Key takeaways – šta je najbitnije u ovom tekstu

AI-generated edukativni sadržaji više nisu eksperimentalna kategorija. Tokom 2026. generativna AI ulazi direktno u Google Classroom, Search, Gemini, ChatGPT i druge platforme koje svakodnevno koriste milioni učenika i nastavnika. Google je u novembru 2026. proširio Guided Learning na Classroom i najavio njegov ulazak u Search za školske naloge, dok ChatGPT Study mode već vodi korisnika kroz problem pitanjima, koracima i proverom razumevanja umesto prostog izbacivanja konačnog odgovora. To zvuči kao početak najveće personalizacije obrazovanja u modernoj istoriji. Ali podaci upozoravaju da priča nije tako jednostavna.

Randomizovano istraživanje objavljeno u oktobru 2026, koje je obuhvatilo 2.379 studenata i 30 nastavnika, pokazalo je da pristup jednom course-integrated GenAI tutoru nije poboljšao akademske rezultate. Naprotiv, prosečne završne ocene bile su niže, a učestvovanje u postojećem Learning Management System-u (LMS-u) dramatično je opalo. S druge strane, Google je tokom 2026. objavio rezultate eksperimenata u kojima je Guided Learning poboljšao rezultate određenih grupa učenika, a Stanfordov National Student Support Accelerator upozorava da AI tutoring nije jedna homogena tehnologija i da još nema dovoljno dokaza da AI može da zameni dobro organizovano human-led tutoring (podučavanje koje vodi čovek).

Tu se nalazi ključ cele teme. Pitanje više nije može li AI napraviti obrazovni sadržaj, jer može. Pitanje je da li je taj sadržaj pedagoški dobar, da li učenik zaista uči i ko proverava da li je proces učenja uopšte uspeo. Odgovor na to pitanje odrediće budućnost digitalnog obrazovanja mnogo više nego broj novih AI modela.

Obrazovanje je dugo imalo jedan gotovo nerešiv problem

Zamislimo klasično odeljenje sa trideset učenika u kom nastavnik objašnjava istu lekciju, istom brzinom i istim primerima. Učenik A razume odmah, učeniku B treba još jedan primer, učenik C nije razumeo prethodnu lekciju pa mu nova nema smisla, učeniku D je sve previše jednostavno i dosadno mu je, dok učenik E ne želi da digne ruku jer se plaši da će pitanje izgledati glupo. Nastavnik ima samo 45 minuta, i to je osnovni problem masovnog obrazovanja. Sistem je morao biti standardizovan zato što jedan čovek nije mogao istovremeno da vodi trideset individualnih časova.

Generativna AI prvi put ozbiljno dovodi u pitanje to ograničenje. Teoretski, svaki učenik može imati sopstvenog digitalnog tutora. Jednom učeniku objašnjava Pitagorinu teoremu kroz geometriju, drugom kroz praktičan primer gradnje, trećem pojednostavljeno, četvrtom daje napredniji problem, dok petom postavlja pitanje umesto da daje odgovor. To je ono što se decenijama nazivalo personalizovano učenje (personalized learning), a sada prvi put može postati ekonomski skalabilno.

Od generisanja teksta do generisanja kompletne lekcije

Prva generacija generativnih AI alata uglavnom je proizvodila tekst, ali danas to više nije dovoljno dobar opis. Nastavnik može zadati prompt: „Napravi lekciju o fotosintezi za sedmi razred, u trajanju od 45 minuta, sa uvodnim pitanjem, dva praktična primera, kvizom od deset pitanja i dodatnim zadatkom za napredne učenike.“ AI može napraviti nacrt za nekoliko sekundi, a zatim generisati tekst lekcije, ilustracije, radni list, flashcards, kviz, audio objašnjenje, prezentaciju, video, pitanja za diskusiju, test i različite nivoe zadataka.

Materijal može biti preveden, pojednostavljen, proširen, pretvoren u audio ili adaptiran učeniku sa slabijim čitalačkim sposobnostima. To predstavlja ogromnu promenu u ekonomiji produkcije edukativnog sadržaja. Ono za šta je nekada izdavaču, dizajneru i nastavniku trebalo nekoliko dana danas može dobiti pristojan prvi nacrt za nekoliko minuta. Ali upravo tu počinje problem, jer brzina generisanja i kvalitet obrazovanja nisu ista stvar.

Najveća opasnost: da pomešamo proizvodnju sadržaja sa učenjem

Internet već ima gotovo beskonačnu količinu informacija i problem obrazovanja nikada nije bio samo nedostatak teksta. Student koji ne razume integral može danas pronaći hiljade objašnjenja, gledati deset videa, pročitati Wikipediju, preuzeti PDF i poslušati podcast, a i dalje ne mora razumeti koncept. Učenje zahteva nešto drugo: pažnju, pokušaj, grešku, povratnu informaciju, ponavljanje i povezivanje novog znanja sa postojećim.

To je ono što se u nauci o učenju često naziva produktivni napor (productive struggle). Google upravo taj termin sada koristi kao jedan od principa Guided Learning-a: AI ne bi trebalo učeniku odmah da da odgovor, već da ga vodi kroz problem pitanjima i koracima kako bi sačuvao kognitivni napor potreban za stvarno učenje. To je presudno, jer AI može biti najbolji tutor na svetu, ali može biti i najbolja mašina za varanje ikada napravljena. Razlika ponekad zavisi samo od jedne stvari – da li student traži pomoć da razume odgovor ili traži da AI odgovor uradi umesto njega.

„Daj mi odgovor“ protiv „pomozi mi da dođem do odgovora“

Pogledajmo dve interakcije. Prva: „Napiši mi sastav o romanu Na Drini ćuprija od 800 reči.“ AI napiše sastav, učenik ga preda. Rezultat? Proizveden je tekst, ali znanje možda nije. Druga interakcija: „Pročitao sam roman, ali ne razumem zašto je most toliko važan simbol. Postavi mi pitanja kojima ću sam doći do zaključka.“ AI pita: Šta most povezuje? Šta se tokom romana menja, a šta ostaje? Koje generacije prolaze pored njega? Kako bi priča izgledala da most ne postoji? Učenik mora da razmišlja, što je potpuno druga pedagoška upotreba iste tehnologije.

Zato se platforme sve više pomeraju od generičkog chatbota ka režimu učenja (learning mode). OpenAI Study mode, na primer, koristi sokratsko vođenje, pitanja, objašnjenja u slojevima i proveru razumevanja, a može da radi i sa materijalima koje student sam postavi. Google koristi sličnu logiku kroz Guided Learning. Trend je jasan: AI kompanije su shvatile da u obrazovanju nije dovoljno imati model koji zna odgovor, već je potrebno imati sistem koji zna kada odgovor ne treba odmah dati.

AI tutor nije isto što i dobar tutor

Ovde treba stati sa hype-om. AI često zvuči impresivno: strpljiv je, dostupan je 24 sata, ne osuđuje učenika zbog „glupog pitanja“, može ponoviti objašnjenje dvadeset puta, promeniti primer i koristiti jednostavniji jezik. Sve su to ogromne prednosti. Ali Stanfordov National Student Support Accelerator u analizi iz avgusta 2026. veoma jasno upozorava da high-impact tutoring i dalje podrazumeva kvalitetno podučavanje koje vodi čovek. Dokazi još ne opravdavaju tvrdnju da AI-led tutoring može jednostavno zameniti tu vrstu rada.

Zašto? Zato što nastavnik radi stvari koje nisu samo prenos informacija. On primećuje da učenik ćuti više nego obično, razume da problem nije matematika nego strah od greške, prepoznaje ironiju, shvata odnose u odeljenju i zna kada učenika treba pogurati, a kada treba stati. AI to može simulirati do određene mere, ali simulacija socijalne inteligencije nije isto što i ljudski odnos između nastavnika i učenika.

Jedno od najvažnijih istraživanja 2026. daje veoma neugodan rezultat

U oktobru 2026. objavljen je randomizovani kontrolisani eksperiment sa 2.379 studenata na velikom američkom javnom univerzitetu. Studenti su dobili pristup generativnom AI tutoru integrisanom u predmet. Očekivanje bi bilo logično: više pomoći donosi bolje rezultate. Dogodilo se nešto sasvim drugo. Pristup AI tutoru bio je povezan sa padom završnih ocena od 0,37 standardnih devijacija i padom aktivnosti unutar LMS-a od čak 0,90 standardnih devijacija. Negativni efekti bili su izraženiji kod studenata koji su prvi u porodici na fakultetu.

Ovo je veoma važan nalaz. Ne zato što „dokazuje da AI ne radi“, već zato što dokazuje nešto mnogo zanimljivije: AI pomoć može da potisne druge korisne aktivnosti učenja. Student možda manje čita, manje posećuje materijale, manje pokušava sam, manje razgovara sa kolegama i manje traži pomoć profesora. Dobija osećaj da uči zato što razgovara sa inteligentnim sistemom, ali ishod učenja (learning outcome) može biti lošiji. To bismo mogli nazvati kognitivnim outsourcingom (cognitive outsourcing). Student delegira mašini deo mentalnog napora koji je zapravo trebalo da razvija njegovu sposobnost.

AI može pomoći, ali može i da „pojede“ baš ono što treba da naučimo

Kalkulator je odlična analogija. Dete treba da nauči osnovne matematičke operacije. Kasnije kalkulator ubrzava rad, ali ako ga uvedemo prerano, učenik možda nikada ne razvije osećaj za brojeve. Generativni AI je kalkulator za mnogo širi skup kognitivnih aktivnosti: pisanje, sažimanje, prevođenje, argumentovanje, programiranje, analiziranje i planiranje.

I upravo tu treba biti pažljiv. Ako učenik nikada ne mora da napiše lošu prvu verziju teksta, kako će naučiti da piše dobru? Ako AI uvek sažima knjigu, kako će razviti sposobnost izdvajanja važnog? Ako AI odmah objasni svaki problem, kako će razviti toleranciju na frustraciju? Ovo nije argument protiv AI-ja, već argument protiv nepromišljene automatizacije procesa koji ima razvojnu funkciju. Neke teškoće u obrazovanju nisu kvar, one su deo učenja.

Zato će assessment morati potpuno da se promeni

Ako učenik kod kuće ima AI koji može da napiše esej, napravi prezentaciju i reši zadatak, klasičan domaći zadatak gubi veliki deo svoje evaluacione vrednosti. To ne znači da domaći rad nestaje, već se menja pitanje šta ocenjujemo. Umesto: „Predaj mi esej od 2.000 reči“, nastavnik će tražiti: „Predaj mi esej, promptove koje si koristio, AI sugestije koje si odbacio i objasni zašto.“ Ili će zahtevati usmenu odbranu i proveravati proces kojim se došlo do zaključka.

To je potpuno druga vrsta provere znanja. U svetu generativne AI, finalni proizvod sve manje dokazuje ko ga je i kako napravio. Zato će škole morati više da ocenjuju proces, argumentaciju, razumevanje, proveru izvora i sposobnost kritike. Drugim rečima, AI može ubiti domaći zadatak kakav poznajemo, ali možda može poboljšati procenu stvarnog znanja – ako obrazovni sistem prihvati promenu.

Nastavnik neće nestati – ali nastavnik koji samo prenosi informacije ima problem

Na ITNetwork-u smo već otvorili pitanje buduće uloge nastavnika. Učitelj koji samo prenosi informaciju sa udžbenika na tablu zaista ulazi u konkurenciju sa tehnologijom, i to konkurenciju koju teško može dobiti. AI ima više informacija, radi bez prekida i može svakom učeniku dati posebno objašnjenje.

Ali nastavnik ima ono što AI nema: odgovornost za obrazovni proces. Nastavnik može odlučiti šta učenik još nije spreman da automatizuje, može povezati znanje sa životom, organizovati diskusiju, voditi konflikt i prepoznati nerazumevanje koje se ne vidi iz odgovora. Zato nastavnik budućnosti prestaje da bude samo prenosilac informacija i sve više postaje dizajner učenja, mentor, fasilitator i AI supervizor.

Budućnost nije jedan udžbenik za sve

Zamislimo udžbenik iz istorije. Danas svi učenici dobijaju praktično isti sadržaj. U AI-native obrazovanju osnovni standard znanja može biti isti, ali put do njega ne mora. Jedan učenik dobija tekst, drugi audio objašnjenje, treći interaktivnu vremensku liniju, četvrti pitanja i odgovore, dok peti radi kroz simulaciju. Sve to vodi ka istom cilju učenja, što predstavlja realnu personalizaciju.

Google je kroz Gemini study notebooks upravo krenuo u tom smeru: učenik može postaviti svoje materijale, uraditi dijagnostički kviz, nakon čega sistem pravi plan manjih lekcija koji se menja prema rezultatima. To je mnogo ozbiljniji koncept od pukog generisanja domaćeg zadatka i predstavlja pravi adaptivni kurikulum.

Ali postoji jedna velika opasnost: ko odlučuje šta učenik treba da vidi?

Personalizacija zvuči pozitivno, ali krije opasnosti. Ako algoritam proceni da učenik slabije razume matematiku i pruži mu više pomoći, to je odlično. Ali šta ako zaključi da taj učenik verovatno nije za naprednu matematiku i počne da mu daje samo lakše sadržaje? Posle nekoliko godina obrazovni put mu je praktično sužen na osnovu ranih algoritamskih procena (algorithmic tracking).

Tradicionalni sistem već ima predrasude, i iako ih AI može smanjiti, on ih takođe može automatizovati. Zato personalizacija mora biti transparentna, reverzibilna i pod strogim nadzorom nastavnika. AI može reći da učenik trenutno ima problem sa nekom oblašću, ali ne bi smeo samostalno da ga otpiše za istu.

Hallucinations u učionici nisu smešne

Kada chatbot pogreši u predlogu restorana, neprijatno je. Kada učeniku objasni istorijski događaj koji se nije desio, problem je ozbiljniji. Generativna AI ne „zna“ činjenice na isti način kao klasična baza podataka, već generiše statistički verovatne odgovore. Zbog toga može izmisliti izvor, promašiti datum ili uverljivo ponuditi netačno objašnjenje.

UNESCO zbog toga insistira na human-centred pristupu, zaštiti privatnosti, validaciji alata i razvoju pedagoških okvira pre masovne upotrebe AI u obrazovanju. Ovo je posebno važno kod mlađih učenika, jer će dete od devet godina mnogo lakše poverovati sistemu koji govori samouvereno nego što će to učiniti student.

AI literacy postaje osnovna pismenost

Nekada smo učili čitanje, pisanje i računanje, a danas nam je potrebna i AI pismenost. To ne znači da učenik mora znati matematiku iza arhitekture modela, već da mora znati da AI može pogrešiti, da samouveren odgovor nije isto što i tačan, da izvor treba proveriti i da prompt drastično utiče na rezultat. Kao što smo naglasili u vodiču na ITNetwork-u, zabrana AI tehnologije nije održiva. Ako škola zabrani ChatGPT, učenik će ga koristiti kod kuće, bez nadzora i pravila, što je sigurno najgora opcija.

Problem privatnosti: obrazovni AI zna mnogo više nego što mislimo

Pravi personalizovani tutor mora savršeno da poznaje učenika: koje oblasti razume, gde greši, šta ga zbunjuje, a možda i koliko dugo gleda ekran i kada gubi pažnju. Što sistem bolje poznaje učenika, to je korisniji, ali tu nastaje ogromno pitanje: ko poseduje taj profil učenja? Može li se on koristiti za procenu učenika ili marketing i koliko dugo se čuva? To je osetljivo pitanje digitalnih prava deteta, zbog čega analize posebno izdvajaju zaštitu privatnosti i bezbednosna ograničenja kao ključne faktore.

AI-generated video će promeniti edukativni sadržaj možda više od chatbota

Tekstualni chatbot je tek prva faza. Generativni video otvara mnogo širu mogućnost: od vizuelne rekonstrukcije antičkog grada, do 3D prikaza ćelije ili razgovora sa avatarom na stranom jeziku. U budućnosti autor neće morati unapred da napravi svaku animaciju, već će sistem generisati sadržaje na zahtev. To prelazi okvire statičkih materijala i pretvara udžbenik u pravi generator iskustava, menjajući način na koji obrazovni sistem funkcioniše.

Ali AI-generated edukativni video može i da „objasni“ nešto što nije tačno

Što je sadržaj vizuelno uverljiviji, problem greške postaje ozbiljniji. Tekst lako označimo kao AI odgovor, ali fotorealistični video ima takav uticaj da učenik može pomisliti: „Ovako se zaista dogodilo.“ Zato će poreklo obrazovnog sadržaja (educational provenance) postati presudan koncept. Digitalno obrazovanje budućnosti ne sme samo generisati sadržaj, mora da generiše i kontekst poverenja.

Deepfake menja i samu definiciju medijske pismenosti

Ranije smo učenike učili da ne veruju svemu što pročitaju, a sada ne smeju verovati ni svemu što vide. AI-generated sadržaj može da simulira poznate ličnosti, profesore i naučnike, što može biti fantastičan edukativni alat poput virtuelnog razgovora sa Nikolom Teslom. Međutim, uvek mora biti potpuno jasno da to nije prava ličnost već simulacija zasnovana na izvorima, što mora postati deo pedagogije.

Šta se događa sa udžbenicima?

Udžbenici neće nestati preko noći, ali njihov monopol ozbiljno slabi. Tradicionalni udžbenik je linearan i završen u trenutku štampe, dok je AI-native sistem dinamičan i stalno ažuriran. Ipak, udžbenik ima prednost koju potcenjujemo – stabilnost. Neko ga je uredio i verifikovao. Zato budućnost verovatno leži u kombinaciji verifikovanog kurikuluma sa AI interfejsom koji taj materijal adaptira učeniku.

RAG može biti ključ obrazovnog AI-ja

Koncept Retrieval-Augmented Generation (RAG) podrazumeva da se, umesto korišćenja opšteg znanja, AI modelu daju kontrolisani izvori (udžbenici, nastavni planovi). AI tada prvenstveno radi sa tim sadržajem, što značajno ograničava halucinacije i omogućava citiranje izvora, predstavljajući mnogo bezbedniji i relevantniji model za škole.

Srbija: prilika da preskočimo jednu razvojnu fazu

Nemamo obrazovni sistem sa beskonačnim budžetom, ali generativna AI smanjuje cenu stvari koje su do sada bile izuzetno skupe, poput individualnog tutorstva, prevoda i diferencijacije nastave. To znači da mala škola u Srbiji može dobiti tehnologiju koja je pre deset godina bila privilegija elitnih institucija. Domaći eksperimenti sa četbotovima u nastavi već pokazuju smer u kojem obrazovanje može ići.

Međutim, Srbija ima i ozbiljan problem digitalne nejednakosti

Personalizovano AI obrazovanje može povećati obrazovnu nejednakost. Ako jedno dete ima nov laptop i premium AI model, a drugo stari telefon i ograničen internet, jaz se produbljuje. Digitalna jednakost podrazumeva jednak pristup uređajima, internetu i obučenim nastavnicima, bez čega AI ostaje ekskluzivna privilegija.

Srpski jezik više nije ozbiljna tehnička prepreka – kvalitet sadržaja jeste

Vodeći modeli sada prilično dobro funkcionišu na srpskom jeziku, ali to donosi novi izazov. Model može savršeno gramatički pisati i istovremeno dati potpuno pogrešnu informaciju. Tečan jezik stvara utisak autoriteta, zbog čega je medijska pismenost potrebnija nego pre. Dobar stil jednostavno nije dokaz znanja.

AI može nastavniku vratiti najskuplji resurs: vreme

Najbolja upotreba AI u obrazovanju biće verovatno usmerena ka pomoći nastavniku u pripremi časa, generisanju zadataka, administraciji i sažimanju rezultata. Vreme koje nastavnik uštedi preusmeriće na razgovor sa učenicima, mentorstvo i pedagoško planiranje. To je znatno korisnije od distopijske ideje da će AI profesor potpuno zameniti nastavnika.

Joombooz primer: AI literacy mora biti praktična, ne teorijska

Za neformalno obrazovanje važi isto pravilo. Programi poput edukacije na Joombooz-u fokusiraju se na praktičan rad sa tekstom, slikama i AI alatima. AI pismenost se ne uči sa slajdova. Mora se koristiti, moraju se upoređivati odgovori, pronaći halucinacije i menjati promptovi. To je strogo praktična disciplina.

Šta će se desiti sa klasičnim online kursevima?

Klasičan format od 30 unapred snimljenih videa polako odumire. Budući kursevi biće interaktivni sistemi učenja gde AI tutor poznaje kompletan sadržaj i pruža objašnjenja kada učenik naiđe na prepreku, dajući mu na raspolaganje alternativne primere i dinamičke kvizove umesto pasivnog sadržaja.

Sertifikat budućnosti možda neće potvrđivati da ste odgledali 20 sati videa

Postojeći sertifikati često potvrđuju samo puku prisutnost, ali AI omogućava naprednije metode ocenjivanja koje podrazumevaju rešavanje novih problema, argumentaciju i usmenu odbranu. To znači da će sertifikati više svedočiti o stvarnoj sposobnosti nego o kliktanju kroz module.

Budućnost: personalni AI tutor koji raste sa učenikom

Kada dete dobije AI tutora sa sedam godina i taj tutor raste sa njim, pamti njegove greške i stil učenja sve do fakulteta, imamo moćan pedagoški alat, ali i potencijalnu noćnu moru za privatnost. Psihološko-obrazovni profil takvog obima postavlja ogromna etička pitanja o tome ko ima pravo pristupa i kako se ti podaci koriste.

AI može otkriti da učenik nešto ne razume pre nastavnika

Sistemi za adaptivno učenje primetiće obrasce pre čoveka – ako učenik greši kod razlomaka, AI će ga vratiti korak unazad. To je ogromna prednost u odnosu na linearni kurikulum, ali signal mašine tek u rukama nastavnika dobija puni pedagoški smisao.

Multimodal AI ide još dalje

Adaptive multimodal tutoring analizira različite signale, od dugog oklevanja do pada pažnje, ali nosi veliki problem privatnosti zbog eventualnog uvođenja kamera koje analiziraju emocije dece. To što tehnologija nešto može da izmeri ne znači automatski da to i treba raditi.

2030: udžbenik postaje model, nastavnik postaje orkestrator, a učenik biva aktivniji – ili pasivniji

Do kraja decenije očekujemo da edukativni materijal postane dinamičan, video sadržaji generisani po meri, a nastavnik preuzme ulogu menadžera učenja. Najveći rizik revolucije je da učenik postane pasivan, oslanjajući se na AI da misli i rešava zadatke umesto njega, čime gubi intelektualnu izdržljivost.

Pravi cilj nije da učenik dobije više odgovora

Prava vrednost se pomera na procenu, proveru, sintezu i postavljanje problema, a ne pamćenje. AI nudi na stotine odgovora u sekundi, ali ako mi ne znamo da razdvojimo bitno od nebitnog, količina je beskorisna. Cilj nije dobiti brži odgovor, već postaviti kvalitetnije pitanje.

Ne treba nam „AI škola“. Treba nam bolja škola koja ima AI

Ovaj alat ne sme biti cilj sam po sebi. Ako papir i obična debata daju bolji rezultat, onda to treba koristiti. AI je dragocen ako oslobađa nastavnika birokratije i omogućava bolje vežbe, ali tehnologija nikada neće postati suštinska pedagogija.

Najveća obrazovna revolucija neće biti kada AI počne da predaje – već kada naučimo kada ne sme da odgovori

Generativna AI u školama uveliko donosi promene, ali najbolja tehnologija u obrazovanju nije ona koja nudi instant rešenje. Ona treba da prati đaka i dozvoli mu da sam prevaziđe kognitivni napor. Pitanje je da li ćemo imati AI koji zaista pomaže u učenju ili onaj koji ubija želju za samostalnim rešavanjem problema. Razlika će se iskristalisati u učionicama, a jedini pravi ispit je da li uz ove alate naši učenici zaista postaju inteligentniji i sposobniji za budućnost.

FAQ

Šta su AI-generated edukativni sadržaji?
To su obrazovni materijali koje generativna AI potpuno ili delimično proizvodi na osnovu zadatog cilja, uključujući tekstove, lekcije, kvizove, prezentacije, slike, video, audio, simulacije i adaptivne vežbe.

Može li AI zaista da bude tutor?
Može da obavlja deo funkcija tutora (objašnjava pojmove, postavlja pitanja, daje feedback i prilagođava težinu). Međutim, trenutno ne postoje dovoljni dokazi da može jednostavno zameniti kvalitetno ljudsko podučavanje.

Da li AI tutor poboljšava rezultate učenika?
Zavisi od dizajna i načina upotrebe. Dok neki Guided Learning pristupi pokazuju pozitivne rezultate, randomizovano istraživanje iz 2026. na 2.379 studenata pronašlo je pad ocena i angažovanja kod kursno integrisanog AI tutora.

Šta je productive struggle?
Productive struggle (produktivni napor) je kontrolisani mentalni napor tokom kog učenik pokušava da reši problem, greši, prilagođava strategiju i tako razvija dublje razumevanje. AI koji odmah daje odgovor može ukloniti upravo taj važan deo učenja.

Da li će AI zameniti nastavnike?
Najverovatnije ne. Mnogo je realniji scenario u kom će promeniti strukturu nastavničkog rada: biće manje vremena utrošenog na administraciju, a znatno više na mentorstvo, individualizaciju i vođenje procesa učenja.

Šta je AI literacy?
AI pismenost (AI literacy) podrazumeva sposobnost da korisnik razume osnovne mogućnosti i ograničenja AI sistema, proverava njihove odgovore, prepoznaje potencijalni bias i halucinacije, te odgovorno koristi i štiti podatke.

Da li škole treba da zabrane ChatGPT i druge AI alate?
Potpuna zabrana je teško održiva praksa. Razumniji pristup predstavlja definisanje jasnih pravila o tome kada je AI dozvoljen, kako treba deklarisati njegovu upotrebu i koje aktivnosti učenik mora samostalno da obavi.

Šta je najveći rizik AI-ja u obrazovanju?
Jedan od najvećih rizika je kognitivni outsourcing (cognitive outsourcing) – situacija u kojoj učenik prepušta AI-ju mentalne aktivnosti i logičke probleme koje bi zapravo trebalo da sam rešava kako bi razvio svoje kognitivne sposobnosti.

Da li AI može praviti netačne edukativne sadržaje?
Da. Generativni modeli mogu halucinirati činjenice, izvore i citate. Zbog toga obrazovni sadržaji nastali uz pomoć AI-ja uvek moraju biti pod ljudskim nadzorom i povezani sa proverenim akademskim i stručnim izvorima.

Šta je RAG i zašto je važan za obrazovanje?
Retrieval-Augmented Generation (RAG) omogućava AI modelu da odgovore ne zasniva samo na sopstvenom opštem znanju, već na usko definisanoj zbirci proverenih dokumenata, na primer odobrenim udžbenicima ili akademskim izvorima.

Da li AI može povećati obrazovnu nejednakost?
Da. Ukoliko bolji uređaji, brži internet i premium, pretplatnički modeli ostanu dostupni prvenstveno imućnijim učenicima, veštačka inteligencija može dodatno povećati postojeće socijalne i obrazovne razlike.

Kako AI može pomoći nastavnicima?
Može pomoći u brzoj pripremi časova, kvizova, individualizovanih radnih listova, administrativnih izveštaja, dopisa i analizi učeničkih rezultata, čime samom nastavniku ostaje mnogo više vremena za direktan pedagoški rad.

Kakva je situacija u Srbiji?
AI alati se sve više koriste među učenicima i nastavnicima, postoje zanimljive domaće inicijative, ali i dalje nedostaje jasna sistemska integracija AI pismenosti u škole, kvalitetna obuka prosvetnih radnika i osiguran jednak pristup savremenoj tehnologiji.

Kako će izgledati digitalno obrazovanje do 2030?
Najverovatniji smer je snažna kombinacija verifikovanog, klasičnog kurikuluma, personalizovanih AI tutora, dinamičnih materijala i nastavnika koji preuzima ulogu menadžera čitavog obrazovnog procesa, dok AI asistira u pozadini.