pytanie brzmi raczej, jak dostosować dydaktykę i zasady akademickie do świata, w którym GenAI staje się codziennym narzędziem pracy intelektualnej.
Sztuczna inteligencja i doświadczenie studiowania
Autorki raportu podkreślają, że uczelnie powinny precyzyjnie określić, w jaki sposób GenAI może wspierać proces dydaktyczny – ale nie zastępować pracy intelektualnej studentów. Nie chodzi wyłącznie o dopuszczenie narzędzi AI do użytku, lecz przede wszystkim o zdefiniowanie zasad: jakie zadania technologia może realnie wspomóc, których nie powinna przejmować oraz jak rozróżniać wkład modelu od wkładu człowieka.
W praktyce oznacza to potrzebę wprowadzania zadań opartych na analizie, krytycznej korekcie i interpretacji wygenerowanych treści. Równie ważne są formalne wytyczne dotyczące dokumentowania pracy z AI – sposobu zapisu promptów, przejrzystego oznaczania fragmentów powstałych z udziałem narzędzi czy archiwizowania historii sesji.
Szersza zmiana dotyczy rozwoju kompetencji. Aby lepiej rozumieć GenAI, potrzebne są warsztaty, praca projektowa, wspólne audyty jakości oraz przestrzeń do rozmowy o wartościach, ryzykach i ograniczeniach technologii. Studenci powinni nie tylko wiedzieć, jak rozsądnie włączać narzędzia AI w proces uczenia się, lecz także mieć świadomość, że systemy te nie są „niematerialne”: za ich działaniem stoją konkretne serwery, energia i emisje CO₂.
Wszystko to jednak wymaga zmiany w podejściu zarówno do nauczania, jak i do samych studentów.
– Podstawą powinna być zmiana sposobu myślenia o edukacji i o weryfikacji wiedzy. Najważniejsze jest towarzyszenie studentowi na każdym etapie powstawania pracy: od burzy mózgów, przez planowanie struktury, po omówienie kluczowych źródeł. Jeśli student przygotuje przemyślany plan, przeczyta teksty i potrafi o nich rozmawiać, to wykorzystanie np. ChatGPT do sprawdzenia własnego tekstu nie stanowi problemu – podkreśla prof. Katarzyna Śledziewska.
Wypracowanie polityki uczelni wobec AI wymaga otwartości na perspektywy wszystkich zaangażowanych stron – ich doświadczenia, potrzeby i obawy. Sama lista zakazów i nakazów niczego nie załatwi. Zasady muszą nie tylko porządkować kwestie techniczne, ale też budować zaufanie do uczelni i jej sposobu działania. Chodzi o stworzenie ram, które wspierają odpowiedzialne korzystanie z technologii i rozwijają refleksyjność – kompetencje kluczowe zarówno dla studentów, jak i dla przyszłości szkolnictwa wyższego.
Uczenie w erze sztucznej inteligencji
Zdaniem badaczki jednym z kluczowych wyzwań polskich uczelni jest dziś kryzys zaufania – szczególnie widoczny w dyskusjach o GenAI. Uczelnie chciałyby wciąż kontrolować studentów za pomocą dobrze znanych, wieloletnich form weryfikacji wiedzy.
– Tak się już nie da. Młodych ludzi trzeba motywować, pokazywać im, dlaczego nauka jest dla nich ważna: dla ich dobrostanu psychicznego i społecznego, dla ich rozwoju i pasji. Trzeba pracować na ich motywacji i na własnej – radości, otwartości, ciekawości spotkania z drugim człowiekiem. Nie na weryfikowaniu, egzaminowaniu i kontrolowaniu – podkreśla prof. Katarzyna Śledziewska.
To przesunięcie akcentów – z kontroli na współpracę – wymaga również redefinicji roli samego wykładowcy.
– Czas zrozumieć, że potrzebna jest zmiana również po naszej stronie. Musimy refleksyjnie przyjrzeć się temu, kim właściwie jesteśmy jako dydaktycy i jak mamy działać dalej. Skończyła się era wykładowcy przemawiającego z katedry. To, co mamy do powiedzenia, studenci znajdą w internecie – i często w wykonaniu najlepszych wykładowców na świecie. Po co więc wykładowca na miejscu, w sali wykładowej? By być ze studentami, pracować z nimi, kształtować ich postawy – wyjaśnia badaczka.
Nadzieją na taką zmianę są młodzi badacze, których otwartość już teraz objawia się m.in. stosunkiem do GenAI. I nie chodzi tylko o stosowanie takich narzędzi przez studentów, ale o jawne włączenie ich do własnej pracy.
AI w pracy badawczej
Narzędzia AI coraz częściej stają się dziś asystentami badaczy, przejmując zwłaszcza te elementy pracy, które są rutynowe, powtarzalne i zwyczajnie nużące.
– Cały świat to robi. Jeśli można pracować szybciej i mądrzej, to dlaczego z tego nie korzystać? – mówi prof. Katarzyna Śledziewska.
– Dla naukowców z Polski AI oznacza też wyrównanie szans w publikowaniu po angielsku. Istnieją narzędzia, które w kilka minut potrafią sprawdzić język na poziomie niedostępnym wcześniej dla większości badaczy. Kiedy korzystałam z korektora-człowieka, wyglądało to tak: wysyłałam artykuł i po trzech tygodniach wracała poprawiona wersja. Czytałam ją, odkrywałam, że część ekonomicznych niuansów została źle zrozumiana, odsyłałam tekst z uwagami – i tak kilka razy. Całość trwała miesiącami. Z AI taka weryfikacja zajmuje dzień albo dwa – tłumaczy badaczka.
GenAI wspiera dziś wiele etapów pracy naukowej, szczególnie tych najbardziej obciążających i czasochłonnych: wyszukuje literaturę, robi streszczenia, tłumaczy fragmenty artykułów, porządkuje bibliografie, pomaga w kodowaniu danych jakościowych. Może przygotować abstrakt, wygenerować alternatywne hipotezy badawcze czy stworzyć pierwszą wersję recenzji. Pozwala więc badaczom przenieść uwagę z zadań mechanicznych na te, które rzeczywiście wymagają namysłu, interpretacji i twórczości.
A to prowadzi do pytania, które środowisko akademickie musi dziś postawić wprost: jeśli AI wykonuje zadania, które w przypadku człowieka wymagałyby przyznania współautorstwa, to jak traktować jej udział? Jak ujawniać rolę narzędzi w powstawaniu artykułu? Gdzie przebiega granica między rozsądnym wsparciem technicznym a wkładem twórczym?
Czy szkolenia zastąpią studia?
W erze AI uczelnia traci monopol na wytwarzanie, przetwarzanie i weryfikację wiedzy. Sztuczna inteligencja redefiniuje rolę instytucji, które muszą na nowo określić znaczenie wiedzy, samodzielności i krytycznego myślenia. Przyszłość szkolnictwa wyższego zależy więc nie tylko od technologii, lecz także od tego, jak młodzi ludzie będą postrzegać wartość studiów. I czy będzie im się jeszcze opłacało studiować.
Uczelnie już zaczynają reagować na te zmiany. Jednym z kierunków są krótsze cykle edukacyjne i programy, które pozwalają szybciej pokazać zdobyte kompetencje. Uniwersytet Warszawski pracuje nad systemem mikropoświadczeń – drobnych, precyzyjnie opisanych kwalifikacji potwierdzających konkretne umiejętności, które student będzie mógł okazać pracodawcy. To nowy sposób łączenia tradycyjnego kształcenia z potrzebami rynku pracy.
Jednocześnie warto pamiętać, że rynek pracy nie reaguje na te zmiany tak szybko, jak mogłoby się wydawać. Badania prowadzone w DELabie w ramach projektu Horizon INAiR pokazują, że sądząc po zawartości ogłoszeń o pracę w wielu branżach – na przykład w handlu detalicznym – zapotrzebowanie na kompetencje związane z AI jest nadal niewielkie. To ważny sygnał: choć technologicznie świat przyspiesza, adaptacja firm często biegnie o wiele wolniej. Uczelnie muszą więc przygotowywać studentów zarówno na przyszłość, która dopiero nadchodzi, jak i na teraźniejszość, która jeszcze nie nadążyła za zmianami.
– To wszystko zweryfikuje rynek pracy. Do tej pory uczelnię opuszczali absolwenci, którzy szli do pierwszych, prostych prac. Szczególnie w takich zawodach jak prawo, księgowość, HR, IT też. Ich zadaniem było napisać prosty program, zebrać dane, zrobić tabelę, przygotować opis. Teraz są do tego narzędzia. Badania już pokazują, że firmy rezygnują z zatrudniania ludzi, bo mają doświadczonych pracowników i agentów AI. I jak mamy do tego młodych przygotować? Oni za chwilę uznają, że nie ma sensu studiować. Lepiej iść na szkolenie – przestrzega prof. Katarzyna Śledziewska. – Szkolenia są krótkie i dostosowane do aktualnych potrzeb rynku pracy.
Stosunek uczelni do GenAI i decyzje dotyczące korzystania z tych narzędzi mogą być jednym z pierwszych kroków na drodze do głębokich zmian w szkolnictwie wyższym. Według badaczki te zmiany są nieuchronne. Coraz większego znaczenia nabiera uczenie ustawiczne: krótkie, modułowe formy edukacji, z których mogą korzystać osoby już pracujące. Elastyczność, otwartość i zrozumienie logiki rynku pracy stają się fundamentem nowoczesnej uczelni.
Pierwszym widocznym sygnałem tej transformacji może być akceptacja jawnego użycia ChatGPT przy pisaniu eseju – traktowana nie jako zagrożenie, lecz jako narzędzie, z którym trzeba nauczyć się pracować. Jeśli AI ma przyspieszać pracę, to jej rozsądne, transparentne wykorzystanie może przyspieszyć także sam proces kształcenia.
– W debacie o sztucznej inteligencji często pytamy, jakie zawody znikną. Tymczasem warto zapytać inaczej: czy AI osłabi znaczenie studiów, czy też całkowicie je przekształci? A jeśli to drugie – to uczelnie mają bardzo mało czasu, by przygotować się na tę zmianę – konkluduje prof. Śledziewska.
Czytaj więcej na: serwisnaukowy.uw.edu.pl
Materiał Partnera
