Jak metoda sprzed 2400 lat trafiła do nowoczesnej sztucznej inteligencji
Podczas gdy wielu studentów dawno już odkryło chatboty jako wygodny skrót do odrabiania zadań, badacze w Stanach Zjednoczonych testują radykalnie inne podejście. Chodzi o sztuczną inteligencję, która konsekwentnie odmawia podawania gotowych odpowiedzi i zamiast tego — niczym cierpliwy prywatny tutor — nieustannie zadaje kolejne pytania. Wyniki pierwszego eksperymentu uczelnianego zaskakują nawet sceptycznych badaczy.
Twórcy projektu oparli się na koncepcji znacznie starszej niż jakikolwiek język programowania: sokratycznej metodzie prowadzenia rozmowy. Filozof Sokrates nie wygłaszał wykładów — zadawał pytania, które krok po kroku prowadziły rozmówcę do własnych odkryć.
Właśnie ta zasada stanowi fundament chatbota wdrożonego na Uniwersytecie Wisconsin–La Crosse w ramach zajęć z makroekonomii. Bot nosi nazwę „Macro Buddy" i działa jak cyfrowy korepetytor:
- Na pytania merytoryczne z makroekonomii odpowiada wyłącznie pytaniami zwrotnymi.
- Korzysta jedynie z materiałów z tamtejszych wykładów.
- Nie ma dostępu do internetu ani żadnych zewnętrznych źródeł danych.
Gdy studentka zapyta na przykład: „Jak obliczyć stopę wzrostu produktu krajowego brutto?", nie otrzyma żadnego wzoru. Zamiast tego Macro Buddy uruchamia serię małych kroków myślowych: Czym w ogóle jest PKB? Które wielkości ulegają zmianie? O ilu okresach mówimy? W ten sposób cały tok rozumowania stopniowo buduje się w głowie osoby uczącej się.
AI nie dostarcza ściągawki — zmusza do prawdziwego myślenia, naśladując tym samym intensywne korepetycje.
Ponieważ system został wytrenowany wyłącznie na pełnych transkryptach wykładów, każde pytanie zwrotne mieści się w ramach oficjalnego programu nauczania. Badacze chcą w ten sposób zapobiec sytuacji, w której AI błyszczy wiedzą spoza kursu, pozostawiając studentów bezradnych podczas kolejnego egzaminu bez wsparcia bota.
Kiedy AI tropi błędy zamiast wypluwać rozwiązania
Chatbot ma też za zadanie wykrywać luki w rozumieniu. Jeśli ktoś udzieli odpowiedzi, w której myli realny i nominalny produkt krajowy brutto, bot nie poda poprawnego wzoru. Zamiast tego przyjmuje nową perspektywę — pyta o indeksy cen, o wolumeny i poziomy cen, dopóki osoba ucząca się sama nie natrafi na tę różnicę.
AI nie obraca się więc wokół jednego pytania — zmienia też kąt patrzenia na problem. Jeśli nieporozumienie się utrzymuje, Macro Buddy zadaje kolejne pytania uzupełniające i przechodzi w inny tryb wyjaśniania. Cel jest jeden: znaleźć kluczowy węzeł w myśleniu studenta — bez rozwiązywania zadania za niego.
Odejście od biernego przyswajania, przejście do aktywnego łączenia wiedzy
Koncepcja ta jest wymierzona wprost w powszechny nawyk wielu studentów: pochłanianie treści, zapamiętywanie ich i odtwarzanie — a potem natychmiastowe zapominanie. Badacze stawiają zamiast tego na świadome łączenie pojęć ze sobą.
Zamiast wkuwać wzorcowe rozwiązania, studenci muszą w dialogu z AI:
- Wyjaśniać pojęcia własnymi słowami,
- uzasadniać kolejne kroki pośrednie,
- przyporządkowywać przykłady z wykładów,
- oraz interpretować obliczenia cząstkowe.
Dzięki temu wiedza nie trafia wyłącznie do pamięci krótkotrwałej, lecz mocniej zakorzeniona zostaje w rozumieniu zależności ekonomicznych.
Eksperyment praktyczny: aktywna nauka daje 12 punktów więcej
Wiosną 2025 roku badacze przeprowadzili kontrolowany eksperyment terenowy z udziałem 140 studentów uczęszczających na zajęcia wprowadzające z makroekonomii. Grupę podzielono na cztery części:
- Praca wyłącznie z Macro Buddy, bez kontaktu z innymi studentami.
- Klasyczna praca grupowa bez AI.
- Kombinacja: najpierw korzystanie z Macro Buddy, potem dyskusja w małych grupach.
- Grupa kontrolna bez żadnych dodatkowych narzędzi.
Wszystkie cztery grupy przystępowały do tych samych egzaminów. Szczególnie interesujący okazał się postęp widoczny podczas trzeciego testu, gdzie ujawniły się wyraźne różnice:
- Grupa łącząca AI-tutora z późniejszą pracą grupową poprawiła wyniki średnio o 12 punktów w porównaniu z grupą kontrolną.
- Studenci, którzy używali AI jako prostej maszyny do odpowiedzi, tracili średnio 8 punktów, gdy tylko odebrano im to narzędzie.
Kto korzysta z AI jako partnera do myślenia, zyskuje ogromnie. Kto używa jej jako zastępczego mózgu, bez niej kompletnie się załamuje.
Badacze mówią o „poznawczej kuli", gdy studenci skupiają się wyłącznie na gotowych rozwiązaniach. W momencie, gdy chatbot nie jest już dostępny, brakuje im wszelkich nawyków samodzielnego budowania ciągów argumentacyjnych.
Pytania, jeszcze więcej pytań — a potem rozmowa z prawdziwymi ludźmi
Eksperyment ujawnił jeszcze jeden efekt: najlepsze wyniki osiągały nie te osoby, które pracowały z AI w samotności, lecz te, które po sesji z botem omawiały ją w seminarium lub w małych grupach.
Sekwencja wyglądała następująco:
- Indywidualna sesja z Macro Buddy,
- zapisanie własnych kroków pośrednich i toku myślenia,
- omówienie tych przemyśleń ze współstudentami,
- wspólne eliminowanie błędów i luk w rozumieniu.
W ten sposób spotykają się dwa poziomy: wysoce indywidualny dialog z AI oraz wymiana społeczna, którą tradycyjna dydaktyka akademicka od zawsze uznawała za motor głębokiego rozumienia. Ktoś, kto musi w grupie wytłumaczyć, w jaki sposób doszedł z pomocą chatbota do odpowiedzi, utrwala własne przekonania i od razu wyczuwa z reakcji innych, gdzie wciąż tkwi niepewność.
Pokrewne badania: ukierunkowane pytania biją encyklopedyczne wyjaśnienia
Ten pomysł nie pojawił się w próżni. Zespoły badawcze z Harvardu wykazały już wcześniej, że tutorzy AI stosujący adaptacyjne pytania zwrotne przynoszą długoterminowo lepsze efekty nauki niż systemy dostarczające po prostu jak najbardziej wyczerpujących wyjaśnień. W badaniach osoby prowadzone przez pytania zapamiętywały treści na dłużej i znacznie sprawniej przenosiły wiedzę na nowe problemy.
Macro Buddy idzie o krok dalej, ściśle ograniczając grę pytań i odpowiedzi do konkretnych ram danego kursu. Sprawia to, że AI wydaje się mniej „imponująca" w porównaniu z wielkimi modelami językowymi swobodnie surfującymi po sieci — w sali wykładowej zwiększa jednak jej wiarygodność.
Czego polskie uczelnie mogą nauczyć się z tego eksperymentu
W polskim i szerzej — europejskim dyskursie akademickim debata o AI na uczelniach obraca się często wokół plagiatów, prób oszustwa i obawy, że studenci rezygnują z samodzielnego myślenia. Badanie z Wisconsin pokazuje alternatywną ścieżkę: nie zakaz ani pełna swoboda, lecz przemyślane wdrożenie pobudzające procesy myślowe zamiast ich usypiania.
Dla polskich uczelni wyłania się kilka konkretnych punktów wyjścia:
- Boty tutorskie specyficzne dla danego przedmiotu, wytrenowane na skryptach wykładowych i zadaniach.
- Obowiązkowe fazy refleksji, w których studenci zapisują i objaśniają swoje dialogi z AI.
- Łączenie tutoriów AI z ćwiczeniami stacjonarnymi i peer learningiem.
- Jasne zasady określające, kiedy korzystanie z otwartych chatbotów dostarczających gotowych rozwiązań jest niedopuszczalne.
Szczególnie intrygujące będzie pytanie, jak zmienią się formy egzaminowania. Jeśli studenci regularnie trenują z takimi botami pytającymi, kolokwia i egzaminy będą mogły w większym stopniu opierać się na transferze wiedzy, stosowaniu jej w praktyce i argumentacji — zamiast na mechanicznym odtwarzaniu wzorów.
Szanse, ryzyka i realistyczne spojrzenie na edukacyjną AI
Nie obywa się to bez ryzyka. Ktoś, kto spędza zbyt wiele czasu ze źle zaprojektowanym botem tutorskim, może przyswajać błędne wzorce myślenia. Dlatego takie systemy wymagają ścisłego powiązania z kadrą akademicką i bieżącej kontroli jakości. Wykładowcy powinni regularnie przeglądać zapisy dialogów z AI i doskonalić system, gdy zaczyna on prowadzić w ślepe zaułki.
Z drugiej strony dobrze skonstruowany system pytający otwiera też szanse na odciążenie dydaktyki stacjonarnej. Wielu studentów nie odważa się zadawać „głupich pytań" na dużej sali wykładowej. W rozmowie z maszyną ta bariera znika. Bot może wykonać pracę podstawową, podczas gdy cenny czas kontaktu z wykładowcą pozostaje wolny na złożone problemy i dyskusje.
Ostatecznie decyduje postawa samego uczącego się. Kto zbliża się do AI z oczekiwaniem szybkiego uzyskania rozwiązania, tkwi w starym schemacie. Kto jest gotowy dać się męczyć przez natarczywe pytania, buduje solidniejsze rozumienie — dokładnie tak, jak Sokrates demonstrował to w rozmowach na ateńskim rynku 2400 lat temu, tyle że dziś wszystko odbywa się w oknie czatu.
