Rasprave o društvenim implikacijama umjetne inteligencije (UI) i njezinoj integraciji u obrazovne procese i dalje traju. Područje od velike važnosti u tom kontekstu jest djelatna sposobnost (agency), uključujući način na koji uporaba tehnologija UI-ja utječe na sposobnost pojedinca da ostvari autonomiju
Sažetak
U tijeku su razgovori o društvenim implikacijama umjetne inteligencije (AI) i njezinoj integraciji u obrazovne procese. Područje od velikog značaja u tom pogledu je agencija, uključujući način na koji uporaba AI tehnologija utječe na sposobnost pojedinca da ostvaruje autonomiju. U obrazovnim kontekstima, to ostaje relativno neistražena, ali vitalna tema. Kako bi se rasvijetlila ova tema, ovaj rad daje istraživački tematski pregled radova koji istražuju odnos između generativne umjetne inteligencije (GenaI) i agencije u obrazovanju, mapiranju i interpretaciji dostupne literature kroz leću kritičke digitalne pedagogije (CDP). Nalazi sugeriraju da, iako GenAI može poboljšati agenciju za učenike personalizacijom i podrškom, također riskira pogoršanje obrazovnih nejednakosti i smanjenje autonomije učenika u određenim kontekstima. Ovaj pregled također doprinosi novim sociotehničkim perspektivama o umjetnoj inteligenciji, ističući kako GenAI tehnologije mogu oblikovati i biti oblikovane dinamikom moći i pedagoškim ideologijama. Ovaj pregled doprinosi postojećoj raspravi o tome kako se tehnologije umjetne inteligencije mogu odgovorno primijeniti u obrazovanju i društvu razotkrivajući kako uporaba tih tehnologija može dovesti do neželjenih učinaka, uključujući učvršćivanje nejednakosti i preoblikovanje koncepata pojedinačnih agencija, autorstva i autonomije.
Ključne riječi: generativna umjetna inteligencija; agencija za učenje; agencija za nastavnike; AI u obrazovanju; tematska analiza; kritička digitalna pedagogija
Beta
Akademski urednici
Prof. Chrisina Jayne
- Uvod
Generativna umjetna inteligencija (GenaI) još uvijek je u povojima; međutim, imala je utjecaja na široke dijelove društva. Jedno od najvažnijih područja je edukacija, s obzirom na to da GenAI alati sada mogu pronaći svoj put u učionice na svim razinama, od vrtića do sveučilišta, te da će te interakcije pridonijeti razvoju mladih i oblikovati sljedeću generaciju. Međutim, iako sve veći broj studija nastoji razjasniti učinke GenAI-ja na obrazovanje, ne postoji konsenzus o tome nadmašuju li koristi od tih novih tehnologija njihove rizike.
Neka istraživanja u obrazovnim kontekstima pokazala su pozitivne učinke korištenja GenAI-ja u svrhu učenja i poučavanja, potencijalno povećavajući učinkovitost. Na primjer, sustavni pregledi pokazali su da alati kao što je ChatGPT mogu ponuditi poboljšano učenje [1], dok strukturirani okviri koji omogućuju razumno korištenje GenAI alata u procjenama mogu dovesti do manje slučajeva akademskog nedoličnog ponašanja i promicati kritičnu digitalnu pismenost [2, 3]. Učenici mogu željeti povratne informacije od GenAI modela zajedno s ljudskim vodstvom [4], potencijalno poboljšavajući obrazovne ishode. Ostale teoretizirane prednosti uključuju pružanje personaliziranih iskustava učenja, podučavanje i povratne informacije [5], kao i omogućavanje gamifikacije materijala za učenje i stvaranje digitalnih resursa [6].
Iz perspektive nastavnika, GenAI može pomoći u rješavanju administrativnog opterećenja [7], pomoći u zadacima kao što su prilagođavanje nastavnih planova i programa lokalnim kontekstima [8] i smanjiti radno intenzivne zadatke proizvodnje tekstualnih sadržaja u različite obrazovne svrhe [9]. Međutim, ti preliminarni rezultati moraju se tumačiti oprezno, s obzirom na brzu stopu promjena i razvoja u ovom području. Vjerojatno nećemo znati pravi utjecaj GenAI-ja u obrazovanju dugi niz godina kada postanu dostupni visokokvalitetni longitudinalni podaci.
Te se koristi moraju usporediti sa značajnim rizicima korištenja GenAI-ja u obrazovanju koji bi mogli negativno utjecati na društvo u većim razmjerima. GenAI alati nisu transparentni i proizvode neobjašnjive izlaze [10]. Slijedom toga, alati GenAI-ja mogu se provoditi na nepravedne načine i sadržavati nepoznate pristranosti [11, 12]. Rizici GenAI alata u obrazovanju odnose se i na akademski integritet i vlasništvo nad radom [13 – 15]. U određenoj mjeri, koncept vlasništva sam po sebi možda će se morati razviti kako bi se objasnilo objavljivanje GenAI modela, što zahtijeva reorganizaciju temeljnih društvenih vrijednosti, kao što je individualno vlasništvo nad idejama ili tekstovima.
Dugoročni učinci GenAI-ja u obrazovanju mogli bi uključivati pogoršanje digitalnog siromaštva [10], „monokulturu” znanstvenih spoznaja [16], devalvaciju ljudskih odnosa [17] i brisanje „produktivne borbe” u učenju [18]. Izlasci GenAI-ja sve se više upotrebljavaju u podle svrhe [19], uključujući u obrazovnim kontekstima, kao što su dubokokažni skandali ili internetsko nasilje [20]. Ukratko, utjecaj GenAI-ja na obrazovanje može se smatrati mikrokozmosom njegovih potencijalnih učinaka na društvo u cjelini. Pravi opseg ovih učinaka neće biti poznat s jasnoćom već neko vrijeme; međutim, stalna stipendija u ovom području može pridonijeti potpunijem razumijevanju svih potencijalnih implikacija za one u obrazovnim okruženjima.
Ove koristi i rizici povezani s GenAI u obrazovanju također se mogu protumačiti kroz prizmu agencije. Korištenje GenAI-ja uvijek uključuje zapleteni proces u kojem se neke odluke iskrcavaju na GenAI model. Međutim, malo je razumijevanja kako te odluke utječu na djelovanje nastavnika i učenika. Iz ove perspektive nastojimo istražiti prirodu znanja o ovoj temi koja je nastala u kratkom vremenskom razdoblju od javnog objavljivanja ranih velikih jezičnih modela (LLM) u 2022. do današnjih moćnih, multimodalnih GenAI aplikacija. Iako je usredotočen na obrazovne kontekste, naš pregled također doprinosi širim raspravama o algoritamskoj agenciji, digitalnoj subjektivnosti i ulozi umjetne inteligencije i njezinoj zapletenosti s ljudskom autonomijom. U odjeljku 1.1. ispitujemo odnos između GenAI-ja i agencije za učenike u obrazovanju. Nakon toga objašnjavamo naš teorijski pristup (kritička digitalna pedagogija ili CDP) te naše metode i proces poduzimanja ovog istraživačkog pregleda i sintetiziranje tema iz podataka. Naposljetku, raspravljamo o posljedicama i zaključcima naših nalaza u odjeljku 6.
1.1. Istraživanje odnosa između generativne umjetne inteligencije i agencije za učenike u obrazovanju
Prvo, potrebno je osloniti se na postojeće teorije agencije kako bi se kontekstualizirao naš pregled i objasnila veza između GenAI-ja i agencije. Postoji više definicija agencije u odnosu na obrazovanje, a iako studentska agencija postaje sve važnija kao područje studija, obično se naziva bez jasno definiranja [21] i kao „zujalica”, a ne kao razvijen pojam [22]. U ovom pregledu imamo pogled na agenciju koja obuhvaća kognitivne, bihevioralne i epistemičke dimenzije, budući da su svi ti oblici prisutni u novoj literaturi o GenAI i obrazovanju. U svojoj najjednostavnijoj formulaciji agencija se može smatrati sposobnošću donošenja neovisnih odluka [23] ili poduzimanja namjernih mjera [24]. Kroz ovaj rad razlikujemo agenciju učenika (sposobnost učenika za donošenje odluka i usmjeravanje vlastitog učenja), agenciju za učitelje (sposobnost nastavnika da oblikuju pedagoške odluke unutar institucionalnih i tehnoloških ograničenja) i epistemičke agencije (sposobnost sudjelovanja u izgradnji i vrednovanju znanja). Obrazovna istraživanja sugeriraju da se agencija za učenike može razviti [25] i da je poželjna, posebno jer je uključena u samoregulirano učenje, uključujući samoefikasnost, motivaciju i metakogniciju [26].
Nadalje, okruženja koja podupiru razvoj studentskih agencija bogati su prostori za učenje za učenike i nastavnike [27]. Važno je napomenuti da, iako se agencija odnosi na neovisne izbore, to je više od sposobnosti pojedinca da djeluje [28]. Agencija se nalazi kontekstualno, vremenski i intrapersonalno [29]; stoga se agencija pojavljuje u procesima društvenih odnosa [30]. Štoviše, agencija za učenje uključuje međuigru između više konstrukata, kao što su sposobnosti, priuštivost, sustavi samoregulacije i motivacija [31], a razvoj agencije može se razmotriti iz perspektive procesa, prelazeći s nemoći na osjećaj kontrole i buduće nade [32]. S konstruktivističkog stajališta, agencija za učenike potrebna je u izgradnji znanja i razvoja kompetencija, zahtijevajući od učenika da dobrovoljno uđu u Vygoskian zonu proksimalnog razvoja (ZPD), a učitelj ili instruktor da jednako uđu u ulogu skele; stoga se agencija za učenike može zajednički konstruirati između učitelja i učenika [33].
Ukratko, može se tvrditi da agencija nije statički fenomen, već se razvija i prilagođava kao odgovor na sustav, razlikuje se u svim područjima i kontekstima [31] te je međusobno povezana s našim odnosima s vanjskim okruženjem [34]; stoga se agencija može „dijeliti” [35]. Iz kritične perspektive, agencija je također ugrađena u odnose moći, na primjer, one koji postoje između nastavnika i učenika, ili u slučaju agencije za nastavnike, autonomiju koju nudi okruženje u kojem rade [36]. Agencija za vježbanje može imati značajne učinke. Moje i Lewis [37] tvrde da se učenje nalazi unutar zajednice diskursa i agencija ima potencijal transformirati sebe, osobni identitet i odnose s drugima. Zapravo, kako učenje stvara identitete, pozicionira učenike na način da mogu „preuzeti” agenciju za promjenu dominantnih diskursa, čineći agenciju ključnom za učenje [37].
Kako digitalne tehnologije, uključujući GenAI, postaju sve više ugrađene u obrazovna okruženja, pojavljuju se pitanja o tome kako ti alati utječu na djelovanje. U tu svrhu, Dwivedi i sur. [38] ističu da će posljedica povećane upotrebe umjetne inteligencije biti povećan fokus na to tko je odgovoran u slučaju pogrešaka. Ako je GenAI alat u osnovi ‘sposobni rob’ kojem delegiramo naš rad, možda nećemo moći pravilno pisati i razmišljati, čime utječemo na vlastitu agenciju. Osim toga, razlika između agencije za humanu inteligenciju i agencije za umjetnu inteligenciju privukla je značajnu istraživačku pozornost. Dattahrani i De [39] tvrde da u svijetu koji podržava umjetna inteligencija pojam agencije mora razlikovati umjetne inteligencije, ljudske i tradicionalne informacijske sustave.
Jedno od ključnih područja rasprave u ovom novorazvijenom području agencije za humanu i umjetnu inteligenciju je u pokušaju razumijevanja u kojoj mjeri GenAI sustavi mogu utjecati na djelovanje pojedinaca u obrazovanju. Istraživanja su pokazala nekoliko potencijalnih prednosti GenAI tehnologije u obrazovanju za učenike i agenciju za nastavnike. Hwang i Chen [40] tvrde da AI alati mogu voditi učenike na temelju njihove izvedbe, istovremeno poboljšavajući njihovu sposobnost razumijevanja, analize i procjene. Lashari i Umrani [41] naglasili su da bi nastavnici trebali proći obuku u modelima uz pomoć umjetne inteligencije kako bi podržali učenje usmjereno na učenike, a Lim i sur. [42] predložili su da okviri umjetne inteligencije mogu biti korisni kada uključe načela koja promiču agenciju za učenike.
Također se tvrdi da je u novim tehnologijama učenja kao što je virtualna stvarnost (VR) povećana agencija priuštivost jer može omogućiti interakciju cijelog tijela unutar digitalnog okruženja [24]. Promjena okruženja za učenje uporabom GenAI-ja može na sličan način dovesti do naknadnih učinaka na djelovanje u percepciji učenika o njihovom procesu učenja [43], a funkcionalnost usmjerena na umjetnu inteligenciju može pomoći u povećanju agencije za cjeloživotno učenje [44], pri čemu su tehnologije umjetne inteligencije posebno usmjerene na promicanje samoreguliranog i proaktivnog učenja u digitalnom kontekstu [45]. Što se tiče teoretiziranih negativnih učinaka, automatizacija učenja i obrazovanja pomoću tehnologija umjetne inteligencije izaziva zabrinutost da će sposobnost učenika da se uključe u agentsko donošenje odluka biti ograničena [46], a postoji i mogućnost da alati GenAI-ja, kao što su virtualni pomoćnici u nastavi, ometaju, ometaju ili negativno utječu na agenciju za učenike [17]. U nekim slučajevima to može značiti istovar izazovnih zadataka, na primjer, u učenju jezika, u alat GenAI, čime se zaobilazi rad potreban za postizanje ishoda učenja [47]. U slučaju pretjeranog oslanjanja na učenje poboljšano umjetnom inteligencijom, mogu utjecati na temeljne vještine pismenosti [48]. S obzirom na ove različite ideje o tome kako nove tehnologije mogu poboljšati ili umanjiti agenciju učenika, potrebno je ispitati ovo postojeće tijelo znanja kroz teorijsku leću koja se posebno može baviti pitanjima djelovanja u okruženjima digitalnog učenja.
1.2. Kritička digitalna pedagogija kao vodeći okvir
U procjeni literature o agenciji u učenju i GenAI-u odlučili smo se osloniti na načela koja se odnose na područje razvoja kritičke digitalne pedagogije (CDP). CDP tek treba biti u potpunosti definiran, ali uglavnom proizlazi iz Freireove [49] pedagogije potlačenih. Za Freire, sve obrazovanje pripada potrazi za slobodom, koja je po svojoj prirodi politička i usredotočena na pružanje studentima pojma kritičke agencije. Freire je odbacio oblike pedagogije koji su smanjili djelovanje na aktivnosti potrošača [50]. Stoga, ako učenici žive u kulturi u kojoj se njihovo obrazovanje odvija putem digitalnih alata kao što su ekrani, njihovo obrazovanje trebalo bi ih nastojati osnažiti u tom kontekstu; stoga je kritička i digitalna učionica kontekst u kojem je važna intelektualna i moralna agencija [51]. Nadalje, tehnologija se može koristiti kako bi se učenicima omogućilo da iskoriste svoju agenciju ili da im se omogući kritička analiza tehnoloških alata u obrazovnim kontekstima [52]. Istodobno, obrazovna tehnologija kritizirana je zbog svojih sustava nadzora, kontrole, iskorištavanja i vađenja učenika i nastavnika [53]. Dakle, kada govorimo o tumačenju studija iz perspektive CDP-a, nastojimo razumjeti postoje li takvi učinci i eksplicitno ih identificirati kao područja fokusa. U konačnici, CDP je relevantan okvir za ovu studiju opsega jer se u osnovi fokusira na agenciju – agenciju da zna, razumije, djeluje ili se odupre stvarnosti [54]. Ovaj objektiv pomaže nam da kritički ispitamo osnažuju li GenAI alati istinski učenike ili pojačavaju postojeće strukture moći u obrazovanju. To se povezuje sa širim sociotehničkim pristupima umjetnoj inteligenciji u društvu, u prvom planu odnosa između ljudskog djelovanja, moći i alata u digitalno posredovanim okruženjima.
- Metodologija preispitivanja
Razlog za ovaj pregled agencije i GenAI-ja je taj što je u kratkom roku od puštanja GenAI-ja u javnost sve veća upotreba ove tehnologije u obrazovnim okruženjima; međutim, do danas nijedna sveobuhvatna istraga nije istražila i mapirala dosad podnesene dokaze. Imajući to na umu, kao novu granicu u istraživanju obrazovne tehnologije, širok, istraživački i tematski pregled prikladan je prvi korak [55].
Glavni cilj ovog pregleda je istražiti, identificirati i mapirati postojeću stipendiju u vezi s utjecajem GenAI-ja na agenciju za učenike kroz prizmu CDP-a. Nadalje, cilj nam je identificirati nedostatke u trenutnoj istraživačkoj bazi i istražiti potencijal za budući istraživački program o GenAI-ju i agenciji u obrazovnom kontekstu. Vodeća pitanja za ovo istraživanje su sljedeća:
- Kako se konceptualizira odnos između GenAI-ja i agencije za učenike u akademskoj literaturi?
- Kroz prizmu kritičke digitalne pedagogije, koje su implikacije GenAI za agenciju za učenike, razmatranje pitanja moći, jednakosti i digitalne pismenosti?
Proveli smo sveobuhvatno pretraživanje koristeći četiri primarne baze podataka: Google Scholar, Scopus, Web of Science i Informativni centar obrazovnih resursa (ERIC). Ove baze podataka odabrane su zbog svojih komplementarnih prednosti i pokrivenosti polja. U tablici 1. navodi se obrazloženje za svaku odabranu bazu podataka. Pretraživanja baza podataka provedena su u listopadu 2024. AI alat Claude (Opus 4.8) korišten je tijekom pripreme rukopisa. Alat je pomogao u konceptualnoj raspravi i prijedlogu nacrta teksta. Svi znanstveni sadržaji temelje se na izvornoj sintezi, recenziranoj literaturi i stručnosti predmeta autora. AI alat nije generirao znanstveni sadržaj neovisno, već je pomogao u učinkovitom izražavanju ideja koje su autori već osmislili.
Tablica 1
Odabrane baze podataka.
| Baza podataka odabrana za pregled opsega | Obrazloženje |
| Scopus | Scopus sadrži opsežnu pokrivenost recenzirane literature u područjima uključujući informatiku, obrazovanje i obrazovnu tehnologiju. |
| Google Znanstvenik | Scholar pruža široku pokrivenost u više disciplina i uključuje sivu literaturu i preprinte, što je posebno vrijedno s obzirom na prirodu generativne umjetne inteligencije koja se brzo razvija u obrazovanju. |
| Mreža znanosti (WoS) | Web of Science sadrži visokokvalitetnu recenziranu literaturu i omogućuje nam da otkrijemo studije koje su možda propuštene u Scopusu. |
| Informativni centar za obrazovne resurse (ERIC) | Iako su mnogi ERIC resursi navedeni u gore navedenim bazama podataka, ERIC se specijalizirao za istraživanje obrazovanja i resurse, osiguravajući temeljitu pokrivenost obrazovnih studija koje možda nisu gore navedene. |
Kombinacija ovih baza podataka osigurava da se široka mreža baca na interdisciplinarna i obrazovno specifična istraživanja, bilježeći i uspostavljenu akademsku literaturu i novu stipendiju u područjima GenAI-ja i agencije u obrazovanju.
Korišten je sljedeći niz pretraživanja, koji je prilagođen za specifičnu sintaksu svake baze podataka:
(„Generativna umjetna inteligencija” ILI ‚Genai’ ILI ‚Veliki jezični model’ ILI ‚LLM’ ILI ‚ChatGPT’) I (obrazovanje ILI učenje ILI poučavanje) I („agencija za učenje” ILI ‚agencija za učenike’ ILI autonomija ILI osnaživanje)
Ti su pojmovi za pretraživanje usvojeni kako bi se osiguralo da su uključene posebne i relevantne studije, istodobno priznajući da je područje GenAI-ja i obrazovnih istraživanja nezrelo i opterećeno sinonimima i kraticama (na primjer, GenAI, Generativna umjetna inteligencija i LLM mogu vratiti relevantne rezultate). Gotovo sinonimi za agenciju, kao što su „autonomija” ili „osnaživanje”, upotrijebljeni su za pronalaženje relevantnih studija koje se nisu posebno odnosile na konstrukt agencije. Kako je prikazano u tablici 2., utvrđeni su strogi kriteriji za uključivanje, a iz pregleda su isključene studije koje nisu zadovoljile te kriterije. To je uključivalo isključenje studija koje su se usredotočile isključivo na umjetnu inteligenciju u obrazovanju bez posebnog obraćanja GenAI-ju i one koje nisu bitno raspravljale o učeniku ili agenciji za nastavnike, čak i ako je pojam „agencija” naveden neizravno ili kao jedan element u većoj studiji. Isključili smo novinske i medijske članke bez dovoljno akademskog ili teorijskog utemeljenja, sažetke konferencija bez popratnih cjelovitih radova i tehničke GenAI radove bez izričite veze s agencijom ili obrazovanjem. Siva literatura je uključena jer se polje kreće brže od stručnog pregleda: velike organizacije proizvode autoritativne smjernice koje još nisu ušle u tradicionalne kanale objavljivanja. Dokumenti osnovanih organizacija koji ispunjavaju taj standard stoga su bili prihvatljivi.
Tablica 2
Kriteriji za uključivanje.
| Kriteriji za uključivanje | Detalj |
| Vrijeme objave | Objavljeno u bilo koje vrijeme |
| Jezik | Engleski |
| Fokus | Generativna umjetna inteligencija (GenaI) i agencija za obrazovanje |
| Obrazovna razina | Sve razine obrazovanja |
| Opseg zemljopisnog podrijetla | Međunarodni (bez geografskih ograničenja) |
| Vrsta publikacije | Recenzirani članci, konferencijski radovi, preprintovi i relevantna siva literatura (npr. izvješća uglednih organizacija). |
2.1. Proces probira
Dva su recenzenta neovisno pregledala naslove i sažetke identificiranih studija prema kriterijima uključivanja i isključenja. Probir cijelog teksta proveden je za potencijalno prihvatljiva ispitivanja. S obzirom na ograničen broj studija koje su zadovoljile naše kriterije za uključivanje, nismo primijenili formalne mjere međurejterne pouzdanosti (IRR) kao što je Cohen’s Kappa. Umjesto toga, implementirali smo rigorozan pristup izgradnji konsenzusa u kojem su oba recenzenta neovisno pregledala sve radove i sastala se kako bi detaljno raspravljala o svakoj odluci. Nesuglasice su riješene kroz raspravu i savjetovanje o kriterijima za uključivanje i isključenje. Ovaj pristup, iako manje mjerljiv od formalnih mjera unutarnje stope povrata, omogućio je detaljno razmatranje relevantnosti i sadržaja svake studije u kontekstu naših istraživačkih pitanja. Za izvlačenje relevantnih informacija iz uključenih studija korištena je proračunska tablica, uključujući značajke ispitivanja, konceptualizacije agencije za učenike, metodološke pristupe i ključne nalaze, kao i sve specifične GenAI alate koji su bili dio istraživanja. Naša početna pretraživanja baza podataka na Google Scholar, Scopus, Web of Science i ERIC dala su 16 potencijalno relevantnih studija. Nakon što smo pregledali ove studije u skladu s našim kriterijima uključivanja, isključili smo četiri studije jer nisu bile potpuno relevantne za naša istraživačka pitanja i jedan duplikat zapisa. U konačnici, identificirali smo samo 11 studija u našoj kvalitativnoj sintezi, pokazujući novu i nezrelu prirodu područja u odnosu na agenciju za učenike i upotrebu GenAI-ja. Ta mala veličina uzorka ograničava općenitost, ali ostaje u skladu s ciljevima preispitivanja opsega u polju u nastajanju, pri čemu je cilj mapiranje dokaza i utvrđivanje nedostataka, a ne statistička značajnost [56, 57]. Također napominjemo da su naša pretraživanja kulturno reprezentativna za anglosferu, s pretragama ograničenim na publikacije na engleskom jeziku i oslanjaju se na baze podataka s pretežno anglofonskom, američkom i europskom pokrivenošću. Slijedom toga, svako djelo objavljeno na drugim jezicima ili indeksirano u regionalnim bazama podataka koje nisu uključene u prethodno navedeno moglo bi dovesti do nedovoljne zastupljenosti.
2.2. Grafikon podataka
Nakon postupka odabira studije, analizirali smo karakteristike 11 uključenih studija. Ovaj pododjeljak pruža pregled ovih studija, s naglaskom na ključne aspekte relevantne za naša istraživačka pitanja o GenAI i agenciji za učenike.
Sve osim jedne od uključenih studija objavljene su 2024. godine, a najnovije su objavljene 2025. godine, što ukazuje na nedavnu prirodu istraživanja u ovom području. Ukupno je devet studija bilo usmjereno na GenAI i agenciju za učenje u obrazovnim kontekstima, jedna se usredotočila na agenciju za nastavnike, a jedna na šire pojmove epistemičke agencije. U tablici . nalazi se pregled ključnih karakteristika tih ispitivanja. Većina je objavljena u recenziranim akademskim časopisima (šest studija), s tri konferencijska rada, jednim poglavljem knjige otvorenog pristupa i jednim preprintom. Studije pokrivaju niz obrazovnih konteksta, uključujući K-12, preddiplomsko obrazovanje, doktorsko obrazovanje, učenje jezika i nastavnike (bez raspona ili nastavne razine). Što se tiče metodologije, većina istraživanja bila je teorijska. Kako bi se osigurala jasnija deskriptivna sinteza korpusa, njegov se sastav može sažeti numerički: od 11 uključenih studija, šest (54,5%) bili su članci u časopisima, tri (27,3%) konferencijska rada, jedan (9,1%) poglavlje knjige otvorenog pristupa, a jedan (9,1%) preprint, dok je osam (72,7%) bilo teoretsko, a tri (27,3%) su empirijski. U skladu sa završnom fazom okvira za pregled Arkseyja i O’Malleyja [56], te su omjere prikazane kao opisna karta literature, a ne kao inferencijalna statistička analiza. Prevlast teorijskih radova sugerira da je polje još uvijek u ranoj fazi, pri čemu istraživači rade na uspostavljanju konceptualnih okvira i teorijskom razumijevanju. Međutim, empirijske studije (participativna istraživanja, ankete i eksperimenti) pokazuju da neki istraživači već prikupljaju podatke o praktičnim implikacijama Gen AI za agencije u obrazovnim kontekstima.
Tablica 3.
Ključne karakteristike studije.
| Upućivanje | Vrsta publikacije | Obrazovni kontekst | Methodology |
| Resnick [17] | Otvoreno poglavlje knjige | N/A | Theoretical paper |
| Darvishi i ostali. [46] | Članak u časopisu | Preddiplomski | Empirical study |
| Cox [58] | Članak u časopisu | Epistemička agencija | Theoretical paper |
| Frøsig i Romero [59] | Preprint | Nastavnička agencija | Theoretical paper |
| Yang i ostali. [60] | Članak u časopisu | Preddiplomski | Empirical study |
| Yan i ostali. [61] | Konferencijski postupci | Analitika učenja | Theoretical paper |
| Shum [62] | Konferencijski postupci | N/A | Theoretical paper |
| Godwin-Jones [63] | Članak u časopisu | Učenje jezika | Theoretical paper |
| Kumar i ostali. [64] | Članak u časopisu | N/A | Theoretical paper |
| Han i ostali. [65] | Konferencijski postupci | K-12 učenici, nastavnici i roditelji | Empirical study |
| Zhai [66] | Članak u časopisu | Nastavnička agencija | Theoretical paper |
2.3. Hibridna tematska analiza
Za sintezu tematskih podataka primijenjena je hibridna metodologija tematske analize. Tematska analiza uključuje prepoznavanje uzoraka unutar podataka, nakon iterativnog, refleksivnog procesa [67], a često se opisuje u šest koraka, kao što je detaljno opisano u Braunovom i Clarkeovom [68] sjemenskom radu. Međutim, nedavni rad u tematskoj analizi identificirao je da korištenje hibridnog pristupa, koji kombinira induktivnu i deduktivnu tematsku analizu, može pružiti veću metodološku strogost [69]. Slijedili smo ovaj pristup tako što smo prvo usvojili skup deduktivnih kodova koji se temelje na temeljnim načelima CDP-a kao našeg okvira za vođenje, istovremeno radeći s podacima kako bismo induktivno shvatili rukopise, tražili zajedničke skupove značenja i bavili se logičkim zaključivanjem. To predstavlja i „odozgo prema dolje” i „odozdo prema gore” pristup analizi podataka [70]. U skladu s aktualnim idejama o tematskoj analizi (TA), cilj nam je bio izbjeći generiranje pukih „tematskih sažetaka” i umjesto toga pokušali kreativno i organski kodirati podatke kako bismo prešli preko površnog pristupa [71].
Koristili smo sustavni trofazni pristup kako bismo uravnotežili deduktivne i induktivne elemente analize. To je započelo sa dva istraživača koji su zajednički razvili deduktivni okvir koristeći načela CDP-a za stvaranje početne strukture kodiranja na visokoj razini. To je poslužilo kao analitički temelj za ovu studiju. Zatim smo proveli odvojena upoznavanje podataka i pomno čitanje rukopisa. GenAI alati korišteni su za podršku kodu i triangulaciji teme. To je učinjeno unosom podataka kodiranja u sučelje Claude 3.5 Sonnet, a zatim kritičkim pregledom i unakrsnim potvrđivanjem rezultata protiv ručne analize. Prethodna istraživanja pokazala su da, iako GenAI alati možda neće biti sposobni rasuđivati na način ljudskih kodera, kao statistički softver za usklađivanje uzoraka, mogu proizvesti sofisticirane analize podataka koje mogu blisko odgovarati rezultatima ljudskih istraživača [72, 73], što ih čini prikladnima za podršku triangulaciji rezultata. Da bi to postigao, jedan je istraživač slijedio tradicionalni pristup uzimanja dopisa tijekom pomnog čitanja izvornog materijala, ručnog bilježenja i razvoja podkodova za deduktivne kodove visoke razine. Tijekom tog procesa također su identificirali daljnje induktivne oznake koje opisuju „kvalitativno bogatstvo fenomena” [74] kada se susreću sa značajnim segmentima koji nisu bili u skladu s našim postojećim analitičkim okvirom. Drugi istraživač koristio je GenAI model za analizu izvornog materijala i identificiranje deduktivnih i induktivnih kodova i podkodova na temelju dogovorene strukture kodiranja na visokoj razini. Poznate kulturne pristranosti i ograničenja GenAI izlaza [75] ublažene su oslanjanjem na ručno kodiranje i prosuđivanje i evaluaciju istraživača, koristeći alat kao pomoćni resurs, uz konačno tumačenje i sintezu koje su proveli isključivo istraživači.
U trećoj fazi usporedili smo i raspravljali o dva skupa okvira za kodiranje kako bismo identificirali sve potencijalne kodove koji nedostaju i podkofove. Nakon što je razvijen dogovoreni skup kodova i podkodova, oba istraživača (jedan od njih podržan je GenAI alatom). Završna rasprava i usporedba tema pomogli su riješiti razlike između naših nalaza i iterativno i refleksno poboljšati naše ukupne teme.
- Rezultati
Naš pregled otkrio je složen i ograničen broj istraživanja o ulozi GenAI-ja u agenciji učenika i nastavnika. Nalazi koje predstavljamo predstavljaju istraživački prvi korak u ovom području, utvrđujući relevantne nedostatke, a da pritom ne donosi konačne zaključke. Unatoč malom broju prihvatljivih studija za pregled, uspjeli smo razviti nekoliko tema koje postavljaju kritična pitanja o budućnosti učenja u okruženjima poboljšanim GenAI-jem iz perspektive CDP-a. Naša analiza rezultirala je izlaskom triju tema koje su nam pomogle u interpretaciji podataka iz pregleda: kontrola u digitalnim prostorima, varijabilni angažman i pristup te promjena pojmova agencije. Sažetak tih tema i njihovih opisa prikazan je u tablici 4.
Tablica 4
Razvio teme.
| Tema | Opis | Example |
| Kontrola u digitalnim prostorima | Ova se tema odnosi na pregovore o moći i autoritetu u obrazovnim okruženjima vođenim generativnom umjetnom inteligencijom (GenaI), u kojima se redefiniraju tradicionalne uloge i mehanizmi kontrole. | ‘There is an opportunity to consider HI (Hybrid Intelligence) to offer a potential answer in a system designed to give teachers (i) the power to act, (ii) the power to affect matters, (iii) the power to make decisions and choices, and (iv) the power to take a stance’ [59]. |
| Promjenjivi angažman i pristup | Ova tema obuhvaća obrasce raznolikog angažmana s GenAI-jem u obrazovanju, koje karakteriziraju različite razine pristupa, upotrebe i sudjelovanja učenika. | ‘By analyzing student interviews conducted pre- and post-course, alongside their chat logs with GenAI and reflective journal entries detailing their learning approaches, the research uncovers a spectrum of student perspectives on GenAI’s impact, ranging from beneficial optimism, to cautious skepticism and adaptable pragmatism’ [60]. |
| Promjena pojmova agencijskih i ljudskih AI hibrida | Ova se tema odnosi na promjenjive načine na koje učenici uključuju kritične sposobnosti i strateške pristupe korištenju GenAI-ja u obrazovanju. | ‘For example, some students may use GenAI tools to improve the grammar and presentation of their reflective writing, while others may ask these tools to generate the entire reflective assessment, undermining the educational purpose of such tasks’ [61]. |
U tablici 5. prikazano je mapiranje po studiji, u kojem se navodi koja je od te tri teme obrađena u svakoj od 11 uključenih studija, zajedno s približnim frekvencijama za svaku temu. Oni su izraženi kao udjeli u 11 uključenih studija. Kontrola u digitalnim prostorima pojavljuje se u pet (45,5%), promjenjivom angažmanu i pristupu u šest (54,5%) i mijenjajući pojmove agencije u sedam (63,6%). Budući da su teme ne međusobno isključive, svaka pojedinačna studija može doprinijeti više od jedne teme, a proporcije kao rezultat toga iznose više od 100%.
Tablica 5
Po studiju mapiranje tema.
| Upućivanje | Kontrola u digitalnim prostorima | Promjenjivi angažman i pristup | Promjena pojma agencije |
| Resnick [17] | ✓ | ||
| Darvishi i ostali. [46] | ✓ | ||
| Cox [58] | ✓ | ||
| Frøsig i Romero [59] | ✓ | ✓ | ✓ |
| Yang i ostali. [60] | ✓ | ✓ | |
| Yan i ostali. [61] | ✓ | ✓ | |
| Shum [62] | ✓ | ||
| Godwin-Jones [63] | ✓ | ✓ | |
| Kumar i ostali. [64] | ✓ | ||
| Han i ostali. [65] | ✓ | ✓ | |
| Zhai [66] | ✓ | ✓ | |
| Frekvencija | 5 | 6 | 7 |
| % studija (N = 11) | 45,5% | 54,5% | 63,6% |
3.1. Kontrola u digitalnim prostorima
Ova se tema odnosi na poduzimanje djelovanja u digitalnim prostorima i način na koji učenici donose agentske odluke o tome kako koristiti GenAI. Napomenuli smo da se literatura snažno usredotočila na to kako i zašto se učenici mogu uključiti u posebne radnje učenja, kao što su podnošenje posla, izrada nacrta ili pregled. Na primjer, okvir Yang i sur. [60] nastojao je razumjeti kako učenici vrše kontrolu kada koriste GenAI alate i napomenuo da učenici pokazuju različita ponašanja, uključujući hoće li odbiti upotrebu takvih alata ili ih integrirati s različitim metodama i tehnikama. Oni koji su koristili alate najučinkovitije su sjedili na „reflektirajućem” kraju spektra i mogli su pokazati ključne vještine kao što su introspekcija, refleksija i procjena. Ovaj pristup je u skladu s Bearman i sur. [76] pojam evaluativne prosudbe kao bitnog alata za budućnost. Zabilježili smo malo rasprave o potencijalnim ograničenjima koja GenAI alati mogu postaviti agenciji za učenike. Može se pitati stvaraju li ograničenja alata GenAI, na primjer, njihovo kulturno znanje [75] ili potencijal za manipulaciju [19], uvjete koji ograničavaju djelovanje učenika i ograničavaju njihove izbore za obavljanje akademskih zadataka.
3.2. Promjenjivi angažman i pristup
Potencijal GenAI-ja da pogorša obrazovne nejednakosti zabrinjavajući je koji se pojavio tijekom našeg pregleda i zabilježen je u literaturi. To je u skladu sa širim razmišljanjem o odnosu između umjetne inteligencije i obrazovanja, što pretpostavlja da nejednak pristup može pogoršati digitalno siromaštvo i potaknuti jaz između onih sa i bez pristupa GenAI-ju [10]. Primjer za to odnosi se na pristup: ako GenAI pristup koristi agenciji za učenike, tada studenti u zemljama koje imaju manji pristup najnovijim GenAI modelima mogu relativno iskoristiti manje pogodnosti u svom obrazovnom procesu. U našem pregledu pronašli smo podatke koji podupiru svijest da ograničeni pristup GenAI alatima može ograničiti agenciju za učenike, ali i da je otpor njihovoj upotrebi moguć. Shum [62], na primjer, upozorava da nedostaci s kojima se suočavaju oni koji ne mogu ili ne žele koristiti AI alate naglašavaju rizik od stvaranja novih oblika digitalnog jaza. Frøsig i Romero [59] također su istaknuli da je u domeni agencije za nastavnike važno prepoznati da GenAI može proširiti digitalni jaz među učenicima koji si mogu i ne mogu priuštiti pristup alatima umjetne inteligencije.
Daljnji dokazi na kojima se temelji ova tema dolaze od Yan i sur. [61], koji predviđaju svijet u kojem bogati učenici mogu doživjeti dinamičniji i personaliziraniji sadržaj za učenje od manje bogatih učenika. Nasuprot tome, Godwin-Jones [63] tvrdi suprotno, uokvirujući AI alate kao način za smanjenje društvenih i jezičnih nejednakosti, na primjer, za one s nižom razinom znanja engleskog jezika. Stoga je mjera u kojoj GenAI može utjecati na agenciju poboljšanjem ili pogoršanjem obrazovnih nejednakosti tema od jasnog interesa za literaturu, što nas je dovelo do razvoja ove teme. Iz perspektive CDP-a, ova se tema snažno odnosi na pitanja jednakosti, moći i potencijalnih društvenih učinaka GenAI-a na agenciju za učenike.
3.3. Promjena pojmova agencijskih i ljudskih AI hibrida
Treća tema koju smo razvili u okviru našeg pregleda temelji se na konceptu agencije u okruženjima za učenje poboljšanim GenAI-jem koja prolaze kroz pomak. To ukazuje na to da se agencija percipira kao da se razvija kako bi uključila neljudske GenAI tehnologije. Ideja da je agencija „zajednička” [35] nije nova, a agencija je povezana s vanjskim okruženjem [34]. Međutim, agencija u razdoblju GenAI-ja sada se može dijeliti između ljudskih i neljudskih tehnologija, kako je predložio Godwin-Jones [63]. Slično tome, kao što tvrde Dattahrani i De [39], agencija sada mora biti podijeljena između AI aktera i ljudi, a AI alati kao što je ChatGPT možda će moći izložiti agenciju (ili se barem čini da to čini) [77]. Iz perspektive CDP-a, to postavlja pitanja o tome trebaju li se pojedinci oduprijeti oduzimanju agencije strojevima.
Imajući to na umu, potrebno je više rada kako bi se točno opisala razina agencije koju možemo pripisati GenAI alatima i imaju li neki privid agentskog ponašanja ili su samo “sposobni rob” [38]. Iz perspektive CDP-a, rekonceptualizacija pojmova agencije i kome pripada dio je šireg ispitivanja odnosa moći svojstvenih okruženjima za učenje, posebno onih koji su digitalno poboljšani. To je u skladu s Coxovom [58] analizom epistemičke agencije koja se razvija u obrazovanju poboljšanom umjetnom inteligencijom, gdje tvrdi da se tradicionalni pojmovi učenika kao „tvoraca” znanja osporavaju novim konceptualizacijama učenika kao „upravitelja” informacija ili čak kao „informacijskih organizama” (informacija) ugrađenih u sustave umjetne inteligencije. Ako se GenAI alati koriste ne samo kao alati, već i kao aktivniji sudionici u procesu učenja i izgradnji znanja, tada vidimo veću priliku za vrste ‘isprepletenosti’ između ljudskih i neljudskih aktera, kako je opisao Kumar i sur. [64]. To sugerira da se moraju razviti novi okviri kako bi se razumjelo kako agencija djeluje u hibridnim okruženjima za suradničko učenje za ljude i AI. Oni moraju uzeti u obzir i algoritamska načela donošenja odluka GenAI alata i namjerno djelovanje ljudskih odgajatelja i učenika.
- Rasprava
Naš pregled literature o GenAI i agenciji za učenje u obrazovanju, pregledan kroz prizmu kritičke digitalne pedagogije (CDP), rezultirao je razvojem tri teme koje nose implikacije za buduća istraživanja u ovom području. Naš novi konceptualni doprinos je korištenje CDP leće za istraživanje nove i fragmentirane literature o GenAI-u u agenciji, a istovremeno razlikuje studenta, učitelja i epistemičku agenciju kao različite domene.
Fokus na kontrolu učenika i potencijal za osnaživanje ili smanjenje agencije učenika ponovio se tijekom cijele literature. Na primjer, Resnick [17] je izjavio da AI učitelji mogu obeshrabriti ili ometati proces učenja. Iz perspektive CDP-a, to zahtijeva dodatnu pozornost – priroda mnogih EdTech alata vođenih umjetnom inteligencijom i želja za profitom znače da će se vjerojatno naglasiti sve koristi za učenje, dok će se mogućnost otpuštanja vjerojatno umanjiti u komercijalnoj fazi. Stoga je od vitalne važnosti provesti nepristrane, neovisne studije o tome imaju li takvi alati osnažujući, obeshrabrujući ili mješoviti učinak na agenciju za učenike. Sa stajališta CDP-a, asimetrije moći koje su u srži pitanja usvajanja GenAI zaslužuju pažnju. Način na koji se modeli obučavaju, razvijaju i komercijalno koriste u obrazovanju od strane malog broja tehnoloških korporacija predstavlja rizike za nastavnike i studente, učinkovito ih tretirajući kao potrošače, a ne kao koproducente digitalnih okruženja. Ova nejednakost je strukturna i mogla bi riskirati daljnje učvršćivanje postojećih hijerarhija u obrazovanju. Konkretno, one marginalizirane skupine s malo moći nad tehnologijama koje se koriste i koriste u kontekstu učenja mogu najviše patiti.
Još jedno otkriće koje je proizašlo iz našeg pregleda je način na koji GenAI može doprinijeti preoblikovanju vlasništva znanja i izgradnje u obrazovnim okruženjima. Na primjer, Han i sur. [65] primijetili su da su među 8-12-godišnjim studentima, kada su sudjelovali u GenAI-u u zadatku pripovijedanja, mnogi jednostavno kopirali i zalijepili izlaze izravno iz GenAI alata bez ikakvih izmjena. Proširujući ovu zabrinutost na agenciju za učitelje, Zhai [66] pokazuje da percepcija, prihvaćanje, znanje i prakse nastavnika oblikuju kako se uloge nastavnika i agencija rekonfiguriraju u eri GenAI-ja. Ovo je zabrinjavajuće pitanje u odnosu na agenciju, intelektualni angažman i autonomiju kojoj se zalaže CDP. Međutim, razlozi za to i predstavlja li to smanjenje agencije zahtijevaju daljnja istraživanja. Naš Cochrane sustavni pregled također je istaknuo da su postojeće studije priznale i raspravljale o potencijalu GenAI-ja za pogoršanje postojećih društvenih i obrazovnih nejednakosti. Shum [62], na primjer, upozorio je da bi profesionalci koji ne mogu ili ne žele koristiti AI alate mogli smatrati nemogućim zadovoljiti produktivnost onih koji prihvaćaju AI alate, stvarajući tako nepravedno okruženje za one sa sposobnošću i pristupom i one bez. Međutim, neke studije istaknule su GenAI-jev potencijal za povećanu personalizaciju, što bi se moglo uskladiti s naglaskom CDP-a na obrazovanje usmjereno na učenike ako se kritički provede. Potreba za etičkim okvirima i odgovornom upotrebom umjetne inteligencije u obrazovanju bio je još jedan ponavljajući obrazac u podacima. Na primjer, Yan i sur. [61] istaknuli su važnost transparentnosti u korištenju umjetne inteligencije, usklađujući se s naglaskom CDP-a na demistifikaciji digitalnih alata i procesa.
Naša analiza otkrila je tendenciju binarnog pogleda na umjetnu inteligenciju generacije u agenciji za učenike i nastavnike kao zadržavanje fiksnog skupa „prednosti” i „izazova”. Međutim, takve vrijednosne prosudbe vjerojatno ovise o kontekstu u kojem se upotreba odvija i višestruka je po prirodi, nadilazeći ovaj dihotomni pogled. Primjer ovog nijansiranog razumijevanja dolazi od Kumara [64], koji je osporio pojam GenAI-a koji neizbježno transformira obrazovanje, naglašavajući da su ljudski životi neizbježno zapleteni u više alata povezanih s neljudskim učenjem. Ta je perspektiva u skladu s CDP-ovim pogledom na tehnologiju kao zapletenu u društveni i kulturni kontekst. Ovi nalazi pokazuju razvojnu sliku GenAI za agenciju učenika u obrazovanju. Promatrano kroz prizmu CDP-a, postoji hitna potreba za kritičkom suradnjom s ovim tehnologijama, razvojem rafiniranih digitalnih pismenosti i pažljivim razmatranjem etičkih implikacija. Istodobno, nejasna ravnoteža između potencijalnih koristi i rizika GenAI-ja predstavlja značajne izazove za istraživače, nastavnike i kreatore politika.
Slika 1 pokazuje kako obrazovni konteksti posredovani GenAI-jem stupaju u interakciju s tri tematska nalaza utvrđena u pregledu. Koristeći CDP objektiv kao način istraživanja, identificiramo kako se agencija za učenike može poboljšati, preraspodijeliti ili ograničiti ovisno o odnosima moći, pristupu, digitalnoj pismenosti, pedagoškom dizajnu i institucionalnim uvjetima.
Slika 1.
Konceptualna sinteza generativne umjetne inteligencije (GenaI) i agencije za učenike kroz kritičnu digitalnu pedagogijsku leću. Čvrste strelice prikazuju izravne veze, isprekidana strelica pokazuje potencijalne buduće promjene. CDP: kritička digitalna pedagogija.
4.1. Ograničenja
Iako ovaj pregled pruža uvid u sjecište GenAI-ja i agencije za učenike i nastavnike u obrazovanju, postoji nekoliko ograničenja koja utječu na tumačenje i replikaciju naših nalaza. Područje GenAI-ja u obrazovanju brzo se razvija, a sve osim jedne od uključenih studija objavljenih 2024. (i najnovije 2025.), sugerirajući da se ova tema tek počinje istraživati. Slijedom toga, dugoročni učinci i trendovi još nisu vidljivi. Nadalje, mogućnosti GenAI alata napreduju takvom brzinom da će se svaki potencijalni utjecaj na agenciju vjerojatno promijeniti kako nove mogućnosti i oblici GenAI-a postanu dostupni. Korištenje GenAI alata (Claude 3.5 Sonnet) u našem procesu analize, iako je usmjereno na poboljšanje identifikacije podkodova i podržavanje stvaranja tema, moglo je uvesti nepredviđene pristranosti ili ograničenja u tumačenju podataka. Pri tumačenju rezultata treba uzeti u obzir mogućnosti i ograničenja korištenog AI modela. Kako bi podržali ponovljivost, oba istraživača neovisno su procijenila kodove i prijedloge tema generiranih modelom. Svako tumačenje s kojim se oba autora nisu u potpunosti složila isključeno je iz istraživanja. Također napominjemo da postoji jasna epistemološka napetost u eksperimentalnom korištenju GenAI za proučavanje utjecaja GenAI u obrazovanju. Jedan od alata koji se istražuje je i istraživački instrument; to može oblikovati analitičku leću jer je primijenjena na podatke. Priznajemo ovu zabrinutost i ističemo da je GenAI upotreba u ovoj studiji bila podržavajuća i trokutasta, sa svim konačnim tumačenjima koja su napravili isključivo ljudski istraživači.
Značajno ograničenje je dominacija teorijskih studija u identificiranim podacima. Iako pružaju zanimljive uvide, rasprave i razmatranja o tome kako bi se agencija mogla promijeniti u odnosu na GenAI, nedostatak praktičnih primjena i empirijskih studija otežava mjerenje uspjeha teorijskih modela u odnosu na stvarne primjene. Konačno, naš je sustavni pregled uključivao mali broj studija, što ograničava širinu i dubinu naše analize. Međutim, identificirajući ključna pitanja koja trenutno podupiru ovu temu, pregled bilježi snimku trenutnih zabrinutosti u vezi s GenAI-jem i agencijom u obrazovanju. S obzirom na nedavnu pojavu GenAI tehnologija u obrazovanju, našem pregledu nedostaje longitudinalna perspektiva o evoluciji odnosa između GenAI-ja i agencije za učenike tijekom vremena.
Dok CDP pruža vrijednu teorijsku leću, operacionalizacija njegovih načela u kontekstu GenAI-a i agencije za učenike predstavlja izazove za edukatore. Tumačenje i primjena CDP koncepata može varirati od jednog istraživača do drugog. Kao i kod svakog pregleda, postoji rizik od pristranosti objavljivanja jer je vjerojatnije da će studije s pozitivnim ili značajnim nalazima biti objavljene i uključene u naš pregled. S obzirom na teoretsku prirodu većine identificiranih radova, to vjerojatno neće biti značajno ograničenje.
- Zaključci
Naš pregled otkriva da se trenutno studije o agenciji za učenike i GenAI-ju usredotočuju na pitanja kontrole, pristupa, angažmana i istraživanja promjenjivog pojma agencije. Gledano kroz leću CDP-a, naši nalazi sugeriraju da su potrebna daljnja istraživanja o dinamici snage u igri kada se GenAI implementira kako bi se poboljšala agencija za učenike. Potičemo kritička istraživanja koja dovode u pitanje pretpostavku da će tehnologija po svojoj prirodi poboljšati učenje i poboljšati djelovanje učenika i nastavnika, kao i uzdužne studije koje mogu procijeniti učinke na agenciju tijekom vremena i povezati ove nalaze sa širim društvenim implikacijama o kojima se gore raspravlja. Iz praktične perspektive, nastavnici bi trebali kritički razmotriti relevantnost i potrebu za integracijom GenAI tehnologija u obrazovanje i razmisliti o tome ima li takva upotreba mogućnost ograničavanja ili poboljšanja agencije. Naša otkrića pozivaju na daljnji angažman na institucionalnoj razini kako bi vlade i kreatori politika ozbiljno shvatili potencijalne implikacije promjenjivog pojma agencije u obrazovnom okruženju koje podržava umjetna inteligencija generacije. Kako bismo unaprijedili ovo područje, predlažemo da se buduća empirijska istraživanja usredotoče na tri ključna prioriteta: (1) studije koje dodatno ispituju teme kontrole, pristupa i hibridne agencije kroz empirijske i kvazieksperimentalne pristupe; (2) komparativni pristupi u različitim obrazovnim kontekstima i regijama za istraživanje uloge kulturnih i socioekonomskih čimbenika, te (3) longitudinalne studije koje ispituju promjene u djelovanju tijekom trajnih razdoblja upotrebe GenAI.
Konačno, napominjemo da su pitanja u vezi s etičkim odgovornostima nastavnika i učenika te epistemičkim povjerenjem razlog za zabrinutost. Te tehnologije nisu objektivni entiteti; postoje u složenim mrežama društvenih, kulturnih i gospodarskih odnosa. Slijedom toga, korištenje GenAI tehnologija u obrazovnim okruženjima može dovesti do dugoročnog restrukturiranja pojmova oko agencije i pridonijeti oblikovanju novih kulturnih normi u pogledu vlasništva, autorstva i individualnih kompetencija. Iako se naš pregled prvenstveno usredotočuje na obrazovne kontekste, može se nalaziti unutar šire zabrinutosti zbog učinaka GenAI-ja na društvo u cjelini i promjenjivih odnosa između ljudi i strojeva.
Priznanja
Autori priznaju upotrebu AI alata Claude (Opus 4.8) za uređivanje jezika. Alat je primijenjen za poboljšanje jasnoće i znanstvenog tona, a autori su pažljivo pregledali i potvrdili sve izmjene kako bi osigurali točnost, usklađenost s akademskim standardima i integritet istraživanja. Autori u potpunosti podržavaju pridržavanje smjernica COPE-a o umjetnoj inteligenciji u etici objavljivanja u potpunosti i potvrđuju da se ovom uporabom upravlja odgovorno i etički.
Financiranje
Ovo istraživanje nije dobilo vanjska sredstva.
Prilozi autora
Konceptualizacija, J.R.; metodologija, J.R. i M.P.; službena analiza, J.R. i M.P.; istraga, J.R. i M.P.; kuriranje podataka, J.R.; pisanje – originalni nacrt pripreme, J.R. i M.P.; pisanje – pregled i uređivanje, J.R. i M.P. Svi su autori pročitali i pristali na objavljenu verziju rukopisa.
Sukob interesa
Autori izjavljuju da nemaju konkurentske interese.
Izjava o dostupnosti podataka
U ovom istraživanju nisu stvoreni ili analizirani novi podaci. Razmjena podataka nije primjenjiva na ovaj članak.
Napomena izdavača
Academia.edu Journals ostaje neutralan u pogledu zahtjeva za jurisdikciju u objavljenim kartama i institucionalnim vezama. Sve tvrdnje izražene u ovom članku isključivo su tvrdnje autora i ne predstavljaju nužno one njihovih povezanih organizacija, ili onih izdavača, urednika i recenzenata. Bilo koji proizvod koji se može ocijeniti u ovom članku ili tvrdnja koju može podnijeti njegov proizvođač nije zajamčen ili potvrđen od strane izdavača.
Upućivanja
1
Deng R, Jiang M, Yu X, Lu Y, Liu S. Poboljšava li ChatGPT učenje učenika? Sustavni pregled i meta-analiza eksperimentalnih studija. Računski odgoj. 2025; 227: 105224. doi: 10.1016/j.compedu.2024.105224
2
Furze L, Perkins M, Roe J, MacVaugh J. Skala procjene umjetne inteligencije (AIAS) na djelu: pilot-provedba procjene koju podržava GenAI. Australas J Educ Technol. 2024.; 40 (4): 38–55. doi: 10.14742/ajet.9434
3
Perkins M, Furze L, Roe J, MacVaugh J. Skala procjene umjetne inteligencije (AIAS): okvir za etičku integraciju generativne umjetne inteligencije u obrazovnu procjenu. J Univ Teach Naučiti Prakt. 2024.; 21. (6): 1–18. doi: 10.53761/q3azde36
4
Roe J, Perkins M, Ruelle D. Je li GenAI budućnost povratnih informacija? Razumijevanje perspektive studenata i osoblja o umjetnoj inteligenciji u procjeni. Intel Technol Educ. 2026; 1 (1). doi: 10.53761/ITED/1.7
5
Kasneci E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer F, i sur. ChatGPT za dobro? O mogućnostima i izazovima velikih jezičnih modela za obrazovanje. EdArXiv. 2023. doi: 10.35542/osf.io/5er8f
6
Zhai X, Chu X, Chai CS, Jong MSY, Istenic A, Spector M, i sur. Pregled umjetne inteligencije (AI) u obrazovanju od 2010. do 2020. Složenost. 2021.; 2021. (1): 8812542. doi: 10.1155/2021/8812542
7
Fui-Hoon Nah F, Zheng R, Cai J, Siau K, Chen L. Generativna umjetna inteligencija i ChatGPT: aplikacije, izazovi i suradnja između umjetne inteligencije i čovjeka. J Inf Technol Slučaj Appl Res. 2023.; 25 (3): 277–304. doi: 10.1080/15228053.2023314
8
Karataş F, Eriçok B, Tanrikulu L. Preoblikovanje prilagodbe kurikuluma u doba umjetne inteligencije: mapiranje obrazaca prilagodbe kurikulama vođenih umjetnom inteligencijom nastavnika. Br Educ Res J. 2025.; 51. (1): 154–80. doi: 10.1002/berj.4068
9
Yan L, Sha L, Zhao L, Li Y, Martinez-Maldonado R, Chen G, i sur. Praktični i etički izazovi velikih jezičnih modela u obrazovanju: sustavni pregled opsega. Br J Educ Technol. 2024.; 55 (1): 90–112. doi: 10.1111/bjet.13370
10
Miao F, Holmes W. Smjernice za generativnu umjetnu inteligenciju u obrazovanju i istraživanju. Pariz, Francuska: UNESCO; 2023.
11
Haker P, Mittelstadt B, Borgezije FZ, Wachter S. Generativna diskriminacija: što se događa kada generativna umjetna inteligencija pokazuje pristranost i što se može učiniti u vezi s tim. arXiv. 2024. doi: 10.48550/arXiv.2407.10329
12
Kwak Y, Pardos ZA. Premošćivanje razlika velikih jezičnih modela: označavanje vještina višejezičnog obrazovnog sadržaja. Br J Educ Technol. 2024.; 55 (5): 2039–57. doi: 10.1111/bjet.13465
13
Pamučni DRE, pamučni PA, brodovnica JR. Razgovor i varanje: osiguravanje akademskog integriteta u eri ChatGPT-a. Innov Educ Naučiti U. 2023.; 61. (2): 228–39. doi: 10.1080/14703297.2023.2190148
14
Perkins M. Razmatranja akademskog integriteta AI velikih jezičnih modela u razdoblju nakon pandemije: ChatGPT i šire. J Univ Teach Naučiti Prakt. 2023.; 20. (2): 1–24. doi: 10.53761/1.20.02.07
15
Rudolph J, Tan S, Tan S. ChatGPT: sranje sperwer ili kraj tradicionalnih procjena u visokom obrazovanju? J Appl Naučite Naučiti. 2023.; 6 (1): 342–63. doi: 10.37074/jalt.2023.6.6.1.9
16
Messeri L, Crockett MJ. Umjetna inteligencija i iluzije razumijevanja u znanstvenim istraživanjima. Priroda. 2024.; 627 (8002): 49–58. doi: 10.1038/s41586-024-07146-0
17
Resnick M. Generativna umjetna inteligencija i kreativno učenje: brige, prilike i izbori. Istraživanje MIT-a za generativnu umjetnu inteligenciju. 27. ožujka 2024. doi: 10.21428/e4baedd9.cf3e35e5
18
Rus V, Kendeou P. Jesu li LLM-ovi zapravo dobri za učenje? AI Soc. 2025.; 40 (7): 5617–8. doi: 10.1007/s00146-025-02323-9
19
Ferrara E. GenAI protiv čovječanstva: podle primjene generativne umjetne inteligencije i velikih jezičnih modela. J Comput Soc Sci. 2024; 7 (1): 549–69. doi: 10.1007/s42001-024-00250-1
20
Roe J, Perkins M, Furze L. Deepfakes i visoko obrazovanje: istraživački program i pregled sintetičkih medija. J Univ Teach Naučiti Prakt. 2024.; 21 (10): 1–22. doi: 10.53761/2y2np178
21
Stenalt MH, Lassesen B. Koristi li studentska agencija učenju učenika? Sustavni pregled istraživanja visokog obrazovanja. Procijenite Eval Visoki Educ. 2022.; 47 (5): 653–69. doi: 10.1080/02602938.2021.19678774
22
Inouye K, Lee S, Oldac YI. Sustavni pregled studentske agencije u međunarodnom visokom obrazovanju. Visoko Educ. 2023.; 86 (4): 891–911. doi: 10.1007/s10734-022-00952-3
23
Campbell E. Nastavnička agencija u nastavnim okvirima. Kurikultan Inq. 2012; 42 (2): 183–90. doi: 10.1111/j.1467-873X.2012.00593.x
24
McGivney E. Interaktivnost i identitet utječu na osjećaj djelovanja učenika u virtualnoj stvarnosti. Br J Educ Technol. 2025.; 56 (1): 410–34. doi: 10.1111/bjet.13513
25
-Ahn T. Agencija za učenje i korištenje pristupačnosti u interakcijama razmjene jezika. Lang Interkultira Komun. 2016; 16 (2): 164–81. doi: 10.1080/1470847.2015.1125911
26
Xiao J. Agencija za učenje jezika: priča o učeniku na daljinu EFL-a u Kini. Udaljenost Educ. 2014; 35 (1): 4–17. doi: 10.1080/01587919.2014.891429
27
Vaughn M. Što je studentska agencija i zašto je sada potrebna više nego ikad? Teorijski Praks. 2020.; 59 (2): 109–18. doi: 10.1080/00405841.2019.1702393
28
Chisholm JS, Alford J, Halliday LM, Cox FM. Nastavnička agencija za učenje engleskog jezika: pregled literature. Engleski Učiti Praktični Crit. 2019.; 18 (2): 124–52. doi: 10.1108/ETPC-05-2019-0080
29
Manyukhina Y, Wyse D. Agencija za učenje i nastavni plan i program: kritička realistička perspektiva. Kurikura J. 2019.; 30 (3): 223–43. doi: 10.1080/09585176.2019.159973
30
Biesta G, Priestley M, Robinson S. Uloga uvjerenja u agenciji za nastavnike. Naučite Učiti. 2015.; 21. (6): 624–40. doi: 10.1080/13540602.2015.1044325
31
Mercer S. Razumijevanje agencije za učenike kao složenog dinamičkog sustava. Sustav. 2011.; 39 (4): 427–36. doi: 10.1016/j.sustav.2011.08.001
32
Blair DV. Agencija za učenje: razumjeti i razumjeti. Br J Glazbeni Educ. 2009; 26 (2): 173–87. doi: 10.1017/S0265051700008420
33
Hempel-Jorgensen A. Agencija za učenje i socijalna pravda: što kreativna pedagogija može doprinijeti socijalno pravednim pedagogijama? Pedagog kult Soc. 2015; 23 (4): 531–54. doi: 10.1080/1468136.2015.1082497
34
Rappa NA, Tang K. Studentska agencija: analiza umreženih odnosa studenata u neformalnim i formalnim područjima učenja. Res Sci Educ. 2017; 47 (3): 673–84. doi: 10.1007/s11165-016-9523-0
35
Yang Y, Chen Q, Yu Y, Feng X, Aalst J. Kolektivna refleksivna procjena za zajedničku epistemičku agenciju od strane studenata iz zgrade znanja. Br J Educ Technol. 2020.; 51. (4): 1136–54. doi: 10.1111/bjet.12909
36
Rodriguez GM. Moć i djelovanje u obrazovanju: istraživanje pedagoških dimenzija sredstava znanja. Rev Res Educ. 2013; 37 (1): 87–120. doi: 10.3102/0091732X12462686
37
Moje EB, Lewis C. Ispitivanje mogućnosti učenja pismenosti: uloga kritičkog istraživanja sociokulturne pismenosti. New York, NY, SAD: Routledge; 2007.
38
Dwivedi YK, Kshetri N, Hughes L, Slade EL, Jeyaraj A, Kar AK, i sur. Članak o mišljenju: “Pa što ako ga je ChatGPT napisao?” Multidisciplinarne perspektive o prilikama, izazovima i implikacijama generativne konverzacijske umjetne inteligencije za istraživanje, praksu i politiku. Int J Inf Manag. 2023.; 71: 102642. doi: 10.1016/j.ijinfomgt.2023.102642
39
Dattathrani S, De’ R. Koncept djelovanja u eri umjetne inteligencije: dimenzije i stupnjevi. Inf Syst Front. 2023.; 25 (1): 29–54. doi: 10.1007/s10796-022-10336-8
40
Hwang G, Chen N. Rad o uredničkom stajalištu: istraživanje potencijala generativne umjetne inteligencije u obrazovanju: aplikacije, izazovi i budući istraživački smjerovi. Educ Technol Soc. 2023; 26 (2): i–xviii. doi: 10.30191/ETS.202304_26(2).0014
41
Lashari AA, Umrani S. Ponovno osmišljavanje jezika za samostalno učenje u doba umjetne inteligencije: sustavni pregled. Grassroots. 2023.; 57 (1): 92–114.
42
Lim WM, Gunasekara A, Pallant JL, Pallant JI, Pechenkina E. Generativna umjetna inteligencija i budućnost obrazovanja: Ragnarök ili reformacija? Paradoksalna perspektiva odgojitelja menadžmenta. Int J Manag Educ. 2023; 21 (2): 100790. doi: 10.1016/j.ijme.2023.100790
43
Li B, Bonk CJ, Wang C, Kou X. Rekonceptualizacija samostalnog učenja u eri generativne umjetne inteligencije: istraživačka analiza učenja jezika. IEEE Trans Learn Technol. 2024.; 17: 1515–29. doi: 10.1109/TLT.2024.3386098
44
Poquet O, De Laat M. Razvijanje sposobnosti: cjeloživotno učenje u doba umjetne inteligencije. Br J Educ Technol. 2021.; 52. (4): 1695–708. doi: 10.1111/bjet.13123
45
Ng DTK, Tan CW, Leung JKL. Osnaživanje studentskog samoreguliranog učenja i znanstvenog obrazovanja kroz ChatGPT: pionirski pilot studij. Br J Educ Technol. 2024.; 55. (4): 1328–53. doi: 10.1111/bjet.13454
46
Darvishi A, Khosravi H, Sadiq S, Gašević D, Siemens G. Utjecaj AI pomoći na studentsku agenciju. Računski odgoj. 2024.; 210: 104967. doi: 10.1016/j.compedu.2023.104967
47
Roe J, O’Sullivan D, Arumynathan P, Kappen B. Parafraza ili plagijat? Istraživanje korištenja izvornog materijala studenata EAP-a u transnacionalnom sveučilišnom kontekstu. J Appl Naučite Naučiti. 2024.; 7 (2): 1–14. doi: 10.37074/jalt.2024.7.2.11
48
Kılıçkaya F, Kic-Drgas J. Budućnost podučavanja: AI kao rastuća sila. AI Soc. 2025.; 40. (8): 6489–90. doi: 10.1007/s00146-025-02356-0
49
Freire P. Pedagogija potlačenih. New York, NY, SAD: Routledge; 1978.
50
Giroux HA. Preispitivanje obrazovanja kao prakse slobode: Paulo Freire i obećanje kritičke pedagogije. Politika Budućnosti Educ. 2010.; 8 (6): 715–21. doi: 10.2304/pfie.2010.8.6.715
51
Rorabaugh P. Zauzmite digitalno: kritičku pedagogiju i nove medije. Hibridna pedagogija. 6. kolovoza 2012. Dostupno od: https://hybridpedagogy.org/occupy-the-digital-critical-pedagogy-and-new-media/
52
Masood MM, Haque MM. Od kritičke pedagogije do kritičke digitalne pedagogije: budući model za EFL učionice. Saudijski J Lang Stud. 2021.; 1. stavak 1.: 67–80. doi: 10.1108/SJLS-03-2021-0005
53
Vote A. Maggiena farma digitalnog sadržaja. U: Jessifer, prijatelj C, Morris SM, urednici. Kritička digitalna pedagogija: zbirka. Washington, DC, SAD: Hibridna pedagogija Inc.; 2020.
54
Morris SM, Stommel J. Vodič za otpor edtech: slučaj protiv Turnitina. Washington, DC, SAD: Hibridna pedagogija Inc.; 2017.
55
Munn Z, Peters MD, Stern C, Tufanaru C, McArthur A, Aromataris E. Sustavni pregled ili pregled opsega? Smjernice za autore pri odabiru između sustavnog ili opsežnog revizijskog pristupa. BMC Med Res Methodol. 2018; 18: 143. doi: 10.1186/s12874-018-0611-x
56
Arksey H, O’Malley L. Studije opsega: prema metodološkom okviru. Int J Soc Res Metodol. 2005; 8 (1): 19–32. doi: 10.1080/1364557032000119616
57
Tricco AC, Lillie E, Zarin W, O’Brien KK, Colquhoun H, Levac D, i sur. PRISMA Extension for Scoping Reviews (PRISMA-ScR): kontrolni popis i objašnjenje. Ann Pripravnik Med. 2018.; 169 (7): 467–73. doi: 10.7326/M18-0850
58
Cox GM. Umjetna inteligencija i ciljevi obrazovanja: kreatori, menadžeri ili informacije? Stud Philos Educ. 2024.; 43 (1): 15–30. doi: 10.1007/s11217-023-09907-2
59
Frøsig TB, Romero M. Nastavnička agencija u doba generativne umjetne inteligencije: prema okviru hibridne inteligencije za dizajn učenja. arXiv. 2024. doi: 10.48550/arXiv.2407.06655
60
Yang Y, Luo J, Yang M, Yang R, Chen J. Od površinskih do dubokih pristupa učenju s generativnom umjetnom inteligencijom u visokom obrazovanju: analitički okvir studentske agencije. Stud High Educ. 2024.; 49 (5): 817–30. doi: 10.1080/03075079.2024.2327003
61
Yan L, Martinez-Maldonado R, Gasević D. Generativna umjetna inteligencija u analizi učenja: kontekstualizacija prilika i izazova kroz ciklus analize učenja. U: Zbornik radova 14. konferencije o analizi učenja i znanju; 18. – 22. ožujka 2024.; Kyoto, Japan. 2024. str. 101–11. doi: 10.1145/3636555.3636856
62
Buckinghamski Shum S. Generativna umjetna inteligencija za kritičku analizu: praktični alati, kognitivni istovar i ljudska agencija. U: Zajednički zbornici radionica LAK 2024.; 18. – 22. ožujka 2024.; Kyoto, Japan. 3667. 2024. str. 205–13.
63
Godwin-Jones R. Distribuirana agencija za učenje jezika i poučavanje kroz generativnu AI. Lang Nauči Tehnol. 2024.; 28. (2): 5–30. doi: 10.64152/10125/73570
64
Kumar PC, Cotter K, Cabrera LY. Preuzimanje odgovornosti za značenje i materiju: agentski realistički pristup generativnoj umjetnoj inteligenciji i pismenosti. Pročitajte Res Q. 2024.; 59 (4): 570–8. doi: 10.1002/rq.570
65
Han A, Zhou X, Cai Z, Han S, Ko R, Corrigan S, i sur. Nastavnici, roditelji i perspektive učenika o integraciji generativne umjetne inteligencije u obrazovanje o osnovnoj pismenosti. U: Zbornik radova CHI konferencije 2024.; 11. – 16. svibnja 2024.; Honolulu, HI, SAD. New York, NY, SAD: ACM; 2024. doi: 10.1145/3613904.3642438
66
Zhai X. Transformacija uloga i agencija nastavnika u eri generativne umjetne inteligencije: percepcije, prihvaćanja, znanja i praksi. J Sci Educ Technol. 2025.; 34 (6): 1323–33. doi: 10.1007/s10956-024-10174-0
67
Fereday J, Muir-Cochrane E. Demonstriranje strogosti pomoću tematske analize: hibridni pristup induktivnog i deduktivnog kodiranja i razvoja teme. Int J Qual Metode. 2006; 5 (1): 80–92. doi: 10.1177/1609406060605000107
68
Braun V, Clarke V. Korištenje tematske analize u psihologiji. Qual Res Psychol. 2006; 3 (2): 77–101. doi: 10.1191/1478088706qp063oa
69
Proudfoot K. Induktivna/deduktivna hibridna tematska analiza u istraživanju mješovitih metoda. J Mix Metode Res. 2023.; 17 (3): 308–26. doi: 10.1177/155868821126816
70
Xu W, Zammit K. Primjena tematske analize na edukaciju: hibridni pristup tumačenju podataka u istraživanju stručnjaka. Int J Qual Metode. 2020; 19: 1609406920918810. doi: 10.1177/1609406920918810
71
Braun V, Clarke V. Prema dobroj praksi u tematskoj analizi: izbjegavanje uobičajenih problema i be(com) upoznavanje poznavanja istraživača. U J Transgend Zdravlje. 2023.; 24 (1): 1–6. doi: 10.1080/26895269.2022.2129597
72
Perkins M, Roe J. Smjernice akademskog izdavača o korištenju umjetne inteligencije: tematska analiza koju podržava ChatGPT. F1000Istraživanje. 2024.; 12: 1398. doi: 10.12688/f1000istraživanje.142411.2
73
Perkins M, Roe J. Generativni AI alati u akademskom istraživanju: aplikacije i implikacije za kvalitativne i kvantitativne metodologije istraživanja. U: Priručnik o umjetnoj inteligenciji u visokom obrazovanju. Cheltenham, Velika Britanija: Edward Elgar Publishing; 2025. str. 76–91. doi: 10.4337/9781033338764.00012
74
Boyatzis RE. Transformacija kvalitativnih informacija: tematska analiza i razvoj koda. Thousand Oaks, CA, SAD: Sage Publikacije; 1998.
75
Roe, J. Generativna umjetna inteligencija kao kulturni artefakt: primjena antropoloških metoda na AI pismenost. Postdigitalni Sci Educ. 2025.; 7 (4): 1107–24. doi: 10.1007/s42438-025-00547-y
76
Bearman M, Tai J, Dawson P, Boud D, Ajjawi R. Razvijanje evaluativne prosudbe za vrijeme generativne umjetne inteligencije. Procijenite Eval Visoki Educ. 2024.; 49 (6): 893–905. doi: 10.1080/02602938.2024.2335321
77
Boulus-Rødje N, Cranefield J, Doyle C, Fleron B. GenAI i ja: skriveni rad na izgradnji i održavanju augmentativnog partnerstva. Pers Sveprisutno Računalo. 2024.; 28 (6): 861–74. doi: 10.1007/s00779-024-01810-y
