AI gramotnost v praxi: K až kariéře, přístup ve školách a měřitelné výsledky

AI gramotnost už dávno není jen hezký doplněk. Z panelové diskuze vzdělávacích lídrů a odborníků vyplynulo jedno společné poselství: jde o připravenost. Ne „za pár let“, ale teď. A klíč je v provedení. Jak zajistit, aby se AI dostala k žákům a učitelům v různých regionech, v různých školních podmínkách, s různými studijními potřebami. A hlavně tak, aby to mělo reálný dopad na učení, ne jen na vzrušení nebo „plácnutí“ do nové technologie.

Ve svém článku se zaměřím na to, co z dané diskuse vyčuhuje jako nejpraktičtější: co znamená AI gramotnost, jak ji budovat v různých věkových kategoriích, jak řešit obavy a rizika, jak předejít prohlubování nerovností a jak poznat, že to skutečně zlepšuje výsledky. Zároveň nabídnu konkrétní kroky, které by si vzdělávací instituce, učitelé a rodiny mohly vzít pro letošní rok.

Obsah

• 🤖 Co znamená „AI gramotnost“, když se technologie mění každý měsíc
• 👦 AI v životě žáků: zvědavost, učení i „AI slop“
• 📈 Důkaz, že AI literacy může měnit výsledky (ne jen pobavit)
• 🧠 „Desirable difficulties“: kdy AI pomáhá růst v obtížnosti
• 🌍 Equity a riziko prohlubování nerovností: jak zajistit „AI pro všechny“
• 👩‍🏫 Učitel jako klíč: nestačí školení, je potřeba podpora při designu výuky
• 🗳️ Studentský hlas a governance: AI gramotnost se nemá „shora“ vnucovat
• 😟 Obavy studentů: chybí pravidla, hranice, a je strach z budoucnosti
• 📍 Rodiny a komunita nejsou publikum, ale součást systému
• 🔧 Praktická odpověď: co učit, aby student uměl AI „řídit“
• 📚 AI jako doplněk, ne náhrada: příklad z praxe
• 🧩 Studenti i učitelé: změňte styl zadání místo toho, abyste zakazovali technologii
• 🧑‍🚀 Konečný cíl: lidská moudrost, vztahy a schopnost formulovat „kdo jsem“
• ✅ Co bych měl udělat letos: konkrétní kroky od panelistů a jak je převést do reality
• 🎓 Jedna rychlá výzva, která dává smysl

🤖 Co znamená „AI gramotnost“, když se technologie mění každý měsíc

Jedna z nejzajímavějších otázek z diskuse zněla: jak definovat gramotnost v prostředí, kde se technologie vyvíjí rychlostí, která připomíná spíš software než učebnici. Příliš úzké vysvětlení „umět používat nástroj“ nestačí. AI gramotnost podle panelistů stojí na několika pilířích:

• Schopnost promýšlet a používat AI zodpovědně (ne jen „pustit se do generování“).
• Porozumění tomu, co AI dělá a co nedělá (mýty, limity, rizika, důsledky).
• Učení se skrze AI, tedy využívání pro hloubku, procvičování, tvorbu a dialog, ne pouze opis.
• Schopnost zadávat (promptovat) a řídit spolupráci s AI tak, aby výstupy byly užitečné.
• Napojení na lidské cíle vzdělávání (jazyk, vztahy, porozumění, schopnost klást otázky a zacílit se).

Panelisté zároveň opakovaně zdůraznili, že AI gramotnost není jednorázové školení. Je to kontinuální proces, který se musí držet reality: studenti i učitelé žijí v prostředí, kde AI nástroje už dnes běžně existují (a často přicházejí zvenčí, například ze sociálních sítí a online prostoru).

👦 AI v životě žáků: zvědavost, učení i „AI slop“

Když se baví o AI gramotnosti, je snadné začít z pozice „jak do toho naučíme děti“. Jenže z diskuse vyplynulo, že děti už AI reálně používají. Nejčastěji nejde o slepé hraní, ale o zvědavost a rychlé zkoušení. Panelisté popsali tři typické roviny, které se objevují na školách od předškolního věku po střední:

🎮 1) Osobní rovina: objevování a kreativita

U nejmenších dětí jde o hraní a zkoumání. Děti přirozeně testují, co AI dokáže, a přemýšlí, co znamená „tvořit“ nebo jak AI pomáhá získávat informace. Z pohledu rozvoje gramotnosti je důležité, že se tady vytváří vztah k nástroji: jestli je AI „něco zakázaného“, nebo „něco, s čím se dá učit a tvořit“.

📚 2) Akademická rovina: střet s memorováním

Podle jednoho z panelistů naráží klasický model, kde se učivo „odříká, vyplivne a zapomene“, přímo na realitu AI. Objevuje se pojem „AI slop“ a „brain fry“, tedy chaos nebo přetížení, když výstupům chybí smysluplný rámec. AI totiž snadno nahradí dřívější rychlé memorování. Ale to, co AI gramotnost má udělat, je posunout učení k vyšší úrovni: k pochopení, dialogu, produktivnímu zmatku a procvičování.

🗣️ 3) Škola jako dialog: AI jako „kolega“

To nejzajímavější na akademické rovině podle panelisty: AI se může stát partnerem, který pomáhá jít dál, když žák narazí na otázku. Dítě pak vede lepší rozhovor s vrstevníky i učiteli. Nejde o „rychlou odpověď“, ale o dialog, v němž žák lépe strukturuje to, co potřebuje vědět.

Tahle logika je v jádru učení: AI jako doplněk, který zvyšuje kvalitu konverzace a hloubku práce, ne jako náhrada vlastního přemýšlení.

📈 Důkaz, že AI literacy může měnit výsledky (ne jen pobavit)

Jedna z klíčových otázek, které panelisté řešili přímo, byla: existují data nebo to je jen dojem? Konkrétně u platformy StudyFetch zaznělo, že se sledují postoje a chování uživatelů, tedy jak studenti AI používají. Důraz je na záměr: studenti přicházejí „učit se“, ne „podvádět“.

Zaznělo několik měřitelných prvků:

• Platforma analyzovala miliony konverzací od milionů uživatelů.
• Většina aktivních uživatelů zlepšila známky: zmíněno bylo více než 92 % aktivních uživatelů, kteří si zlepšili výsledky.
• Výsledky se zlepšují jak v prostředí „soukromého učení“, tak v prostředí tříd, kde učitel nástroj integruje.
• Je rozdíl, když je záměr a styl používání orientovaný na učení a zodpovědné chování. Zaznělo, že studenti s vhodně nastaveným záměrem dosahují vyšších výsledků v procvičování a testových aktivitách.

Tohle je důležité i pro školy, které mají obavy, že AI povede k „vyššímu zapojení bez dopadu“. Panelisté se spíš snaží ukázat, že zapojení musí být navázané na učení a na vhodné používání nástroje.

🧠 „Desirable difficulties“: kdy AI pomáhá růst v obtížnosti

AI gramotnost se v diskusi nevázala jen na „správné používání“. Jeden z panelistů zdůraznil koncept produktivního boje: učení není binární „správně nebo špatně“, ale cesta, kde má žák narazit, ztratit se, znovu se chytit a posunout se. AI pak může hrát roli překladače mezi tím, co dítě umí formulovat, a tím, co se snaží prozkoumat.

Za příklad (od předškolního věku) zazněl projekt, kde děti zkoumají různé stromy v prostředí kampusu. AI pomáhá „přeložit“ otázku tříletého dítěte do reality zkoumání: tedy převést jazyk dítěte do toho, co dává smysl vědecky pozorovat. Děti pak na konci roku vytvoří knihu. A zajímavé je, že to navazuje i v dalších ročnících.

V diskusi se podobný princip objevil i ve vyšších stupních: AI pomáhá formulovat další otázky, když žák neví, „jaké otázky ještě nezná“. To je přesně moment, kdy se gramotnost posouvá z „odpovědi“ na „metodu učení“.

🌍 Equity a riziko prohlubování nerovností: jak zajistit „AI pro všechny“

Jedna z největších obav, která se v praxi objevuje, zní: když AI nabídneme, prohloubí to rozdíly mezi školami? Pokud budou mít přístup jen bohatší regiony, nebo pokud budou mít možnost využívat AI jen žáci, kteří mají doma technologické zázemí, nerovnost se zabetonuje.

Panellista z Mississippi (Dr. Colin Napier) to popsal velmi přímo: pokud není dostupnost a equity, tak není ani příležitost. Mississippi je z velké části venkovský stát, takže bariéry jsou zjevné. Cíl podle něj je „otevřít rovné hřiště“ přes bezplatné zdroje a partnerství.

Konkrétně zaznělo, že stát buduje koordinovanou strategii s důrazem na:

• AI gramotnost a vzdělávání napříč K až vyšší stupně (K-12, postsekundární, státní i lokální správa, byznys a průmysl).
• Bezplatné no-cost zdroje pro lidi v různých regionech (Delta, Gulf Coast, Jackson).
• Partnerství s průmyslem a institucemi, včetně zmínky o spolupráci s NVIDIA, aby se udržely „nejnovější a nejaktuálnější“ informace a nástroje.
• Důraz na krátké kurzy a reskilling pro stávající pracovníky i pro budoucí generaci.

Panelisté také upozornili, že změna v AI prostředí se děje „každé tři až šest měsíců“, zatímco tradiční proces aktualizace kurikula trvá často roky. To vytváří tlak na školy i vzdělávací systém: pokud se budeme držet pomalých cyklů, budeme vždy pozadu.

👩‍🏫 Učitel jako klíč: nestačí školení, je potřeba podpora při designu výuky

AI gramotnost se často komunikuje tak, že se učitelé vyškolí v etice a v tom, jak AI funguje. To je důležité, ale diskuse odhalila jemnější realitu: samotné „AI literacy trainings“ nemusí stačit.

V doplňující otázce (ze strany účastníka) zaznělo, že i při existenci školení pro pedagogy se učitelé stále potýkají s integrací do vlastních hodin. Panelista (Paul Turnbull) reagoval, že je potřeba:

• Vytvořit trpělivý a průběžný systém podpory.
• Pracovat s nastavením mysli: uznat, že velká část fakulty může být skeptická, a je to legitimní.
• Jít metodou „trust but verify“: tedy důvěra, ale ověřování v praxi.
• Pomáhat učitelům upravit instrukční design (ne jen naučit „co je přípustné“).
• Podporovat peer-to-peer výměnu: když učitelé sdílí, jak to zkoušejí, posouvá to „nejrychleji“ věci v terénu.

Tohle je pro mě jedno z nejpraktičtějších sdělení celé diskuze. Pokud učitel neví, jak AI začlenit do učení tak, aby se změnila kvalita úloh (a ne jen způsob odevzdání), pak školení zůstane teorie. A teorie se v rušném školním životě rychle ztratí.

🗳️ Studentský hlas a governance: AI gramotnost se nemá „shora“ vnucovat

V diskusi se opakovaně objevila myšlenka, že studenti nejsou pasivní příjemci. Potřebují hlas. A nejde jen o to, aby řekli „co se jim líbí“, ale aby se podíleli na tom, jak AI v praxi funguje a jaké má hranice.

Paul Turnbull popsal, že na jeho škole (Mid-Pacific Institute v Honolulu) existuje AI advisory council zahrnující:

• lídry z průmyslu,
• zástupce z vyššího vzdělávání,
• a také studentské lídry.

Studenti přímo sdělují, kde se AI ukazuje jako užitečná a kde ne. Zmíněn byl také důraz na jazykové vzdělávání a to, aby žáci měli nižší „strach z úsudku“ při procvičování mluvení. Diskuse popisuje, že AI může pomoci vytvářet prostředí pro konverzaci, která je jinak v EL (anglickém jazykovém rozvoji) často slabší stránkou ve srovnání s čtením a psaním.

Dále zazněly „lunch hour sandbox“ workshopy, kde učitelé přicházejí, poslouchají, co žáci zkoušejí, a ptají se. Vzniká tak obousměrný dialog: dospělí poslouchají děti, které mluví „jako experti“. Podle panelisty to snižuje bariéry a posiluje aplikaci.

😟 Obavy studentů: chybí pravidla, hranice, a je strach z budoucnosti

Nevynechali se ani stínové stránky. Ryan Trattner popsal, že studenti mají obavy dvojího typu:

• Obavy při učení: kde jsou jasná pravidla, jak AI používat? Pokud škola nedá strukturu a guidelines, žák neví, co je správné. Výsledkem je zmatek a někdy i „falešně pozitivní“ použití AI, které student vnímá jako podporu, ale ve skutečnosti oslabí kritické myšlení.
• Obavy z budoucnosti: co když se AI změní a za 5 až 10 let už to nebude relevantní? Studenti se ptají, jestli je učivo stále důležité. A tím roste stres.

Další obava byla otázka „co je moje a co není“. Jak se AI stává partnerem v přemýšlení, tradiční pravidla o tom, co patří do vlastního výkonu, nemusí sedět. Panelista proto zmiňoval, že je potřeba upravit přístup k zadáním:

• Jedna cesta je „vypnout“ AI při testech (aby všichni psali v podmínkách bez nástroje).
• Druhá cesta je inkorporovat AI do projektu a očekávat vyšší kvalitu, lepší proces a promyšlenou práci.

Do toho spadá i věc, kterou považuji za klíčovou: studenti potřebují vědět, že dovednosti, které se učí, nejsou jen „o aktuální verzi nástroje“. A že to, co se mají naučit, je i schopnost aplikovat novou technologii v kontextu vlastního studia a kariéry.

📍 Rodiny a komunita nejsou publikum, ale součást systému

Jedna z nejdůležitějších částí diskuze se dotkla rodin. V praxi se často stává, že škola komunikuje s rodiči okrajově. Tady ale zaznělo, že rodiny jsou vynechaná skupina, a že bez nich může AI gramotnost ztratit důvěryhodnost.

V Mississippi (opět Dr. Colin Napier) popsal, že stavba probíhá přes „community of practice“ (komunitu praxe). Nejde jen o setkávání učitelů, ale o skutečně smíšenou skupinu, kde jsou:

• pedagogové,
• rodiče,
• lokální lídři,
• a také další zainteresované skupiny.

Smysl je dát lidem „místo u stolu“, tedy možnost říct:

• jakou mám obavu,
• čemu nerozumím,
• co potřebuji pro reskilling nebo upskilling,
• jak se AI promítá do konkrétních profesí v regionu.

Panelista navíc zdůraznil, že nejde o konferenční jednorázovou debatu jednou za půl roku. Cílem je 24/7 model jako kontinuální smyčka zpětné vazby. A Mississippi je v tom podle něj „malý stát“, což umožňuje koordinaci a replikovatelnost pro jiné regiony.

🔧 Praktická odpověď: co učit, aby student uměl AI „řídit“

Když se bavíme o AI gramotnosti, často se zacyklíme na pravidlech a etice. To je nutné, ale nestačí. Ryan Trattner (a také Paul Turnbull) zdůraznili, že největší přínos je v tom naučit se AI používat jako nástroj pro učení, tedy schopnost zadávat a vytvářet vhodné zadání.

Konkrétně zazněla jednoduchá formulace: „promptování“ je jen povrch. Důležité je umět popsat, co člověk chce, a řídit výstup. V metorice platformy to bylo přirovnáno k delegování, tedy k roli „direktora“ nebo „šéfa“, který zadává jasný cíl a zbytek nechá na systému.

Tohle se dá převést do univerzálních dovedností, které zůstávají bez ohledu na konkrétní generátor:

• Jak si definovat cíl učení (co potřebuji umět).
• Jak zadat kontext (úroveň, témata, omezení).
• Jak kontrolovat kvalitu (kritické ověřování výsledků).
• Jak proměnit výstup v další krok (procvičení, tvorba, dialog s učitelem).

📚 AI jako doplněk, ne náhrada: příklad z praxe

V doplňujících otázkách se objevila otázka na konkrétní „překvapení“. Jedna odpověď zněla: když studenti měli možnost používat AI doma a porozumět učivu před hodinou, do třídy přišli aktivnější. Ne „s hotovou odpovědí“, ale s vlastní motivací a lepšími otázkami. Výsledkem byly výrazně angažovanější rozhovory a diskuse ve třídě.

Tohle mi přijde jako přesně ten typ doplnění, který chceme. AI se stává vnějším koučem, který připraví půdu pro lepší práci v kolektivu a s učitelem. Učitel pak může věnovat čas tomu, co AI neumí: lidskému vedení, zarámování a zpětné vazbě.

🧩 Studenti i učitelé: změňte styl zadání místo toho, abyste zakazovali technologii

Když se školy dostanou do konfliktu s AI, často volí dvě krajnosti: úplný zákaz, nebo „všechno povoleno“. Diskuse ukazuje třetí přístup: změnit strukturu učení a hodnotit proces, ne jen výsledek.

Jak to může vypadat v praxi? V diskusi zaznělo, že existují dvě cesty:

1. Tradiční testy bez AI: kde je cílem ověřit znalost ve specifickém režimu.
2. Projekty s AI a vyšší očekávání: kde je AI součástí procesu a žáci musí prokázat, že umí řídit výstupy, ověřovat, a především přemýšlet.

Tohle umožňuje, aby se obavy studentů o „hranice“ snížily: pravidla se vysvětlí jako součást designu výuky. Ne jako ticho, kdy žáci netuší, co se smí a co ne.

🧑‍🚀 Konečný cíl: lidská moudrost, vztahy a schopnost formulovat „kdo jsem“

Paul Turnbull přidal do diskuse dlouhodobý vzdělávací kompas. V jedné z odpovědí zazněla myšlenka, že u dětí a mladistvých by měla být hlavním cílem „růst v lidském spojení“: schopnost komunikovat, vyjadřovat se, hledat vlastní identitu a dopad na druhé. AI a internet jsou podle něj zásadní nástroje, ale nemají nahradit to, co člověka dělá člověkem: vztahy a řeč.

Z pohledu AI gramotnosti je to pro mě skvělý závěr. Když učíme AI správně, nemělo by to být jen o tom, jak generovat obsah. Mělo by to být o tom, jak lépe klást otázky, jak lépe spolupracovat, a jak lépe porozumět světu i sobě.

✅ Co bych měl udělat letos: konkrétní kroky od panelistů a jak je převést do reality

Na závěr panelisté dali jasné doporučení ve stylu „nečekejte“. Z jejich odpovědí se dá vytěžit několik konkrétních akcí, které může udělat každý, kdo se vzděláním pracuje.

1) Zahajte diskusi (a neodkládejte ji na další konferenci) 🔥

Colin Napier i další panelisté zdůraznili, že pokud jste diskusi ještě „neměli“, jste už pozadu. Důležité je posunout se z debat do praxe: zkusit, ověřit, poučit se.

2) Neustále zkoušejte nové věci a dovolte si selhání 🧪

Ryan zdůraznil, že AI se vyvíjí dennodenně a „to, co bylo včera, nemusí být zítra“. Proto je důležitý prostor pro experimenty. Selhání v tomto kontextu není chyba. Je to součást učení.

3) Učte „řízení zadání“ místo slepého promptování 🎯

Základní dovednost, která zůstává, je umět popsat, co chcete, a přeměnit to v jasný cíl pro výstup. V praxi to znamená:

• co konkrétně potřebuji,
• pro jakou úroveň to je,
• jaké omezení platí,
• co považuji za dobrý výsledek.

4) Nastav pravidla a guidelines, aby byl režim používání srozumitelný 📌

Jedna velká studentova obava byla, že chybí struktura. Škola by měla dát jasný rámec:

• kdy AI smí pomáhat a jak,
• kdy se testuje bez nástroje,
• jak se hodnotí proces a zdroje.

5) Vytvořte podporu pro učitele v designu hodin, ne jen školení 🧑‍🏫

Paul Turnbull zdůraznil, že nestačí „jedno školení“. Je potřeba průběžně podporovat učitele tam, kde jsou, a pomáhat jim upravit výukové scénáře. Peer-to-peer je často nejrychlejší katalyzátor.

6) Přizvěte rodiny do smyčky zpětné vazby 👪

Komunita praxe v Mississippi je dobrá inspirace. Nejde jen o informování rodičů, ale o jejich zapojení do diskuse o obavách, správném používání, upskillingu a reskillingu.

7) Pamatujte na to, co má zůstat lidské ❤️

AI by měla posilovat jazyk, komunikaci, otázky a vztahy. Pokud se tohle ztratí, technologie může začít nahrazovat to, co se má v učení nejvíc pěstovat.

🎓 Jedna rychlá výzva, která dává smysl

Pokud chcete udělat malý, konkrétní krok hned tento týden, doporučení z panelu bylo jednoduché: vyberte si něco, o co se skutečně zajímáte, a zkoušejte AI použít k vlastnímu učení. Ne kvůli „výstupu“, ale kvůli procesu: co se naučíte, jak si ověříte kvalitu a jak se výstup promění ve studijní další krok.

Stejná logika se dá přenést do školy. Když žáci a učitelé prožijí, že AI je doplňkem, který zvyšuje kvalitu učení, obavy se postupně zmenšují. A objeví se to, co panelisté popisovali napříč věkovými skupinami: lepší dialog, hlubší otázky, větší angažovanost a v některých případech i měřitelné zlepšení výsledků.

AI gramotnost v praxi tedy není o „technologii navíc“. Je to o nové podobě vzdělávacího partnerství. O tom, jak zodpovědně využít nástroj, jak se učit rychleji, jak spravedlivě zpřístupnit šanci, a jak přitom zachovat to nejdůležitější: lidské porozumění, komunikaci a růst.