Biuletyn AI
Sztuczna inteligencja przestała być futurystyczną ciekawostką – stała się codziennym narzędziem badacza i dydaktyka. Niniejsze opracowanie ma służyć jako kompas po nowym krajobrazie akademickim: łączy syntetyczny przegląd możliwości oraz ograniczeń AI z klarownymi wskazówkami wdrożeniowymi w obszarach projektowania zajęć, prowadzenia badań i organizacji pracy uczelni. Celem jest wsparcie społeczności akademickiej w odpowiedzialnym, skutecznym i zgodnym z wartościami uniwersytetu korzystaniu z narzędzi sztucznej inteligencji.
Dla pełnej przejrzystości informujemy, że wszystkie treści w niniejszym opracowaniu zostały wygenerowane z wykorzystaniem różnych narzędzi AI jako efekt iteracyjnych zapytań (promptów) opracowanych przez członków Rektorskiej Komisji ds. Stosowania Narzędzi Sztucznej Inteligencji w Uniwersytecie Szczecińskim. Po etapie generowania materiały zostały poddane weryfikacji merytorycznej przez autorów promptów, którzy wprowadzili niezbędne korekty, zweryfikowali i zatwierdzili ostateczne brzmienie tekstu.
W części wprowadzającej prowadzimy Czytelnika od podstaw operacyjnych – modeli językowych, uczenia maszynowego i rozpoznawania wzorców – do praktycznych zastosowań w programach studiów, seminariach i laboratoriach. Teza przewodnia pozostaje jednoznaczna: AI nie zastępuje człowieka, lecz poszerza jego zdolności poznawcze i organizacyjne, pod warunkiem systematycznej weryfikacji wyników, stosowania jawnych kryteriów jakości oraz zachowania odpowiedzialności za słowo i decyzję.
Kluczowym wątkiem jest etyka i transparentność. Omawiamy kwestie autorstwa i oryginalności, dokumentowania wkładu narzędzi, przeciwdziałania halucynacjom i uprzedzeniom algorytmicznym oraz ramy odpowiedzialności na poziomie osoby, zespołu i instytucji. Proponujemy praktyczne standardy AI dla studentów i nauczycieli (m.in. jawne ujawnianie użycia modeli, dobre praktyki cytowania i weryfikacji źródeł), a także pokazujemy, jak bezpiecznie zacząć pracę z AI – na przykładzie ChatGPT – poprzez formułowanie precyzyjnych promptów, iteracyjne doprecyzowanie wyników i kontrolowaną integrację z zasobami uczelni.
Drugi filar stanowią zastosowania praktyczne. Prezentujemy sposoby automatyzacji analizy danych badawczych wraz z oceną korzyści i ograniczeń; wykorzystanie AI jako asystenta pisania naukowego (streszczenia, przeglądy literatury, redakcja językowa); oraz tworzenie materiałów dydaktycznych – quizów, testów, prezentacji i studiów przypadków. Szczególną uwagę poświęcamy ocenianiu i informacji zwrotnej: rekomendujemy model hybrydowy, w którym AI wykonuje żmudne analizy wstępne i diagnostykę wzorców błędów, zaś nauczyciel zachowuje decyzje merytoryczne, dbałość o sprawiedliwość ocen i empatyczną, rozwojową relację ze studentem.
Na poziomie instytucjonalnym opisujemy ramy wdrożeniowe: polityki i procedury zgodności (w tym ochrony danych i własności intelektualnej), standardy jakości i audytu modeli, minimalne wymagania kompetencyjne dla użytkowników, a także zalążek „ontologii akademickiej” dla AI – spójnego zestawu pojęć, definicji i ról organizacyjnych, który porządkuje wykorzystanie narzędzi na uczelni. Rekomendujemy mierniki efektów (learning analytics, wskaźniki jakości publikacji i obsługi procesów) oraz cykliczne ewaluacje.
W części horyzontalnej kreślimy perspektywę lat 2025–2030: rozwój systemów multimodalnych, personalizację procesu uczenia się, wytłumaczalność (XAI) jako warunek zaufania oraz nadejście agentów AI zdolnych planować i realizować złożone zadania. Analizujemy, jak te trendy przekształcą role: nauczyciela – z przekaziciela treści w architekta doświadczeń edukacyjnych, oraz badacza – ze „zbieracza informacji” w interpretatora, kuratora i stratega badań.
Reasumując, wszystkie prezentowane teksty łączy wspólna myśl: rozsądnie stosowana sztuczna inteligencja wzmacnia sprawczość wspólnoty akademickiej, o ile towarzyszy jej równowaga – między entuzjazmem a krytycznym namysłem oraz między automatyzacją a podmiotowością człowieka. Przedstawione tu zasady, procedury i przykłady mają wspierać wdrożenia bezpieczne, skuteczne i etyczne, tak aby technologia pozostała narzędziem podnoszącym jakość kształcenia i sprzyjającym rozwojowi nauki, a nie celem samym w sobie.