Sztuczna inteligencja wymusza powrót do egzaminów ustnych na uczelniach

Wprowadzone na początku sierpnia 2026 roku przepisy unijnego AI Act wpływają na podejście do sprawdzania wiedzy na uniwersytetach. Powszechny dostęp studentów do modeli językowych sprawił, że pisanie esejów i przygotowywanie prezentacji straciły na wiarygodności. Uczelnie planują masowy powrót do egzaminów ustnych oraz prac pisemnych w kontrolowanych warunkach, aby weryfikować rzeczywiste umiejętności zamiast wygenerowanych tekstów.

Wpływ unijnego AI Act na zasady oceniania na uczelniach

Z dniem 2 sierpnia 2026 roku weszły w życie obowiązki przejrzystości zdefiniowane w art. 50 unijnego AI Act. W odpowiedzi na te przepisy firma Anthropic zaczęła nakładać niewidoczne znaki wodne na teksty generowane przez model Claude. Taki znak wodny, nazywany z angielska watermark, pozwala w pewnym stopniu ustalić pochodzenie tekstu, jednak nie weryfikuje faktycznej wiedzy ani samodzielności myślenia studenta. Wykładowcy akademiccy dostrzegają, że dotychczasowe metody oceniania tracą sens. Dzieje się tak, ponieważ modele językowe z łatwością tworzą poprawne eseje i niezwykle estetyczne slajdy, do czego wykorzystywany jest na przykład Copilot w PowerPoincie. Z kolei programy takie jak Gemini Notebook znany dawniej jako NotebookLM potrafią błyskawicznie wygenerować materiały do nauki ze źródeł audio lub wideo. Tym samym dydaktyka akademicka staje w obliczu wyzwania, jakim jest kryzys tradycyjnych form weryfikacji. Narzędzia takie jak generatywna sztuczna inteligencja wymuszają zrewidowanie tego, jak oceniane są postępy w nauce.

Studenci masowo korzystają z modeli językowych do nauki

Skala wykorzystania nowych technologii wśród osób uczących się jest ogromna. Z badania instytutu NASK wynika, że kontakt ze sztuczną inteligencją ma 70 procent uczniów z 7. i 8. klas szkół podstawowych oraz 1. i 2. klas szkół średnich. W tej grupie aż 48 procent wykorzystuje algorytmy do nauki, a 40 procent do odrabiania zadań domowych. Regularne użycie rośnie z 20 procent w klasie 7. do 39 procent w 2. klasie szkoły średniej. Według ankiet badanych przez NASK z samego ChatGPT korzystało 53 procent z nich, a kategoria ta obejmowała też aplikacje takie jak CapCut. Na uniwersytetach zjawisko przybiera jeszcze bardziej zorganizowaną formę. W okresie sesji zaliczeniowych studenci masowo decydują się na zakup dostępu do najbardziej zaawansowanych płatnych narzędzi. Nierzadko zrzucają się w kilka osób na 1 konto, co rodzi poważne nierówności na uczelniach wyższych. Korzyści z tego płynące są wymierne. Badacze Zara Contractor i Germán Reyes w swoim opracowaniu dla IZA przeanalizowali grupę ponad 200 studentów. Z ich analizy wynika, że zastosowanie sztucznej inteligencji podnosi wyniki testów wiedzy średnio o 0.27 odchylenia standardowego.

Skutki uboczne polegania na sztucznej inteligencji

Zbyt duże poleganie na asystentach niesie za sobą zjawisko określane jako dług poznawczy. Wskazuje na to eksperyment przeprowadzony w MIT Media Lab z udziałem 54 uczestników podzielonych na 3 grupy po 18 osób. W 1. sesji aż 15 na 18 osób korzystających z modeli językowych nie potrafiło poprawnie zacytować napisanego chwilę wcześniej własnego eseju. W pozostałych grupach problem ten dotyczył zaledwie po 2 osoby. Kolejnego dowodu dostarcza badanie opublikowane w PNAS, za które odpowiada Hamsa Bastani i jej współpracownicy. Eksperyment przeprowadzono na próbie obejmującej prawie 1000 uczniów w Turcji. Wykazano, że w trakcie ćwiczeń matematycznych uczniowie wspierani przez zwykły ChatGPT osiągali wyniki o 48 procent lepsze, a ci pracujący z wersją tutorską lepsze o 127 procent. Jednak odcięcie dostępu do zwykłego modelu skutkowało spadkiem ich późniejszych wyników aż o 17 procent, czego nie zaobserwowano u osób uczących się z tutorem. W środowisku profesjonalnym i naukowym rodzi to kolejne problemy. Według badań pod szyldem Harvard Business Review aż 41 procent ankietowanych pracowników ma już do czynienia ze zjawiskiem nazywanym workslopem. Jest to zalew pozornie dopracowanych i obszernych, ale merytorycznie bezwartościowych materiałów, które przenoszą wysiłek poznawczy na odbiorcę oceniającego dany dokument.

Egzaminy ustne jako nowa metoda weryfikacji samodzielności

Odpowiedzią na te wyzwania jest powrót uczelni do tradycyjnych form sprawdzania wiedzy. Egzaminy ustne stają się niezbędnym narzędziem, podczas którego weryfikacja samodzielności polega na umiejętności obrony obranej metodologii na żywo. Prowadzący coraz częściej postulują odchodzenie od oceny samej prezentacji wygenerowanej przez algorytmy. Dr Błażej Sajduk, autor tekstu i członek organizacji Klub Jagielloński, który napisał również podręcznik Kto? Kogo? uczy, argumentuje, że trudność uniwersyteckich zadań musi być obecnie dopasowywana do możliwości najlepszych płatnych systemów na rynku. To one wyznaczają minimalny próg akceptacji pracy, określany mianem podłogi. Nauczyciele akademiccy nie mogą opierać swoich wymagań na możliwościach darmowych aplikacji. Z perspektywy edukacyjnej zadaniem studentów jest stworzenie sufitu, czyli wykazanie czegoś, co określa się jako ludzki naddatek poznawczy. Są to kompetencje wykraczające poza generyczną odpowiedź maszyny, obejmujące na przykład krytyczny dobór źródeł czy świadomość niuansów metodologicznych. Wymaga to jednak uregulowania kwestii równego dostępu poprzez uczelniane licencje na płatne narzędzia.

3 sfery pracy ze sztuczną inteligencją na uczelniach

Wspomniany ekspert dr Błażej Sajduk, którego tekst zilustrował Bruno Dziadkiewicz, proponuje podział nauki na 3 sfery. Zostały one opisane następująco:

• Chroniony rdzeń poznawczy wymagający całkowitego braku wspomagania technologicznego.
• Zadania z warunkowym wsparciem z jasno określonymi zasadami.
• Profesjonalna praca oparta na zarządzaniu wieloma systemami, znana jako orkiestracja.

Proces sprawdzania wiedzy powinien opierać się na 3 krokach. Należą do nich zaprezentowanie gotowego produktu, omówienie procesu jego powstawania oraz samodzielna demonstracja umiejętności na żywo. Swoje wizje edukacji w epoce cyfrowej kształtują też inni autorzy. Piotr Ryszard Ryś w eseju Prometeusz dał studentom AI, ale nie nauczył z niego korzystać krytykuje wojnę uczelni z oprogramowaniem maskującym użycie botów. Marcin M. Mirończuk w tekście AI, autorstwo i odpowiedzialność akcentuje rolę weryfikacji wyników. Piotr Siuda w artykule Generatywna AI w akademickim pisarstwie rozróżnia pomoc językową od fabrykowania treści. Małgorzata Kochanowicz i Dota Szymborska w publikacji Polityka AI na uczelniach opisują potrzebę edukacji w zakresie transparentności. Głos zabrali także Jacek Mańko i Michał Krzykawski na łamach czasopisma Forum Akademickie, przestrzegając przed ślepym determinizmem technologicznym.

Badacze akademiccy pozostają ostrożni. Z sondażu Narodowe Centrum Nauki (NCN) obejmującego 2708 odpowiedzi na 8863 zaproszonych kierowników wniosków wynika, że 67 procent badanych sprzeciwia się udziałowi sztucznej inteligencji w merytorycznej ocenie grantów. Jednocześnie 42 procent ankietowanych przyznało się do używania GenAI przy tworzeniu aplikacji, a 60 procent dopuszcza jej użycie na etapie pisania dokumentów. Zmiany w podejściu wdrażają już konkretne ośrodki akademickie. Zasady oceniania na uczelniach wyższych aktualizuje Uniwersytet Oksfordzki, Uniwersytet Warszawski oraz Ulster University, podczas gdy szkoła Berkeley Law domyślnie chroni proces tworzenia koncepcji przed ingerencją maszyn.

Powyższy tekst ma charakter informacyjny i powstał na podstawie raportów branżowych, badań akademickich oraz aktów prawnych z sierpnia 2026 roku. Regulacje dotyczące stosowania sztucznej inteligencji w edukacji oraz procedury oceniania mają charakter dynamiczny i ulegają ciągłym zmianom, dlatego wszelkie wytyczne i wymogi należy każdorazowo weryfikować w oficjalnych sylabusach i regulaminach danej uczelni.