Zwalczanie fragmentaryzacji: systematyczny przegląd ryzyk i środków zaradczych związanych ze sztuczną inteligencją i nauczaniem języka angielskiego

Streszczenie w języku polskim

Wprowadzenie: Sztuczna inteligencja (AI) wykazuje znaczący potencjał w nauczaniu języka angielskiego jako języka obcego (ELT); jednak jej wykorzystanie wiąże się z różnorodnymi wyzwaniami, co ujawnia lukę w przeglądach systematycznych, które nie zsyntetyzowały jeszcze w pełni tych zagadnień oraz powiązanych z nimi strategii zaradczych.

Cel badań: Kierując się wytycznymi PRISMA oraz czteroetapowym modelem Okoliego (2015), niniejsze badanie dokonuje krytycznego przeglądu literatury dotyczącej ryzyk związanych z AI oraz powiązanych strategii zaradczych w ELT, ze szczególnym uwzględnieniem kontekstu szkolnictwa wyższego.

Stan wiedzy: Spośród początkowego zbioru 350 badań wybrano dwadzieścia recenzowanych artykułów (2023–2024) na podstawie ich adekwatności, wpływu cytowań oraz indeksowania w czasopismach o wysokim współczynniku wpływu. Zastosowano dedukcyjną analizę tematyczną opartą na jedenastu wcześniej zdefiniowanych kategoriach, wykorzystując zasady refleksyjnej analizy tematycznej (RTA) w programie MAXQDA 24. Synteza wskazuje na nierówne konceptualizacje ryzyk związanych z AI w różnych badaniach. Kwestie etyczne, w szczególności zagrożenia dla integralności akademickiej oraz ryzyka związane z szybkim wdrażaniem AI, dominują w literaturze i wyznaczają kontekst dla innych wyzwań. Następnie pojawiają się ograniczenia techniczne oraz zmiany pedagogiczne obejmujące niewystarczającą kompetencję cyfrową, gotowość nauczycieli oraz ograniczenia w ocenianiu, a także problemy dostępu i równości. Reakcje studentów są zróżnicowane w zakresie motywacji, zaangażowania, krytycznego myślenia i czynników emocjonalnych, choć AI ogólnie wiąże się ze wzrostem autonomii i uczestnictwa. Rozwój umiejętności pozostaje niespójny w różnych obszarach językowych. Proponowane rozwiązania obejmują wymiary pedagogiczne, etyczne, technologiczne i zarządcze, w tym rozwój szkoleń, jednak pozostają one głównie koncepcyjne i mają ograniczone potwierdzenie empiryczne.

Podsumowanie: Integracja AI w ELT pozostaje na etapie formacyjnym, charakteryzując się rozproszonymi dowodami i ograniczoną syntezą ryzyk oraz reakcji. Konieczne są silniejsze badania empiryczne oraz zintegrowane ramy wdrażania.