Nowa AI na studiach zmusza studentów do myślenia, a nie ściągania

Na amerykańskiej uczelni przetestowano nietypowego chatbota, który zamiast podawać gotowe odpowiedzi prowadzi studentów przez serię celnych pytań.

Ten cyfrowy tutor przypomina wymagającego prowadzącego: zadaje pytanie za pytaniem, wyłapuje błędy w rozumowaniu i uparcie odmawia podania „rozwiązania z tyłu książki”. Naukowcy sprawdzili, jak taki model pracy z AI wpływa na wyniki studentów i ich sposób nauki.

AI, która nie podpowiada, tylko ciągnie za język

Nowe narzędzie, nazwane Macro Buddy, powstało na uniwersytecie Wisconsin-La Crosse w USA. Twórcy mieli prosty cel: zbudować pomoc naukową, która nie wyręcza studentów, lecz zmusza ich do samodzielnego myślenia krok po kroku.

Asystent działa zupełnie inaczej niż popularne chatboty, z którymi wielu studentów jest już oswojonych. Zamiast obszernej odpowiedzi na pytanie „jak policzyć tempo wzrostu PKB?”, system reaguje serią krótkich, precyzyjnych pytań. Prowadzi rozmowę tak, by student sam zrekonstruował potrzebne definicje, wzory i zależności.

Macro Buddy został zaprogramowany tak, by nigdy nie podawać gotowego rozwiązania, tylko kierować studenta z powrotem do kluczowych pojęć i wcześniejszych etapów rozumowania.

W praktyce przypomina to rozmowę z wymagającym wykładowcą, który odpowiada na pytanie kolejnym pytaniem. Taka metoda nawiązuje do filozoficznego podejścia stosowanego od starożytności: wiedza ma „rodzić się” w głowie uczącego się, a nie spływać do niej jak ściąga.

Jak wyszkolono tego chatbota

Twórcy Macro Buddy to ekonomiści wykładający makroekonomię. Zamiast karmić model przypadkowymi danymi z internetu, podali mu pełne transkrypcje własnych zajęć. Dzięki temu chatbot „zna” dokładnie ten sam materiał, z którym pracują studenci na kursie.

• nie ma dostępu do sieci;
• korzysta wyłącznie z treści omówionych na zajęciach;
• opiera się na oficjalnych definicjach i przykładach z kursu;
• nie może „dośpiewać” niczego spoza programu.

Taka blokada ma konkretny sens: każda odpowiedź, a właściwie seria pytań, wynika z podręcznego „notatnika” wykładowcy, a nie z przypadkowego forum czy niepewnej strony. Student nie dostaje więc egzotycznych przykładów ani niezgodnych z kursem uproszczeń.

System wykrywa również błędy pojęciowe w odpowiedziach. Jeśli student myli na przykład PKB realny z nominalnym, Macro Buddy nie poprawia go wprost. Zamiast tego kieruje rozmowę w stronę pojęcia indeksu cen, odwołując się do wcześniejszych części kursu. Student musi sam dojść do tego, gdzie dokładnie się pomylił.

Eksperyment na 140 studentach: kto zyskał, a kto stracił

Żeby sprawdzić, czy takie podejście faktycznie działa, naukowcy przeprowadzili kontrolowane badanie w semestrze wiosennym 2025 roku. Wzięło w nim udział 140 studentów uczących się makroekonomii.

Zostali podzieleni na cztery grupy uczące się w odmienny sposób:

Różnice w wynikach po trzecim egzaminie były bardzo wyraźne. Najlepiej poradzili sobie studenci z grupy, która łączyła pracę z AI z tradycyjną rozmową w zespole. Średnio uzyskali o 12 punktów więcej niż osoby z grupy kontrolnej, które uczyły się w klasyczny sposób, bez dodatkowych narzędzi.

Studenci, którzy najpierw przeszli „przepytywanie” przez Macro Buddy, a dopiero później dyskutowali ze znajomymi z roku, osiągnęli największy skok wyników – średnio +12 punktów.

Dużo gorzej wypadli ci, którzy traktowali AI wyłącznie jako źródło gotowych odpowiedzi. Gdy narzędzie im odebrano, ich wyniki spadły średnio o 8 punktów. To pokazuje, jak silnie rodzaj korzystania z technologii przekłada się na efekt końcowy.

Pasywne korzystanie z AI działa jak intelektualna kula u nogi

Wnioski z badania są dość trzeźwe: sama obecność AI nie gwarantuje lepszego uczenia się. Wszystko zależy od tego, czy student aktywnie przechodzi przez proces myślowy, czy tylko przepisuje efekt pracy algorytmu.

W sytuacji, w której chatbot podaje gotowe odpowiedzi, nauka staje się złudna. Na bieżąco wszystko się zgadza, zadania są rozwiązane, ale w głowie niewiele zostaje. Gdy przychodzi egzamin bez „elektronicznego pomocnika”, pojawia się brutalna weryfikacja i spadek ocen.

Macro Buddy próbuje odwrócić ten schemat. Zamiast roli „magicznego kalkulatora” pełni funkcję cierpliwego korepetytora, który na każdym kroku każe dokładać kolejne elementy układanki i zestawiać je ze sobą. Błąd nie jest traktowany jak porażka, tylko jak punkt wyjścia do kolejnej serii pytań.

Każda pomyłka zamienia się w kolejne dokładne pytania

Konstrukcja rozmów z chatbotem opiera się na pętli: odpowiedź studenta, analiza, przeformułowanie pytania. Jeżeli z wypowiedzi wynika, że ktoś źle rozumie mechanizmy inflacji, system nie strzela definicją wprost. Zamiast tego uruchamia sekwencję kilku kolejnych pytań, na przykład o ilość pieniądza w gospodarce, tempo jego obiegu czy poziom cen.

W ten sposób student musi połączyć ze sobą elementy, które wcześniej traktował jako oderwane fakty. Drobna pomyłka odsłania lukę w całościowej konstrukcji, a rozmowa z chatbotem pomaga ją wypełnić powiązaniami między pojęciami.

Celem nie jest perfekcyjna odpowiedź za pierwszym razem, lecz zbudowanie sieci powiązań w głowie studenta przy każdym kolejnym pytaniu.

Połączenie AI z pracą w grupie daje najlepszy efekt

Ciekawie wypada połączenie cyfrowego tutora z klasyczną dyskusją w małych zespołach. Studenci najpierw indywidualnie mierzą się z pytaniami Macro Buddy, a dopiero potem zderzają swoje rozumowanie z podejściem innych osób.

Ten model ma kilka zalet:

• każdy przygotowuje wstępne rozumienie tematu w rozmowie z chatbotem;
• na zajęciach czy w grupie dyskusyjnej nie zaczynają od zera;
• łatwiej wyłapać różnice w sposobie myślenia kolegów i koleżanek;
• grupa od razu pracuje na bardziej zaawansowanych pytaniach, a nie na podstawowych definicjach.

Z tym podejściem korespondują wcześniejsze badania z Harvardu nad adaptacyjnymi tutorami AI. Wynikało z nich, że prowadzenie uczącego się przez dobrze zaplanowaną serię pytań utrwala wiedzę dużo lepiej niż podawanie gotowych wyjaśnień. W przypadku makroekonomii połączenie tego typu chatbotów z pracą zespołową okazało się szczególnie skuteczne.

Co to oznacza dla uczelni i studentów w praktyce

Masowe korzystanie z chatów tekstowych przez studentów to już fakt, także w Polsce. W badaniu opisującym amerykańskie uczelnie wspomniano, że około 90 procent osób na studiach używa tego typu narzędzi przy pracach domowych. Często sprowadza się to do szybkiego wygenerowania odpowiedzi i wklejenia ich do zadania.

To rodzi napięcie: z jednej strony uczelnie chcą korzystać z nowych technologii, z drugiej – nie chcą wychować rocznika, który bez AI ma problem z samodzielnym rozwiązywaniem zadań. Model w stylu Macro Buddy pokazuje, że istnieje środkowa droga. Narzędzie może być obecne na każdym etapie nauki, a jednocześnie nie musi zastępować pracy intelektualnej.

Dla studentów taka forma nauki bywa bardziej wymagająca, bo nie pozwala „odfajkować” zadania w kilka minut. Z drugiej strony przynosi konkretną korzyść: gdy przychodzi egzamin bez dostępu do komputera, w głowie zostaje rzeczywiste zrozumienie powiązań, zamiast pustych wzorów.

Jak wykorzystać tę lekcję poza makroekonomią

Choć opisane badanie dotyczyło jednego kursu, zasada łatwo przenosi się na inne dziedziny – od matematyki, przez chemię, po nauki społeczne. Klucz tkwi w sposobie zadawania pytań. Zamiast prosić AI o „rozwiązanie zadania”, warto formułować prośby w stylu:

• „zadaj mi serię pytań, które pomogą mi samemu dojść do rozwiązania”;
• „sprawdź, na którym etapie mojego rozumowania popełniam błąd”;
• „pomóż mi połączyć te trzy pojęcia w spójną całość”.

Taki sposób pracy z narzędziami AI łatwo zaadaptują zarówno nauczyciele, jak i sami uczniowie czy studenci, nawet jeśli nie mają dostępu do specjalnie trenowanego chatbota z konkretnego kursu. Sama zmiana nastawienia – z „daj odpowiedź” na „pokaż mi drogę” – może wyraźnie poprawić jakość nauki.

Dla uczelni to też sygnał, że sensowne wprowadzenie AI wymaga namysłu nad metodą, a nie tylko nad wyborem kolejnej aplikacji. Jeśli cyfrowy tutor ma być wsparciem, a nie protezą załatwiającą wszystko za studenta, musi zadawać dobre pytania i cierpliwie prowadzić przez kolejne etapy rozumowania. Wtedy zamiast psuć proces kształcenia, staje się wymagającym, ale skutecznym partnerem w nauce.