ONLINE KURZ - AI ve výuce: jak ji zapojit a zachovat integritu

Termín: 16.9.2026, 9:00-10:30

Vaši studenti používají umělou inteligenci. Teď jde o to, jak. A jestli o tom víte. Tři čtvrtiny českých středoškoláků dnes pracují s AI denně, na vysokou školu tedy přicházejí s pevně zažitými návyky. Na workshopu si ukážeme, jak generativní AI často mění smysluplnost obvyklých zadání projektů nebo úkolů. Text seminární práce totiž nikdy nebyl cílem sám o sobě. Cílem bylo dostat studenta do situace, kdy musí studovat, srovnávat zdroje a obhájit výsledek. Když referát napíše AI, výstup vznikne, ale student se nic nenaučí. Dochází k prohlubování kognitivního dluhu a studenti se ve škole často učí spíš to, že nemá cenu se vůbec něčemu snažit porozumět. Zákazy se obvykle uhlídat nedají, a tak půjdeme opačnou cestou. Ukážeme si, jak sestavit projekty a zadání, která používání AI otočí ve prospěch výuky, a projdeme první výzkumy o tom, co se studenty dělá, když se na AI spolehnou. Odnesete si konkrétní představu, která zadání vyřadit, čím je nahradit a jak to studentům vysvětlit. A zkusíme najít způsob, jak kolektivně nespadnout do lákavé pasti kognitivní kapitulace a individuální izolace. Místo toho si ukážeme, jak lze použít AI k tomu, abychom věcem porozuměli lépe a s ostatními lidmi dokázali smysluplně komunikovat.

Co na workshopu děláme 

• Jak studenti AI skutečně používají. Tři čtvrtiny českých středoškoláků s ní pracují denně a polovina denních uživatelů přiznává použití proti pravidlům školy (Masarykova univerzita, 2026). V Británii používá AI 92 procent vysokoškoláků (HEPI, 2025). A když se zkoumalo, na co: zhruba polovina studentských konverzací jsou přímé žádosti o hotovou odpověď, ne společné přemýšlení (Anthropic, 2025). 

• Berlička, kterou člověk necítí. Zatím největší experiment oboru: studenti s běžným chatbotem byli při procvičování o 48 procent lepší, ale u samostatné zkoušky o 17 procent horší než ti, kdo AI neměli vůbec (Bastani a kol., PNAS, 2025). Nebezpečné je, že rozdíl není cítit. Student odchází z procvičování s pocitem, že je silnější. Stejný model s mantinely, který napovídal a odmítal prozradit řešení, přitom nikomu neuškodil. O výsledku rozhoduje nastavení, ne samotná technologie. 

• Esej nikdy nebyla cílem. Výuka fungovala jako žebřík z postupně těžších projektů, u kterých se učení nedalo obejít. Student programování si dřív s hrdostí postavil piškvorky. Dnes je má od AI za minutu a nenaučí se přitom nic. Projdeme si, které příčky žebříku dnes AI přeskakuje, u kterých zadání to vadí a proč se výstup zlepšuje, zatímco autor ne. Výzkumy tomu říkají metakognitivní lenost. 

• Co prokazatelně nefunguje. Plošné zákazy: New York ten svůj zrušil po čtyřech měsících. Detektory: v testu na reálném univerzitním systému prošlo 94 procent AI textů bez povšimnutí (Scarfe a kol., 2024). Ochrana integrity se tedy nedá postavit na odhalování. Musí se přesunout do návrhu samotných zadání. 

• Obrácený přístup: AI jako předmět zkoumání. Zadání typu „porovnejte, jak si s úlohou poradí různé chatboty a kde dělají chyby". Student používá AI otevřeně místo potají a musí ověřovat, protože chyby dokládá. Všichni včetně vyučujícího si přitom budují instinkt, co od AI čekat. Naživo si ukážeme předvídatelné i překvapivé chyby AI v infografikách, simulacích a referátech. A navrch vznikne prezentace, která třídu pobaví.  Co se osvědčuje jinde. Dvě dráhy hodnocení: část práce výslovně bez AI a pod dohledem, část výslovně s AI a přiznaně, nic nejednoznačného. Viditelný proces místo hotového výstupu: verze, pracovní deníky, obhajoba, okomentovaný přepis konverzace s AI. Student tak musí předvést i plánování a rozhodování, tedy přesně to, co se jinak tiše přesouvá na AI. A vrací se ústní zkoušení, které má nečekaný vedlejší přínos: obnovuje v hodnocení lidský vztah. 

• Proč to studentům vysvětlovat nahlas. Pocit „stroj to umí líp, nemá cenu se to učit" je optický klam. Srovnává dnešního začátečníka s dnešním strojem, ne s tím, kým začátečník za deset let může být. Pomáhají metafory. Nikdo nechodí do posilovny proto, aby přemístil činky. Video, na kterém cvičím kliky, mi svaly nevybuduje. A mapa má sloužit k objevování nových krajin, ne k chození po vlastním dvorku. 

Co si účastníci odnesou 

Přehled toho, jak a proč studenti AI používají a jaké tlaky na ně působí. Seznam typů zadání, která už nedávají smysl, a ukázky zadání, která fungují. Principy, které se v úspěšných pokusech po celém světě opakují: základy před automatizací, dvě dráhy hodnocení, viditelný proces. A poctivost k limitům: obor je tři a půl roku starý, dlouhodobá data chybějí, takže všude jasně zazní, co víme a co zatím ne. Do dvou dnů po workshopu dostanou účastníci PDF učebnici, kterou sestavuji z prezentace a záznamu, s odkazy na všechny zmíněné studie.

Lektor: Mgr. Pavel Kasík

Mgr. Pavel Kasík je vědecký novinář, vysokoškolský pedagog, lektor, programátor a analytik. Od roku 2022 se naplno věnuje tomu, jak generativní umělou inteligenci zapojit užitečně. Tedy tak, aby lidem rozšiřovala dosah, ne aby je nahrazovala. Vede workshopy pro univerzity, firmy i rodiny a učí týmy zorientovat se v možnostech AI a nespadnout do lákavých pastí. Pracuje také jako vědecký redaktor Seznam Zpráv. 

Při vysvětlování AI klade lektor důraz na důvěryhodnost a odpovědnost. Aby výstupy byly použitelné, aby bylo jasné, kdo za ně ručí, aby se AI nestala náhradou přemýšlení. Od roku 2014 externě přednáší na vysokých školách (Univerzita Karlova, VŠCHT Praha), otázky integrity ve výuce tedy řeší z vlastní zkušenosti za katedrou.

Za vysvětlení toho, jak fungují halucinace umělé inteligence, získal Pavel Kasík Novinářskou cenu za inovativní žurnalistiku za rok 2025.

Místo konání: ONLINE

Podat přihlášku