Uczeń może zrobić efektowną lekcję z pomocą AI i wciąż nie umieć wytłumaczyć, co ona znaczy. Dla nas to jest punkt, od którego powinna się zaczynać każda rozmowa o AI i krytycznym myśleniu w szkole: nie "czy uczeń użył AI", tylko jakiego myślenia od niego rzeczywiście wymagało zadanie.
Na czym polegało badanie
29 września 2026 roku w czasopiśmie Frontiers in Education ukazała się praca Dalii Alsaiid Abdelbaki z Arab Open University w Kairze, zatytułowana "Generative AI as a catalyst for critical thinking: reframing students from consumers to co-creators". Opisuje aktywność przeprowadzoną wśród studentów: mieli przygotować krótkie lekcje z pomocą ChatGPT, Google Gemini i Microsoft Copilot, a następnie uczyć nimi swoich kolegów z grupy.
Kluczowy element nie polegał na samym użyciu AI, tylko na tym, co następowało potem. Zanim ktokolwiek mógł czegoś nauczyć innych, musiał przejrzeć treść wygenerowaną przez AI, znaleźć w niej błędy i je poprawić, a na koniec przedyskutować z grupą, co znaczy odpowiedzialne korzystanie z takich narzędzi. Odpowiedź AI przestawała być gotowym produktem, a stawała się czymś, co trzeba było zakwestionować, poprawić i wziąć za to odpowiedzialność.
Do udziału zaproszono 300 studentów, ankietę po zakończeniu aktywności wypełniło 104 (wskaźnik odpowiedzi 34,6%). To ważna liczba, bo pokazuje, że wnioski opierają się na jednej trzeciej pierwotnie zaproszonej grupy, z jednej uczelni.
Co pokazały wyniki
Studenci ocenili swoje doświadczenie pozytywnie: postrzegane korzyści z uczenia się wypadły najwyżej (średnia 4,22 na 5), tuż za nimi świadomość etyczna korzystania z AI (4,10), a nieco niżej samoocena własnej umiejętności pracy z AI (3,81). Autorka sprawdziła też, jak te trzy rzeczy są ze sobą powiązane, używając analizy mediacyjnej (Hayes' PROCESS Macro): okazało się, że to postrzegane korzyści z uczenia się pośredniczyły w związku między umiejętnością AI a świadomością etyczną. Innymi słowy, studenci, którzy czuli, że faktycznie się czegoś nauczyli dzięki tej metodzie pracy, częściej deklarowali też wyższą świadomość etyczną korzystania z AI.
Czego to badanie nie pokazuje
Tu trzeba być uczciwym, bo sama autorka wymienia te ograniczenia wprost. Badanie nie miało grupy kontrolnej, więc nie da się porównać tej metody pracy z żadną inną (np. z klasyczną lekcją bez AI). Dane pochodzą z samoopisu studentów, czyli z ankiety wypełnianej przez nich samych, a nie z niezależnego pomiaru umiejętności - to zawsze niesie ryzyko, że ludzie oceniają siebie lepiej, niż wypadliby w teście. Próba pochodzi z jednej uczelni, co ogranicza możliwość uogólnienia wyników na inne szkoły czy kraje. Pomiar zrobiono tylko raz, bezpośrednio po zakończeniu aktywności, więc nie wiadomo, czy efekt się utrzymuje. I najważniejsze: badanie nie mierzyło bezpośrednio krytycznego myślenia, tylko postrzegane korzyści z uczenia się, świadomość etyczną i samoocenę umiejętności AI. Nie można więc powiedzieć, że praca "dowodzi", że ta metoda uczy krytycznego myślenia - można powiedzieć, że studenci, którzy przez nią przeszli, czuli się bardziej kompetentni i bardziej świadomi etycznie.
To nie jest powód, żeby odrzucić wyniki - to powód, żeby czytać je z odpowiednią ostrożnością, zamiast zamieniać w nagłówek typu "badanie dowodzi, że AI uczy myślenia".
Cztery pytania, które można zadać przy każdym zadaniu z AI
Niezależnie od ograniczeń metodologicznych, sam pomysł na aktywność - sprawdzaj, popraw, wytłumacz - da się przełożyć na cztery konkretne pytania, które rodzic albo nauczyciel może zadać przy każdym zadaniu, do którego uczeń użył AI. Co dokładnie sprawdziłeś w odpowiedzi AI, zanim ją przyjąłeś? Co w niej zmieniłeś albo poprawiłeś? Którą sugestię odrzuciłeś i dlaczego? I wreszcie: czy umiesz wytłumaczyć ten temat bez zaglądania do wygenerowanego tekstu?
Te pytania nie sprawdzają, czy uczeń "oszukiwał" - sprawdzają, czy w ogóle myślał nad tym, co dostał. Uczeń, który potrafi na nie odpowiedzieć, prawdopodobnie użył AI jako narzędzia do nauki. Uczeń, który nie potrafi, prawdopodobnie po prostu skopiował gotowy tekst - i to jest różnica, która realnie się liczy, niezależnie od tego, czy formalnie nazwiemy ją "krytycznym myśleniem".
Dokładnie to ograniczenie, gotowa odpowiedź zamiast własnego wysiłku, wracało już w innych badaniach, które opisywaliśmy: w analizie ponad 26 tysięcy uczniów AI podnosiła oceny z prac domowych, ale obniżała wyniki egzaminów, gdy uczeń oddawał jej zadanie w całości (AI poprawia prace domowe, ale nie egzaminy). Metoda z tego nowego badania - sprawdź, popraw, wytłumacz - to w gruncie rzeczy próba wymuszenia tego samego wysiłku, który w tamtych danych odróżniał uczniów korzystających z AI z sensem od tych, którzy jej po prostu oddawali zadanie.
Dlatego w PolonEDU Polonek nie podaje gotowego rozwiązania, tylko prowadzi ucznia przez rozumowanie krok po kroku, zgodnie z podstawą programową MEN i kryteriami CKE. Nie twierdzimy, że to badanie to dowodzi - to model pracy, który z założenia wymusza ten sam rodzaj wysiłku, o którym mówi cała ta aktywność: sprawdzanie, poprawianie, tłumaczenie własnymi słowami. Więcej o różnicach między takim podejściem a zwykłym czatem pisaliśmy w tekście Czym różni się Polonek od ChatGPT.
Najuczciwsze podsumowanie tego badania brzmi tak: nie dowodzi ono, że AI w klasie uczy krytycznego myślenia, ale pokazuje konkretną, sensowną metodę pracy, która przynajmniej próbuje to wymusić - zamiast pozwalać uczniowi na bierne przyjęcie gotowej odpowiedzi. A cztery pytania z tej aktywności można zadać już dziś, przy dowolnym zadaniu, bez czekania na kolejne, większe badania.
Zobacz też: Nauka z ChatGPT - co pokazują dane po wycofaniu głośnego badania oraz Czy ściąganie z AI to właściwe słowo?.