Wyszukiwarka odpowiada. Co zostaje uczniowi?
Generatywne wyszukiwanie może odpowiedzieć, zanim uczeń wybierze źródła, porówna dowody i zbuduje własną syntezę. Co to zmienia w uczeniu się?
CzytajArchiwum tagu
#AI literacy
Publikacje oznaczone tagiem AI literacy.
OpenAI, ChatGPT, GPT i LLM - czym się różnią?
OpenAI to organizacja, ChatGPT to produkt, GPT to rodzina modeli, a LLM to szersza kategoria. Zobacz, dlaczego te różnice są praktyczne.
CzytajNie pytaj, czy AI nas ogłupia. Zapytaj, które sposoby myślenia przestajemy ćwiczyć
Co obecne badania mówią o AI, uczeniu się i samodzielnym myśleniu oraz dlaczego gotowa odpowiedź i stopniowane wsparcie mogą prowadzić do innych wyników.
CzytajJak poprosić AI o kontrargument
Praktyka używania AI do sprawdzenia własnego argumentu bez traktowania modelu jak sędziego, przeciwnika albo źródła ostatecznego werdyktu.
CzytajJak sprawdzić, czy model ma potrzebny kontekst
Ćwiczenie pozwala sprawdzić, czy model nadal prawidłowo uwzględnia cel, ograniczenia, źródła i wcześniejsze decyzje - bez udawania, że mierzy techniczne okno kontekstu.
CzytajJak sprawdzić własne założenia z pomocą AI
Praktyka sprawdzania własnego pierwszego odczytania sytuacji: co jest faktem, co założeniem, co emocją, a czego nadal nie wiadomo.
CzytajJak użyć AI bez oddawania mu decyzji
Praktyka porządkowania opcji, kryteriów, ryzyk i brakujących informacji bez przenoszenia odpowiedzialności za wybór na model.
CzytajJak analizować wiadomość bez diagnozowania człowieka
Praktyka porządkowania trudnej wiadomości z AI bez diagnozowania nadawcy, czytania intencji ani oddawania modelowi odpowiedzialności za odpowiedź.
CzytajJak nie pomylić płynności z prawdą
Praktyka zatrzymania się przy odpowiedzi, która brzmi spójnie i pewnie, ale może ukrywać niepewność, założenia, brak źródeł albo zbyt szerokie uogólnienia.
CzytajJak oddzielić fakty od interpretacji
Praktyka rozdzielania widocznych faktów, interpretacji, założeń, ocen i brakujących pytań, zanim powstanie wniosek albo decyzja.
CzytajJak poprosić model o niepewność
Praktyka proszenia AI o pokazanie założeń, braków, poziomu ostrożności i warunków, które mogą zmienić odpowiedź.
CzytajJak sprawdzić, czy odpowiedź AI ma źródła
Praktyka rozkładania odpowiedzi AI na twierdzenia, źródła i miejsca ryzyka, zanim tekst trafi do artykułu, prezentacji, notatki zespołowej albo decyzji.
CzytajJak użyć AI jako drugiego czytelnika
Praktyka używania AI jako drugiego czytelnika: do sprawdzenia jasności, struktury, tonu i ryzyk odbioru bez oddawania modelowi autorstwa.
CzytajZaufanie w epoce gotowych odpowiedzi
Jak generatywna AI skraca drogę od źródeł do odpowiedzi i dlaczego zaufanie wymaga sprawdzania pochodzenia informacji, niepewności, sporów i ludzkiej odpowiedzialności.
CzytajDobre streszczenie to jeszcze nie dobra decyzja
AI może dobrze uporządkować informacje, ale decyzja wymaga kryteriów, odpowiedzialności i rozumienia konsekwencji.
CzytajNie diagnozuj ludzi z maili
AI może pomóc uporządkować trudną komunikację, ale nie powinna służyć do diagnozowania ludzi, ich osobowości ani intencji na podstawie korespondencji.
CzytajModel widzi tekst, a nie całą relację
AI może pomóc analizować komunikację, ale widzi tylko tekst i kontekst, który mu podamy. Nie zna całej historii relacji ani intencji ludzi.
CzytajBrzmi dobrze, ale to nie znaczy, że jest prawdziwe
Krótka notatka o tym, dlaczego płynna i przekonująca odpowiedź AI nie powinna automatycznie budzić zaufania.
CzytajAI nie czyta ludzi. Pomaga uporządkować sytuację.
Studium przypadku o tym, jak AI może pomóc uporządkować trudną komunikację: napięcia, brakujące informacje, możliwe interpretacje i ryzyka odpowiedzi.
CzytajModel nie pamięta. Model ma kontekst.
W pracy z AI łatwo pomylić okno kontekstu z pamięcią. To prowadzi do błędnych oczekiwań, zbyt dużego zaufania i złych decyzji.
CzytajNie chodzi tylko o prompt
Prompt jest tylko widoczną częścią pracy z AI. Dojrzała kompetencja wymaga rozumienia kontekstu, ograniczeń modelu, własnego obciążenia poznawczego, zaufania i weryfikacji.
Czytaj