Kurz o rizicích AI vnímání budoucích učitelů matematiky nezměnil. Studie z Ostravy ukazuje, jak těžké je to změřit

✅ Peer-reviewed (konferenční sborník) · Publikováno říjen 2026 · Data sbírána neuvedeno · ECEL 2026

Krátký kurz, který studentům učitelství matematiky vysvětlil, jak fungují velké jazykové modely a proč je riskantní nechávat na nich vlastní myšlení, statisticky významně nezměnil, jak tito studenti AI vnímají. Žádná ze 16 sledovaných dimenzí se mezi měřením před kurzem a po něm významně neposunula. Ukazuje to studie Otty Suchánka, Tomáše Javorčíka, Tatiany Havláskové a Magdalény Závodné z Pedagogické fakulty Ostravské univerzity, prezentovaná na European Conference on e-Learning. Celý text je volně dostupný.

Co studie zjistila

Autoři popisují dilema budoucích učitelů pomocí vězňova dilematu: pro jednotlivce je racionální svěřit AI co nejvíc práce, ale pro profesi jako celek to může znamenat oslabení odbornosti a samostatného uvažování. Kurz měl studenty na toto napětí upozornit.

Většina průměrů se po kurzu skoro nepohnula. Popisně mírně vzrostlo vnímání AI jako průhledné (z 3,83 na 4,21 na sedmibodové škále), předvídatelné (z 3,72 na 4,21) a bezpečné (ze 4,17 na 4,50). Zajímavější je opačný pohyb: dimenze „vede k povrchnímu, nebo hlubokému učení“ klesla z 3,72 na 3,21, tedy po kurzu studenti AI hodnotili spíš jako nástroj povrchního učení. Ani tento posun ale nebyl statisticky významný. Nejnižší p-hodnota ze všech 16 srovnání byla 0,27 a velikosti efektu se pohybovaly od zanedbatelných po malé (r = 0,01 až 0,19). Autoři výslovně píší, že rozdíly nelze interpretovat jako účinek kurzu.

Vizualizace: FAIN News na základě Suchánek a kol. (2026), ECEL 2026.

Jak to zjistili

Kurz měl dva bloky. První vysvětloval, jak fungují neuronové sítě a jazykové modely: předpověď dalšího tokenu, mechanismus pozornosti a vektorové reprezentace slov. Pro názornost použili autoři analogii s jídlem popsaným mírou sladkosti, slanosti, kyselosti a hořkosti a klasický příklad „král minus muž plus žena rovná se královna“. Cílem bylo oslabit představu AI jako „digitální mysli“. Druhý blok se věnoval rizikům: studenti dělali SWOT analýzu AI ve výuce, řešili otázku „Poznali byste chybu v důkazu, který vygenerovala AI, kdybyste ho sami neuměli sestrojit?“ a v modelové situaci písemky z algebry probírali volbu mezi samostatnou přípravou a skrytým použitím AI optikou vězňova dilematu. Součástí byly i úlohy typu „Najděte v postupu vygenerovaném AI tři logické chyby“.

Vnímání AI měřil dotazník s 16 dvojicemi protikladných vlastností (například neprůhledná proti průhledné, manipulativní proti upřímné) na sedmibodové škále. Před kurzem ho vyplnilo 18 studentů prvního ročníku, po kurzu 14. Rozdíl autoři vysvětlují běžnou absencí na prezenční výuce. Odpovědi nešlo spárovat podle jednotlivých studentů, a tak se obě měření srovnávala jako dva nezávislé vzorky Mann-Whitneyho testem.

Proč je to důležité

Kurzů AI gramotnosti pro učitele i studenty přibývá a jejich účinek se často dokládá jen spokojeností účastníků. Tahle studie je užitečná právě tím, že poctivě ukazuje, jak obtížné je změnu doložit. Zapadá i do širšího obrazu: španělská studie Bilbao-Eraña a Arroyo-Sagasty (2025), na kterou autoři odkazují, naznačuje, že vzdělávací intervence u budoucích učitelů mění spíš povědomí a reflexi než celkové postoje k AI a důvěru v ni.

Pro organizátory podobných kurzů z toho plynou tři praktické rady: měřit stejné lidi před a po (spárovaně), mít srovnávací skupinu a měřit nejen postoje, ale i chování, třeba zda student skutečně najde chybu v řešení od AI. Právě taková úloha přitom byla součástí ostravského kurzu, jen se její výsledek nevyhodnocoval.

Tematicky studie zapadá do debaty, kterou jsme otevřeli u výzkumu o tom, jakou práci učitelé svěřují AI: o kvalitě nerozhoduje, kolik toho člověk na AI přenese, ale co.

Limity a otevřené otázky

Vzorek je velmi malý a příležitostný (18 a 14 studentů jednoho ročníku jednoho oboru), chybí kontrolní skupina a odpovědi nejsou spárované. Kurz byl krátký, což podle autorů mohlo šanci zachytit změnu dál snížit. Měřily se jen postoje dotazníkem, ne chování ani znalosti. Vězňovo dilema slouží jako výukový a výkladový rámec, autoři ho empiricky netestují. Jde o konferenční příspěvek, který prošel recenzním řízením konference, ne časopiseckou recenzí. Při psaní textu autoři podle vlastního prohlášení použili ChatGPT na jazykové úpravy.

Studie neuvádí, kdy byla data sbírána. Jde o studenty prvního ročníku a sborník vyšel v říjnu 2026, data tedy nejspíš pocházejí z akademického roku 2025/2026, s odstupem několika měsíců až zhruba roku.