Utjecaj užeg i šireg obrazovnog okruženja na primjenu umjetne inteligencije u obrazovanju

1. Uvod

Primjena umjetne inteligencije u visokom obrazovanju danas se smatra jednim od ključnih čimbenika transformacije suvremenog poučavanja i učenja. Njezina prisutnost mijenja pristupe nastavi, oblikovanje sadržaja, vrednovanje i samu dinamiku odnosa između nastavnika i studenata.
Međutim, tehnologija sama po sebi ne jamči uspješnost. Učinkovitost i smislenost primjene umjetne inteligencije ovise o kontekstu u kojem se koristi – o ljudima, institucijama i okruženju koje tu primjenu omogućuje ili ograničava.

Kako bismo razumjeli uvjete uspješne integracije umjetne inteligencije u visoko obrazovanje, potrebno je sagledati utjecaj dvaju međusobno povezanih okvira – užeg obrazovnog konteksta, koji obuhvaća nastavne predmete, pristupe poučavanju i karakteristike studenata, te šireg obrazovnog konteksta, koji uključuje institucionalne, pravne, društvene i tehnološke čimbenike.

U nastavku će biti prikazano kako ti čimbenici međusobno djeluju i na koji način oblikuju stvarne mogućnosti, izazove i odgovornosti u primjeni umjetne inteligencije u visokoškolskom obrazovanju.

Osobito je važna percepcija i stavovi nastavnika i studenata, jer oni uvelike određuju brzinu, način i razinu prihvaćanja novih tehnologija u obrazovnom procesu.

Izvor slike: Shutterstock

2. Uži obrazovni kontekst

U užem kontekstu obrazovanja, primjena umjetne inteligencije nije univerzalna, već mora biti prilagođena konkretnom obrazovnom okruženju. To znači da se alati i metode UI-ja trebaju birati ovisno o sljedećem.

• Specifičnostima akademske discipline (vrsti nastavnog predmeta) – npr. učenja stranih jezika, matematike ili povijesti zahtijevaju različite pristupe u personalizaciji, vrednovanju i podršci učenju putem umjetne inteligencije.

• Individualnim karakteristikama i potrebama polaznika – uključujući razinu predznanja, stil učenja, tempo rada, ali i specifične potrebe poput teškoća u učenju ili darovitosti.

Ova tvrdnja naglašava važnost pedagoški promišljene integracije UI-ja – tehnologija sama po sebi ne donosi kvalitetu učenja ako nije usklađena s obrazovnim okruženjem i potrebama pojedinaca.

To znači da će potreba za personalizacijom, tip aktivnosti i način primjene UI-ja varirati, primjerice, između kolegija iz prava, medicine, informatike, umjetnosti i drugih.

Primjer:

U kolegiju „Uvod u statistiku", nastavnik koristi alat UI-ja koji polaznicima automatski generira zadatke prema njihovoj razini razumijevanja i pogreškama koje su prethodno napravili. Studenti s većim predznanjem dobivaju naprednije zadatke, dok se onima koji teže usvajaju gradivo nudi dodatna podrška kroz kraće video objašnjenje koje generira UI. Instruktor koristi analitiku ponašanja studenata kako bi uoči sljedećeg susreta diferencirao pristup – nekima nudi dodatnu literaturu, a drugima grupni rad za uvježbavanje temeljnih koncepata.

Ovakav pristup pokazuje kako UI može služiti kao podrška personalizaciji učenja, ali i kao alat za nastavnika u planiranju nastave temeljenom na podacima. Ključna odgovornost nastavnika ostaje u etičkoj uporabi alata UI-ja i kritičkoj interpretaciji dobivenih preporuka.

Pitanje za refleksiju:

• Razmislite o svom obrazovnom okruženju: na koji način biste mogli iskoristiti UI kako biste polaznicima omogućili individualiziraniji pristup učenju? 
• Postoje li segmenti nastavnog predmeta/kolegija koje biste mogli automatizirati ili dodatno prilagoditi uz pomoć UI-ja?

• Kako bi se ciljevi vašeg kolegija mogli uskladiti s mogućnostima umjetne inteligencije?

Izvor slike: Shutterstock

2.1. Karakteristike nastavnog predmeta

Način i svrha primjene umjetne inteligencije u visokom obrazovanju uvelike ovise o prirodi nastavnog predmeta i njegovim ciljevima i ishodima učenja.

Svaki nastavni predmet ima jedinstvene zahtjeve i ciljeve učenja koji utječu na način na koji se umjetna inteligencija može primijeniti:

• Predmeti s jasno strukturiranim sadržajima i pravilima (npr. matematika, fizika, programiranje) pogodniji su za primjenu alata UI-ja za automatizirano vrednovanje i prilagodbu sadržaja. UI u ovim predmetima može ubrzati povratne informacije i omogućiti personalizirano učenje.

• S druge strane, humanistički i društveni predmeti zahtijevaju drugačiji pristup. UI ovdje služi kao potpora kreativnosti, analizi velikih količina podataka i razvoju kritičkog mišljenja. U ovim slučajevima ključno je pažljivo balansirati upotrebu UI-ja da se ne naruši originalnost i etički standardi.

• Primjena UI-ja može varirati i unutar istog predmeta, ovisno o razini obrazovanja (npr. osnovna škola nasuprot visokom obrazovanju).

Primjeri:

• STEM predmeti (npr. matematika, fizika, programiranje) u kolegiju Računalne mreže: Instruktor koristi UI sustav koji polaznicima automatski ocjenjuje laboratorijske vježbe i predlaže dodatne izvore učenja ako sustav prepozna ponavljajuće pogreške. Time se ubrzava povratna informacija i omogućuje polaznicima individualizirani napredak. Također, UI chatbot pomaže polaznicima u rješavanju rutinskih upita (npr. „Kako konfigurirati IP adresu?"), čime se instruktoru oslobađa vrijeme za dublji rad s polaznicima.
• Humanistički i društveni predmeti (npr. filozofija, povijest, komunikologija) u kolegiju Teorije medija: Instruktor potiče korištenje generativne UI alate (npr. ChatGPT) za simulaciju analiza iz različitih teorijskih perspektiva. Polaznici uče kako kritički vrednovati odgovore alata, usporediti ih s literaturom i prepoznati potencijalne pristranosti.UI se ovdje koristi kao alat za poticanje kritičkog mišljenja, a ne za davanje „točnih” odgovora. Instruktor postavlja jasna pravila korištenja i vrednovanja rada koji uključuje UI.
• Unutar istog predmeta – ovisno o razini obrazovanja, U predmetu Uvod u ekonomiju, koji se predaje na preddiplomskoj razini: Koristi se UI za kvizove s automatskim povratnim informacijama i vizualizaciju ekonomskih modela. Na diplomskoj razini, u istom području, polaznici koriste UI alate za analizu trendova na financijskim tržištima i izradu prediktivnih modela, uz mentorsku podršku instruktora. To pokazuje kako primjena UI može varirati ne samo po predmetu, već i po razini studija i kognitivnoj zahtjevnosti sadržaja.

Za razmišljanje:
Kada planirate uključivanje UI-ja u svoj obrazovno okruženje (npr. kolegij/nastavni predmet), važno je uzeti u obzir:

• Koji su obrazovni ciljevi?
• Je li sadržaj strukturiran ili otvoren?
• Koliko slobode polaznici imaju u tumačenju, argumentiranju i kreativnosti?
• Postoji li rizik od narušavanja etičkih standarda (npr. plagiranja ili gubitka autentičnosti rada)?

Izvor slike: Shutterstock

2.2. Karakteristike polaznika

Profil polaznika i njihov odnos prema tehnologiji umjetne inteligencije snažno utječu na način i uspješnost primjene umjetne inteligencije u obrazovanju.
Razlike u digitalnoj pismenosti, prethodnom iskustvu i stavovima prema tehnologiji oblikuju razinu spremnosti za učenje uz podršku umjetne inteligencije.

Studenti koji posjeduju razvijenije digitalne vještine često iskazuju veću sigurnost i spremnost na eksperimentiranje, dok onima s manje iskustva treba dodatna podrška, jasan okvir i prilagođene upute.
Motivacija i percepcija tehnologije imaju jednako važnu ulogu – ako studenti umjetnu inteligenciju doživljavaju kao alat koji olakšava razumijevanje i učenje, povećava se njihova angažiranost i interes za sadržaj.

Nastavnici mogu odgovoriti na te razlike primjenom personaliziranih putanja učenja i adaptivnih sustava.
Primjerice, u online tečaju „Umjetna inteligencija u obrazovanju“ polaznici na početku procjenjuju svoje digitalne kompetencije i prema rezultatima biraju osnovni ili napredni modul. Sustav umjetne inteligencije zatim nudi sadržaje u više formata – tekstualnom, video i interaktivnom – čime se studentima omogućuje učenje u skladu s njihovim preferencijama i tempom.

Takav pristup ne samo da povećava učinkovitost učenja, nego i potiče povjerenje u umjetnu inteligenciju kao podršku nastavniku, jačajući partnerski odnos između studenata i tehnologije.

Primjer:

• Instruktor vodi online tečaj „Umjetna inteligencija u obrazovanju“ za 30 nastavnika različitih profila (STEM, društvene i humanističke znanosti), s ciljem upoznavanja mogućnosti primjene UI-ja u nastavi.

• Neki polaznici imaju visoku razinu digitalne pismenosti i već koriste UI alate poput ChatGPT-a, dok drugi nemaju prethodno iskustvo. Instruktor koristi alat za samoprocjenu digitalnih kompetencija i nudi dva paralelna modula – osnovni i napredni – kako bi svi mogli učiti u skladu sa svojim znanjem.

• Dio polaznika je izrazito motiviran i otvoren prema tehnologiji, dok su drugi skeptični i zabrinuti zbog automatizacije. Instruktor uključuje forum za razmjenu mišljenja o prednostima i izazovima UI-ja, potiče otvorenu diskusiju i uključuje primjere gdje UI podržava, a ne zamjenjuje ulogu instruktora.

• Polaznici preferiraju različite stilove učenja – neki bolje uče gledajući videe, drugi čitajući tekstove, a treći kroz praktične zadatke. Instruktor koristi alat za adaptivno učenje koji nudi sadržaj u više formata (tekst, video, interaktivni kvizovi), prilagođen individualnim odabirima.

• Neki polaznici imaju posebne obrazovne potrebe, poput poteškoća s čitanjem ili slabijeg poznavanja engleskog jezika. Instruktor koristi UI alate za prijevod i sažimanje tekstova, pretvara sadržaje u audioformat, i koristi vizualne prikaze kako bi sadržaj bio pristupačan svima.

Pitanja za promišljanje:

• Kako razlike u digitalnoj pismenosti i stavovima studenata utječu na način na koji primjenjujete tehnologiju u nastavi?

• Kojim biste pristupima mogli povećati osjećaj kompetentnosti i povjerenja studenata u korištenje umjetne inteligencije?

3. Širi obrazovni kontekst

Širi obrazovni kontekst obuhvaća one činitelje koji nadilaze pojedinačnu učionicu, predmet ili polaznika, a odnose se na institucionalne, pravne, društvene i tehnološke uvjete u kojima se umjetna inteligencija (UI) razvija i primjenjuje. Ovi činitelji oblikuju okruženje u kojem obrazovne ustanove odlučuju kako, kada i zašto koristiti alate UI-ja u svom radu.

Širi obrazovni kontekst obuhvaća činitelje koji nadilaze pojedinačno nastavno okruženje, predmet ili polaznika. Ti čimbenici uključuju:

• institucionalne uvjete, kao što su organizacijske strategije uvođenja umjetne inteligencije u obrazovanje, politike i resursi obrazovnih ustanova

• pravne uvjete, uključujući zakonske regulative i standarde zaštite podataka, etičke standarde koji osiguravaju odgovornu i transparentnu uporabu umjetne inteligencije

• društvene uvjete, poput prihvaćanja alata i sustava umjetne inteligencije i društvenih normi

• tehnološke uvjete, koji se odnose na dostupnost alata i sustav umjten inteliegencije, sigurnost i pouzdanost sustava umjetne inteligencije.

Ovi činitelje zajedno oblikuju okruženje u kojem obrazovne institucije donose odluke o tome kako, kada i zašto koristiti alate umjetne inteligencije u svojem obrazovnom radu.

Izvor slike: Shutterstock

3.1. Organizacijski činitelji

Na razini pojedine institucije, uspješna primjena umjetne inteligencije u obrazovanje ovisi o nekoliko organizacijskih elemenata:

• Tehnička infrastruktura – Stabilna mreža, oprema i alati nužni su za održivu primjenu umjetne inteligencije.
• Digitalne strategije – Jasno definirani planovi i ciljevi olakšavaju sustavnu integraciju umjetne inteligencije.
• Edukacija nastavnika – Stalna podrška i stručni razvoj ključni su za učinkovitu primjenu umjetne inteligencije.
• Kultura inovacije – Otvorenost prema novim tehnologijama potiče aktivnu primjenu umjetne inteligencije u obrazovnoj praksi.

Primjeri:

Tehnička infrastruktura – primjerice, sveučilište osigurava brzu i pouzdanu Wi-Fi mrežu, računalne laboratorije opremljene najnovijim softverom za primjenu umjetne inteligencije i pristup cloud platformama koje omogućuju korištenje alata i sustava umjetne inteligencije za nastavnike, studente i druge obrazovne dionike.

Digitalne strategije – institucija donosi strateški plan digitalne transformacije u kojem je jasno definiran cilj uključivanja alata i sustava umjetne inteligencije u nastavni proces, s rasporedom edukacija, ulaganja u tehnologiju i praćenja uspješnosti primjene.

Edukacija nastavnika – redoviti tečajevi i radionice za instruktore o primjeni umjetne inteligencije u obrazovanju, uključujući praktične primjere, poduku o etičkim aspektima i načine prilagodbe nastave pomoću alata umjetne inteligencije.

Kultura inovacije – poticanje instruktora na eksperimentiranje s novim alatima umjetne inteligencije kroz poticajne programe, priznanja za inovativne pristupe u nastavi i uspostavljanje internih mreža za dijeljenje iskustava i ideja o primjeni umjetne inteligencije. 

Kultura inovacije tako postaje pokretačka snaga institucionalne digitalne transformacije – ona ne proizlazi iz tehnologije same po sebi, nego iz ljudi koji su spremni razumjeti, primijeniti i stalno preispitivati njezinu vrijednost u obrazovanju.

Pitanja za promišljanje:

• U kojoj se mjeri na vašoj instituciji potiče kultura inovacije u poučavanju?

• Postoje li formalni ili neformalni mehanizmi koji potiču razmjenu iskustava i zajedničko učenje među nastavnicima?

3.2. Pravni, društveni i tehnološki uvjeti

Primjena umjetne inteligencije u visokom obrazovanju odvija se u okviru pravnih, društvenih i tehnoloških činitelja koji oblikuju način i tempo njezine integracije u nastavni proces. Ovi činitelji zajedno određuju razinu sigurnosti, etičnosti i prihvaćenosti tehnologije u visokoškolskom obrazovnom okruženju:

• EU AI Act – Zakon Europske unije koji regulira uporabu umjetne inteligencije, posebno onih sustava koji se smatraju visokorizičnima u obrazovanju, poput automatskog ocjenjivanja i personaliziranih preporuka za učenje. Uvodi obveze transparentnosti, ljudskog nadzora i zaštite podataka, čime osigurava odgovornu primjenu umjetne inteligencije u obrazovnom kontekstu.
  Primjer: Sveučilišta koja koriste alate umjetne inteligencije za automatsko vrednovanje moraju jasno informirati studente o načinu rada sustava i omogućiti ljudsku provjeru i korekciju rezultata. Iako takve mjere mogu usporiti implementaciju, one povećavaju povjerenje i osiguravaju pravednost postupka ocjenjivanja.

• GDPR – Uredba o zaštiti osobnih podataka obvezuje institucije da svi alati umjetne inteligencije budu u skladu s načelima privatnosti i sigurnosti. To podrazumijeva enkripciju podataka, minimalizaciju prikupljenih informacija i jasno definirane politike pristupa.
  Primjer: Kod primjene alata za analitiku učenja, institucija mora osigurati da se osobni podaci studenata koriste isključivo u obrazovne svrhe, uz njihovu prethodnu suglasnost i uz stroge mjere zaštite.

• Etika i odgovornost – Ključno je da primjena umjetne inteligencije u obrazovanju bude pravedna, transparentna i nenametljiva. Sustavi moraju poštovati ljudsko dostojanstvo, izbjegavati pristranosti i omogućiti razumljive odluke.
  Primjer: Prije implementacije sustava za preporuku obrazovnih sadržaja, potrebno je provesti evaluaciju algoritma kako bi se osiguralo da ne favorizira pojedine skupine studenata na temelju sociodemografskih obilježja.

• Tehnološki razvoj – Brz napredak tehnologija umjetne inteligencije zahtijeva stalno praćenje novih rješenja i procjenu njihove pedagoške vrijednosti. Kontinuirana edukacija nastavnika i tehnička podrška postaju ključni za održivu primjenu.
  Primjer: Uvođenje novog sustava za generiranje povratnih informacija zahtijeva da nastavnici budu educirani o njegovim mogućnostima i ograničenjima, kako bi znali interpretirati i primjenjivati rezultate.

• Društvena percepcija – Stavovi nastavnika i studenata mogu značajno utjecati na tempo i način implementacije umjetne inteligencije. Skepticizam, strah od zamjene ljudske uloge ili nepovjerenje u tehnologiju mogu usporiti prihvaćanje, dok otvorenost i povjerenje potiču inovacije.
  Primjer: Ako institucija transparentno komunicira svrhu i način rada UI alata i uključuje nastavnike i studente u proces odlučivanja, povećava se razina povjerenja i spremnost na korištenje tehnologije u obrazovanju.

Primjeri:

EU AI Act – Zakon uvodi obvezu da alati umjetne inteligencije koji se koriste u obrazovanju, poput sustava za automatsko ocjenjivanje, moraju biti transparentni i pod ljudskim nadzorom. To znači da institucije moraju osigurati jasnu informiranost polaznika i instruktora o načinu rada UI sustava i osigurati mogućnost intervencije ljudi, što može usporiti ili dodatno kompleksirati implementaciju, ali i povećati povjerenje u sustav.

GDPR – Zaštita osobnih podataka polaznika i instruktora zahtijeva da svi UI alati budu usklađeni s propisima o privatnosti, što može uključivati enkripciju podataka, minimalizaciju prikupljenih podataka i jasno definirane politike pristupa informacijama. To može zahtijevati dodatne tehničke i organizacijske prilagodbe kod implementacije.

Etika i odgovornost – Institucije moraju osigurati da primjena UI ne narušava prava polaznika, da sustavi ne diskriminiraju i da su odluke razumljive i pravedne. To znači da se često mora provesti dodatna evaluacija i prilagodba UI alata kako bi se poštovali ti etički standardi.

Tehnološki razvoj – Brzi razvoj UI tehnologija zahtijeva kontinuiranu edukaciju instruktora, kao i stalno praćenje novih alata i njihovog utjecaja na proces učenja. To može povećati troškove i potrebu za resursima, ali i osigurati suvremenost i učinkovitost nastave.

Društvena percepcija – Ako su polaznici i instruktori skeptični prema UI-ju, mogu manje koristiti ili čak odbacivati nove alate, što usporava integraciju. S druge strane, pozitivan stav i podrška korisnika olakšavaju prihvaćanje i potiču inovacije u nastavi.

Pitanja za promišljanje:

• Kako vaša institucija pristupa etičkim i pravnim pitanjima u primjeni umjetne inteligencije?

• Na koji način se može sustavno povećati povjerenje i odgovorna uporaba umjetne inteligencije među nastavnicima i studentima?

4. Zaključak

Umjetna inteligencija donosi duboke i trajne promjene u visokom obrazovanju, no njezin se puni potencijal može ostvariti samo unutar pažljivo oblikovanog, podržavajućeg i etički utemeljenog okruženja.
Uspješna integracija ovisi o međudjelovanju različitih čimbenika – od karakteristika nastavnih predmeta, pristupa poučavanju i potreba studenata, do institucionalne infrastrukture, pravnih propisa, društvene percepcije i razine digitalne zrelosti visokoškolske zajednice.

Tehnologija sama po sebi ne jamči kvalitetnije učenje, ali može značajno unaprijediti pedagoški proces kada se koristi promišljeno i svrhovito. Ključnu ulogu u tome imaju nastavnici, koji djeluju kao posrednici između tehnologije i studenata, dajući smisao i smjer njezinoj primjeni. Njihova sposobnost kritičkog vrednovanja alata, etičkog odlučivanja i prilagodbe metodike ključna je za ostvarenje obrazovnih ciljeva u digitalnom dobu.

Institucije koje sustavno ulažu u razvoj digitalne infrastrukture, edukaciju nastavnika i poticanje kulture inovacije stvaraju preduvjete za održivu primjenu umjetne inteligencije. Jednako važno, one time jačaju povjerenje u tehnologiju i osiguravaju da umjetna inteligencija bude u službi čovjeka i obrazovanja, a ne obrnuto.

Ulaganje u digitalne i pedagoške kompetencije nastavnika postaje dugoročna strateška potreba, jer samo obrazovni sustav koji razvija kritičko mišljenje, digitalnu pismenost i etičku odgovornost može u potpunosti iskoristiti potencijal umjetne inteligencije.

Umjetna inteligencija nije zamjena za čovjeka u obrazovanju, već njegov partner i saveznik u stvaranju dinamičnog, inkluzivnog i kreativnog obrazovnog okruženja. Ako se koristi promišljeno i odgovorno, ona može obogatiti nastavni proces, povećati dostupnost znanja i potaknuti nove oblike suradnje i učenja koji povezuju tehnologiju i humanost.

Izvor slike: Shutterstock

5. Literatura:

• Babić, S. (2016). Činitelji nastavničkoga prihvaćanja e-učenja i kompetencije za njegovu primjenu na visokoškolskim ustanovama (Doktorski rad). Fakultet organizacije i informatike, Sveučilište u Zagrebu. 
  Opis: Ovaj doktorski rad analizira činitelje (uključujući uže i šire obrazovno okruženje) prihvaćanja e-učenja kod nastavnika i relevantan je za razumijevanje stavova i spremnosti nastavnika na prihvaćanje digitalnih tehnologija, uključujući UI.
• Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278.
  Opis: Pregledni rad koji prikazuje kako se UI koristi u obrazovanju – uključujući prilagodbu nastave, automatizaciju vrednovanja i ulogu personaliziranog učenja.
• European Commission. (2021). Proposal for a Regulation of the European Parliament and of the Council laying down harmonized rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union.
  Opis: Pravni okvir EU za primjenu UI tehnologija. Posebno važan za razumijevanje regulacije visoko rizičnih sustava u obrazovanju poput automatskog ocjenjivanja.
• Directorate‑General for Education, Youth, Sport and Culture (European Commission). (2022, October 25). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union.
• Holmes, W., Bialik, M., & Fadel, C. (2021). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning (Updated edition). Center for Curriculum Redesign.
• Schiff, D. (2022). Education for AI, Not AI for Education: The Role of Education and Ethics in National AI Policy Strategies. International Journal of Artificial Intelligence in Education, 32, 527-563. 

  Opis: utor naglašava važnost etičke i informirane upotrebe UI u obrazovnoj politici. Posebno se bavi pitanjem kako obrazovanje treba pripremiti društvo za UI, a ne samo koristiti UI za učenje.

• U.S. Department of Education, Office of Educational Technology. (2023). Artificial intelligence and the future of teaching and learning: Insights and recommendations.
  Opis: Primjer Nacionalnog dokumenta (sa smjernicama za odgovornu primjenu UI-ja u obrazovanju, s fokusom na ulogu nastavnika, etiku i ljudski nadzor).
• Perse, R. J. P. (2025). Using artificial intelligence in high school education: A review [Preprint]. Preprints.
  Opis: Sustavna analiza koristi i izazova primjene UI u srednjoškolskom obrazovanju. Relevantno za razumijevanje primjene UI-ja u užem kontekstu nastave, obzriom da polaznici/studenti dolaze iz takvog okruženja.