Nowa AI na uczelni nie podaje odpowiedzi. Zmusza studentów do myślenia

Na jednej z amerykańskich uczelni przetestowano nietypowego wirtualnego tutora.

Zamiast podsuwać rozwiązania, zadaje coraz trudniejsze pytania.

Badacze z uniwersytetu Wisconsin-La Crosse zbudowali system AI, który ma pomagać studentom makroekonomii… nie ułatwiając im życia na skróty. Zamiast „gotowca” dostają lawinę precyzyjnych pytań, które prowadzą ich krok po kroku do samodzielnie wypracowanej odpowiedzi.

AI, która nie odrabia zadań za studenta

Na większości uczelni generatywna AI już stała się codziennością. Szacunki z USA pokazują, że blisko 90% studentów korzysta z chatbotów przy pracach domowych. W praktyce często wygląda to tak: pytanie, szybka odpowiedź, bez głębszego wysiłku intelektualnego.

Nowy system, nazwany Macro Buddy, ma działać odwrotnie. To asystent do nauki makroekonomii, który blokuje odpowiedź w stylu „tu masz wynik”. Gdy student pyta na przykład, jak policzyć tempo wzrostu PKB, zamiast wzoru i gotowego wyniku dostaje serię krótkich, celnych pytań pomocniczych.

Zadaniem AI nie jest podać rozwiązanie, ale doprowadzić studenta do momentu, w którym sam je zrozumie i sformułuje.

To podejście nawiązuje do starożytnej metody filozoficznej – zadawania kolejnych pytań, które „wydobywają” z uczącego się jego własne rozumienie tematu. Zamiast wykładu – dialog. Zamiast dyktowania teorii – naprowadzanie na nią.

Jak działa Macro Buddy na zajęciach z makroekonomii

Twórcy systemu zdecydowali się na bardzo konkretne ograniczenie: AI nie ma dostępu do internetu ani żadnych zewnętrznych źródeł. Może korzystać wyłącznie z materiałów z danego kursu – nagrań wykładów, transkrypcji i notatek z zajęć makroekonomii.

Dzięki temu każda rozmowa ze studentem krąży wokół tego, co faktycznie omawiano na uczelni. AI nie „wymyśla” teorii z zewnątrz, nie wprowadza nowych definicji, tylko konsekwentnie odwołuje się do oficjalnego programu nauczania.

Gdy odpowiedź studenta pokazuje nieporozumienie, system uruchamia kolejną pętlę pytań. Przykład:

• student myli realny i nominalny PKB,
• Macro Buddy zadaje pytanie o indeks cen i różnicę między wartościami w cenach bieżących a stałych,
• następnie prosi o przypomnienie definicji,
• dopiero potem przechodzi do zastosowania w konkretnym zadaniu.

Formuła końcowa nie pada z ust AI. Student musi ją sam zapisać i sprawdzić, czy jest spójna z wcześniejszymi pytaniami. Cały nacisk pada na łączenie pojęć, a nie na bezrefleksyjne zapamiętywanie gotowych rozwiązań.

Eksperyment na 140 studentach: kto zyskał, a kto stracił

Aby sprawdzić, czy taki styl pracy ma sens, badacze przeprowadzili wiosną 2025 roku kontrolowany eksperyment. Wzięło w nim udział 140 studentów makroekonomii, podzielonych na cztery grupy.

Najciekawsze rezultaty pojawiły się tam, gdzie łączono różne metody. Studenci, którzy najpierw przechodzili serię pytań z AI, a później konfrontowali swoje rozumowanie z kolegami, osiągnęli najlepsze noty. Średnia poprawa wyniosła aż 12 punktów względem osób uczących się klasycznie.

Najwyższe wyniki notowali studenci, którzy traktowali AI nie jak skrót do odpowiedzi, ale jak partnera do ćwiczenia argumentacji przed rozmową w grupie.

Badacze zauważyli jednocześnie coś niepokojącego. Tam, gdzie studenci wykorzystywali system w sposób bierny – tylko po to, by „podpowiedział” rozwiązanie – po wyłączeniu narzędzia ich oceny spadły. Różnica sięgała średnio 8 punktów in minus.

Innymi słowy, jeśli ktoś przyzwyczai się, że AI „myśli za niego”, po odcięciu od technologii radzi sobie gorzej niż wcześniej.

Każdy błąd zamienia się w serię dopytań

Kluczowy element konstrukcji Macro Buddy polega na tym, że system nie poprawia odpowiedzi wprost. Błąd traktuje jak punkt wyjścia do kolejnych pytań.

Jeśli student źle wyjaśni mechanizm inflacji, zamiast usłyszeć poprawną definicję, spotyka się z serią krótkich dopytań na temat:

• podaży pieniądza,
• szybkości obiegu środków płatniczych,
• ogólnego poziomu cen w gospodarce,
• wpływu zmian tych parametrów na siłę nabywczą.

Każda odpowiedź prowadzi do następnej, aż student sam zauważy, w którym miejscu jego rozumowanie się rozjechało. To nie jest wygodne, wymaga koncentracji, za to mocniej „wgryza się” w pamięć.

Tak zaprojektowane rozmowy przypominają wnioski z badań nad adaptacyjnymi tutorami AI publikowanych w czasopismach naukowych w 2025 roku. Już wtedy wskazywano, że sama podaż informacji nie wystarczy – trzeba zmusić mózg do aktywnego przetwarzania, najlepiej przez dialog i sekwencję pytań.

Co daje połączenie AI i pracy w grupie

Interesujący efekt przyniosło także zestawienie AI z tradycyjną dyskusją w zespole. Po rozmowie z Macro Buddy studenci przychodzili na spotkanie grupowe z już ułożonym łańcuchem rozumowania. Mogli go obronić, skorygować lub rozwinąć, słuchając innych.

Taki układ tworzył trójkąt: student – AI – grupa. Najpierw jednostka mierzyła się z pytaniami w samotności, potem weryfikowała swoje wnioski w rozmowie z rówieśnikami. Z perspektywy dydaktycznej to bardzo cenne: technologia nie zastępuje interakcji między ludźmi, tylko je wzmacnia.

Zamiast konkurencji „człowiek kontra maszyna”, testowany model przypomina współpracę „człowiek z maszyną i z innymi ludźmi”.

Według badaczy taki schemat może stać się wzorcem dla uczelni, które chcą korzystać z AI, ale boją się utraty samodzielności myślenia u studentów. Narzędzie daje wsparcie, lecz nie odbiera sprawczości.

Jak uczelnie mogą wykorzystać podobne systemy

Opisany eksperyment dotyczył makroekonomii, ale sama idea łatwo przenosi się na inne kierunki. W matematyce chatbot może dopytywać o każdy krok dowodu. W biologii – prowadzić od ogólnego opisu zjawiska do poziomu komórkowego. W prawie – rozbijać analizę kazusu na sekwencję pytań o konkretne przepisy i orzecznictwo.

Warunkiem jest takie zaprogramowanie AI, by:

• korzystała tylko z materiałów danego kursu,
• unikała gotowych odpowiedzi,
• rozpoznawała typowe błędy i reagowała kolejnymi pytaniami,
• pasowała do stylu nauczania wykładowcy.

Dla uczelni oznacza to także nowe wyzwania organizacyjne: trzeba zdecydować, jak włączyć taki system w program przedmiotów, jak szkolić wykładowców i jak uczciwie oceniać prace studentów w epoce, gdy AI staje się kolejnym elementem środowiska nauki.

Co to znaczy „uczyć się z AI mądrze”

Historia Macro Buddy dobrze pokazuje, że sama obecność AI na uczelni nie gwarantuje lepszej jakości kształcenia. Liczy się sposób korzystania z narzędzia. Ci, którzy wykorzystywali je aktywnie – odpowiadali, wracali do definicji, analizowali swoje błędy – poprawiali wyniki. Ci, którzy oczekiwali z niego tylko „ściągi”, płacili za to spadkiem umiejętności, gdy pomoc znikała.

Dla studentów może to być cenna wskazówka na przyszłość. AI staje się kolejnym stałym elementem edukacji, tak jak kiedyś kalkulator czy wyszukiwarka. Różnica polega na tym, że potrafi prowadzić rozmowę i wpływać na sposób myślenia. Od tego, jak zostanie zaprojektowana – i jak ludzie nauczą się z niej korzystać – zależy, czy będzie skrótem do lenistwa, czy narzędziem, które uczy lepiej formułować własne argumenty.