Od učilnice do laboratorija: UI prevzema nove vloge

Raziskava med več kot 6.000 študenti sedmih britanskih univerz, predstavljena v prispevku Majority of students deny using AI when forbidden, study finds, ugotavlja, da skoraj tretjina vprašanih UI pri študiju sploh ne uporablja. Med uporabniki UI jih je 67 % navedlo, da je ne bi uporabili pri ocenjevalni nalogi, če bi bila prepovedana, 5,2 % rednih uporabnikov UI pa jo kljub prepovedi uporablja pogosto ali vedno. Pogosteje jo uporabljajo mednarodni študenti in študenti, ki jim angleščina ni prvi jezik, avtorji pa ob tem poudarjajo potrebo po jasnejših in bolj usklajenih pravilih.

Raziskava Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis temelji na zapisih uporabe učnega UI-asistenta Syntea med študenti pri študiju na daljavo na nemški univerzi IU International University of Applied Sciences. Februarja 2025 ga je uporabilo 44.035 od 76.485 (58 %) analiziranih študentov, pri čemer je bila uporaba najvišja med mlajšimi študenti in nekoliko nižja na nekaterih študijskih področjih z izrazitejšim praktičnim ali vizualnim delom.

Analiza več kot 15.000 avtentičnih interakcij študentov z generativno UI, nastalih med prostovoljno uporabo pri študijskih obveznostih, je pokazala, da se študenti pri delu z UI poslužujejo nekaj značilnih, ponavljajočih se načinov uporabe, kot so razlaga konceptov, pomoč pri reševanju nalog, izboljšanje lastnega besedila ali preverjanje odgovorov. Ti se med predmeti razlikujejo glede na naravo študijskega dela, zato avtorji zagovarjajo pripravo navodil in smernic, prilagojenih posameznim predmetom in vrstam nalog, namesto enotnih pravil za vse študente.

Manj opazen je lahko vpliv UI na skupinsko delo. Študenti jo uporabljajo za povzemanje prispevkov drugih članov skupine, pojasnjevanje nejasnosti in preoblikovanje skupnih idej, pri tem pa lahko izpustijo pogovore, v katerih bi morali drug drugemu razlagati, utemeljevati in usklajevati svoja stališča. Avtorica zato predlaga, naj se pri skupinskih nalogah poleg končnega izdelka več pozornosti nameni tudi načinu sodelovanja.

Poročilo New research reveals the variability of policies, practices and student experience in the age of AI opozarja, da se pravila in praksa uporabe UI razlikujejo ne le med univerzami, ampak tudi med programi, predmeti in posameznimi pedagogi znotraj iste institucije. Takšna neenotnost med študenti in zaposlenimi povzroča zmedo, vpliva na občutek pravičnosti pri ocenjevanju ter spodbuja razpravo o tem, kaj ocene in diplome sploh še potrjujejo. QAA zato priporoča več usposabljanja, zgodnje vključevanje študentov v pripravo pravil ter večjo usklajenost študentske izkušnje, pri čemer morajo smiselne razlike med strokovnimi področji ostati mogoče.

Eden od predlogov za odgovorno in sistemsko uvajanje UI na univerzah je okvir ABC, ki povezuje odgovorno upravljanje UI, njeno premišljeno uvajanje v delovanje institucije ter ustvarjalno prenovo poučevanja in raziskovanja. Splošna načela pri tem niso dovolj: določiti je treba, kdo odloča o uporabi UI pri ocenjevanju, sprejemu študentov, zaposlovanju, raziskovanju, nabavi orodij in objavljanju institucionalnih vsebin ter kako lahko posameznik takšne odločitve izpodbija. Upravljanje UI zato ne more ostati samo naloga služb za informacijsko tehnologijo, ampak zahteva sodelovanje vodstev, senatov, pedagogov, strokovnih služb in študentov.

Pri uporabi UI v izobraževanju je pomembno, ali orodje študentu poda končni odgovor ali ga vodi skozi razmišljanje. Orodje Socratic Mind, predstavljeno v raziskavi Scaling Socratic Dialogue with Generative AI, je bilo pri dodiplomskem predmetu računalništva zasnovano tako, da je študente z vprašanji spodbujalo k pojasnjevanju lastnega sklepanja, soočanju z napačnimi predstavami in spremljanju razumevanja.

Drugačno možnost ponujajo podatkovni stripi, pripravljeni s pomočjo generativne UI. V raziskavi s 60 univerzitetnimi študenti so se pri nalogah razumevanja podatkov izkazali za učinkovitejše od običajnih vizualizacij, študenti pa so jih ocenili tudi kot bolj razumljive in privlačne. Avtorji ob tem opozarjajo na možnost napačnih informacij ter na vprašanja avtorstva in lastništva tako pripravljenih gradiv.

Članek Inside a University’s ‘AI Kitchen’ predstavlja nekoliko širši pristop k razvijanju praktičnih spretnosti za delo z UI. Na Univerzi Santa Clara se študenti, pedagogi, strokovni sodelavci in gostje iz prakse vsak teden srečujejo na delavnicah, kjer brez večjega poudarka na programiranju preizkušajo nova orodja ter razpravljajo o njihovi uporabi na različnih področjih. Namen srečanj ni nekritično spodbujanje uporabe UI, temveč ustvarjanje prostora, v katerem lahko udeleženci skupaj preverjajo njene možnosti, omejitve in posledice.

Na Stanfordu so razvili virtualnega raziskovalnega partnerja Biomni, ki povezuje jezikovne modele z bioinformatičnimi orodji, podatkovnimi zbirkami in programsko opremo za biomedicinske analize. Raziskovalec mu lahko naloži podatke in zastavi raziskovalno vprašanje, sistem pa pripravi načrt raziskave, izvede analizo ali oblikuje laboratorijski protokol, pri čemer je celoten postopek mogoče spremljati in po potrebi usmerjati. Biomni je v prvih devetih mesecih uporabilo več kot 15.000 znanstvenikov, vendar razvijalci priznavajo, da ima še vedno težave pri nalogah, ki zahtevajo poglobljeno biološko razumevanje ali klinično presojo.

Veliki jezikovni modeli bi lahko sodelovali tudi pri načrtovanju družboslovnih raziskav. V raziskavi Large language models can predict the results of social science experiments so napovedovali rezultate 70 predregistriranih ameriških anketnih eksperimentov z več kot 119.000 udeleženci. Njihove napovedi so bile primerljive s skupnimi napovedmi skupine raziskovalcev, vendar so modeli praviloma precenili velikost učinkov. Avtorji zato menijo, da bi jih bilo smiselno uporabljati kot podporo pri pilotiranju raziskav in izbiri obetavnih raziskovalnih intervencij, ne pa kot nadomestilo za empirično raziskovanje z dejanskimi udeleženci.

Razvoj novih orodij posega tudi v znanstveno pisanje. Nature poroča o akademskem orodju za »počlovečenje« besedil, pripravljenih z UI, ki prilagodi njihov slog in odstrani jezikovne značilnosti, po katerih bi bilo mogoče prepoznati uporabo UI v člankih ali projektnih prijavah. Medtem ko ga nekateri razumejo kot pomoč pri izboljšanju izražanja, drugi opozarjajo, da lahko zabriše mejo med jezikovnim urejanjem in prikrivanjem uporabe UI pri nastanku besedila.

Ob hitrejših analizah in samodejnem oblikovanju hipotez pa ostaja vprašanje, kaj se zgodi s samim doživljanjem raziskovanja – z radovednostjo, ustvarjalnostjo in veseljem do odkrivanja. Avtor v komentarju As AI transforms science, don’t lose the joy of discovery opozarja, da znanstvena odkritja pogosto nastanejo skozi napačne poti, spremembe perspektive in nepričakovane povezave, ne le z učinkovitim preverjanjem hipotez. Univerze bi morale zato študente usposabljati za uporabo UI, hkrati pa ohranjati raziskovalno učenje, pri katerem sami postavljajo vprašanja, kritično presojajo ugotovitve in razvijajo radovednost.

V okviru projekta PoVeJMo je nastal veliki jezikovni model GaMS, namenjen boljšemu razumevanju in tvorjenju besedil v slovenščini. Model bo prosto dostopen, njegove prilagoditve pa že podpirajo uporabo v medicini, industriji, muzejih in računalniški infrastrukturi. Razvoj domačih modelov ni pomemben le zaradi kakovostnejše podpore slovenščini, temveč tudi zaradi zmanjševanja odvisnosti od sistemov, razvitih predvsem za večje jezike in druga kulturna okolja.

Vprašanje, katera znanja se v odgovorih velikih jezikovnih modelov sploh pojavijo, sta preverjali avtorici prispevka What do LLMs say about development in the Global South?. ChatGPT, Claude, Grok in Copilot so razvoj afriških držav večinoma pojasnjevali s prevladujočimi kazalniki gospodarske rasti, infrastrukture in človeškega kapitala, medtem ko so kolonialno izčrpavanje, globalne neenakosti in prispevki afriških mislecev ostali v ozadju. Ko sta avtorici modele o teh mislecih vprašali neposredno, so pripravili kakovostne odgovore. To kaže, da znanje ni nujno odsotno, vendar se pri splošnih vprašanjih ne aktivira samo od sebe, saj veliki jezikovni modeli pogosto odražajo prevladujoče poglede in razvojne paradigme globalnega severa.

Na širše posledice takšnih razlik opozarja tudi poročilo neodvisnega znanstvenega panela Združenih narodov. Razvoj najzmogljivejših modelov, računska infrastruktura in nadzor nad podatki so skoncentrirani v majhnem številu držav in podjetij, medtem ko velik del sveta nima enakega dostopa do interneta, zmogljivih orodij in podpore za lokalne jezike. Univerze morajo zato poleg učenja uporabe UI razvijati tudi kritično presojo: kateri pogledi so v odgovorih zastopani, kateri manjkajo in kdo sploh sodeluje pri razvoju sistemov, ki vse bolj vplivajo na ustvarjanje in posredovanje znanja.

Raziskava, povzeta v članku AI altering meaning of users’ drafts on issues from abortion to climate, study finds, je pokazala, da lahko jezikovni modeli pri preoblikovanju besedila spremenijo tudi njegovo sporočilo. To se je dogajalo celo takrat, ko so dobili navodilo, naj ohranijo prvotni pomen, uporabniki pa sprememb zaradi tekočega in prepričljivega sloga morda sploh ne opazijo. Pri uporabi UI za jezikovno urejanje zato ni dovolj preveriti le slovnice in tona, temveč tudi, ali besedilo še vedno izraža isto stališče.

Podoben problem se pojavi pri samodejnih povzetkih ocen na Tripadvisorju. Preiskava britanske potrošniške organizacije Which? je pokazala, da so UI-povzetki v nekaterih primerih omilili ali izpustili resne pritožbe gostov ter v ospredje postavili bolj pozitivne vidike. Ko platforma z UI povzema veliko količino vsebin, ne odloča le o tem, kaj bo skrajšala, temveč tudi o tem, katerim informacijam bo namenila večjo težo.

Še večje posledice ima uporaba UI pri prepoznavanju ljudi. Sistem Facewatch, ki ga uporabljajo britanske trgovine, naj bi ob zaznavi osebe z zasebnega seznama za spremljanje policijo opozoril v nekaj sekundah. Članek Alarm over launch of facial recognition in UK shops that instantly alerts police ob tem opozarja na možnost napačnih prepoznav, nesorazmeren poseg v zasebnost ter vprašanje, kdo odloča o uvrstitvi posameznika na tak seznam in kakšne možnosti ima posameznik za pritožbo.

Zaupanje postaja ključno tudi pri agentski UI, ki ne pripravlja več le predlogov, ampak lahko v imenu uporabnika izvede dejanje. V prispevku Dela o agentski UI in nakupovanju so predstavljene prve evropske transakcije, pri katerih so agenti UI poiskali izdelek, izbrali ponudbo in pripravili nakup, uporabnik pa je plačilo izrecno potrdil. Takšna uporaba odpira nova vprašanja o odgovornosti ob napačnem nakupu, varovanju podatkov, preglednosti priporočil in mejah pooblastil, ki jih uporabnik podeli agentu.

Razvoj UI prinaša pomembne spremembe tudi v zdravstvu. Nov krvni test, razvit za britanski zdravstveni sistem, z uporabo strojnega učenja analizira približno 30 krvnih kazalnikov in ocenjuje tveganje za ginekološke rake. V raziskavi, predstavljeni v članku Thousands of women could be spared painful cancer exam by new NHS AI blood test, je sodelovalo več kot 16.000 pacientk. Test bi lahko ženskam z nizkim tveganjem prihranil nekatere invazivne preiskave, tiste z večjim tveganjem pa hitreje usmeril v nadaljnjo diagnostiko, vendar bo treba njegovo učinkovitost potrditi tudi pri širši uporabi v praksi.

Drugačen primer je prilagodljiva možganska stimulacija pri Parkinsonovi bolezni, pri kateri sistem z UI sproti prilagaja električno stimulacijo možganov glede na bolnikovo trenutno stanje. Pri štirih sodelujočih so raziskovalci zaznali izboljšanje hoje, stabilnosti in manj padcev. Rezultati so obetavni, vendar gre za zelo majhen začetni preizkus, zato bodo potrebne večje klinične raziskave.

Na letošnjem svetovnem prvenstvu v nogometu so reprezentance dobile dostop do orodja FIFA AI Pro, ki trenerjem in analitikom omogoča poizvedovanje v naravnem jeziku, pregled uradnih podatkov in videoposnetkov ter tridimenzionalno analizo igralnih situacij. Prispevek podaja primer, da lahko angleška reprezentanca analizo nasprotnikovih izvajalcev enajstmetrovk, za katero je prej potrebovala približno pet dni, zdaj opravi v nekaj urah. Enak dostop do orodja pa še ne pomeni enakih možnosti, saj imajo premožnejše nogometne zveze več analitikov in lastnih podatkovnih sistemov. Tudi v nogometu prednosti ne prinaša le tehnologija, temveč predvsem sposobnost podatke pretvoriti v boljše odločitve.

Če ste na svoji fakulteti, pri predmetu ali v okviru strokovnega dela preizkusili zanimivo rabo UI v izobraževanju, vas prijazno vabimo, da svoj primer delite z nami prek obrazca za zbiranje primerov dobrih praks. Z veseljem bomo pregledali predloge in izbrane prispevke vključili v naslednje številke UI novičnika, da bomo lahko skupaj gradili pregled uporabnih in premišljenih pristopov v univerzitetnem prostoru.

Avtorice: Maja Kosmač, Sanja Jedrinović Čufer, Mateja Bevčič, Eva Kern Nanut, Eva Škraba, Center UL za uporabo IKT v pedagoškem procesu