AI zpětná vazba naučila tutory lépe zapojovat studenty. Kdo ve třídě mluví, ale nezměnila

⚠️ Preprint · Publikováno listopad 2026 · Data sbírána duben až květen 2024 · arXiv cs.CL

Tutoři, kteří po každé lekci dostali automatickou zpětnou vazbu na to, jak mluví se studenty, začali studenty častěji vybízet k vlastním nápadům a víc navazovat na to, co studenti řekli. Studenti v jejich skupinách pak častěji zdůvodňovali své postupy. Podíl času, kdy mluvil tutor, se ale nezměnil: zůstal kolem 91 %. Ukazuje to randomizovaná studie Dorottyi Demszky ze Stanfordu a kolegů s 1 030 dobrovolnými tutory, 7 443 studenty a 6 508 nahranými lekcemi.

Co studie zjistila

Proti kontrolní skupině bez zpětné vazby vybízeli tutoři se zpětnou vazbou studenty k nápadům o 8 % častěji, navazovali na jejich příspěvky o 9 % častěji a studenti v jejich skupinách zdůvodňovali o 15 % častěji. Všechny tři efekty jsou kolem 0,12 směrodatné odchylky, tedy malé, ale statisticky robustní i po korekci na vícenásobné testování. Směr efektu se zopakoval v obou ze dvou čtyřtýdenních kurzů.

Druhá polovina výsledků je stejně důležitá. Podíl mluvení tutora se nepohnul v žádné variantě. Zpětná vazba určená přímo studentům (ukazovala jim, kolik mluví skupina proti tutorovi) nepřidala nic navíc. A za čtyři týdny se nezměnila docházka, spokojenost studentů ani jejich výsledky v cvičných testech.

Vizualizace: FAIN News na základě dat z Demszky a kol. (2026), arXiv:2611.07072.

Rozhovory se 17 tutory vysvětlují proč. Tutoři doporučení přijali a často uměli říct, co přesně změnili. Několik z nich nezávisle popsalo stejnou věc: místo „Máte nějaké otázky?“ začali říkat „Jaké máte otázky?“, přesně podle instrukce v promptu, ze kterého jazykový model generoval doporučení. Nejčastější překážkou ale byli studenti, kteří neodpovídali. Kolik kdo mluví, totiž nezávisí jen na tutorovi.

Jak to zjistili

Studie proběhla na bezplatné platformě Schoolhouse.world, kde dobrovolní tutoři, převážně sami středoškoláci, vedou online skupinky až deseti studentů připravujících se na americký test SAT z matematiky. Tutoři byli náhodně rozděleni do čtyř skupin: bez zpětné vazby, se zpětnou vazbou jen pro tutora a dvě varianty, kde zpětnou vazbu dostali i studenti (s odlišně formulovanou motivační výzvou). Zpětná vazba obsahovala statistiky (podíl mluvení, kolik studentů promluvilo), ukázky z přepisu a konkrétní doporučení, která generoval model GPT-4 Turbo. Analytický plán autoři předem zaregistrovali v AEA RCT Registry.

Doručení přitom nebylo úplné. V prvním kurzu dorazila zpětná vazba k necelým čtyřem pětinám lekcí v léčených skupinách, ve druhém kvůli technické chybě jen k 56 %. Autoři proto považují své odhady spíš za konzervativní. Navazují na dřívější práci téže skupiny, například studii Demszky a Liu (2023), kde podobná zpětná vazba v individuálním doučování snížila podíl mluvení učitele o 5 %.

Proč je to důležité

Debata o AI ve škole se většinou točí kolem toho, jestli AI zvládne učit. Tahle studie ukazuje skromnější a realističtější využití: AI jako levného kouče, který po hodině řekne, co šlo udělat jinak. V tom funguje. Zároveň ukazuje strop. Zpětná vazba změnila to, co tutor může udělat sám, ale ne to, co vzniká společně se studenty. Autoři doporučují rozlišovat ukazatele, které jsou v moci jednoho člověka, od ukazatelů skupiny, které vyžadují jiné uspořádání výuky.

Pro české školy a programy dalšího vzdělávání učitelů je to užitečná zpráva. Automatická analýza přepisů hodin je technicky dostupná a v mezinárodním výzkumu má změřitelný efekt na vyučovací praxi. Efekt na výsledky žáků ale tato studie neprokázala.

Limity a otevřené otázky

Jde o preprint, který dosud neprošel recenzním řízením. Část autorů pracuje pro platformu Schoolhouse.world a rozhovory vedl člen jejího týmu, což mohlo vést k příznivějším výpovědím. Klasifikátory měří, zda mluvní tah zazněl, ne jeho kvalitu. Výstupy se sledovaly jen čtyři týdny a bez skutečných výsledků SAT, takže nevíme, zda změny přetrvají a zda se promítnou do učení. Kontext (dobrovolní středoškolští tutoři, online skupiny, americký test) se od běžné české třídy výrazně liší.

Mezi sběrem dat a publikací uplynulo zhruba 30 měsíců. Doporučení generoval GPT-4 Turbo z jara 2024. Dnešní modely umí přepisy analyzovat podrobněji a formulovat doporučení přesněji, takže efekt na chování tutorů může být s novějšími systémy jiný. Hlavní zjištění o tom, co zpětná vazba změnit nedokáže (strukturu rozhovoru ve skupině), ale na konkrétním modelu nezávisí.