Nowy tutor AI zmusza studentów do myślenia zamiast podawania odpowiedzi

Na amerykańskiej uczelni powstał cyfrowy tutor, który zamiast podsuwać rozwiązania krok po kroku, uczy studentów samodzielnego myślenia.

Narzędzie oparte na AI działa jak wymagający wykładowca: zamiast gotowej odpowiedzi zasypuje studenta serią celnych pytań. Badacze sprawdzili już, jak wpływa to na wyniki z makroekonomii – i różnica między aktywnymi a pasywnymi użytkownikami okazała się zaskakująco duża.

AI jako wymagający korepetytor, a nie maszynka do gotowców

Na wielu uczelniach studenci korzystają dziś z chatbotów głównie po to, by szybciej „odhaczyć” zadanie domowe. AI często pisze za nich eseje, rozwiązuje równania i tworzy gotowe wypracowania. Efekt? Uczeń oddaje poprawne zadanie, ale proces myślowy praktycznie nie zachodzi.

Ekonomiści z University of Wisconsin-La Crosse postanowili sprawdzić, czy da się użyć AI w zupełnie inny sposób – tak, aby wzmacniała rozumienie, a nie zastępowała pracę umysłową. Opracowali chatbota nazwanego Macro Buddy, który działa jak cyfrowy tutor z charakterem.

Macro Buddy nie podaje odpowiedzi. Zamiast tego prowadzi studenta przez problem za pomocą krótkich, celnych pytań, aż ten sam dojdzie do właściwego wniosku.

Gdy student pyta na przykład, jak obliczyć tempo wzrostu PKB, nie dostaje wzoru. Otrzymuje serię pytań: jak definiujemy PKB, co porównujemy, jak liczymy zmianę w czasie, jaki okres bierzemy pod uwagę. Tutor porcjuje problem na małe kroki i wymusza aktywne łączenie pojęć.

Stara metoda filozoficzna w cyfrowej wersji

Za działaniem Macro Buddy stoi metoda licząca ponad 2,4 tysiąca lat – podejście przypisywane Sokratesowi. Jej sednem jest prowadzenie rozmówcy do samodzielnego wniosku poprzez sekwencję pytań, zamiast wygłaszania gotowej wykładowej prawdy.

Badacze przełożyli tę ideę na język współczesnego modelu językowego. Chatbot został „nakarmiony” pełnymi transkrypcjami wykładów z makroekonomii prowadzonych na uczelni. Nie ma dostępu do internetu. Operuje wyłącznie na treściach, które faktycznie pojawiły się na zajęciach.

• Źródło wiedzy: transkrypcje z kursu makroekonomii
• Brak dostępu do sieci: zero przypadkowych materiałów z zewnątrz
• Styl pracy: pytania naprowadzające zamiast podpowiedzi krok po kroku
• Cel: uczeń ma zrozumieć materiał kursu, a nie „obejść” wysiłek

Taka konstrukcja sprawia, że odpowiedzi Macro Buddy są mocno osadzone w programie przedmiotu. Chatbot nie „fantazjuje”, tylko odwołuje się do tego, co student już teoretycznie widział na zajęciach.

Każdy błąd staje się punktem wyjścia do nowych pytań

System na bieżąco wychwytuje błędy pojęciowe w odpowiedziach studentów. Jeśli ktoś myli PKB realny z nominalnym, tutor nie poprawia go wprost. Zamiast tego zadaje pytania o indeks cen, o to, jak mierzy się zmiany poziomu cen, co odróżnia wartości w cenach bieżących od stałych.

Macro Buddy zamienia mylną odpowiedź w mini-ścieżkę pytań, która prowadzi studenta do bardziej precyzyjnego rozumienia danego pojęcia.

Taka pętla pytań sprawia, że student musi sam zidentyfikować miejsce, w którym coś mu się nie klei. W praktyce przypomina to rozmowę z bardzo cierpliwym korepetytorem, który za każdym razem zmienia kąt patrzenia na problem, dopóki elementy układanki nie zaczną do siebie pasować.

Eksperyment: kiedy AI pomaga, a kiedy szkodzi nauce

Badacze sprawdzili działanie rozwiązania w realnych warunkach. W wiosennym semestrze 2025 roku podzielili 140 studentów makroekonomii na cztery grupy, które uczyły się w różny sposób.

Najlepiej wypadli studenci z grupy mieszanej – ci, którzy najpierw „przemęczyli się” z tutorem AI, a dopiero później rozmawiali z kolegami. Ich wynik na trzecim egzaminie był średnio o 12 punktów wyższy niż w grupie kontrolnej.

Inaczej wyglądała sytuacja osób, które korzystały z AI w sposób bierny, traktując ją jak generator gotowych rozwiązań. Gdy na późniejszym etapie odebrano im dostęp do narzędzia, wyniki spadły średnio o 8 punktów. To wyraźny sygnał, że sposób korzystania z AI jest równie ważny, jak sama jakość technologii.

AI jako kula u nogi, jeśli uczeń nie myśli

Badacze opisują zjawisko „błękitki poznawczej” – sztucznej podpórki, na której student zbyt mocno polega. Kiedy dostęp do wsparcia nagle znika, użytkownik zostaje z luką w rozumieniu materiału, którego wcześniej nie musiał tak naprawdę samodzielnie przepracować.

AI podająca odpowiedzi wyręcza w krytycznym momencie: tam, gdzie powinien pojawić się wysiłek zrozumienia, pojawia się kopiuj-wklej.

W wypadku Macro Buddy różnica polega na tym, że narzędzie blokuje najwygodniejszą ścieżkę. Nie ma krótkich, gotowych rozwiązań. Są tylko pytania, prośby o doprecyzowanie, kolejne kroki rozbijające trudny fragment na mniejsze cegiełki. Student może mieć wrażenie, że „idzie wolniej”, ale na egzaminie to właśnie ta grupa okazuje się lepiej przygotowana.

Połączenie AI i pracy w grupie działa najlepiej

Wyniki badania pokazują ciekawą zależność: AI sprawdza się najlepiej nie wtedy, gdy zastępuje kontakt z ludźmi, lecz gdy go poprzedza. Studenci, którzy najpierw „przegryzali” temat z chatbotem, a potem omawiali go w małych zespołach, osiągali najwyższe wyniki.

Podczas takich zajęć każdy przychodzi do dyskusji z własnym, indywidualnym tokiem rozumowania, wypracowanym w dialogu z AI. W grupie te ścieżki się zderzają: ktoś inaczej zrozumiał pojęcie inflacji, ktoś inny lepiej uchwycił związek między podażą pieniądza a poziomem cen. Wspólna rozmowa porządkuje te elementy i pomaga lepiej przyswoić abstrakcyjne koncepcje z makroekonomii.

Nawiązania do badań z Harvardu wskazują, że taka kombinacja – adaptacyjny tutor plus wymiana zdań między uczestnikami – sprzyja długotrwałemu zapamiętywaniu bardziej niż samo podanie informacji. Chodzi o zagnieżdżenie nowej wiedzy w sieci już istniejących skojarzeń, a to wymaga aktywnego przetwarzania, a nie tylko biernego czytania slajdów.

Co z tego może wynikać dla uczelni w Polsce

Choć opisywany eksperyment odbył się w Stanach Zjednoczonych, jego wnioski można łatwo przełożyć na inne systemy edukacji, w tym na krajowe uczelnie. Wiele wydziałów zastanawia się dziś, czy zakazywać AI, czy raczej próbować je włączać w proces dydaktyczny.

Przykład Macro Buddy sugeruje trzecią drogę: zamiast walczyć z chatbotami lub udawać, że ich nie ma, można projektować je tak, by zmuszały do wysiłku. Klucz leży w odpowiedniej konstrukcji narzędzia i jasnych zasadach jego użycia:

• AI nie może generować gotowych prac ani pełnych rozwiązań zadań egzaminacyjnych,
• powinna działać w obrębie materiałów z kursu, a nie całej sieci,
• ma zadawać pytania, a nie „odrabiać lekcje”,
• największe korzyści pojawiają się, gdy łączy się ją z pracą w grupie.

Taki model daje wykładowcom dodatkowe narzędzie: mogą zobaczyć, z którymi pojęciami studenci radzą sobie najgorzej, jakie błędy popełniają najczęściej, na jakich etapach rozmowy z AI się „wykładają”. Te dane można potem wykorzystać do modyfikacji zajęć lub do tworzenia materiałów uzupełniających.

Czego uczy ten eksperyment o samej nauce i myśleniu

Historia Macro Buddy pokazuje, że najważniejszy nie jest sam dostęp do informacji, ale sposób jej przetwarzania. Dzisiejszy student może w kilka sekund wygenerować dowolne wyjaśnienie teoretyczne, wzór czy definicję. Prawdziwym wyzwaniem staje się zrozumienie, jak te elementy łączą się ze sobą i jak poradzić sobie bez „podpowiadacza”.

Filozoficzna metoda zadawania pytań, przełożona na cyfrowe narzędzie, przypomina, że myślenie to często sztuka znoszenia krótkotrwałej frustracji. Pojawia się moment, gdy „nie wychodzi”, gdy brakuje jednego kroku do pełnego zrozumienia. Wtedy łatwo kliknąć przycisk z gotową odpowiedzią. Jeśli AI tę drogę zablokuje, szansa na prawdziwe przyswojenie wiedzy rośnie.

Na dłuższą metę takie podejście może pomóc wykształcić coś, co w edukacji coraz częściej bywa wskazywane jako niezbędna kompetencja: umiejętność zadawania lepszych pytań, nie tylko lepszych odpowiedzi. W świecie, w którym informacje są praktycznie darmowe, to właśnie ten nawyk może okazać się największą przewagą studentów wchodzących na rynek pracy.