Sztuczna inteligencja i zmiana tradycyjnych paradygmatów w psychologii edukacyjnej

Magdalena Oleśniewicz, Karel Kostka

Streszczenie w języku polskim


Wprowadzenie: Sztuczna inteligencja (AI, artificial intelligence) to zdolność maszyn do naśladowania takich ludzkich umiejętności, jak rozumowanie, uczenie się, planowanie czy kreatywność. Szybki i dynamiczny rozwój AI wywiera znaczący wpływ na dziedzinę psychologii edukacyjnej.

Cel badań: Celem niniejszej publikacji jest ukazanie, w jaki sposób AI zmienia podejście do procesów poznawczych, motywacji, oceny wyników, personalizacji uczenia się itp., a także przedstawienie wyników najnowszych badań empirycznych, zaproponowanie ram teoretycznych do ponownego przemyślenia ról nauczyciela, ucznia i studenta w cyfrowym środowisku edukacyjnym oraz podkreślenie psychologicznych aspektów edukacji. W artykule zaprezentowano nowy paradygmat „adaptacyjnego systemu uczenia się”, który integruje technologie AI z psychologicznymi zasadami skutecznego uczenia się.

Stan wiedzy: Technologie AI przyczyniają się do zmiany tradycyjnych paradygmatów edukacyjnych. Pojawienie się AI w edukacji niesie ze sobą nowe możliwości i poważne wyzwania. Z psychologicznego punktu widzenia implikacje dotyczą indywidualizacji uczenia się, samoregulacji uczniów, emocjonalnego klimatu uczenia się oraz relacji między uczniem, studentem i nauczycielem. Refleksja etyczna musi koncentrować się na kwestiach przejrzystości algorytmów, prywatności, równości dostępu i odpowiedzialności za podejmowane decyzje. Aby uniknąć ryzyka dehumanizacji edukacji, należy zachować jej ludzki wymiar, tak aby jednostki były wychowywane i kształcone z poszanowaniem ich pełnej złożoności.

Podsumowanie: AI może stanowić cenne narzędzie, ale jej wykorzystanie musi przebiegać z uwzględnieniem psychologicznych potrzeb uczniów i etycznych zasad procesu edukacyjnego.


Słowa kluczowe


sztuczna inteligencja, psychologia edukacyjna, personalizacja uczenia się, paradygmaty, interwencja pedagogiczna, kognitywistyka

Pełny tekst:

PDF (English)

Bibliografia


Akgun, S., & Greenhow, C. (2021). Artificial intelligence in education: Addressing ethical challenges in K-12 settings. AI and Ethics, 2(3), 431–440. https://doi.org/10.1007/s43681-021-00096-7

Baker, T., & Smith, L. (2019). Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges. Nesta.

Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Prentice-Hall.

Deci, E. L., & Ryan, R. M. (2000). The “What” and “Why” of Goal Pursuits: Human Needs and the Self-Determination of Behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Holmes, W., & Porayska-Pomsta, K. (Eds.). (2023). The ethics of artificial intelligence in education: Practices, challenges, and debates. Routledge.

Kim, J., Yu, S., Detrick, R., & Li, N. (2025). Exploring students’ perspectives on generative AI-assisted academic writing. Education and Information Technologies, 30, 1265–1300. https://doi.org/10.1007/s10639-024-12878-7

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson.

Su, J., Guo, K., Chen, X., & Kai Wah Chu, S. (2024). Teaching artificial intelligence in K-12 classrooms: A scoping review. Interactive Learning Environments, 32(9), 5207–5226. https://doi.org/10.1080/10494820.2023.2212706

Wang, K., & Guo, Z. (2025). Can learners’ use of GenAI enhance learning engagement? A meta‑analysis. Education Sciences, 15(12), Article 1578. https://doi.org/10.3390/educsci15121578

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, 39. https://doi.org/10.1186/s41239-019-0171-0




DOI: http://dx.doi.org/10.17951/lrp.2026.45.1.107-122
Data publikacji: 2026-03-16 10:05:43
Data złożenia artykułu: 2025-06-23 18:01:57


Statystyki


Widoczność abstraktów - 0
Pobrania artykułów (od 2020-06-17) - PDF (English) - 0

Wskaźniki





Prawa autorskie (c) 2026 Magdalena Oleśniewicz, Karel Kostka

Creative Commons License
Powyższa praca jest udostępniana na lcencji Creative Commons Attribution 4.0 International License.