Human+AI w edukacji penitencjarnej. Jak rozumieć i stosować model IALE?

IALE · HUMAN+AI · EDUKACJA PENITENCJARNA

Co znaczy uczyć się i pracować w partnerstwie ze sztuczną inteligencją? Czy wystarczy korzystać z generatora tekstu, żeby mówić o nowej dydaktyce? Rozwijając autorski model IALE, stawiam pytanie o to, jak współpraca z AI może pomagać człowiekowi lepiej rozumieć, wybierać, działać i ponosić odpowiedzialność. W edukacji penitencjarnej pytanie to dotyczy zarówno warsztatu studenta, jak i przygotowania do profesjonalnego osądu.

Human+AI — co oznacza ten sposób pracy?

Human+AI oznacza tutaj świadomie organizowaną współpracę człowieka ze sztuczną inteligencją. Człowiek określa problem i cel, AI wnosi propozycje, warianty, uporządkowania lub pytania, a człowiek ocenia ich zasadność i decyduje, jak je wykorzystać. Ważne jest także to, co zmienia się w jego rozumieniu podczas tej współpracy.

Przykładowo student rozważa problem uczestnictwa w edukacji po opuszczeniu zakładu karnego. Najpierw zapisuje własne pytania i analizuje przeczytane źródła. Następnie prosi AI o wskazanie konkurencyjnych interpretacji. Porównuje je z literaturą, odrzuca propozycje nieuzasadnione i przedstawia własne stanowisko. Rezultatem jest zarówno opracowany materiał, jak i widoczna praca nad oceną argumentów.

Partnerstwo jest w tym ujęciu asymetryczne. AI może wspierać wiele operacji, ale nie jest równorzędnym podmiotem odpowiedzialności zawodowej ani moralnej. Określenie „partner poznawczy” opisuje jej rolę w organizacji pracy. Nie zakłada świadomości, ludzkiego doświadczenia czy rozumienia sytuacji osoby osadzonej.

W pracy Human+AI człowiek powinien umieć wyjaśnić, co przyjął, co odrzucił, na jakiej podstawie i za co bierze odpowiedzialność.

Czym jest IALE?

IALE — Intentionally AI-Linked Education — rozumiem jako model intencjonalnego łączenia edukacji z możliwościami sztucznej inteligencji. Słowo „intencjonalnego” jest kluczowe: zanim włączymy narzędzie do zajęć, ustalamy, jakiej zdolności ma służyć i co student powinien nadal wykonywać samodzielnie.

Human+AI określa sposób współpracy. IALE jest proponowaną przeze mnie ramą projektowania tej współpracy w procesie uczenia się. Łączy cele, rodzaje zadań, granice delegowania i ocenę rozwoju uczącego się. Punktem odniesienia pozostaje podmiotowość człowieka: jego zdolność do rozumienia, nadawania sensu, wyboru i odpowiedzialnego działania.

IALE jest rozwijanym modelem koncepcyjnym. Przedstawiane dalej ćwiczenia pokazują jego możliwe zastosowania. Ich skuteczność trzeba sprawdzać w praktyce dydaktycznej; sama spójność koncepcji nie jest dowodem poprawy efektów uczenia się.

Cztery powiązane obszary modelu

1. Hybrydowa kreatywność

Chodzi o rozwijanie pomysłów we współpracy z AI: poszerzanie zbioru możliwości, zestawianie perspektyw i tworzenie wariantów. Student wnosi własne pytanie, znajomość źródeł oraz kryteria oceny. Wartość pracy ujawnia się w wyborze i uzasadnieniu rozwiązania.

Przykład penitencjarny: grupa projektuje fikcyjne zajęcia edukacyjne dla osób przygotowujących się do opuszczenia zakładu karnego. AI proponuje kilka form pracy. Studenci porównują ich cele, wymagania i ograniczenia oraz modyfikują je na podstawie literatury. Wykładowca z doświadczeniem służby pomaga wskazać założenia, które byłyby trudne do zrealizowania w określonych warunkach. Powstaje projekt dydaktyczny, którego wybory można obronić.

2. Odporność poznawcza i suwerenność relacyjna

Odporność poznawcza oznacza zachowanie zdolności do krytycznej oceny także wtedy, gdy AI przedstawia płynną, przekonującą odpowiedź. Suwerenność relacyjna dotyczy możliwości wyznaczania warunków współpracy: człowiek potrafi zmienić cel, przerwać interakcję, poszukać innej perspektywy i odmówić przyjęcia podpowiedzi.

Przykład penitencjarny: studenci analizują rekomendację dotyczącą fikcyjnego konfliktu w zespole. Tekst brzmi stanowczo, lecz opiera się na niepełnym opisie. Zadaniem grupy jest wskazanie, czego nie wiadomo, jakie przyjęto założenia i jakie informacje mogłyby zmienić ocenę. Dopuszczalnym wynikiem jest powstrzymanie się od rozstrzygnięcia do czasu uzyskania potrzebnego materiału.

3. Odpowiedzialność etyczna

Ten obszar obejmuje namysł nad celami działania, jego konsekwencjami dla innych ludzi oraz granicami udziału AI. W edukacji penitencjarnej szczególne znaczenie mają godność, bezpieczeństwo, relacja zależności i indywidualny kontekst osoby. Ocena wymaga pytania, czy proponowane działanie jest uzasadnione oraz kto odpowiada za jego skutki.

Przykład penitencjarny: student przygotowuje się do symulowanej rozmowy wychowawczej. AI pomaga ułożyć pytania, a grupa ocenia, czy nie sugerują one odpowiedzi i czy pozwalają usłyszeć perspektywę rozmówcy. Rozmowę prowadzą uczestnicy ćwiczenia. Omawiają następnie znaczenie słuchania, reakcji na nieoczekiwaną wypowiedź i własnych założeń. Symulacja z AI może być etapem przygotowania, ale nie zastępuje doświadczenia relacji z człowiekiem.

4. Architektura wiedzy

Architektura wiedzy oznacza budowanie uporządkowanych powiązań między pojęciami, źródłami, danymi i interpretacjami. Student powinien wiedzieć, skąd pochodzi twierdzenie, co je uzasadnia i gdzie kończy się jego zasadność. Odpowiedź AI jest materiałem roboczym do oceny.

Przykład penitencjarny: podczas seminarium student zestawia pojęcia resocjalizacji, readaptacji i reintegracji społecznej. AI proponuje mapę pojęć. Student konfrontuje ją z rzeczywiście przeczytaną literaturą, wskazuje różnice między autorami i poprawia powiązania. Do każdego ważnego twierdzenia dopisuje źródło, własną interpretację albo informację, że kwestia pozostaje nierozstrzygnięta.

Sprawczość łączy wszystkie cztery obszary

Sprawczość jest kategorią przekrojową modelu. Pytamy o to, kto inicjuje pracę, ustala cel, wybiera argumenty i może powiedzieć „nie”. Sprawczość epistemiczna człowieka dotyczy jego udziału w rozpoznawaniu tego, co wiarygodne, oraz w interpretowaniu materiału. Sprawczość normatywna wiąże się z ważeniem racji i wartości. Sprawczość znaczeniowa ujawnia się w określaniu, dlaczego problem i działanie mają sens.

W ocenie pracy studenta można więc pytać: czy rozumie przedstawiony wynik? Czy potrafi odtworzyć drogę do wniosku? Czy dostrzega alternatywy? Czy umie skorygować własne stanowisko? Takie pytania pozwalają obserwować jego udział w procesie, nawet gdy AI wykonała część czynności.

Jak wyznaczać granice delegowania?

Model trzech stref delegowania rozwija praktyczny wymiar IALE:

• Delegowanie operacyjne: AI pomaga w czynnościach rutynowych, odwracalnych i łatwo sprawdzalnych, np. w przygotowaniu roboczego układu materiału do ćwiczenia. Człowiek określa cel i kontroluje wynik.
• Wspomaganie osądu Human+AI: AI porównuje warianty lub wskazuje niespójności, a człowiek interpretuje je, sprawdza przesłanki i uzasadnia własny wybór. Na zajęciach może to być analiza kilku sposobów rozwiązania fikcyjnego problemu organizacyjnego.
• Nieprzekazywalna odpowiedzialność człowieka: ostateczne ważenie racji i odpowiedzialność za działanie pozostają ludzkie. Szczególne znaczenie mają sytuacje dotyczące praw, godności i bezpieczeństwa oraz działania, których istotą jest relacja z drugim człowiekiem.

O strefie nie przesądza nazwa aplikacji ani samej czynności. Liczą się kontekst, konsekwencje błędu, możliwość weryfikacji i odwrócenia skutków. Ta sama pomoc w streszczeniu tekstu ma inne znaczenie, gdy służy orientacji w lekturze, a inne, gdy na jej podstawie ktoś ocenia sytuację konkretnej osoby.

Podobnie trzeba uwzględniać cel edukacyjny. Czynność łatwa do zautomatyzowania może być potrzebna początkującemu studentowi, ponieważ uczy go porządkowania materiału. Granica delegowania zależy więc również od tego, co uczący się już potrafi i czego właśnie ma się nauczyć.

Propozycja zajęć: od własnego osądu do jego rewizji

Na 90-minutowe ćwiczenie można przygotować fikcyjny opis uczestnika programu edukacyjnego, który przestał przychodzić na zajęcia. Materiał zawiera kilka możliwych wyjaśnień i luki informacyjne. Grupa ma zaproponować sposób dalszego rozpoznania sytuacji, bez formułowania diagnozy o rzeczywistej osobie.

1. 10 minut — własna analiza. Każdy zapisuje, co wiadomo, czego brakuje i jakie pytanie warto zadać.
2. 15 minut — porównanie w grupie. Uczestnicy rozpoznają różnice interpretacji i ustalają cel rozmowy z AI.
3. 15 minut — propozycje AI. System otrzymuje fikcyjny opis i polecenie wskazania alternatywnych wyjaśnień oraz pytań, bez wyboru jednej przyczyny.
4. 20 minut — sprawdzenie. Grupa oddziela informacje od przypuszczeń, weryfikuje odwołania do udostępnionych źródeł i ocenia propozycje.
5. 20 minut — uzasadnienie. Studenci przedstawiają własny plan dalszego rozpoznania sytuacji, nazywają granice udziału AI i omawiają alternatywy.
6. 10 minut — refleksja. Każdy porównuje stanowisko początkowe i końcowe: co zmieniłem i na jakiej podstawie?

Wykładowca może oceniać rozdzielenie danych i przypuszczeń, jakość pytań, wykorzystanie źródeł, uwzględnienie perspektywy osoby oraz uzasadnienie zmian stanowiska. Czytelność prezentacji jest ważna, ale nie zastępuje tych kryteriów.

Co wnosi współpraca wykładowców?

Doświadczenie służby może pomóc ujawnić ograniczenia fikcyjnego scenariusza, znaczenie kontekstu i napięcia obecne w praktyce. Perspektywa pedagogiczna i metodologiczna pomaga z kolei uporządkować pojęcia, formułować pytania i sprawdzać zasadność uogólnień. Te kompetencje mogą wnosić zarówno wykładowcy cywilni, jak i czynni funkcjonariusze oraz osoby w stanie spoczynku.

AI dostarcza dodatkowego materiału do wspólnej analizy. To uczestnicy i prowadzący ustalają, czego brakuje, co wymaga sprawdzenia i jakie doświadczenie powinno pozostać częścią kształcenia. Potencjał nowej dydaktyki widzę w takim połączeniu źródeł, doświadczenia zawodowego, dyskusji i świadomie użytej technologii.

Jak sprawdzać potencjał IALE?

Na seminarium możemy dokumentować początkowe i końcowe uzasadnienia, sposób weryfikowania odpowiedzi AI oraz przyczyny przyjęcia lub odrzucenia jej propozycji. Warto także sprawdzić, czy student potrafi przeanalizować nowy przypadek bez pomocy systemu. Pozwala to obserwować rozwój jego warsztatu, choć do wnioskowania o skuteczności modelu potrzebny jest odpowiednio zaprojektowany projekt badawczy.

Przedstawione zastosowania są propozycjami edukacyjnymi. Nie opisują wdrożeń w polskiej Służbie Więziennej ani procedur podejmowania decyzji wobec osób osadzonych. Ćwiczenia wykorzystują przypadki fikcyjne i publiczne źródła dobrane przez prowadzącego. Ewentualne użycie innych materiałów wymaga odrębnych ustaleń dotyczących ich dopuszczalności i ochrony.

Im więcej czynności powierzamy AI, tym uważniej projektujmy doświadczenia, dzięki którym człowiek rozwija zdolność rozumienia, osądu i odpowiedzialności.

Tak rozumiem kierunek IALE: współpracę, której wartość oceniamy także przez rozwój osoby uczącej się. Student kończący ćwiczenie powinien umieć powiedzieć nie tylko, co przygotował, lecz również czego się dowiedział, co sprawdził i dlaczego przyjął określone stanowisko.

Podstawa opracowania: autorska koncepcja IALE oraz rękopisy Witolda Kołodziejczyka dotyczące partnerstwa Human+AI i modelu trzech stref delegowania, w tym artykuł Sprawczość sztucznej inteligencji a odpowiedzialność człowieka. Model trzech stref delegowania w edukacji i praktyce penitencjarnej, zgłoszony do czasopisma Law Education Security.

Nota o sposobie przygotowania: tekst opracowany z pomocą AI na podstawie materiałów autora. Przykłady i scenariusz zajęć stanowią propozycje rozwinięcia modelu do oceny i adaptacji przez prowadzącego.