Tehnike primjene umjetne inteligencije za prilagodbu učenja pojedincu

1. Uvod

Obrazovanje na svim razinama sve se više usmjerava prema diferencijaciji i personalizaciji učenja. Takav pristup omogućuje stvaranje fleksibilnijih i smislenijih obrazovnih iskustava koja u većoj mjeri prepoznaju individualnost svakog polaznika.

U tom procesu umjetna inteligencija (UI) preuzima sve važniju ulogu. Ona omogućuje prikupljanje i analizu podataka o napretku, interesima i poteškoćama studenata i na temelju tih uvida, generira personalizirane sadržaje i povratne informacije. 

Kako tehnologija sama po sebi nije svrha, njezina se stvarna vrijednost ostvaruje tek kada je integrirana s pedagoški promišljenim pristupima i metodama koje studentima pružaju smisleno, aktivno i motivirajuće iskustvo učenja. Umjetna inteligencija može, na primjer, poticati refleksivno učenje automatskim generiranjem pitanja za samoprovjeru, podržavati suradničke procese analizom doprinosa unutar timskih aktivnosti ili olakšavati praćenje napretka studenata dinamičkim izvještajima i vizualizacijom podataka.

Danas na tržištu imamo na raspolaganju širok spektar alata i sustava umjetne inteligencije. Njihova uspješna primjena u visokom obrazovanju uvelike ovisi o sposobnostima nastavnika da prepoznaju pedagoški potencijal svakog pojedinog alata i sustava umjetne inteligencije i da razumiju njegove mogućnosti i ograničenja.

U nastavku će biti predstavljene konkretne tehnike primjene umjetne inteligencije u obrazovanju i primjeri alata umjetne inteligencije koji ih podržavaju. Posebna se pozornost posvjećuje načinima na koje se te tehnike mogu povezati s pedagoškim pristupima, potičući raznolikost unutar grupe i dublju individualizaciju obrazovnog iskustva svakog studenta.

2. Pedagoški aspekt: osnovni pojam nastavne strategije primjene umjetne inteligencije u obrazovanju

Primjena sustava i alata umjetne inteligencije u poučavanju ne smije biti sama sebi svrhom, nego mora biti pedagoški promišljena, usklađena s ciljevima, metodama i tehnikama poučavanja i s individualnim karakteristikama studenata.

U didaktičkom smislu nastavna strategija predstavlja najširi plan i usmjerenje obrazovnog procesa. Ona određuje kako će se ostvarivati opći ciljevi obrazovanja i usmjerava odabir pedagoških metoda i tehnika. Drugim riječima, strategija definira opći pristup učenju i poučavanju, dok metode i tehnike određuju konkretne načine njegove provedbe.

U kontekstu primjene umjetne inteligencije nastavna strategija oblikuje opći okvir njezine integracije. Na primjer, hoće li se umjetna inteligencija koristiti za poticanje samoreguliranog učenja, razvoj etičke svijesti, personalizaciju pristupa, jačanje suradničkih vještina ili unapređenje učinkovitosti poučavanja.
Umjetna inteligencija pritom nije zamjena za nastavnika, već pedagoško sredstvo koje omogućuje dublje razumijevanje procesa učenja i njegovo prilagođavanje individualnim potrebama studenata.

Kako bi se razumjelo na koje načine umjetna inteligencija može doprinijeti obrazovanju, korisno je sagledati njezin razvoj unutar različitih teorijskih pristupa učenju.
Prema Ouyangu i Jiaou (2021) i Yalcinalp i suradnicima (2024), evolucija primjene umjetne inteligencije u obrazovanju može se razmotriti kroz tri paradigme.

Prva paradigma temelji se na biheviorističkom pristupu, u kojem umjetna inteligencija ima ulogu instruktora koji usmjerava proces učenja, daje zadatke i evaluira odgovore. U tom okviru student je primatelj znanja, a tehnologija djeluje kao posrednik koji potiče ponavljanje, uvježbavanje i automatizirano vrednovanje.

Druga paradigma proizlazi iz kognitivnih i konstruktivističkih teorija učenja.
Umjetna inteligencija postaje podrška učeniku dijalogom, interakcijom i povratnim informacijama. Student aktivno sudjeluje u konstruiranju znanja, a umjetna inteligencija djeluje kao suradnik koji olakšava razumijevanje, refleksiju i zajedničko stvaranje značenja.

Treća paradigma povezuje se s konekcionizmom i kompleksno-adaptivnim pristupima učenju. U tom okviru student preuzima vodeću i refleksivnu ulogu u procesu učenja, dok umjetna inteligencija djeluje kao partner koji omogućuje personalizirano, samoregulirano i podatkovno osnovano učenje.
Ova paradigma naglašava fleksibilnost, autonomiju i stalno prilagođavanje nastavnog okruženja individualnim potrebama i interesima studenata.

Razumijevanje navedenih paradigmi omogućuje nastavnicima da umjetnu inteligenciju primjenjuju promišljeno i svrhovito, u skladu s pedagoškim ciljevima i razvojnim potrebama studenata.
Na taj se način tehnologija ne promatra kao zamjena za ljudsku dimenziju poučavanja, nego kao partner koji širi pedagoške mogućnosti, potiče samoregulaciju i razvoj viših kognitivnih i metakognitivnih sposobnosti.

U suvremenom visokom obrazovanju umjetna inteligencija može podržati različite nastavne strategije koje proizlaze iz utemeljenih pedagoških teorija i omogućuju nastavnicima da tehnologiju primjenjuju u funkciji učenja, a ne kao tehnički dodatak. 

Primjeri nastavnih strategija podržanih umjetnom inteligencijom:

• Strategija personaliziranog učenja potpomognutog umjetnom inteligencijom
  • Cilj: prilagoditi proces učenja individualnim potrebama, predznanjima i tempu svakog studenta.
  • Primjena umjetne inteligencije: adaptivni sustavi i analitika učenja automatski prilagođavaju sadržaj i aktivnosti pojedincu (npr. Khan Academy, Smart Sparrow).
  • Pedagoška vrijednost: omogućuje samoregulirano učenje, a nastavniku daje uvid u napredak svakog studenta.
  • Primjeri iz nastavne prakse: u radu sa studentima pokazalo se da adaptivni sustavi pomažu studentima različitog tempa učenja prilagođavajući zadatke njihovim potrebama. Za razliku od pristupa u kojem svi rješavaju isti zadatak, adaptivni sustavi omogućuju studentima rješavanje zadataka različite težine i tipa, dok nastavnik i dalje ima uvid u njihov napredak putem izvještaja analitike učenja.
• Strategija problemskog učenja
  • Cilj: poticanje kritičkog mišljenja i primjene znanja rješavanjem stvarnih problema.
  • Primjena umjetne inteligencije: alati za generiranje problemskih scenarija i analizu procesa rješavanja (npr. ChatGPT).
  • Pedagoška vrijednost: studenti aktivno istražuju i argumentiraju rješenja, dok umjetna inteligencija pruža podršku i povratne informacije o napretku. 
  • Primjeri iz nastavne prakse: alat ChatGPT može se koristiti za brzo generiranje više verzija istog problemskog scenarija (različiti konteksti, razine složenosti i perspektive), što znatno skraćuje vrijeme pripreme u odnosu na ručnu izradu zadataka. Za razliku od klasičnih, unaprijed zadanih zadataka s jednim fiksnim scenarijem, takav pristup studentima omogućuje da aktivno „propituju” situaciju, traže dodatna pojašnjenja, istražuju alternativna rješenja i kritički vrednuju dobivene odgovore, čime se potiče dublje razumijevanje gradiva.
• Strategija istraživačkog učenja
  • Cilj: razvijanje sposobnosti postavljanja pitanja, planiranja i provedbe istraživanja.
  • Primjena umjetne inteligencije: alati za pretraživanje i analizu znanstvenih izvora (npr. Elicit) i alati poput ChatGPT-a za generiranje tabličnih sažetaka, prijedloga grafičkih prikaza i tumačenje dobivenih rezultata.
  • Pedagoška vrijednost: studenti razvijaju istraživačke kompetencije i kritičko promišljanje uz podršku tehnologije.
  • Primjeri iz nastavne prakse: Elicit u fazi pregleda literature studentima pomaže u bržem pronalaženju relevantnih radova i sažetaka, dok ChatGPT koriste za inicijalne prijedloge strukture analize i mogućih vizualizacija podataka. U odnosu na isključivo ručno pretraživanje baza podataka, ovaj pristup skraćuje tehnički dio posla i ostavlja više vremena za kritičko čitanje i raspravu o nalazima s nastavnikom.
• Strategija suradničkog učenja
  • Cilj: poticanje suradnje i zajedničkog konstruiranja znanja.
  • Primjena umjetne inteligencije: alati koji olakšavaju timski rad, moderiraju komunikaciju i daju povratne informacije o doprinosu članova tima (npr. Google Workspace AI, Microsoft Copilot).
  • Pedagoška vrijednost: razvija suradničke i komunikacijske kompetencije i promiče zajedničku odgovornost u učenju.
  • Primjeri iz nastavne prakse: U timskim zadacima se koristi alat poput Copilota za predlaganje strukture zajedničkih dokumenata, sažetke tijeka diskusija i praćenje doprinosa članova tima. U usporedbi s klasičnim grupnim radom bez digitalne podrške, ovakav pristup olakšava nastavniku praćenje procesa (tko je što radio) i daje studentima transparentniji uvid u vlastiti doprinos i doprinos njihovih kolega.
• Strategija refleksivnog i metakognitivnog učenja
  • Cilj: poticanje studenata na promišljanje o vlastitom procesu učenja i samoregulaciju.
  • Primjena umjetne inteligencije: alati za praćenje napretka i generiranje personaliziranih povratnih informacija (npr. Notion AI).
  • Pedagoška vrijednost: umjetna inteligencija pomaže studentima prepoznati vlastite obrasce učenja, planirati napredak i jačati odgovornost za rezultate.

  • Primjeri iz nastavne prakse: Notion AI koristi se kao podrška studentima u vođenju refleksivnih dnevnika – alat im pomaže sažeti bilješke i istaknuti ključne točke, a zatim mogu zajedno s nastavnikom analizirati koliko se ti sažeci podudaraju s njihovim vlastitim doživljajem učenja. U odnosu na klasične refleksivne dnevnike, ovakav pristup olakšava studentima uočavanje obrazaca (npr. kada je njihovo učenje najučinkovitije) i planiranje sljedećih koraka u procesu učenja.

• Strategija iskustvenog i simulacijskog učenja
  • Cilj: omogućiti studentima da iskustvom i simulacijama steknu praktična znanja i vještine.
  • Primjena umjetne inteligencije: alati za generiranje simulacija i scenarija (npr. alat ChatGPT, koji može generirati različite scenarije, uloge i moguće ishode odluka (npr. klinički slučaj, situacija u razredu, poslovni problem), alati za izradu videa s virtualnim avatarima npr. Synthesia). 
  • Pedagoška vrijednost: studenti uče autentičnim situacijama, refleksijom i donošenjem odluka u sigurnom digitalnom okruženju.
  • Primjeri iz nastavne prakse: primjena ChatGPT-a za izradu simulacijskih scenarija s različitim mogućim ishodima ovisno o izboru studenta (što se događa ako student odabere jedno ili drugo rješenje) omogućuje polaznicima analiziranje posljedica različitih odluka u sigurnom okruženju. Alat Synthesia koristi se za brzu izradu kratkih videosituacija s virtualnim likovima, bez potrebe za snimanjem „uživo“. U odnosu na tradicionalne tekstualne zadatke, simulacije potaknute alatima umjetne inteligencije omogućuju studentima dublje iskustveno razumijevanje situacije i uvježbavanje donošenja odluka uz manji rizik pogreške.

Sve navedene obrazovne strategije predstavljaju didaktički utemeljene pristupe učenju i poučavanju u kojima umjetna inteligencija ima podržavajuću, a ne zamjensku ulogu.
Njezina vrijednost proizlazi iz sposobnosti personalizacije iskustva učenja, olakšavanja refleksije, unaprjeđenje suradnje i pružanje obrazovnim dionicima uvid u obrazovne procese koji se ranije nisu mogli precizno pratiti.

3. Samoprocjena znanja 1

4. Pedagoški aspekt: osnovni pojam nastavne metode za primjenu umjetne inteligencije u obrazovanju

Pedagoška metoda označava plansko i sustavno usmjerenje poučavanja i učenja koje proizlazi iz odabrane nastavne strategije.

Za razliku od nastavne strategije koja određuje opći pristup učenju, nastavna metoda prikazuje kako se taj pristup provodi u praksi – konkretnim aktivnostima, interakcijom i oblicima rada.

U okviru pristupa aktivnom učenju, u kojem su studenti aktivno uključeni u proces stvaranja i primjene znanja, najčešće se primjenjuju metode poput problemskog, projektnog, istraživačkog, suradničkog, heurističkog i refleksivnog učenja, zatim Sokratova dijaloga, učenja putem igara, te simulacijskog, iskustvenog i učenja otkrivanjem, koje potiču dublje razumijevanje, kritičko mišljenje i razvoj samoregulacije u učenju.

Primjena umjetne inteligencije u visokom obrazovanju omogućuje unaprjeđenje postojećih pedagoških metoda i razvoj novih oblika učenja.
Umjetna inteligencija ne mijenja samu metodu, nego osnažuje njezinu primjenu – čini je fleksibilnijom, učinkovitijom i prilagođenijom potrebama pojedinca.
Alati temeljeni na umjetnoj inteligenciji doprinose personalizaciji učenja, praćenju napretka, analizi procesa učenja i pravodobnom pružanju povratnih informacija.

Na taj način umjetna inteligencija postaje pedagoški resurs koji nastavniku omogućuje dublje razumijevanje procesa učenja, a studentima pruža veću autonomiju i podršku u ostvarivanju ciljeva.
Umjesto da mijenja nastavnu metodu, umjetna inteligencija je dopunjuje i unapređuje, omogućujući nastavnicima donošenje utemeljene pedagoške odluke, a da pri tome učenje učine učinkovitijim, smislenijim i refleksivnijim.

Kako umjetna inteligencija dopunjuje pedagoške metode?

1. Analiza podataka o učenju (Learning Analytics)
   Umjetna inteligencija prikuplja i analizira podatke o aktivnostima studenata – na primjer, vrijeme provedeno u učenju, broj pokušaja, uspješnost i način rješavanja zadataka. Na temelju tih podataka prepoznaje obrasce učenja i generira vizualne prikaze napretka ili preporuke nastavniku o tome koji sadržaji zahtijevaju dodatno pojašnjenje. Tako se nastavniku omogućuje uvid u procese učenja koji inače ostaju nevidljivi, a student dobiva personalizirane smjernice za napredak.
2. Adaptivno učenje
   Adaptivni sustavi umjetne inteligencije kontinuirano analiziraju rezultate i ponašanje studenata i automatski prilagođavaju razinu težine, redoslijed sadržaja i tempo rada. Na taj način svaki student uči prema vlastitim sposobnostima, a sustav dinamično predlaže dodatne zadatke, primjere ili pojašnjenja kad se prepozna poteškoća u razumijevanju. Takav pristup omogućuje personalizirano i fleksibilno učenje koje se razvija u stvarnom vremenu.
3. Automatizirana povratna informacija
   Alati temeljeni na umjetnoj inteligenciji analiziraju studentske tekstove, prezentacije ili kodove i generiraju povratne informacije o točnosti, strukturi, argumentaciji ili stilu. Student odmah dobiva konstruktivne smjernice za poboljšanje, što potiče samoregulirano i refleksivno učenje, dok nastavnik može usmjeriti vrijeme na dublju analizu i mentorsku podršku.
4. Simulacije i iskustveno učenje
   Umjetna inteligencija omogućuje stvaranje autentičnih digitalnih simulacija i scenarija u kojima studenti mogu eksperimentirati, donositi odluke i promatrati njihove posljedice bez stvarnog rizika. Time studenti razvijaju sposobnost primjene teorijskog znanja u realnim kontekstima i reflektiraju o vlastitim odlukama.
5. Podrška suradničkom učenju
   Alati i sustavi umjetne inteligencije olakšavaju komunikaciju i zajednički rad u timovima analizirajući doprinose članova grupe i predlažući načine za ravnomjerniju raspodjelu zadataka. Sustavi umjetne inteligencije mogu prepoznati ključne teme u grupnim raspravama, sažeti zajedničke zaključke i predložiti iduće korake u projektu. Na taj način umjetna inteligencija jača koordinaciju, odgovornost i transparentnost u suradničkom učenju.
6. Poticanje refleksije i metakognicije
   Virtualni asistenti mogu postavljati refleksivna pitanja, poticati studente na opis vlastitih strategija učenja i pomagati u samoprocjeni postignuća.
   Umjetna inteligencija tako preuzima ulogu dijaloškog partnera (virtualnog pomoćnika) koji potiče razmišljanje o procesu učenja, a ne samo o njegovim rezultatima. Time se doprinosi razvoju metakognitivnih vještina, planiranju i svjesnijem upravljanju vlastitim učenjem.

Umjetna inteligencija nadopunjuje pedagoške metode tako što automatizira tehničke i analitičke procese, oslobađajući nastavnika za one dijelove nastave koji zahtijevaju ljudsko prosuđivanje, empatiju i pedagošku kreativnost.

Na taj način umjetna inteligencija ne zamjenjuje nastavnika, nego mu omogućuje dublje razumijevanje procesa učenja, a studentu pruža kontinuiranu podršku, personalizaciju i refleksiju. 

5. Samoprocjena znanja 2

6. Pedagoški aspekt: osnovni pojam pedagoških tehnika primjene umjetne inteligencije u obrazovanju

Pedagoške tehnike predstavljaju konkretne postupke, aktivnosti i alate kojima se u praksi ostvaruju ciljevi definirani nastavnim strategijama i pedagoškim metodama.
Dok nastavna strategija određuje smjer, a metoda način poučavanja i učenja, pedagoška tehnika pokazuje kako se taj način provodi specifičnim koracima, aktivnostima i didaktičkim pristupima na operativnoj razini u obrazovnom procesu.

U kontekstu primjene umjetne inteligencije u obrazovanju pedagoške tehnike obuhvaćaju korištenje alata i sustava umjetne inteligencije koji omogućuju dublje razumijevanje procesa učenja i njegovu prilagodbu pojedincu.
Takvi alati mogu podržati personalizaciju sadržaja, analizu učeničkih aktivnosti, automatizirano praćenje napretka i pružanje povratnih informacija u stvarnom vremenu.
Kao što je već prethodno naglašeno, vrijednost integracije umjetne inteligencije u obrazovni proces ne proizlazi iz same tehnologije, nego iz pedagoški promišljene primjene koja je usklađena s ciljevima, ishodima učenja i nastavnim strategijama i metodama.

Stoga možemo zaključiti kako primjena svake tehnologije, a u ovom slučaju umjetne inteligencije, u obrazovanju podrazumijeva promišljanje svrhe i pedagoške opravdanosti njezine uporabe.

Stoga, prije uvođenja određenog alata ili sustava umjetne inteligencije, nužno je:

1. procijeniti pedagoški potencijal alata i sustava umjetne inteligencije – razumjeti na koji način mogu podržati ostvarivanje obrazovnih ciljeva, razvoj kompetencija i unaprijediti proces učenja
2. analizirati primjere dobre prakse primjene odabranih alata i sustava umjetne inteligencije u obrazovanju, kako bi se njihova uporaba temeljila na provjerenim iskustvima i bila usklađena s pedagoškim načelima i potrebama konkretnog nastavnog konteksta.

Takav pristup osigurava da primjena tehnologije umjetne inteligencije bude pedagoški utemeljena, i da se očuva profesionalna i etička odgovornost nastavnika u procesu poučavanja.

Pedagoške tehnike temeljene na umjetnoj inteligenciji mogu znatno obogatiti nastavnu praksu, osobito u dijelu koji se odnosi na personalizaciju učenja i podršku studentu u samoregulaciji.

Korištenjem sustava umjetne inteligencije koji prate aktivnosti studenata, analiziraju obrasce učenja i nude preporuke, moguće je preciznije prilagoditi sadržaj i tempo učenja pojedincu. Uz to, umjetna inteligencija omogućuje razvoj tehnika koje potiču refleksiju, suradnju i formativno vrednovanje, čime se nastavni proces čini dinamičnijim i usmjerenijim na studenta.

U nastavku su prikazani primjeri konkretnih pedagoških tehnika u kojima se alati i sustavi umjetne inteligencije koriste kao podrška ostvarivanju ciljeva pojedinih metoda učenja.

7. Samoprocjena znanja 3

8. Primjeri pedagoških tehnika s primjenom umjetne inteligencije

Primjeri odabranih pedagoških tehnika u obrazovanju ukazuju na konkretne načine na koje se alati i sustavi temeljeni na umjetnoj inteligenciji mogu koristiti za poticanje aktivnog, refleksivnog i personaliziranog učenja. Za svaki alat navedena je pedagoški potencijal i ključne prednosti u odnosu na druge mogućnosti, čime se naglašava njegova relevantnost u kontekstu obrazovanja.

Napomena: Odabrani primjeri uključuju besplatne ili djelomično besplatne alate i sustave umjetne inteligencije koji su u trenutku izrade ovog tečaja, bili dostupni za uporabu u obrazovnom okruženju. S obzirom na brze promjene u području ovih tehnologija, valja imati na umu da se njihove funkcionalnosti i razina dostupnosti mogu s vremenom mijenjati, a besplatne verzije često podrazumijevaju određena ograničenja u pogledu broja korištenja ili pristupa naprednijim mogućnostima.

Vođeni Sokratov dijalog primjenom umjetne inteligencije

Opis tehnike:

Ova tehnika koristi umjetnu inteligenciju za poticanje kritičkog mišljenja, argumentacije i refleksije strukturiranim dijalogom. Sustav postavlja misaona pitanja, usmjerava raspravu i potiče studente na dublje promišljanje o određenom problemu ili temi. Nastavnik preuzima ulogu moderatora koji usmjerava i evaluira argumentacijski tijek rasprave.

Način primjene:

U okviru seminarske nastave iz kolegija Etika u digitalnom okruženju studenti sudjeluju u dijalogu s virtualnim asistentom koji postavlja problemska pitanja o etičkim izazovima umjetne inteligencije. Nakon dijaloga, studenti u manjim skupinama analiziraju svoja stajališta, uspoređuju ih s odgovorima sustava umjetne inteligencije i zajednički formuliraju zaključke.
Takav pristup omogućuje razvoj kritičkog promišljanja i argumentacijskih sposobnosti interaktivnim, vođenim istraživanjem.

Pedagoška vrijednost:
Primjenom virtualnog asistenta u vođenom dijalogu studenti razvijaju vještine argumentiranja, refleksije i etičkog rasuđivanja, a sustav funkcionira kao virtualni sugovornik koji potiče misaone procese i dublje razumijevanje sadržaja. Aktivnost ujedno doprinosi razvoju samoreguliranog učenja i osnažuje studente za izražavanje i obranu vlastitih stavova u akademskom kontekstu.

Primjer alata umjetne inteligencije:

• ChatGPT svojim jezičnim modelom omogućuje vođenje dijaloga koji se prilagođava razini i interesima studenata, čime oponaša logiku Sokratovog pristupa propitivanja i argumentiranja. Sustav postavlja pitanja različitog stupnja složenosti, reagira na odgovore studenata i potiče ih na dodatno promišljanje, što ga čini iznimno prikladnim alatom za razvoj kritičkog mišljenja i refleksivnog dijaloga.
  Za razliku od tradicionalnih digitalnih upitnika ili foruma ChatGPT omogućuje interaktivnu, dinamičnu i personaliziranu komunikaciju, u kojoj student nije pasivni primatelj informacija, već aktivni sudionik misaonog procesa.
  Zbog svoje dostupnosti, fleksibilnosti i jezične prilagodljivosti ChatGPT se pokazuje kao relevantan alat za provedbu pedagoških tehnika koje naglašavaju dijalog, refleksiju i argumentaciju, osobito u visokoškolskom obrazovanju.

Adaptivno učenje temeljeno na analizi podataka

Opis tehnike:

Umjetna inteligencija analizira podatke o učenju studenata i automatski prilagođava sadržaj, tempo i razinu složenosti gradiva njihovim individualnim potrebama. Takav pristup omogućuje personalizirano učenje, pri čemu se svakom studentu pruža sadržaj koji odgovara njegovom predznanju, tempu i stilu učenja, bez dodatnog opterećenja nastavnika.
Adaptivnost se ostvaruje kontinuiranom analizom interakcija i rezultata studenata, na temelju kojih sustav dinamično prilagođava zadatke, razinu zahtjevnosti i preporuke za daljnje učenje. Time se postiže učinkovitije i smislenije učenje, u kojem tehnologija aktivno podržava pedagoške ciljeve.

Način primjene:

U obrazovanju, adaptivno učenje može se primijeniti u nastavnim predmetima s većim brojem studenata ili kod onih koji zahtijevaju postupno usvajanje koncepata, poput matematike, programiranja ili statistike. Sustav prikuplja podatke o rješavanju zadataka, vremenu potrebnom za odgovor i razini točnosti, a zatim na temelju tih podataka prilagođava sadržaj i predlaže dodatne aktivnosti. Nastavnik ima uvid u napredak svakog studenta i može usmjeriti daljnje aktivnosti prema njihovim potrebama.

Pedagoška vrijednost:

Primjenom adaptivnog učenja studenti razvijaju samostalnost, metakognitivne vještine i odgovornost za vlastiti napredak. Umjetna inteligencija pomaže nastavniku prepoznati obrasce učenja i individualne potrebe studenata, čime omogućuje ciljano praćenje i podršku, a studentima pruža personalizirano iskustvo učenja.

Primjeri alata i sustava umjetne inteligencije:

• Century Tech — sustav za adaptivno učenje koji učinkovito povezuje analitiku učenja i pedagoški dizajn. Alat omogućuje praćenje napretka studenata u stvarnom vremenu i automatski prilagođava sadržaj individualnim potrebama, čime podržava personalizirano i samoregulirano učenje.
• DreamBox Learning — platforma za adaptivno učenje usmjerena na matematiku.
• SchoolAI –  omogućuje prilagodbu sadržaja i aktivnosti prema napretku korisnika i pruža povratnu informaciju u stvarnom vremenu. Platforma kombinira elemente adaptivnog učenja i interaktivne komunikacije, što ju čini pogodnom za primjenu i u visokoškolskom kontekstu. Dostupna je u besplatnoj verziji s osnovnim funkcionalnostima, uz ograničenja u broju korisnika i aktivnosti.

Automatsko generiranje kvizova i provjera znanja

Opis tehnike:

Umjetna inteligencija pomaže instruktorima u brzoj izradi personaliziranih kvizova, testova i zadataka za provjeru znanja, prilagođavajući sadržaj i težinu prema razini svakog polaznika.

Primjeri alata i sustava umjetne inteligencije:

• Curipod — alat za stvaranje kvizova i interaktivnih zadataka,
• Quizizz — platforma za kreiranje i održavanje online kvizova,
• ChatGPT — može generirati pitanja i zadatke prema temi.

Pisanje i povratna informacija primjenom umjetnom inteligencijom

Opis tehnike:

Umjetna inteligencija pomaže polaznicima u pisanju seminarskih i istraživačkih radova automatskom provjerom gramatike, stila, jasnoće, i detekciju plagijata, potičući razvoj akademskih i komunikacijskih vještina.

Primjeri alata i sustava umjetne inteligencije:

• Grammarly — alat za korekciju i poboljšanje teksta,
• Notion AI — pomaže u strukturiranju i pisanju sadržaja,
• Copyleaks — sustav za detekciju plagijata.

Sažimanje i analiza znanstvenih članaka

Opis tehnike:

Alati koriste umjetnu inteligenciju za brzo sažimanje kompleksnih znanstvenih tekstova i izvlačenje ključnih informacija, što značajno olakšava pripremu za nastavu i istraživački rad.

Primjeri alata i sustava umjetne inteligencije:

• Perplexity AI — alat za generiranje sažetaka i odgovora na pitanja o tekstu,
• Elicit — platforma za sustavno istraživanje i analizu literature,
• Explainpaper — alat za razumijevanje stručnih radova,
• Litmaps- mapiranje za mapiranje i vizualno praćenje povezanosti znanstvenih radova unutar određene istraživačke teme,
• SciSpace AI — za predlaganje literature o području. 

Izrada interaktivnih nastavnih materijala

Opis tehnike:

Umjetna inteligencija podržava nastavnike u kreiranju vizualno privlačnih prezentacija, interaktivnih slajdova i infografika koje potiču angažman i razumijevanje kod polaznika.

Primjeri alata i sustava umjetne inteligencije:

• Canva AI — alat za dizajn prezentacija i grafika,
• Beautiful.ai — UI pomoćnik za izradu prezentacija,
• Genially — platforma za interaktivne sadržaje.

Simulacije i etičke rasprave s UI avatarima

Opis tehnike:

Korištenjem UI avatara i simulacija, polaznici sudjeluju u realističnim situacijama i raspravama o etičkim izazovima, što razvija kritičko razmišljanje i sposobnost donošenja odluka.

Primjeri alata i sustava umjetne inteligencije:

• Synthesia — alat za kreiranje video avatara,
• D-ID — generiranje realističnih avatara i video simulacija,
• ChatGPT — za moderiranje i vođenje etičkih rasprava.

Bilježenje i sažimanje predavanja

Opis tehnike:

UI alati automatski transkribiraju i sažimaju predavanja, olakšavajući polaznicima pristup ključnim informacijama i bolju organizaciju gradiva.

Primjeri alata i sustava umjetne inteligencije:

• Otter.ai — automatska transkripcija i sažimanje govora,
• Fireflies — snimanje i analiza sastanaka i predavanja,
• Notion AI — pomoć pri organizaciji i sažimanju sadržaja.

Povećanje dostupnosti i inkluzivnosti nastave

Opis tehnike:

Korištenjem UI alata nastava postaje pristupačnija za polaznike s posebnim potrebama (npr. disleksija, poteškoće s koncentracijom), i sadržaj se prilagođava različitim stilovima učenja i jezičnim potrebama.

Primjeri alata i sustava umjetne inteligencije:

• Immersive Reader — olakšava čitanje i razumijevanje teksta,
• Read&Write — alat za podršku učenju i čitanju.

Simulacije temeljene na umjetnoj inteligenciji za interaktivno učenje

Opis tehnike:

Ova tehnika koristi umjetnu inteligenciju za stvaranje realističnih i interaktivnih simulacija koje omogućuju polaznicima da praktično primijene teorijska znanja u sigurnom, kontroliranom okruženju. Simulacije mogu uključivati scenarije iz stvarnog života, kompleksne probleme ili etičke dileme, a UI avatari ili virtualni agenti vode dijalog i reagiraju na odluke polaznika.

Primjeri alata umjetne inteligencije:

• Synthesia — kreiranje videoavatara podrškom umjetne inteligencije za simulirane situacije,
• Mursion — sustav umjetne inteligencije za virtualne simulacije s interaktivnim likovima,
• Unity ML-Agents — alat umjetne inteligencije za razvoj simulacija i treninga,
• D-ID — generiranje realističnih videoavatara za simulacije.

Virtualni eksperimenti temeljeni na umjetnoj inteligenciji

Opis tehnike:

Ova tehnika koristi umjetnu inteligenciju i računalne simulacije kako bi polaznicima omogućila izvođenje eksperimenata u virtualnom okruženju. Umjetna inteligencija može prilagoditi parametre, nadzirati tijek eksperimenata i pružiti analizu rezultata u stvarnom vremenu. Time se omogućuje duboko razumijevanje teorijskih koncepata, eksperimentiranje bez rizika i pristup eksperimentima koji bi inače bili skupi, opasni ili tehnički zahtjevni.

Primjeri alata i sustava umjetne inteligencije:

• PhET Interactive Simulations — besplatne interaktivne simulacije za znanost i matematiku,
• Labster— virtualne laboratorijske simulacije s podrškom umjetne inteligencije za STEM predmete,
• PraxiLabs — 3D virtualni laboratoriji s prilagodljivim eksperimentima,
• SimuLab— alati za simulaciju kemijskih i fizikalnih eksperimenata.

Podrška umjetne inteligencije pri rješavanju problema i zadataka

Opis tehnike:

Virtualni asistenti pomažu studentima razumjeti koncepte i pronaći rješenja prilagođenim objašnjenjima i primjerima. Ova podrška omogućuje bolje razumijevanje i samostalno učenje.

Primjeri alata umjetne inteligencije:

• ChatGPT – pomaže u razumijevanju teorije, rješavanju zadataka i pisanju radova,
• Wolfram Alpha – alat za izračune i analizu matematičkih i znanstvenih problema,
• Perplexity AI – pruža sažete i jasno objašnjene odgovore na pitanja.

Simulacije i avatari podržani umjetnom inteligencijom

Opis tehnike:

Korištenje avatara i simulacija temeljenih na umjetnoj inteligenciji omogućuje stvaranje autentičnih dijaloških situacija, treninga komunikacijskih vještina, analize argumenata i razvijanja kritičkog mišljenja realističnim interakcijama između korisnika i virtualnih likova.
Primjeri alata umjetne inteligencije:

• Synthesia – omogućuje izradu videozapisa s UI avatarima koji mogu simulirati razgovor i raspravu,
• D-ID – alat za stvaranje videozapisa u kojima avatar vodi razgovor,
• ChatGPT – moderira i potiče dijalog i analize.

Umjetnom inteligencijom podržano crtanje i vizualizacija u nastavi

Opis tehnike:

Vizualizacija crtanjem, dijagramima, mentalnima mapama ili infografikama pomaže studentima da strukturiraju informacije, povežu ideje i bolje razumiju kompleksne pojmove. UI alati mogu automatski generirati ili asistirati u stvaranju vizualnih prikaza na temelju teksta ili ideja, što potiče kreativnost i kritičko razmišljanje organizacijom sadržaja.

Primjeri alata i sustava umjetne inteligencije:

• Canva AI – omogućuje jednostavno stvaranje vizualnih materijala poput dijagrama, infografika i prezentacija uz podršku umjetne inteligencije,
• MindMeister – podržava izradu mentalnih mapa koje pomažu u organizaciji i analizi ideja,
• DALL·E – generira slike i ilustracije na osnovu tekstualnih opisa, korisno za kreativne zadatke i vizualizacije.

Umjetnom inteligencijom podržano učenje programiranja

Opis tehnike:

Alati umjetne inteligencije za učenje programiranja pomažu studentima razumjeti kod, automatski ispravljaju greške, predlažu rješenja i objašnjavaju koncepte na jednostavan način. Takvi alati omogućuju interaktivno učenje primjerima, vježbama i personaliziranim zadacima, što potiče samostalno istraživanje i razvoj logičkog mišljenja.

Primjeri alata i sustava umjetne inteligencije:

• GitHub Copilot – asistent umjetne inteligencije koji pomaže kodiranju predlažući gotove fragmente koda i rješenja,
• Replit – online razvojno okruženje s UI podrškom za automatsko dovršavanje koda i interaktivne tutorijale,
• CodeSandbox – alat za izradu web-aplikacija s podrškom za UI sugestije i dijeljenje projekata,
• LeetCode – platforma za učenje programiranja rješavanjem problema, uz UI pomoć pri objašnjenju rješenja.

Umjetna inteligencija podrška u statističkim proračunima

Opis tehnike:

Alati umjetne inteligencije pomažu studentima u razumijevanju i izvođenju statističkih analiza tako što automatiziraju izračune, vizualiziraju podatke i objašnjavaju rezultate na razumljiv način. Ovi alati također mogu interpretirati statističke testove, predlagati odgovarajuće metode analize i pomagati u pripremi izvještaja, čime se olakšava učenje i primjena statistike u istraživanjima.

Primjeri alata i sustava umjetne inteligencije:

• IBM SPSS Statistics – softver za statističku analizu s mogućnostima umjetne inteligencije za automatsku interpretaciju rezultata,
• Jamovi– besplatni i otvoreni statistički program s jednostavnim sučeljem i podrškom umjetne inteligencije za analize,
• Statwing– alat umjetne inteligencije za jednostavnu statističku analizu i vizualizaciju podataka,
• Google Sheets AI– dodatak za proračunske tablice koji koristi umjetnu inteligenciju za analizu podataka i izvođenje statističkih funkcija,

Osim navedenih, postoje brojne druge obrazovne aktivnosti za koje se mogu upotrijebiti alati i sustavi umjetne inteligencije.

9. Samoprocjena znanja 4

10. Zaključak

Korištenje tehnika temeljenih na umjetnoj inteligenciji u obrazovanju omogućuje efikasniju, inkluzivniju i personaliziranu nastavu. 

Instruktori/nastavnici pritom ne zamjenjuju svoju pedagošku ulogu, već je nadopunjuju tehnologijom umjetne inteligencije koja im omogućuje da se usmjere na ono najvažnije – odnos s polaznicima, kritičku raspravu i razvoj viših kognitivnih vještina.

11. Literatura

• Babić, S. (2024). Examining the factors influencing students’ intention to use ChatGPT as a virtual assistant for academic learning. Izlaganje na 9th International Conference on Advanced Research in Teaching and Education, Berlin, Njemačka. 
  
  • Opis: Pilot-studija provedena na hrvatskim studentima koja analizira čimbenike utjecaja na namjeru korištenja ChatGPT-ja kao virtualnog asistenta u akademskom učenju, s naglaskom na korisnost, relevantnost i motivaciju.
    
    
• European Commission. (2023). Ethics guidelines for trustworthy AI. 
  
  • Opis: Smjernice Europske komisije za etičku i pouzdanu primjenu umjetne inteligencije u obrazovanju i drugim sektorima.
    
    
• Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson. 
  
  • Opis: Detaljna analiza primjene umjetne inteligencije u obrazovanju, s naglaskom na personalizaciju, pedagoške metode i učinkovitost nastave.
    
    
• OpenAI. (2025). ChatGPT's study mode is here. It won't fix education's AI problems. Wired.
  
  • Opis: Kritička analiza primjene ChatGPT-ja u obrazovanju, s osvrtom na njegove prednosti i ograničenja u personalizaciji učenja.
    
    
• UNESCO. (2021). AI in education: Guidance for policy-makers.
  
  • Opis: Smjernice UNESCO-a za integraciju umjetne inteligencije u obrazovne politike i prakse.
    
    
• Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39.
  
  • Opis: Pregled istraživanja primjene umjetne inteligencije u visokom obrazovanju, s naglaskom na ulogu nastavnika, pedagoške metode i tehnike.