Sztuczna inteligencja w klasie: duże modele językowe jako nauczyciele dostosowani do poziomu klasy

Wsparcie dydaktyczne od cyfrowego partnera

Na całym świecie miliony dzieci chodzą do szkoły bez wystarczającej liczby wykwalifikowanych nauczycieli, a nawet w dobrze wyposażonych klasach trudno jest każdemu uczniowi dostarczyć wyjaśnienia naprawdę dopasowane do jego wieku i poziomu czytania. W tym badaniu sprawdzono, czy nowoczesna sztuczna inteligencja, a konkretnie duże modele językowe, mogą zostać przekształcone w „nauczycieli dostosowanych do poziomu klasy”, którzy mówią zupełnie inaczej do ucznia pierwszej klasy niż do studenta, jednocześnie zachowując poprawność faktów.

Dlaczego dopasowanie słów do wieku ma znaczenie

Dobre nauczanie to nie tylko znać prawidłową odpowiedź, lecz także potrafić ją przedstawić w sposób zrozumiały dla ucznia. Obecne chatboty AI potrafią rozwiązywać wiele problemów, jednak często odpowiadają językiem zbyt zaawansowanym, nawet gdy poprosi się je o „wyjaśnienie dla ucznia trzeciej klasy”. Wcześniejsze badania testowały głównie proste sztuczki z promptami i wykazały, że to za mało, zwłaszcza dla młodszych czytelników. Autorzy argumentują, że jeśli AI ma uczciwie wspierać naukę na całym świecie, musi niezawodnie generować jasne, odpowiednie wiekowo wyjaśnienia w szerokim zakresie tematów i pytań, a nie tylko przepisywać czy skracać istniejące teksty.

Budowanie skali dla tekstów łatwych i trudnych

Aby się z tym zmierzyć, badacze najpierw potrzebowali wiarygodnego sposobu oceny, jak trudny jest dany tekst. Zamiast polegać na jednej miarze, połączyli siedem klasycznych formuł oceny czytelności, które mierzą takie cechy jak długość zdań, długość słów i odsetek „trudnych” słów. Pogrupowali te formuły według tego, na czym się koncentrują, a następnie stworzyli zintegrowany schemat głosowania, który przypisuje każdą odpowiedź do jednej z sześciu kategorii: niższy poziom szkoły podstawowej, środkowy poziom szkoły podstawowej, wyższy poziom szkoły podstawowej, gimnazjum, liceum i studia lub dorośli. Bogatszy system oceniania potrafi wychwycić subtelne różnice w złożoności, które pojedyncza metryka mogłaby przeoczyć.

Szkolenie AI do sześciu różnych stylów mówienia

Uzbrojeni w tę skalę poziomu czytania, zespół wygenerował duży syntetyczny zbiór danych. Korzystając z kilku nowoczesnych modeli językowych, przygotowali tysiące otwartych pytań z 54 przedmiotów szkolnych, od nauk przyrodniczych i zdrowia po literaturę i nauki społeczne. Dla każdego pytania nakłaniali model AI do wygenerowania wielu różnych odpowiedzi, zmieniając docelowy poziom klasy i długość zdań. Ich zintegrowane narzędzie oceniające czytelność oznaczyło każdą odpowiedź faktycznym zakresem klas. Te otagowane pary pytanie–odpowiedź stały się materiałem treningowym do dopracowania sześciu oddzielnych wersji modelu AI, z których każda była skierowana do jednej grupy klasowej: model dla „niższej szkoły podstawowej” naturalnie używa krótkich zdań i prostych słów, podczas gdy model „dla dorosłych” oferuje dłuższe, bardziej szczegółowe wyjaśnienia.

Jak sprawdzili się nauczyciele dostosowani do poziomu

Autorzy przetestowali swoje modele na kilku rzeczywistych i syntetycznych zestawach pytań. Mierzyli „zgodność”, czyli jak często odpowiedź rzeczywiście odpowiadała docelowemu poziomowi klasy, oraz „dokładność”, czyli czy odpowiedź była faktograficznie poprawna i istotna. W porównaniu z podejściami opartymi wyłącznie na promptach, dopracowane modele zwiększyły odwzorowanie poziomu klasy średnio o około 36 punktów procentowych, zwłaszcza dla najtrudniejszej grupy do osiągnięcia: uczniów szkoły podstawowej. Co ważne, dostosowanie to nie zaszkodziło istotnie dokładności w pytaniach z nauk przyrodniczych. Ankiety przeprowadzone wśród 208 uczestników oraz weryfikacje za pomocą innego sędziego AI wykazały silną zgodność, że odpowiedzi z różnych modeli dostosowanych do poziomu rzeczywiście stawały się bardziej złożone i wyszukane wraz ze wzrostem poziomu klasy.

Co to oznacza dla klas i uczniów

Badanie konkluduje, że duże modele językowe można przekształcić w niezawodne, świadome poziomu klasy narzędzia, które dostosowują dobór słów do umiejętności czytelniczych uczniów, zachowując jednocześnie poprawność wyjaśnień. To nie rozwiązuje jeszcze głębszego problemu, czy małe dziecko zrozumie bardzo abstrakcyjne pojęcia, ale jest to istotny krok w kierunku narzędzi AI, które spotykają uczących się tam, gdzie się znajdują. Jeśli będą rozwijane i wdrażane ostrożnie, takie spersonalizowane AI‑tutory mogłyby poszerzyć zasięg wykwalifikowanego nauczania, wspierać przeciążonych nauczycieli i przynosić jaśniejsze wyjaśnienia uczniom, którzy obecnie nie mają dostępu do wysokiej jakości edukacji.

Cytowanie: Oh, J., Whang, S.E., Evans, J. et al. Classroom AI: large language models as grade-specific teachers. npj Artif. Intell. 2, 28 (2026). https://doi.org/10.1038/s44387-026-00081-7

Słowa kluczowe: tutoring AI, czytelność na poziomie klasy, technologia edukacyjna, duże modele językowe, spersonalizowane uczenie się