AI w szkole: jak rozpoznać prace pisane przez AI i układać zadania, których AI nie zrobi za ucznia

W skrócie: dziś nie da się wiarygodnie udowodnić, że tekst napisała AI — detektory mierzą, jak przewidywalny jest tekst, a nie skąd pochodzi, i najmocniej uderzają w uczniów piszących w drugim języku. Strategia, która działa, to nie łapanie, tylko przerabianie zadań: zwiąż je z osobistym doświadczeniem, z danymi twojej własnej klasy i z krótką obroną ustną. Żeby pokazać, czym kończy się stawianie na automatyczne sprawdzanie, przeanalizowaliśmy największe kursy o AI na świecie. Ten błąd już tam popełniono, a ich kursanci opisali go słowo w słowo.

Dlaczego detektory to kiepskie oparcie

Pokusa jest oczywista: wklejasz tekst, dostajesz procent, koniec rozmowy. Problem w tym, że za tą liczbą nie stoi żaden dowód. Detektory nie „widzą” pochodzenia tekstu — szacują, jak bardzo jest gładki i przewidywalny. A gładko i przewidywalnie piszą nie tylko modele.

• Fałszywe alarmy u nierodzimych użytkowników języka. Uczeń piszący w drugim języku sięga po prostsze konstrukcje i utarte zwroty — czyli dokładnie po te sygnały, które detektor czyta jako „maszynowe”. To rozumowanie o tym, jak działa narzędzie, a nie nasz pomiar: nie testowaliśmy detektorów na klasach i nie podamy odsetka błędów. Ale kierunek błędu wynika wprost z mechanizmu.
• Fałszywe alarmy u starannych uczniów. Porządna struktura, neutralny ton, zero błędów — i uczciwa praca dostaje wysoki „procent AI”.
• Obejście jest banalne. Poproś model, żeby pisał prościej i żywiej, przepisz ręcznie parę zdań i wynik spada. To filtr na odwrót: łapie uczciwych, a przepuszcza tych, którzy się starali ukryć.
• Procent to nie dowód. Liczba na nieprzejrzystej skali nie jest prawdopodobieństwem. Nie możesz przedstawić jej uczniowi jako dowodu — ani metodycznie, ani etycznie.

Wniosek jest twardy, ale ważny: na detektorze nie da się zbudować oskarżenia. Najwyżej to powód, żeby przyjrzeć się pracy uważniej i porozmawiać — a taka rozmowa zaczyna się od pytania, nie od wyroku. Więcej o tym, jak działają te narzędzia: detektory tekstu AI — czy w ogóle działają?.

Nasze badanie: co się dzieje, gdy sprawdzanie oddajesz maszynie

17 lipca 2026 zebraliśmy dane o największych kursach o AI na Udemy i Coursera: liczby kursantów, oceny, udział negatywnych recenzji i same recenzje. Szukaliśmy konkurencji, a znaleźliśmy gotowy materiał na lekcję. Bo platformy internetowe przeprowadziły już eksperyment, który szkołę dopiero czeka: zastąpiły sprawdzanie przez człowieka sprawdzaniem automatycznym. Wynik opisali ich właśni kursanci, dosłownie.

Skala, żeby było wiadomo, o kim mowa: Google AI Essentials ma 1 876 929 zapisanych. Generative AI for Everyone od DeepLearning.AI (Andrew Ng): 814 083. Prompt Engineering for ChatGPT od Vanderbilt: 698 444. Generative AI: Prompt Engineering Basics od IBM: 654 256. Google Prompting Essentials: 365 425. Prompt Engineering Specialization od Vanderbilt: 138 967. To miliony ludzi, a wśród nich twoi licealiści i ich rodzice.

„100% correct” — wyrok na automatyczne sprawdzanie

Tę recenzję warto wydrukować i powiesić w pokoju nauczycielskim:

„you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.” — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

Człowiek oddał pracę, natychmiast dostał „100% correct” i odszedł bez najmniejszego pojęcia, czy zrobił to dobrze, czy źle. To nie usterka platformy. To ograniczenie strukturalne: wewnątrz lekcji Coursery nie ma żadnego modelu, więc fizycznie nie ma tam czym ocenić promptu kursanta. Jedyne, co system potrafi, to przyjąć plik i przystawić pieczątkę.

Co z tego wynika dla klasy: ocena wystawiona bez przeczytania pracy przez człowieka nie mówi uczniowi nic. Zero informacji. I to samo działa w drugą stronę — procent z detektora też powstaje bez przeczytania pracy przez człowieka. Różni je tylko znak: tam automatyczna szóstka, tu automatyczne oskarżenie. Oba są bezwartościowe, i to z tego samego powodu.

A tak wygląda to, co dzieje się z uczącymi się, gdy sprawdzanie jest automatyczne, a informacji zwrotnej brak:

„Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.” — Laurie J Phillips, 12.04.2024, 3★ (IBM)

„quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'” — Cory Covino, 04.05.2024, 2★ (IBM)

„All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.” — Cornelius Griggs, 1★ (Generative AI with LLMs)

Trzy recenzje, trzy objawy znane każdemu nauczycielowi: kucie pod test, informacja zwrotna sprowadzona do „obejrzyj jeszcze raz” i ćwiczenie, w którym wszystko jest już zrobione, a wystarczy wcisnąć klawisz. Żadna z nich nie jest o AI. Wszystkie trzy są o tym, że sprawdzanie przestało być rozmową. AI nie jest tu przyczyną, tylko przyspieszaczem: tam, gdzie zadanie da się zamknąć guzikiem, uczeń ten guzik znajdzie.

„On tylko czyta ze slajdu” — i co to znaczy dla lekcji

Najczęstszy motyw negatywnych recenzji, które zebraliśmy (§4.1 naszego badania), to nie trudność i nie cena. To poczucie, że prowadzący jest zbędny:

„why read straight from the slide? I can do that. This was not a helpful course at all” — Janie I., 02.07.2026, 1★ (Justin Barnett, 152 821 kursantów)

„50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website” — Shashank T., 13.04.2026, 1★ (The Complete AI Guide)

„Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word” — Bradley M., 16.04.2026, 1★ (RPATech, 118 803 kursantów)

Wniosek dla szkoły jest nieprzyjemny, ale pożyteczny: jeśli treść twojej lekcji da się odczytać ze slajdu, AI odczyta ją lepiej — szybciej, o każdej porze, tyle razy, ile trzeba. Tę część uczenia, która polega na przekazywaniu informacji, już ci zabrano i nie wróci. Zostaje część, której żaden model nie umie: zauważyć, że właśnie to dziecko zacięło się właśnie na tym kroku, zadać mu pytanie, złapać błąd w rozumowaniu, a nie w zdaniu. I dokładnie tam opłaca się przerabiać zadania.

„Sama teoria, którą i tak znamy”

Druga grupa recenzji tłumaczy, dlaczego uczeń w ogóle sięga po maszynę:

„The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.” — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

„Didnt meet expectations, only theory is discussed which we already know.” — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Zadanie, które nie wymaga niczego poza powtórzeniem znanego, uczeń zamknie najtańszym możliwym sposobem. To nie kwestia moralności, tylko ekonomii wysiłku. „Napisz wypracowanie o przyjaźni” uczciwie ogłasza: nie chcemy tu niczego osobistego, niczego sprawdzalnego, niczego twojego. Model słyszy to ogłoszenie pierwszy.

Treść się psuje — a testy psują się razem z nią

Jeszcze jedna grupa, ważna dla każdego, kto planuje lekcję o AI:

„Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.” — Jose C., 12.05.2026, 1★ (Barnett)

„The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.” — Harsh A., 09.04.2026, 1,5★ (The Complete AI Guide)

„Most content is from 2024. This course is not bad for its time, but just too dated now.” — Martin F., 27.05.2026, 2★ (Generative AI for Beginners — przy deklarowanym „zaktualizowano 18.04.2026”)

Pierwsza jest najostrzejsza. Błąd siedzi w filmach i w testach — czyli kursant musi zaznaczyć złą odpowiedź, żeby dostać punkt. Praktyczny wniosek na lekcję: nie buduj jej wokół zrzutów ekranu i listy modnych modeli. To zepsuje się do następnego semestru. Buduj wokół tego, co się nie psuje: jak sprawdzić twierdzenie, skąd wzięła się liczba, dlaczego na to pytanie nie da się odpowiedzieć jednym promptem.

O udziale negatywnych recenzji — i uczciwe zastrzeżenie przeciwko nam samym

Policzyliśmy udział ocen 3,5★ i niższych w największych kursach Udemy: 9,61% w Generative AI for Beginners (409 492 kursantów, ocena 4,53), 10,36% w The Complete AI Guide (376 845 kursantów, 42 godziny, 545 wykładów) i co najmniej 4,00% w Prompt and Context Engineering 101 Mike'a Wheelera (84 942 kursantów, 4,31 — najgorsza ocena w próbie). Na Courserze udział negatywów jest wyraźnie niższy: 1,5–3,5%.

Zastrzeżenie, bez którego tych liczb nie da się czytać: filtr gwiazdek na Courserze działa po stronie przeglądarki, a serwer zawsze oddaje pierwszą stronę recenzji. Cytaty powyżej pochodzą więc z domyślnego widoku, który widzi każdy odwiedzający, a nie z pełnej próby negatywów. Różnicy „1,5–3,5% wobec 9,61%” nie wolno czytać jako „na Courserze uczą lepiej”: platformy mają inną publiczność, inny próg wejścia i inny sposób zbierania recenzji. Podajemy to jako pomiar, nie jako wniosek o jakości.

Co więc działa

Przesuń punkt ciężkości: nie „jak ich złapać”, tylko „jak sprawić, żeby ściąganie nie miało sensu”. AI świetnie radzi sobie z zadaniami odpersonalizowanymi — „napisz wypracowanie o przyjaźni”, „zrób referat o wulkanach”. Kiepsko radzi sobie z zadaniami przywiązanymi do konkretnego człowieka, konkretnej chwili i konkretnych danych, których nie ma w internecie.

Sześć sposobów na przerobienie zadania

1. Zwiąż je z osobistym doświadczeniem. Nie „wypracowanie o przyjaźni”, tylko „moment z twojego życia, w którym zrozumiałeś, że przyjaźń nie zawsze jest wesoła — opisz miejsce, czas i co dokładnie wtedy poczułeś”. Model to wymyśli, ale wymysł rozsypuje się przy pierwszym pytaniu dopytującym. Typowy błąd: dopisać słowo „osobiste” do starej formułki i uznać zadanie za przerobione. „Napisz o swoim osobistym doświadczeniu przyjaźni” model zamknie równie łatwo jak poprzednie.
2. Zwiąż je z lekcją. „Użyj trzech przykładów, które omawialiśmy w czwartek, i wyjaśnij, dlaczego czwarty przykład z podręcznika tu nie pasuje.” AI nie ma twojego czwartku. Siła tkwi w drugiej połowie: wyjaśnić, dlaczego coś nie pasuje, jest znacznie trudniej niż wyliczyć, co pasuje.
3. Daj swoje dane. Ankieta w klasie, pomiary z laboratorium, tabela, którą zrobiłeś sam. Uczeń pracuje z AI na tych danych — i to już jest normalna umiejętność, a nie ściąganie. Bonus: cała klasa ma te same dane i różne wnioski, a rozbieżności same stają się tematem lekcji.
4. Proś o proces, nie o wynik. Brudnopis, plan, listę odrzuconych pomysłów i wyjaśnienie, dlaczego wypadły. Gotowy tekst AI napisze w sekundę; historii twoich wątpliwości nie wyprodukuje. Zastrzeżenie przeciwko nam samym: proces też da się podrobić promptem „wymyśl trzy odrzucone pomysły”. Dlatego proces nie działa sam — działa w parze z obroną ustną.
5. Obrona ustna. Trzy minuty, dwa pytania do tekstu: „wyjaśnij ten akapit swoimi słowami” i „co byś zmienił, gdyby…”. To najuczciwszy i najszybszy sposób, żeby ustalić, czyja to praca, i nie wymaga żadnej technologii. To dokładnie ta rzecz, której brak kazał Shinysheep napisać „I am still speechless”.
6. Zalegalizuj AI i zażądaj refleksji. „Możesz używać AI. Dołącz swoje prompty, dołącz to, co wypluł model, i napisz, co w tym poprawiłeś i dlaczego.” Ściąganie zamienia się w analizę — i, szczerze mówiąc, w lepszą lekcję. Przy okazji widzisz, kto w klasie umie wyłapać błędy modelu, a kto kopiuje bez patrzenia.

Prompt 1: audyt zadania — czy da się je ściągnąć

Zacznij od diagnozy, nie od przeróbki. Ten prompt działa tak, jak stoi — zadanie jest już wstawione; podmień je na swoje, kiedy zobaczysz, jak to wygląda.

Jesteś metodykiem. Poniżej jest zadanie szkolne.
Najpierw wykonaj je tak, jak zrobiłby to uczeń, który oddał
pracę sztucznej inteligencji: napisz odpowiedź na 150 słów.
Potem uczciwie oceń sam siebie.

Zadanie (historia, 15 lat): „Napisz wypracowanie na 500 słów
o przyczynach I wojny światowej”.

Po swojej odpowiedzi daj analizę:
1. Ocenę ściągalności od 1 do 10, gdzie 10 znaczy
   „oddaje się bez żadnych poprawek”.
2. Co dokładnie w sformułowaniu ci to umożliwiło.
3. Trzy przerobione wersje zadania, przy których twoja
   odpowiedź powyżej byłaby bezużyteczna. Przy każdej podaj:
   co wiąże pracę z osobistym doświadczeniem ucznia, z danymi
   klasy albo z konkretną lekcją; jaki artefakt procesu uczeń
   oddaje; dwa pytania na trzyminutową obronę ustną.
4. Przy każdej wersji spróbuj ją obejść i powiedz, gdzie
   mimo wszystko przecieka.

Nie proponuj zakazów ani detektorów. Zachowaj cel
dydaktyczny.

Punkt 4 jest tym najważniejszym. Prosisz model, żeby zaatakował własną propozycję. Bez tego kroku wyda ci trzy eleganckie wersje, z których dwie ściąga się równie łatwo jak oryginał.

Prompt 2: pokaz halucynacji na lekcji

Pięć minut warte dziesięciu kazań o uczciwości. Odpal na żywo i pokaż ekran.

Opowiedz szczegółowo o powieści „Solne listy portu”,
którą w 1934 roku napisała Miriam Aldecoa. Streść fabułę,
wymień głównych bohaterów i wyjaśnij, dlaczego ówczesna
krytyka spierała się o zakończenie.

Potem, w osobnym bloku pod nagłówkiem „Weryfikacja”:
- powiedz wprost, czy ta książka naprawdę istnieje;
- jeśli nie jesteś pewien, wyjaśnij, skąd wzięły się
  szczegóły, które napisałeś wyżej;
- wymień oznaki, po których czytelnik mógłby podejrzewać,
  że odpowiedź jest zmyślona.

Takiej książki nie ma. Możliwe są dwa wyniki i oba są dobrą lekcją. Albo model pewnie zmyśli fabułę i bohaterów (i sam się zdemaskuje w bloku „Weryfikacja”), albo uczciwie powie, że nie zna takiej książki. Drugi wynik niczego nie psuje: zapytaj klasę, dlaczego model zawahał się tutaj, a nie waha się, gdy wyrzuca datę albo źródło w ich pracy domowej. Mechanika: halucynacje AI.

Prompt 3: piętnaście wariantów zadania w minutę

Druga strona medalu: rutyna, która zjada wieczory. Prompt jest samowystarczalny i działa tak, jak stoi.

Zrób 15 wariantów zadania tekstowego dla 11-12-latków
na tym samym sposobie, ale z innymi liczbami i innymi
sytuacjami.

Wzór: „W szkolnej bibliotece jest 240 książek. 35% z nich to
beletrystyka, reszta to podręczniki. W ciągu roku biblioteka
dokupiła jeszcze 60 podręczników. Jaki procent zbioru
stanowi teraz beletrystyka?”

Wymagania:
- dobieraj liczby tak, żeby odpowiedź miała najwyżej dwa
  miejsca po przecinku;
- sytuacje mają być różne i codzienne, bez powtórek;
- pięć wariantów zrób o krok prostszych, a pięć trudniejszych
  (dodaj zbędną daną, niepotrzebną do rozwiązania);
- na końcu daj osobnym blokiem tabelę odpowiedzi z pełnym
  rozwiązaniem każdego.

Sprawdź swoje rachunki przed wypisaniem i oznacz gwiazdką
warianty, których nie jesteś pewien.

Ostatnia linijka waży więcej, niż się wydaje: te modele liczą gorzej, niż piszą. Odpowiedzi i tak sprawdź — ale zawężenie sprawdzania do oznaczonych wariantów już oszczędza wieczór.

Prompt 4: pytania na obronę ustną

Jesteś nauczycielem. Poniżej jest akapit z pracy ucznia.
Wymyśl pięć pytań na trzyminutową obronę ustną, na które
nie da się odpowiedzieć, po prostu odczytując akapit
na głos.

Akapit: „Rewolucja przemysłowa zmieniła strukturę
społeczeństwa. Powstała nowa klasa — robotnicy przemysłowi —
których położenie było ciężkie: długi dzień pracy, praca
dzieci, brak ubezpieczeń. Jednocześnie rosły miasta, co
rodziło problemy z higieną i mieszkaniami”.

Przy każdym pytaniu podaj:
- co ono naprawdę sprawdza (rozumienie przyczyny,
  umiejętność podania przykładu, zdolność wychwycenia
  uproszczenia);
- jak brzmi odpowiedź kogoś, kto zrozumiał;
- jak brzmi odpowiedź kogoś, kto oddał cudzy tekst.

Osobno wskaż trzy miejsca w akapicie, w których autor
uprościł albo wygładził, i jak zapytać o każde z nich.

Ten ostatni punkt jest najpożyteczniejszy. Wygładzone miejsca są w każdym tekście, a pytanie o nie zatrzymuje i tego, kto ściągnął, i tego, kto pisał sam, ale nie pomyślał. To właśnie ta różnica między „tekst oddany” a „człowiek zrozumiał”, o którą ci chodzi.

Język nauczania: liczba, która zmienia spojrzenie na nierodzimych użytkowników

Jeśli w klasie masz dzieci, dla których język nauczania nie jest ojczysty, warto znać ten recenzowany wynik. Bälter, Kann, Mutimukwe i Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) przeprowadzili randomizowane badanie kontrolowane na 2 263 szwedzkich studentach: ten sam kurs programowania online prowadzono po szwedzku i po angielsku.

• Odpad w języku ojczystym: 57%. Odpad po angielsku: 71% (φ=0,2; p<0,00001).
• Średni wynik tych, którzy zostali: 16,9 wobec 14,3 (δ=0,085 — wielkość efektu znikoma).

Czytaj uważnie: język nie pogorszył rozumienia — ci, którzy zostali, mają prawie te same punkty. On wypchnął ludzi. I jeszcze jeden szczegół: samoocena biegłości nie chroniła przed wyższym odpadem.

Wynikają z tego dwie rzeczy dla szkoły. Pierwsza: jeśli uczeń pisze w drugim języku prościej i sucho, to nie znak lenistwa ani znak modelu. To cena, którą płaci za sam fakt pracy w cudzym języku. Druga: detektor reagujący na prostotę uderzy systemowo właśnie w niego. Połączenie — wyższe ryzyko odpadu plus wyższe ryzyko fałszywego oskarżenia — czyni z niego najbardziej narażoną osobę w klasie. To jedyna kategoria, w której błąd nauczyciela kosztuje najwięcej.

Jak poznać, że przeróbka się udała

Prosty test uczciwości: weź swoje nowe zadanie, wklej je w całości w czat i zobacz, co wyjdzie. Jeśli model wypluwa tekst, który da się oddać tak jak jest — zadanie nie zostało przerobione, tylko wydłużone. Jeśli model wypluwa wiarygodną wydmuszkę, która rozsypuje się przy pytaniu „a skąd masz te liczby?” — jesteś na dobrej drodze.

Drugi sygnał: uczeń, który zrobił pracę uczciwie, powinien umieć jej bronić przez trzy minuty bez przygotowania. Jeśli nie umie, to albo nie zrozumiał, albo zadanie sprawdza co innego, niż chciałeś sprawdzić. Oba wnioski są pożyteczne i żaden nie wymaga detektorów.

Trzeci sygnał, najostrzejszy: dwoje uczniów, którzy uczciwie zrobili twoje zadanie, powinno oddać różne prace. Jeśli uczciwe prace są nie do odróżnienia, zadanie sprawdza posłuszeństwo, a nie myślenie — i zamknie je automat.

Pięć typowych błędów przy przerabianiu

• Wydłużanie zamiast przerabiania. Wymóg „nie mniej niż 1000 słów” utrudnia życie tylko temu, kto pisze sam.
• „Swoimi słowami” jako zaklęcie. Model świetnie umie „swoimi słowami”. To zdanie jest życzeniem, nie ograniczeniem.
• Zakaz AI bez sposobu na sprawdzenie. Reguła, której przestrzegania nie da się zobaczyć, uczy jednego: że reguł można nie przestrzegać.
• Stawianie na rzadki temat. „O tym na pewno nie ma nic w internecie” to prawie zawsze nieprawda i sprawdza się to w minutę. Rzadkie mają być dane, nie temat.
• Oskarżanie na podstawie procentu. Najdroższy. Fałszywe oskarżenie kosztuje zaufanie całej klasy na lata; przeoczona ściąga kosztuje jedną ocenę.

Jak o tym rozmawiać z klasą

Zakaz „AI nie wolno” nie działa z tego samego powodu, z którego nie działał zakaz kalkulatorów: narzędzie każdy ma w kieszeni, a uczeń korzysta z niego niezależnie od twojego zdania. Działa umowa powiedziana wprost.

• Nazwij reguły słowami. Gdzie AI wolno (szukać pomysłów, wyjaśnić coś niejasnego, sprawdzić ortografię), gdzie nie wolno (oddawać wygenerowany tekst jako swój) i co trzeba zaznaczyć, jeśli się korzystało.
• Wyjaśnij po co. Nie „bo to nieuczciwe”, tylko „bo oddajesz nie tekst, tylko swoje zrozumienie; tekst bez zrozumienia nie ma wartości ani dla mnie, ani dla ciebie”.
• Opowiedz o halucynacjach. Uczniowie szczerze nie wiedzą, że model z pełnym przekonaniem zmyśla fakty, daty i źródła. Jeden pokaz na lekcji wart jest dziesięciu kazań — prompt 2 powyżej odpala się wprost z tej strony.
• Pokaż im recenzję Shinysheep. Serio. „I put all that effort in and have no idea whether I my answer was correct or not” to dokładnie to, co czuje uczeń, który dostał ocenę bez komentarza. Rozmowa o tym, po co jest sprawdzanie przez człowieka, łatwiej zaczyna się od cudzego przykładu niż od twojego dziennika.
• Nigdy nie oskarżaj na podstawie procentu. Jeśli praca budzi pytania, zadaj je: „opowiedz, jak to pisałeś”.

Gdzie AI pomaga samemu nauczycielowi

Rutyna, która zjada wieczory, automatyzuje się zaskakująco dobrze.

• Wygenerować 15 wariantów zadań jednego typu z różnymi liczbami (prompt 3 powyżej)
• Przepisać tekst pod poziom klasy albo dostosować dla ucznia, któremu jest ciężko
• Zebrać listę kryteriów oceniania i pytania na obronę ustną (prompt 4 powyżej)
• Wymyślić rozgrzewkę, spór albo scenkę na 5 minut
• Zrobić szkic komentarza do pracy — który potem poprawiasz pod konkretne dziecko

Twarda granica: nie wrzucaj do czatu prac uczniów z nazwiskami, ocenami i jakimikolwiek osobistymi szczegółami. To dane osobowe dzieci, a przepisy takie jak RODO stosuje się tu w pełni. Anonimizuj tekst przed wysłaniem albo używaj narzędzi dopuszczonych przez szkołę. Więcej: prywatność przy pracy z AI.

I jeszcze jedna granica, wynikająca z naszych własnych danych: szkic komentarza to szkic. Automat wystawiający ocenę bez przeczytania pracy przez człowieka nazywa się „100% correct” i nie uczy nikogo. Nie powtarzaj cudzego błędu na swoim materiale.

Najważniejsze

Łapanie nie ma sensu, detektory są zawodne, zakazy nie działają. Działa co innego: zadania, w których wartość tworzy człowiek, a AI jest tylko narzędziem. Największe kursy o AI na świecie, gdzie liczba kursantów idzie w setki tysięcy i miliony, już pokazały, czym kończy się automatyczne sprawdzanie: „100% correct” i zero informacji zwrotnej. Masz nad nimi dokładnie jedną przewagę i jest ogromna: możesz zadać pytanie i usłyszeć odpowiedź. Jeśli chcesz najpierw sam zrozumieć, jak działają te modele, zacznij od przewodnika po ChatGPT dla początkujących, naszego artykułu o promptach i analizy halucynacji.