Keď AI zvládne domácu úlohu za žiaka: čo vlastne máme v škole hodnotiť?

Autor: Marek Rodák Oblasť: AI Governance Aktualizované: september 2026

Predstavme si úplne bežnú situáciu.

Učiteľ zadá študentom esej. Majú si naštudovať problém, vybrať relevantné zdroje, vytvoriť argumentáciu, porovnať rôzne pohľady a formulovať vlastný záver.

Ešte pred niekoľkými rokmi bola odovzdaná práca aspoň približným dôkazom toho, čo študent dokázal urobiť.

Dnes už táto väzba neplatí automaticky.

Študent môže zadať tému generatívnej AI, nechať si navrhnúť štruktúru, vyhľadať argumenty, preformulovať text, opraviť jazyk a vytvoriť záver. Výsledná práca môže byť veľmi dobrá. Možno dokonca lepšia než práca spolužiaka, ktorý ju vytvoril sám.

Lenže učiteľ stojí pred zásadným problémom.

Čo v takom prípade vlastne hodnotí?

Schopnosti študenta?

Alebo schopnosti modelu, ktorý študent použil?

Táto otázka sa postupne stáva jednou z najdôležitejších tém vzdelávania v ére generatívnej AI.

John Carr, Tania Leimbach a Tema Milstein z UNSW Sydney ju vo vedeckom časopise Humanities and Social Sciences Communications formulujú ešte ostrejšie: ak chceme študentov pripraviť na svet, v ktorom AI zvládne čoraz viac intelektuálnych úloh, škola musí cielene chrániť rozvoj schopností, ktoré potrebujeme zachovať u človeka. Autori ich označujú skratkou DEEP – Discern, Engage, Evaluate, Produce: rozlišovať, zapájať sa, hodnotiť a vytvárať.

Nejde pritom o ďalší argument za zákaz ChatGPT v školách.

Ide o podstatne zložitejšiu vec.

Musíme oddeliť používanie AI ako nástroja učenia od používania AI ako náhrady samotného učenia.

Dobrý výsledok ešte neznamená, že nastalo učenie

Toto je možno najdôležitejší rozdiel celej diskusie.

Predstavme si dvoch študentov.

Prvý rieši úlohu sám. Hľadá zdroje, niektorým nerozumie, urobí niekoľko chybných záverov, vráti sa späť a postupne problém pochopí.

Druhý zadá problém AI. O minútu má kvalitnejší výsledok.

Ak hodnotíme iba finálny produkt, druhý študent môže dostať vyššiu známku.

Ak však o týždeň obaja dostanú podobnú úlohu bez AI, výsledok môže byť úplne iný.

Presne na tento rozdiel upozorňuje OECD Digital Education Outlook 2026. Výskumy analyzované OECD ukazujú, že všeobecné nástroje generatívnej AI môžu študentom pomôcť vytvárať kvalitnejšie odpovede, ale vyššia kvalita produktu sa nemusí premietnuť do dlhodobého učenia. Keď študenti následne pracujú bez AI, výhoda môže zmiznúť a v niektorých experimentoch sa výkon dokonca zhoršil.

To je pre školy zásadná informácia.

Vzdelávanie nie je továreň na správne odpovede.

Jeho úlohou je meniť schopnosti človeka.

Ak študent vytvorí perfektnú odpoveď, ale proces, ktorý by viedol k rozvoju jeho vlastných schopností, vykonal algoritmus, z pohľadu vzdelávania môžeme mať veľmi kvalitný produkt a zároveň veľmi slabý výsledok.

Niektoré intelektuálne problémy sú vo vzdelávaní zámerné

Školstvo sa desaťročia pokúšalo žiakom učenie uľahčovať.

Pri AI sa prvýkrát dostávame do situácie, keď ho možno dokážeme uľahčiť až príliš.

Čítanie náročného textu je únavné.

Vytvoriť argumentáciu je ťažké.

Napísať prvú verziu eseje môže byť frustrujúce.

Hľadať chybu vo vlastnom postupe je nepríjemné.

A práve preto tieto činnosti rozvíjajú schopnosti.

OECD používa pojem productive struggle – produktívne úsilie. Ak AI odstráni kognitívnu námahu, ktorá je samotnou súčasťou učenia, študent síce úlohu dokončí rýchlejšie, ale zároveň môže prísť o proces, počas ktorého sa mal niečo naučiť. OECD upozorňuje na riziko oslabovania hlbokého čítania, dlhšej koncentrácie, vytrvalosti či metakognitívnych schopností.

Nie je to argument za úmyselne komplikované školstvo.

Je to argument za pochopenie rozdielu medzi zbytočnou námahou a námahou, ktorá je nositeľom učenia.

Kalkulačka odstránila potrebu vykonávať množstvo rutinných výpočtov. To môže byť správne, ak cieľom hodiny nie je precvičovanie základného počítania.

Ak však učíme dieťa násobilku, kalkulačka mu síce poskytne správny výsledok, ale zároveň odstráni presne tú činnosť, ktorú sa má naučiť.

Generatívna AI prenáša rovnaký problém do podstatne vyšších úrovní myslenia.

Čo sú schopnosti DEEP?

Carr, Leimbach a Milstein navrhujú štyri skupiny schopností, ktoré by školy mali v ére AI cielene rozvíjať a chrániť.

Discern – rozlišovať

Schopnosť rozlišovať znamená vedieť pracovať s informáciami kriticky.

Je tvrdenie dôveryhodné? Odkiaľ pochádza? Aký je rozdiel medzi faktom a interpretáciou? Čo v texte chýba? Existuje alternatívne vysvetlenie?

Práve táto schopnosť bude paradoxne cennejšia v prostredí, kde máme informácií viac než kedykoľvek predtým.

Generatívna AI dokáže vytvoriť veľmi presvedčivú odpoveď aj vtedy, keď je fakticky chybná. Človek preto nepotrebuje iba schopnosť informáciu nájsť. Potrebuje ju vedieť posúdiť.

Engage – zapájať sa

Poznanie nevzniká iba pasívnym prijímaním odpovedí.

Študent musí vstupovať do problému, pracovať s argumentmi, diskutovať, klásť otázky a konfrontovať svoje predstavy s realitou a s názormi iných ľudí.

Ak sa medzi človeka a problém zakaždým postaví chatbot, časť tejto skúsenosti sa stráca.

Evaluate – hodnotiť

AI dokáže vytvoriť množstvo možností.

Človek však musí vedieť posúdiť, ktorá je vhodná a prečo.

To je podstatný rozdiel medzi generovaním a rozhodovaním.

V pracovnom svete nemusí byť najcennejším človek, ktorý dokáže najrýchlejšie vytvoriť desať návrhov. AI ich vytvorí za sekundy.

Cenný bude človek, ktorý rozumie problému natoľko, aby vedel odlíšiť dobrý návrh od zlého.

Produce – vytvárať

Poslednou schopnosťou je vytvoriť výsledok na základe vlastného pochopenia problému.

Práve tu vzniká veľké napätie.

Ak za študenta celý výsledok vytvára AI, môžeme síce hodnotiť kvalitu produktu, ale už oveľa ťažšie hodnotíme schopnosť študenta produkt vytvoriť.

Autori preto upozorňujú, že ak študenti delegujú tieto vyššie analytické činnosti na chatboty, môžu podkopávať rozvoj schopností, ktoré budú potrebovať práve vo svete plnom AI.

Paradox AI: čím je lepšia, tým dôležitejšie je vedieť myslieť bez nej

Na prvý pohľad by sme mohli dospieť k opačnému záveru.

Ak bude AI čoraz lepšie analyzovať, písať, programovať a vyhodnocovať informácie, prečo by sme mali trvať na tom, aby tieto schopnosti rozvíjal človek?

Pretože človek bez základnej odbornosti nedokáže spoľahlivo kontrolovať AI.

Ak nerozumiem matematike, neviem dobre posúdiť matematickú odpoveď modelu.

Ak neviem argumentovať, ťažko identifikujem chybnú argumentáciu.

Ak nepoznám históriu, neviem, či chatbot nevymyslel udalosť.

Ak neovládam jazyk, nedokážem posúdiť kvalitu textu, ktorý mi vytvoril.

AI teda nevytvára svet, v ktorom už nepotrebujeme vedomosti.

Skôr vytvára svet, v ktorom sa mení ich funkcia.

Človek možno nebude musieť všetko vytvárať od nuly. Stále však musí disponovať dostatočne vybudovaným mentálnym modelom problematiky, aby výsledok AI dokázal kontrolovať, spochybniť a prípadne odmietnuť.

OECD preto vo svojom rámci AI gramotnosti pre základné a stredné školy zdôrazňuje nielen schopnosť AI používať, ale aj rozumieť jej fungovaniu, kriticky vyhodnocovať jej výstupy a používať ju eticky a tvorivo.

Zakázať AI pri každej úlohe by bola rovnaká chyba

Z predchádzajúceho však nevyplýva, že školy majú vytvoriť prostredie bez AI.

To by pravdepodobne pripravovalo žiakov na svet, ktorý nebude existovať.

Generatívna AI bude súčasťou pracovného prostredia. Schopnosť pracovať s ňou bude v mnohých profesiách výhodou a v niektorých zrejme základným predpokladom.

Úlohou školy preto nie je rozhodnúť:

AI áno alebo AI nie.

Lepšia otázka znie:

Kedy má AI učenie podporovať a kedy by ho nahrádzala?

Pri jednej úlohe môže byť AI predmetom skúmania.

Študent dostane dve odpovede modelu a má zistiť, ktorá je presnejšia.

Pri inej môže byť pomocníkom.

Študent vytvorí vlastný text, následne si nechá od AI navrhnúť kritiku a musí rozhodnúť, ktoré pripomienky prijme.

A pri ďalšej má pracovať úplne bez AI, pretože učiteľ potrebuje zistiť, či konkrétnu schopnosť skutočne ovláda.

Takýto model je náročnejší než jednoduchý zákaz.

Pedagogicky je však podstatne zmysluplnejší.

Potrebujeme „AI-proof“ hodnotenie?

Autori štúdie používajú pojem AI-proof assessment, teda hodnotenie odolné voči AI.

Tento výraz môže znieť, akoby sme mali vymýšľať úlohy, ktoré chatbot nedokáže vyriešiť.

Takáto stratégia by mala krátku životnosť.

Schopnosti modelov sa zlepšujú príliš rýchlo. Úloha, ktorú AI nezvládne dnes, môže byť o niekoľko mesiacov jednoduchá.

Odolnosť voči AI preto podľa mňa treba chápať inak.

Nie ako:

„Ako vytvorím zadanie, ktoré ChatGPT nedokáže spraviť?“

Ale:

„Ako vytvorím hodnotenie, pri ktorom dokážem zistiť, čo vie študent?“

To je oveľa lepšia otázka.

Niekedy to bude znamenať ústnu obhajobu práce.

Inokedy postupné odovzdávanie rozpracovaných verzií.

Môžeme hodnotiť zdôvodnenie rozhodnutí, nielen výsledok.

Študent môže dostať AI výstup a jeho úlohou bude identifikovať chyby.

Pri projekte môže vysvetľovať, ktoré časti vytvoril sám, kde použil AI a prečo niektoré návrhy modelu odmietol.

Takéto hodnotenie nemusí bojovať proti AI.

Robí niečo dôležitejšie: vracia dôkaz učenia späť k študentovi.

Písomná práca sama už nemusí stačiť

Generatívna AI odhaľuje aj problém, ktorý v školstve existoval dávno pred ChatGPT.

Často hodnotíme produkt a automaticky predpokladáme, že reprezentuje proces učenia.

Esej mala dokazovať, že študent vie analyzovať.

Projekt, že dokáže aplikovať vedomosti.

Domáca úloha, že rozumie učivu.

AI tento predpoklad narušila.

Výsledok dnes môže vzniknúť úplne iným spôsobom, než predpokladal učiteľ.

Preto bude pravdepodobne rásť význam procesného hodnotenia.

Nie iba: čo si odovzdal?

Ale aj: ako si k tomu dospel?

Prečo si použil tento zdroj?

Čo si počas práce zmenil?

Ktorý argument považuješ za najslabší?

Čo navrhla AI a prečo si jej návrh neprijal?

Vieš svoj záver obhájiť bez otvoreného notebooku?

To sú otázky, na ktoré nestačí skopírovať hotovú odpoveď.

A zároveň oveľa lepšie ukazujú, či sa učenie skutočne odohralo.

Najnovšie dáta PISA problém ešte zvýrazňujú

September 2026 priniesol prvé veľmi zaujímavé údaje PISA 2025 o používaní AI žiakmi.

V krajinách OECD uviedol približne jeden z piatich študentov, že používa AI na školské účely takmer denne. Výsledky zároveň ukazujú komplikovaný vzťah medzi používaním AI a výkonom: žiaci, ktorí chatboty pri konkrétnych školských úlohách nepoužívali, dosahovali v mnohých krajinách lepšie výsledky než používatelia.

To samo osebe nedokazuje, že AI spôsobuje horšie výsledky. Korelácia nie je kauzalita a skupiny študentov sa môžu líšiť množstvom ďalších faktorov.

Oveľa zaujímavejšie je iné zistenie.

Študenti, ktorí AI pri učení používali často, ale zároveň sa v škole učili hodnotiť kvalitu AI-generovaných informácií, dosahovali mierne lepšie výsledky v prírodovednej gramotnosti než študenti, ktorí ju nepoužívali alebo používali zriedkavo. OECD však upozorňuje, že prístup k takémuto vzdelávaniu nie je rovnomerne rozdelený a častejšie ho dostávajú sociálno-ekonomicky zvýhodnení žiaci.

To je pre školy podstatná správa.

Problémom nemusí byť samotné používanie AI.

Rozdiel môže vytvárať spôsob jej používania.

Učiteľ sa z kontrolóra AI musí stať dizajnérom učenia

Prvá reakcia škôl na generatívnu AI bola pochopiteľná.

Ako zistíme, či študent použil ChatGPT?

Postupne sa však ukazuje, že to je slepá ulička.

Spoľahlivo identifikovať každý AI-generovaný text je problematické a s rastúcou kvalitou modelov bude ešte ťažšie stavať celý systém akademickej integrity na detekcii.

Podstatne dôležitejšia je zmena samotných úloh.

Učiteľ bude musieť pri každom významnejšom hodnotení vedieť, akú schopnosť vlastne meria.

Ak chce hodnotiť schopnosť písať, musí vytvoriť podmienky, v ktorých túto schopnosť preukáže študent.

Ak chce hodnotiť schopnosť pracovať s AI, musí byť jej používanie súčasťou zadania.

Ak chce hodnotiť odborný úsudok, môže študent dostať AI výstup, ale musí ho analyzovať a obhájiť vlastné rozhodnutie.

V tomto zmysle generatívna AI nevytvára iba technologickú výzvu.

Núti nás vrátiť sa k úplne základnej pedagogickej otázke:

Čo presne chceme, aby sa žiak naučil?

AI gramotnosť neznamená vedieť napísať dobrý prompt

Aj pojem AI gramotnosť sa niekedy redukuje na technické používanie nástroja.

Ako vytvoriť prompt.

Ako dostať lepšiu odpoveď.

Ako si automatizovať úlohu.

To sú užitočné schopnosti, ale z pohľadu vzdelávania nedostatočné.

Spoločný rámec OECD a Európskej komisie z roku 2026 chápe AI gramotnosť širšie: zahŕňa vedomosti, zručnosti a postoje potrebné na pochopenie AI, kritické hodnotenie jej výstupov a jej etické a tvorivé používanie.

UNESCO dlhodobo presadzuje podobne human-centred, teda na človeka orientovaný prístup. AI má vo vzdelávaní rozširovať ľudské schopnosti, nie oslabovať ľudskú autonómiu a nahrádzať činnosti, ktoré sú podstatou učenia.

To podľa mňa veľmi dobre vystihuje hranicu, ktorú školy potrebujú nájsť.

Žiaka nemusíme učiť pracovať bez AI navždy.

Musíme však zabezpečiť, aby sa najskôr stal dostatočne schopným človekom na to, aby AI dokázal používať rozumne.

Generatívna AI priniesla do školstva nepríjemnú pravdu.

Výborný výstup už nemusí byť dôkazom výborného učenia.

Môžeme dostať perfektne napísanú esej od človeka, ktorý téme takmer nerozumie.

Môžeme vidieť bezchybný programový kód od študenta, ktorý ho nedokáže vysvetliť.

Môžeme hodnotiť správne vyriešený problém, hoci samotné riešenie vykonal systém.

Ak na to školy zareagujú iba zákazom AI, pravdepodobne prehrajú.

Ak na to zareagujú tým, že používanie AI prijmú bez zmeny spôsobu hodnotenia, môžu prehrať ešte viac.

Rozumnejšia cesta je náročnejšia.

Musíme rozlišovať, kedy má študent premýšľať sám, kedy má premýšľať s AI a kedy má práve kvalita jeho práce s AI predstavovať predmet hodnotenia.

Niekedy bude správne AI zakázať.

Niekedy ju povoliť.

A niekedy bude chyba ju nepoužiť.

Rozhodovať o tom však nemá technologické nadšenie ani technologický strach.

Rozhodovať má cieľ učenia.

Pretože nakoniec nie je najdôležitejšia otázka, či žiak dokáže pomocou AI vytvoriť správnu odpoveď.

Dôležitejšia je iná:

Čo bude vedieť v momente, keď tú odpoveď odovzdá?

O autorovi

Marek Rodák sa venuje oblasti AI Governance, teda praktickému riadeniu používania umelej inteligencie v organizáciách so zameraním na riziká, pravidlá používania, zodpovednosť, bezpečné zavádzanie AI a rozvoj AI gramotnosti.

Aktualizované: september 2026

Metodika článku

Hlavným východiskom článku je recenzovaná práca:

Carr, J., Leimbach, T. & Milstein, T. (2026). _Teaching for artificial or human intelligence?: A critical perspective on assessment during the AI era_. Humanities and Social Sciences Communications. Publikovaná 5. septembra 2026, DOI: 10.1057/s41599-026-08884-4.

Ide o koncepčný a kritický odborný článok vychádzajúci aj zo skúseností autorov ako pedagógov v transdisciplinárnej oblasti environmentálnej a spoločenskej udržateľnosti. Nejde o experimentálnu štúdiu so študentmi. Jej návrh schopností DEEP preto v texte prezentujem ako odborný rámec autorov, nie ako empiricky dokázaný univerzálny model učenia.

Argumentácia bola porovnaná s aktuálnymi výsledkami OECD Digital Education Outlook 2026, dátami PISA 2025, rámcom AI gramotnosti OECD a Európskej komisie a odporúčaniami UNESCO. Tieto externé zdroje používam najmä na overenie širšieho tvrdenia, že kvalitnejší výstup vytvorený s generatívnou AI nemusí automaticky znamenať kvalitnejšie učenie.

Pri dátach PISA rozlišujem medzi súvislosťou a príčinou. Zistenie, že niektoré skupiny používateľov AI dosahujú odlišné výsledky, samo osebe nedokazuje, že AI tieto rozdiely spôsobila.

Hlavné zdroje

Carr, J., Leimbach, T. & Milstein, T. – Humanities and Social Sciences Communications: Teaching for artificial or human intelligence?: A critical perspective on assessment during the AI era, 2026.

OECD: OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, január 2026.

OECD: PISA 2025 Results – Student school life and beyond, september 2026.

OECD & European Commission: Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education, jún 2026.

OECD: Policies supporting responsible and systematic GenAI adoption in higher education, júl 2026. Dokument upozorňuje okrem akademickej integrity aj na spoľahlivosť generovaného obsahu a vplyv AI na rozvoj vedomostí a schopností študentov.

UNESCO: Guidance for Generative AI in Education and Research – human-centred rámec pre bezpečné, etické a pedagogicky zmysluplné používanie generatívnej AI vo vzdelávaní.