Eksperyment, który daje nadzieję nauczycielom akademickim
Na uczelni w amerykańskim stanie Wisconsin trwa właśnie eksperyment, który wielu wykładowców napawa optymizmem — a niektórym studentom spędza sen z powiek. Naukowcy stworzyli system AI, który przy pytaniach z ekonomii konsekwentnie odmawia podania gotowych odpowiedzi i zamiast tego zasypuje rozmówcę celnie dobranymi pytaniami. Efekt jest jednoznaczny: kto aktywnie uczestniczy, uczy się znacznie więcej. Kto szuka wygodnej drogi na skróty — ponosi tego konsekwencje.
Chatbot, który za żadne skarby nie poda gotowego rozwiązania
Narzędzie nosi nazwę „Macro Buddy" i zostało wdrożone na zajęciach z makroekonomii. W odróżnieniu od popularnych asystentów AI, nie serwuje błyskawicznych odpowiedzi na zadane pytania. Zamiast tego uruchamia łańcuch pytań pomocniczych, które krok po kroku prowadzą do sedna problemu.
Jeśli na przykład studentka zapyta, jak oblicza się stopę wzrostu produktu krajowego brutto, nie otrzyma wzoru. Zamiast tego pojawią się pytania:
- „Jakie wielkości porównujesz, obliczając stopę wzrostu?"
- „Czy w tym przypadku istotną rolę odgrywają punkty czasowe czy przedziały czasu?"
- „Co musisz wiedzieć, zanim zaczniesz liczyć procenty?"
Macro Buddy odmawia podania gotowego rozwiązania i zmusza studentów do samodzielnej rekonstrukcji własnego toku myślenia.
Twórcy systemu inspirowali się tak zwaną metodą sokratyczną: wiedza nie ma być narzucana z zewnątrz, lecz powstawać w umyśle uczącego się poprzez odpowiednio zadawane pytania. Ten pomysł ma ponad 2000 lat — i właśnie teraz przeżywa swój cyfrowy renesans w postaci tutora opartego na AI.
Wytrenowany wyłącznie na materiałach kursowych, bez dostępu do internetu
Macro Buddy został opracowany przez ekonomistów z University of Wisconsin–La Crosse. Chatbot był trenowany wyłącznie na transkryptach własnych wykładów i ćwiczeń prowadzonych przez tę samą kadrę. Oznacza to, że zna jedynie to, co faktycznie poruszano na kursie.
Kluczowe ograniczenie techniczne: tutor nie ma dostępu do internetu. Nie może sięgać po zewnętrzne źródła, cytować encyklopedycznych haseł ani kopiować odpowiedzi z forów. Wszystko, o co pyta i co formułuje, bazuje wyłącznie na oficjalnych materiałach kursowych i zbudowanym modelu językowym.
Takie podejście pozwala uniknąć dwóch istotnych problemów:
- Rozbieżności merytoryczne: Studenci nie trafiają na obce definicje, które nie pasują do programu zajęć.
- Tryb pasywny: Nikt nie może liczyć na to, że bot znajdzie gdzieś w sieci gotowe rozwiązanie.
Gdy system wykryje nieporozumienie — na przykład pomylenie realnego PKB z nominalnym — precyzyjnie dostosowuje technikę pytań. Zamiast po prostu korygować błąd, Macro Buddy kieruje uwagę uczącego się na pojęcia takie jak indeks cen, wartość realna czy siła nabywcza, dopóki wszystko nie stanie się jasne.
Badanie ze 140 studentami: kto myśli, wygrywa — kto ściąga, traci
Skuteczność systemu sprawdzono w eksperymencie przeprowadzonym wiosną 2025 roku z udziałem 140 studentów. Uczestników podzielono na cztery grupy, którym przypisano różne warunki nauki:
| Grupa | Scenariusz nauki |
|---|---|
| Grupa 1 | Praca indywidualna z Macro Buddy |
| Grupa 2 | Tradycyjna praca w małych grupach bez AI |
| Grupa 3 | Kombinacja: najpierw Macro Buddy, potem dyskusja grupowa |
| Grupa 4 | Grupa kontrolna bez dodatkowego wsparcia |
Na koniec badacze szczególnie dokładnie przeanalizowali wyniki trzeciego terminu egzaminacyjnego. Interesujące okazało się nie tylko to, kto osiągnął najlepsze rezultaty, ale też jak bardzo zmieniły się wyniki poszczególnych grup w porównaniu do grupy kontrolnej.
Największe zaskoczenie: aktywne korzystanie z AI przyniosło średnio plus 12 punktów — bierne kopiowanie odpowiedzi kosztowało średnio 8 punktów.
Grupa mieszana, która najpierw pracowała z Macro Buddy, a następnie omawiała zagadnienia wspólnie, uzyskała średnio o 12 punktów lepsze wyniki niż grupa kontrolna. Złożone pojęcia takie jak inflacja, podaż pieniądza czy luka popytowa były przez tych studentów rozumiane wyraźnie lepiej.
Zupełnie inaczej wyglądała sytuacja tych, którzy próbowali wykorzystać AI jako skrót i „wyciągać" odpowiedzi bez własnego wysiłku intelektualnego. Gdy Macro Buddy nie był już dostępny podczas egzaminu, ich wyniki spadały średnio o 8 punktów. Cyfrowy tutor stał się dla nich poznawczą kulą — bez niego zwyczajnie się sypali.
Błąd jako motor nauki: jak AI reaguje na nieprawidłowe odpowiedzi
Serce całego systemu tkwi w tym, jak reaguje on na błędy. Gdy ktoś udzieli odpowiedzi świadczącej o niezrozumieniu mechanizmów inflacji, bot nie koryguje wprost. Zamiast tego inicjuje dialog oparty na pytaniach, który wygląda mniej więcej tak:
- „Jaką rolę odgrywa podaż pieniądza w twoim przykładzie?"
- „Co się dzieje, gdy podaż pieniądza rośnie szybciej niż realna produkcja?"
- „Jak to wpływa na ogólny poziom cen?"
- „Jakie wielkości porównałbyś, żeby mówić o inflacji?"
Dzięki temu studenci sami dostrzegają, w którym miejscu ich rozumowanie się sypie. Badacze opisują to jako pętlę pytań, w której myśl obraca się tak długo, aż błąd staje się wyraźnie widoczny.
Podobne koncepcje były już testowane na elitarnych uczelniach, między innymi w Harvard, z użyciem adaptacyjnych tutorów AI. Tam również zaobserwowano, że prowadzone przez pytania myślenie działa długoterminowo skuteczniej niż zwykłe przekazywanie informacji. Wiedza zakorzenia się głębiej, gdy uczący się aktywnie przechodzą przez własne etapy pośrednie.
Nauka to sport zespołowy: dlaczego połączenie z pracą grupową działa tak silnie
Szczególnie ciekawy jest efekt łączenia tutora AI z późniejszą pracą grupową. Najpierw każda osoba pracuje samodzielnie z Macro Buddy, buduje własną linię argumentacji i wyjaśnia sobie niezrozumiałe kwestie. Następnie grupa spotyka się i porównuje swoje toki myślenia.
Typowy przebieg takiej sesji grupowej:
- Każda osoba krótko wyjaśnia, jak doszła do rozwiązania przy pomocy AI.
- Różne sposoby rozumowania są omawiane i poddawane w wątpliwość.
- Grupa wypracowuje wspólne, uzasadnione podejście do problemu.
W ten sposób indywidualne myślenie przeplata się z uczeniem się społecznym. Kto musi wytłumaczyć coś przed grupą, szybko sprawdza, czy naprawdę rozumie temat. Nieporozumienia wychodzą na jaw, a trafne wyjaśnienia zapadają w pamięć. Właśnie ta mieszanka dialogu człowiek–maszyna i dyskusji rówieśniczej może, według pierwszych ocen, znacząco zmienić rolę AI na uczelniach.
Co to oznacza dla polskich uczelni
Także w Polsce wiele środowisk akademickich zmaga się z tym samym pytaniem: czy AI wspiera naukę — czy tylko sprawia, że studenci stają się leniwsi? Chatboty piszą prace domowe, rozwiązują zadania matematyczne, redagują eseje. Wykładowcy skarżą się, że wielu studentów niemal przestało samodzielnie argumentować.
Przykład Macro Buddy pokazuje wyjście z tej sytuacji. AI nie musi stawać się narzędziem do kopiowania i wklejania gotowych odpowiedzi. Można ją zaprojektować tak, by inicjowała procesy myślowe zamiast je zastępować. Kluczowe są jasne reguły:
- brak automatycznego podawania gotowych rozwiązań,
- ograniczenie wyłącznie do treści kursowych zamiast całego internetu,
- konsekwentne zadawanie pytań zwrotnych zamiast akceptowania każdej odpowiedzi,
- powiązanie z zajęciami stacjonarnymi i pracą w grupach.
Dla kadry akademickiej może to być wręcz zaletą: standardowe pytania o definicje czy wzory przejmuje bot, podczas gdy wykładowcy zyskują podczas seminariów czas na pogłębione dyskusje. Jednocześnie wymóg samodzielnego myślenia pozostaje w mocy.
Szansa i ryzyko dla kolejnego pokolenia studentów
Podejście to nie jest jednak wolne od ryzyka. Kto czuje się szybko przytłoczony przez pytania zwrotne lub boryka się z lękiem przed egzaminami, potrzebuje przemyślanego wprowadzenia i odpowiedniego wsparcia. Wykładowcy muszą jasno komunikować, że błędna odpowiedź w czacie to nie powód do wstydu — to punkt wyjścia do nauki.
Jednocześnie badanie bardzo wyraźnie pokazuje, że decydującym czynnikiem jest postawa samych studentów. Kto traktuje AI jak partnera do ćwiczenia myślenia, może realnie podnieść swój poziom. Kto postrzega ją jako dostawcę gotowych odpowiedzi, na dłuższą metę zamyka sobie drzwi do własnego rozwoju.
Dla szkół wyższych płynie z tego jednoznaczny wniosek. Narzędzia AI powinny być wdrażane nie tylko od strony technicznej, lecz przede wszystkim z myślą o dydaktyce. Nie każde pytanie wymaga natychmiastowej odpowiedzi — czasem jedno dobre pytanie wzajemne wystarczy, by wiedzę zakorzenić w umyśle na trwałe.
