Laboratorium Human + AI

Sprawdzamy w praktyce. Opisujemy także to, co nie zadziałało.

Każdy eksperyment ma pytanie, przebieg, wynik, ograniczenia i wnioski. Wyniki są wstępne i oznaczone statusem.

Ilustracja: biurko laboratorium z notatkami i schematami

Agenci AIw toku

Agent planujący cykl lekcji

Pytanie: Czy agent z dostępem do podstawy programowej może zaproponować spójny cykl lekcji?
Przebieg: Przepływ: model planujący → model sprawdzający → akceptacja nauczyciela. Dane testowe, bez danych uczniów.
Wynik: Wstępnie: struktura cyklu jest użyteczna, szczegóły wymagają poprawek nauczyciela.

Ograniczenia i błędy

Agent czasem przypisuje treści do niewłaściwego etapu edukacyjnego
Brak oceny przez większą grupę nauczycieli

Wnioski

Punkt akceptacji człowieka jest niezbędny
Model sprawdzający wyłapuje część, ale nie wszystkie błędy

Automatyzacjazakończony

Streszczenia materiałów szkoleniowych

Pytanie: Czy automatyczne streszczenia skracają przygotowanie notatek po webinarze?
Przebieg: Transkrypcja → streszczenie → lista pytań kontrolnych. Porównanie z notatkami ręcznymi.
Wynik: Streszczenia były dobrym szkicem; wymagały korekty terminologii.

Ograniczenia i błędy

Mała próba materiałów
Ocena jakościowa, bez pomiaru ilościowego

Wnioski

Słownik pojęć w poleceniu poprawia spójność
Nie publikujemy streszczeń bez redakcji

Współpraca wielu modeliw toku

Współpraca wielu modeli: autor, krytyk, redaktor

Pytanie: Czy podział ról między modele poprawia jakość tekstów edukacyjnych?
Przebieg: Trzy role w sekwencji, porównanie z wersją jednego modelu, ocena redakcji.
Wynik: Hipotezy w trakcie weryfikacji — brak rozstrzygających wyników.

Ograniczenia i błędy

Koszt i czas generowania rosną
Krytyk bywa zbyt zachowawczy

Wnioski

Jasne kryteria oceny są ważniejsze niż liczba modeli

Praktyczne AI w edukacjizakończony

Quiz z wyjaśnieniami błędów

Pytanie: Czy generowane wyjaśnienia błędnych odpowiedzi pomagają uczniom?
Przebieg: Pytania przygotowane przez nauczyciela, wyjaśnienia generowane i sprawdzane przed użyciem.
Wynik: Wyjaśnienia przydatne po weryfikacji; kilka wymagało przepisania.

Ograniczenia i błędy

Brak badania efektów uczenia się
Test w jednej dziedzinie (fizyka)

Wnioski

Weryfikacja przez nauczyciela przed publikacją
Krótsze wyjaśnienia były lepiej odbierane

Programowanie z AIw toku

Asystent kodu w projekcie gry edukacyjnej

Pytanie: Jak asystent AI wpływa na tempo i jakość prototypowania mechanik gry?
Przebieg: Prototyp mechanik ruchu w ramach projektu Fort Kinematyki, przegląd każdej zmiany.
Wynik: Szybsze szkice; błędy w obliczeniach fizycznych wymagały testów jednostkowych.

Ograniczenia i błędy

Jeden zespół, jeden projekt

Wnioski

Testy dla wzorów fizycznych piszemy przed generowaniem kodu

Agenci AIzakończony

Nieudany eksperyment: agent odpowiadający na wiadomości

Pytanie: Czy agent może samodzielnie odpowiadać na typowe zapytania o szkolenia?
Przebieg: Symulowana skrzynka z fikcyjnymi zapytaniami, bez realnych danych.
Wynik: Przerwany: agent obiecywał terminy i warunki, których nie było w materiałach.

Ograniczenia i błędy

Środowisko symulowane

Wnioski

Odpowiedzi do klientów zawsze z akceptacją człowieka
Opisujemy porażki tak samo starannie jak sukcesy

Opisy eksperymentów są demonstracyjne i wymagają uzupełnienia o rzeczywiste wyniki przed publikacją.