Sztuczna inteligencja w afrykańskiej klasie. Nowe badanie pokazuje, jak AI zmienia edukację

Wyobraź sobie klasę w jednym z najbiedniejszych krajów świata, gdzie na jednego nauczyciela przypada kilkudziesięciu uczniów, a podręczniki są na wagę złota. Czy sztuczna inteligencja może tam realnie pomóc? Najnowsze badanie z Sierra Leone dostarcza zaskakująco konkretnych liczb. I nie chodzi wcale o zastąpienie nauczyciela robotem.

Eksperyment, który mierzy realny wpływ AI na naukę

→ Czytaj też: Największy otwarty model AI ma 2,8 biliona parametrów. Chiny rzucają wyzwanie USA

We współpracy z ministerstwem edukacji Sierra Leone oraz organizacją Fab AI zespół badawczy Google DeepMind przeprowadził randomizowane badanie kontrolowane (RCT). Przez osiem tygodni naukowcy obserwowali 1763 uczniów szkół średnich w 12 szkołach w dystrykcie Port Loko. Część z nich korzystała z Guided Learning — trybu pracy z modelem językowym Gemini, zaprojektowanego specjalnie do celów edukacyjnych. Wyniki opublikowano 9 czerwca 2026 roku, a szczegółowy raport techniczny jest dostępny na blogu DeepMind.

Uczniowie, którzy korzystali z asystenta AI, osiągnęli wzrost wyników z matematyki o +0,258 odchylenia standardowego w porównaniu z grupą kontrolną. W praktyce oznacza to postęp odpowiadający 1,2–1,7 roku typowej nauki skompresowany w dwa miesiące. Gdy nauczyciele włączali narzędzie do około połowy swoich lekcji (docelowo 12 godzin w trakcie badania), efekty były jeszcze wyższe — nawet 1,8–2,5 roku progresu. Jak podkreśla Conrad Sackey, minister edukacji Sierra Leone: „z zadowoleniem przyjmuję fakt, że mamy teraz mocne dowody na to, iż starannie zaprojektowana AI może pomóc w poprawie wyników nauczania, wspierając naszych ciężko pracujących nauczycieli”.

AI, które uczy myśleć, a nie podpowiada

→ Czytaj też: AI rozszyfrowała śpiew ptaków. Co mówią nam od lat?

Jedną z najczęściej podnoszonych obaw związanych z generatywną AI w edukacji jest ryzyko, że uczniowie zaczną traktować ją jak ściągawkę — szybkie źródło gotowych odpowiedzi, które ominie żmudny proces myślenia. Twórcy Guided Learning celowo zaprojektowali system, by przeciwdziałać temu zjawisku. Model został wytrenowany w ramach inicjatywy LearnLM tak, by priorytetowo traktować budowanie zrozumienia nad dostarczaniem gotowców.

Analiza ponad 113 tysięcy interakcji z badania pokazuje, że ten mechanizm działa. W 91,4 procentach rozmów uczniowie używali narzędzia do budowania koncepcyjnego zrozumienia, a nie szukania prostych rozwiązań. Z kolei Gemini: w 76 procentach swoich odpowiedzi zadawał pytania naprowadzające, niczym sokratyczny nauczyciel, a gotowe rozwiązania podawał zaledwie w 2 procentach przypadków. Co więcej, w miarę upływu czasu zachowania uczniów zmieniały się: w pierwszym tygodniu pytania o gotowe rozwiązania stanowiły 25 procent, by w ostatnim tygodniu spaść do zaledwie 10 procent. Jednocześnie zapytania nastawione na rozwijanie umiejętności wzrosły z 68 do 90 procent. To dowód, że uczniowie nie chcieli tylko odpowiedzi — chcieli zrozumieć, jak do nich dojść.

Zmiana roli nauczyciela: z wykładowcy w przewodnika

Najciekawszym wnioskiem z badania jest, jak zmieniła się rola nauczycieli. Wbrew czarnym scenariuszom o wypieraniu pedagogów przez maszyny, to właśnie nauczyciele pozostali w centrum procesu. To oni projektowali lekcje, wyznaczali cele i prowadzili dyskusje w klasie. AI było narzędziem, które pozwalało im skupić się na tym, co najważniejsze — na pracy z uczniami.

W grupach fokusowych nauczyciele przyznali, że korzystanie z Gemini wsparło także ich własny rozwój zawodowy. Odkrywali nowe sposoby wyjaśniania znanych tematów, na przykład ułamków. Wielu opisywało swoje doświadczenie jako przejście z roli „wykładowcy” do roli „facilitatora” — kogoś, kto krąży po klasie, pomagając parom uczniów w ich własnych ścieżkach uczenia się. Aby ułatwić wdrażanie podobnych programów gdzie indziej, zespół badawczy udostępnił przewodnik szkoleniowy dla nauczycieli, opracowany wspólnie z Fab AI.

Wyzwanie przepaści i przyszłość badań

Wyniki badania niosą jednak również mniej optymistyczne sygnały. Mimo że większość uczniów skorzystała na interwencji, osoby z lepszymi wyjściowymi wynikami z matematyki zyskały najwięcej. To klasyczny problem „achievement gap” — luki w osiągnięciach — który pokazuje, że samo wrzucenie narzędzia AI do klasy nie wystarczy. Trzeba projektować je tak, by najmocniej wspierały tych, którzy najbardziej tego potrzebują.

Zaangażowanie uczniów w badanie było jednak wyjątkowo wysokie. Aż 69 procent z nich osiągnęło lub przekroczyło zakładany cel korzystania z narzędzia. Dla porównania, dobrowolne technologie edukacyjne notują zazwyczaj zaledwie 5 procent adopcji — zjawisko znane w branży jako „The Five Percent Problem”. To oznacza, że uczniowie nie tylko używali AI, ale zaczęli bardziej lubić matematykę i chętniej przychodzić na lekcje.

Zespół DeepMind zapowiedział już przeprowadzenie kolejnych randomizowanych badań w innych krajach, by sprawdzić, czy wyniki z Sierra Leone dadzą się powtórzyć w odmiennych kontekstach kulturowych i edukacyjnych. Jak zaznaczają autorzy, celem jest zbudowanie globalnej bazy dowodów na temat wpływu AI na nauczanie i uczenie się — bez hurraoptymizmu, ale też bez strachu przed nowymi technologiami. Prawdziwym testem będzie, czy uda się zamknąć przepaść edukacyjną, zamiast ją pogłębiać.