Lekcje z AI: jak przygotować mądre polecenia dla uczniów?

Dlaczego w ogóle mówić o „mądrych poleceniach” dla uczniów?

Polecenie jako ukryty program nauczania

Treść i forma polecenia decydują o tym, jakiego typu myślenia uczniowie użyją. Prosty przykład: „Przepisz definicję z podręcznika” uruchamia zupełnie inną pracę mózgu niż „Napisz własnymi słowami, o co chodzi w tej definicji, i podaj przykład z Twojego życia”. To drugie wymusza przetworzenie, powiązania, refleksję, a więc uczenie się na wyższym poziomie.

Każde polecenie jest więc mini-scenariuszem lekcji. Może:

• zamykać uczniów w roli biernych wykonawców prostych instrukcji,
• albo otwierać im możliwość samodzielnego myślenia, szukania, wątpienia i sprawdzania.

Praca z generatywną AI (np. z ChatGPT, Claude, Bardem czy innym narzędziem) wprowadziła w edukacji pojęcie promptu, czyli
sposobu formułowania polecenia dla sztucznej inteligencji. Nauczyciele szybko odkrywają, że:
im lepiej sformułowane polecenie do AI, tym sensowniejsza odpowiedź.
Dokładnie ta sama zasada od lat rządzi pracą z uczniami, tylko rzadziej nazywamy to wprost.

„Lekcje z AI” pomagają więc zobaczyć coś oczywistego, co wcześniej ginęło w rutynie:
jakość poleceń decyduje o jakości myślenia na lekcji. To, jakich pytań uczymy uczniów, jest równie ważne,
jak to, jakich odpowiedzi od nich oczekujemy.

Czego uczą nas prompty do AI o pracy z uczniami?

Osoby korzystające regularnie z AI zauważają kilka stałych reguł. Im:

• bardziej konkretne polecenie, tym mniej ogólnikowa odpowiedź,
• bardziej osadzone w kontekście, tym mniej chybionych przykładów,
• lepiej określona rola odbiorcy (np. „uczeń 7 klasy”), tym trafniejszy poziom trudności,
• wyraźniej zdefiniowane kryteria jakości, tym bardziej użyteczny efekt,
• częściej stosowana iteracja („popraw”, „rozwiń”, „dostosuj”), tym lepszy końcowy rezultat.

Te same reguły można bezpośrednio przełożyć na formułowanie poleceń dla uczniów. Różnica jest jedna:
uczeń nie jest maszyną – ma emocje, własne tempo, doświadczenie szkoły. Dlatego „mądre polecenie”
musi łączyć logikę dobrego promptu z empatią pedagoga.

Od rozkazów do zaproszeń do myślenia

Tradycyjnie polecenia szkolne przyjmują formę krótkich rozkazów:
„Zapisz”, „Oblicz”, „Podkreśl”, „Odpowiedz”. Taka forma jest
zwięzła, ale też bywa chłodna, mechaniczna i mało motywująca. W pracy z AI widać natomiast, jak ogromną
różnicę robią słowa typu:
„wytłumacz krok po kroku”, „podaj przykłady”, „porównaj dwie perspektywy”.

Mądre polecenia dla uczniów to takie, które:

• jasno mówią, co zrobić,
• wyjaśniają, po co to robić,
• pokazują, jak będzie oceniany efekt,
• zostawiają miejsce na wybór i indywidualizację.

To nie są długie przemowy. Często wystarczy jedno dodatkowe zdanie, by z „zadania do odhaczenia”
zrobić sensowne wyzwanie intelektualne. Sztuczna inteligencja pomaga to zauważyć, bo reaguje jak idealne lustro:
daje dokładnie tyle, ile dostaje w poleceniu.

Czego uczy nas AI o konstrukcji dobrego polecenia?

Elementy skutecznego promptu i skutecznego zadania

Dobrze zaprojektowany prompt do AI ma kilka stałych elementów. Te same części można przenieść do poleceń dla uczniów:

1. Kontekst – o co chodzi, w jakiej sytuacji, w jakim temacie?
2. Rola – kto ma to zrobić i z jakiej perspektywy?
3. Cel – co ma powstać na końcu? Jaki efekt?
4. Ograniczenia i kryteria – długość, format, poziom szczegółowości, styl.
5. Przykład – wzór, mini-szablon, model wykonania.

Zestawmy to w prostej tabeli:

AI pokazuje, jak bardzo liczy się konkretny cel

Jeśli poprosimy AI: „Opowiedz o II wojnie światowej”, otrzymamy długi, ogólny tekst.
Jeśli doprecyzujemy: „Wypisz w punktach 5 najważniejszych skutków II wojny światowej dla Polski,
każdy w 2–3 zdaniach”, dostaniemy znacznie bardziej użyteczny materiał.

Podobnie działa to w klasie. Zamiast:

„Napisz notatkę o II wojnie światowej.”

można użyć:

„Wypisz i krótko opisz 5 skutków II wojny światowej dla Polski. Każdy skutek opisz w 2–3 zdaniach,
tak aby dało się z tego zrobić powtórkę przed sprawdzianem.”

To wciąż jedno polecenie, ale znacznie precyzyjniej prowadzi myślenie ucznia, jednocześnie trzymając się
realnego celu lekcji. W tle działa to samo prawo, które obserwujemy przy promptach: im dokładniej określony
rezultat, tym łatwiej go osiągnąć.

Iteracja – poprawianie poleceń w trakcie

Z AI naturalne staje się doprecyzowywanie: „To jest za trudne, napisz prościej”, „Dodaj przykłady z Polski”,
„Skróć o połowę”. Niewielu nauczycieli korzysta z podobnej iteracji w relacji z uczniami, a szkoda.

Zamiast jednego, ostatecznego polecenia, można wprowadzić krótką sekwencję:

1. Nauczyciel formułuje pierwszą wersję zadania.
2. Uczniowie zaczynają pracę i zadają pytania o polecenie.
3. Wspólnie dopisujecie 1–2 zdania doprecyzowania, np. „Nie trzeba rysować ilustracji”,
   „Można pracować w parach”, „Skup się tylko na przykładach z ostatnich 20 lat”.

Krótka „dogrywka” instrukcji często ratuje zadanie przed nieporozumieniami. Uczniowie widzą też w praktyce,
że zadawanie pytań do polecenia jest normalnym elementem pracy, nie oznaką „nieogarnięcia”.

Model PROMPT dla nauczyciela – praktyczna struktura polecenia

Rozszyfrowanie modelu PROMPT

Warto uporządkować sposób myślenia o poleceniach dla uczniów w prostym akronimie, inspirowanym pracą z AI.
Propozycja: model PROMPT:

• P – Po co? (cel)
• R – Rola ucznia (z jakiej perspektywy ma działać)
• O – Oczekiwany rezultat (produkt, efekt końcowy)
• M – Metoda (jak pracujemy: indywidualnie, w grupie, etapami)
• P – Parametry (czas, długość, narzędzia, forma)
• T – Testy jakości (kryteria sukcesu, na co szczególnie patrzymy)

Nie każde polecenie musi zawierać wszystkie elementy, ale im poważniejsze zadanie (projekt,
pracę domową, prezentację), tym bardziej opłaca się przejść po kolei przez każdy krok.

P – Po co? Jasny cel dla ucznia

Uczeń często słyszy: „Zrobicie prezentację o…”, „Napiszecie wypracowanie o…”. Brakuje natomiast
zdania, które odpowiada na fundamentalne pytanie: „Po co to robimy?”.
Jedno, konkretne zdanie demotywuje albo dodaje sensu.

Przykłady doprecyzowania celu:

• „Zrobicie plakat o zanieczyszczeniu powietrza, żeby umieć wyjaśnić młodszym uczniom,
  dlaczego smog jest groźny.”
• „Napiszecie opowiadanie w stylu grozy, żeby przećwiczyć budowanie napięcia
  i opisywanie emocji bohaterów.”
• „Macie przygotować symulację rozprawy sądowej, żeby zrozumieć role różnych osób
  w procesie karnym.”

Cel nie musi być patetyczny. Ma być konkretny i pokazywać, jak to zadanie wpisuje się w szerszy obraz nauki.
Tak jak w promptach do AI: „Pomóż mi przygotować się do rozmowy o pracę”, a nie tylko „napisz list motywacyjny”.

R – Rola ucznia: kim jesteś w tym zadaniu?

AI reaguje inaczej, gdy poprosimy: „Zachowuj się jak nauczyciel matematyki” albo „jak copywriter SEO”.
Tak samo uczniowi łatwiej wejść w zadanie, gdy wie, jaką rolę ma przyjąć.

Przykłady ról:

• „Jesteś dziennikarzem lokalnej gazety.”
• „Jesteś inżynierem, który projektuje most.”
• „Jesteś doradcą dla kolegi, który ma problem z organizacją nauki.”
• „Jesteś przewodnikiem turystycznym po średniowiecznym Krakowie.”

Rola dodaje zadaniu sens fabularny i ułatwia podjęcie decyzji, co jest ważne, a co można pominąć.
Uczeń myśli: „Co w mojej roli jest kluczowe?”, a to z kolei uruchamia analizę i selekcję informacji.

O – Oczekiwany rezultat: jak ma wyglądać efekt końcowy?

AI daje odpowiedzi w różnych formatach: listy punktowane, eseje, tabele, kody. Potrzebuje więc jasnej instrukcji,
w jakiej formule ma „mówić”.

Uczniowie także potrzebują klarownego obrazu końcowego produktu. Kilka prostych zdań potrafi
usunąć dziesiątki wątpliwości:

• „Na koniec ma powstać prezentacja w 6–8 slajdach, którą będzie można wyświetlić na rzutniku.”
• „Twoją pracą będzie esej na 1 stronę A4, pisany pełnymi zdaniami, bez punktów.”
• „Efektem ma być schemat blokowy w zeszycie, z minimum 8 krokami procesu.”

Zamiast tylko „praca domowa” – jasny format produktu. To oszczędza czas na tłumaczenie i
zmniejsza liczbę prac „obok tematu”.

M – Metoda: jak pracujemy i w jakiej kolejności?

Prompty do AI można konstruować etapami: najpierw plan, potem rozwinięcie, potem korekta.
To bardzo dobra inspiracja do dzielenia zadań uczniowskich na czytelne fazy.

Zamiast:

„Zróbcie w grupach projekt o odnawialnych źródłach energii.”

lepiej:

1. „Najpierw w grupie ustalcie, kto zbiera informacje, kto robi grafikę, kto przygotowuje prezentację.”
2. „Następnie razem wybierzcie 3 najciekawsze odnawialne źródła energii.”
3. „Potem przygotujcie 1 slajd na każde źródło, z krótkim opisem i jednym przykładem z Polski.”
4. „Na koniec przećwiczcie prezentację, tak aby każdy coś powiedział.”

P – Parametry: granice, które pomagają, a nie duszą

AI działa sprawniej, gdy dostaje konkretne parametry: limit znaków, język, format. Uczniom podobnie służą
jasne ramy zadania. Nie chodzi o drobiazgową kontrolę, ale o sensowne ograniczenia, które kierują
uwagę na sedno treści.

Przy większych zadaniach warto podać choć kilka prostych parametrów:

• Czas – „Masz na to 15 minut pracy w ciszy”, „Projekt robicie przez 2 lekcje + ewentualnie dokończenie w domu”.
• Długość – „Maksymalnie 200 słów”, „Co najmniej 8 przykładów”, „1 strona w zeszycie”.
• Narzędzia – „Możesz korzystać z podręcznika i notatek”, „Nie używamy telefonu, tylko atlasu i mapy ściennej”.
• Forma – „Tekst ciągły”, „Tylko punkty”, „Plakat poziomy, nie pionowy”.

Zamiast ogólnego: „Zrób projekt o wybranym kraju”, można napisać:

„Przygotuj jedną stronę A4 o wybranym kraju w Europie. Użyj co najmniej 3 źródeł (w tym atlasu).
W pracy musi pojawić się mapka, tabela z 5 danymi (np. liczba ludności, język, stolica)
i 2 krótkie ciekawostki. Masz na to 2 lekcje + ewentualne dokończenie w domu.”

Uczeń od razu widzi, co jest „obowiązkowym szkieletem”, a gdzie ma pole do własnych pomysłów.
To dokładnie to, czego uczymy się przy dobrej pracy z promptami: jasne ramy + przestrzeń na kreatywność.

T – Testy jakości: skąd wiem, że zrobiłem to dobrze?

Gdy prosimy AI o odpowiedź, często dopisujemy: „Sprawdź, czy nie ma błędów”, „Oceń, czy tekst jest zrozumiały
dla ucznia klasy 6”. To są właśnie mini „testy jakości” – prosty sposób weryfikacji efektu.

Uczniowie rzadko dostają takie testy wbudowane w polecenie. Częściej słyszą dopiero przy oddawaniu pracy:
„Za mało przykładów”, „Za ogólnie”. Da się to odwrócić, dopisując do zadania 2–3 proste kryteria,
najlepiej w języku, który uczniowie potrafią zastosować samodzielnie.

Na przykład zamiast:

„Napisz charakterystykę bohatera.”

można użyć:

„Napisz charakterystykę bohatera. Zwróć uwagę na 3 rzeczy (to będą kryteria oceny):

• Opis wyglądu i cech charakteru – minimum po 3 informacje.
• Przykłady z książki – przy każdej ważnej cesze podaj konkretną scenę lub cytat.
• Twoja opinia – napisz w zakończeniu, co o nim sądzisz i dlaczego.”

Takie „testy jakości” można też zamienić na krótką checklistę do samosprawdzenia.
Wystarczy jedno zdanie w poleceniu: „Przed oddaniem pracy sprawdź, czy:” i 3 proste punkty.
To uczy tego samego nawyku, którego używamy przy AI: „Przeczytaj jeszcze raz, zanim klikniesz wyślij”.

Łączenie elementów modelu PROMPT w jednym poleceniu

W praktyce, dobrze skonstruowane polecenie łączy kilka liter naraz. Nie trzeba ich wyliczać,
ale warto sprawdzić w myślach, czy każdy z ważnych elementów się pojawił.

Przykład zadania projektowego z matematyki (funkcje liniowe):

„Po co? Przygotujecie plakat, żeby pokazać młodszym kolegom,
jak w praktyce używa się funkcji liniowych. Rola: jesteście zespołem korepetytorów,
którzy tłumaczą trudne rzeczy prosto. Efekt: na koniec powstanie plakat formatu A3
z minimum 2 przykładami z życia (np. rachunki, koszty przejazdu, abonament).
Metoda: w 3-osobowych grupach – jedna osoba szuka przykładów,
druga robi obliczenia, trzecia dba o czytelność. Parametry: macie 2 lekcje,
możecie korzystać z internetu i kalkulatora, ale nie przepisujcie gotowych zadań z zeszytu.
Test jakości: sprawdźcie, czy uczeń z klasy 6 po przeczytaniu plakatu
zrozumie, co to jest funkcja liniowa i po co się jej używa.”

Całe polecenie nadal mieści się w jednym akapicie, ale niesie jasność na wielu poziomach.
Dzięki temu uczniowie zadają mniej pytań „technicznych”, a więcej dotyczących samej treści.

Jak trenować „promptowe” myślenie z uczniami

Wspólne poprawianie poleceń nauczyciela

Dobrym ćwiczeniem jest pokazanie uczniom „surowej” wersji polecenia i wspólne jego dopracowanie.
To zajmuje kilka minut, a uczy krytycznego myślenia o zadaniach.

Przykład:

1. Na tablicy zapisujesz: „Napisz notatkę o rewolucji przemysłowej”.
2. Pytasz: „Czego tu brakuje, żeby było wam łatwiej? Co powinienem doprecyzować?”
3. Uczniowie zgłaszają: długość, czy mają użyć podręcznika, czy ma być w formie punktów czy tekstu ciągłego.
4. Razem dopisujecie brakujące elementy, np. „Wypisz w punktach 6 najważniejszych zmian,
   jakie rewolucja przemysłowa wprowadziła w życiu ludzi. Każdy punkt rozwiń w 1–2 zdaniach.
   Użyj podręcznika i notatek z lekcji.”

Po kilku takich sesjach uczniowie zaczynają sami formułować lepsze pytania do zadań,
zamiast biernie czekać na wyjaśnienia.

Uczniowski „mini-prompt”: pytania do każdego zadania

AI odpowiada lepiej, gdy zadamy jej dobre, doprecyzowane pytanie. Uczeń także może mieć swój
krótki, powtarzalny zestaw pytań, który uruchamia przed rozpoczęciem pracy.

Można zaproponować prostą, uczniowską wersję modelu PROMPT, np. na kartce w zeszycie:

• 1. O co w tym chodzi? (Jaki jest sens, po co to zadanie?)
• 2. Co mam oddać? (Jaka forma – plakat, tekst, prezentacja?)
• 3. Ile i jak długo? (Długość pracy, czas na wykonanie.)
• 4. Jak mogę sprawdzić, czy jest ok? (2–3 kryteria jakości.)

Wystarczy zachęcić, by przy każdym nowym zadaniu uczeń zadał sobie (lub nauczycielowi)
chociaż pierwsze dwa pytania. To prosty sposób, by z czasem przestawili się z trybu
„robię, bo kazali” na „rozumiem, co robię i dlaczego”.

Praca z AI na lekcji jako laboratorium poleceń

Jeśli w szkole jest dostęp do narzędzi AI, można wykorzystać je jako „mikroskop” do obserwowania,
jak działają różne wersje poleceń. Wystarczy kilkanaście minut.

Przykładowy scenariusz z klasą:

1. Uczniowie w parach wpisują do AI bardzo ogólne polecenie, np. „Wyjaśnij fotosyntezę”.
2. Analizują odpowiedź: co jest w niej niejasne, za trudne, za ogólne.
3. Następnie wspólnie doprecyzowują prompt, np. „Wyjaśnij fotosyntezę uczniowi klasy 6
   w 5 krótkich punktach, używając prostego języka i jednego porównania z życia codziennego”.
4. Porównują obie odpowiedzi i zapisują, co zmieniło się dzięki doprecyzowaniu.

Zamiast abstrakcyjnej rozmowy o „dobrych poleceniach”, uczniowie widzą na żywo,
jak mała zmiana w treści zadania radykalnie zmienia jakość rezultatu.
To doświadczenie potem łatwo przenieść na pracę bez AI.

Typowe pułapki w formułowaniu poleceń i jak je omijać

Zbyt wiele celów naraz

AI gubi się, gdy prosimy ją o wszystko jednocześnie: „Napisz esej, zrób prezentację,
stwórz quiz i scenariusz filmu”. Uczniom dzieje się podobnie, gdy jedno polecenie
łączy kilka poważnych zadań bez jasnej hierarchii.

Zamiast:

„Przygotuj referat o klimacie, stwórz prezentację i na koniec zróbcie plakat.”

lepiej rozbić to na etapy, nawet jeśli opisujemy je jednym tchem:

„Najpierw przygotuj krótki referat (½ strony A4) o wybranym zagadnieniu klimatycznym.
Potem na jego podstawie stwórz prezentację w 5–6 slajdach. Na koniec wybierz
z prezentacji 3 najważniejsze hasła i wykorzystaj je na klasowym plakacie.”

Uczeń widzi wtedy ciąg: tekst → prezentacja → plakat, a nie trójskok w nieznane.

Niejasne kryteria oceny

Czasem polecenie brzmi konkretnie, ale ocena dotyczy czegoś, o czym nie było mowy.
Dla ucznia to doświadczenie typu: „Zrobiłem, jak było napisane, a i tak źle”.

Jeśli przy sprawdzaniu pracy skupiamy się przede wszystkim na logice argumentacji,
to powinno to paść wprost w poleceniu. Na przykład:

„Twoim zadaniem jest napisać rozprawkę. Najważniejsze będzie, czy argumenty są logiczne
i dobrze uzasadnione. Na to będę zwracał największą uwagę przy ocenianiu.”

Krótka wzmianka o tym, „na co patrzę w pierwszej kolejności”, działa jak dobrze
ustawiony „test jakości” w promptach – kieruje wysiłek we właściwe miejsce.

Przeładowanie dodatkowymi wymaganiami

Tak jak w promptach da się przesadzić z listą warunków („napisz jak profesor,
ale też jak youtuber, a do tego krótko i wyczerpująco”), tak w zadaniach szkolnych
nadmiar wymagań technicznych może przytłoczyć i zasłonić cel merytoryczny.

Zamiast dodawać kolejne „musisz” i „nie wolno”, lepiej:

• zostawić 2–3 kluczowe parametry,
• resztę zostawić jako obszar wyboru ucznia,
• ewentualne „dodatki” zaproponować jako opcję dla chętnych.

Na przykład:

„Obowiązkowo: 8–10 zdań, minimum 2 argumenty, odniesienie do lektury.
Dla chętnych: możesz dodać krótki rysunek lub cytat, który twoim zdaniem najlepiej
oddaje charakter bohatera.”

Od polecenia do rozmowy: jak używać AI do planowania zadań

AI jako „lustro” dla nauczycielskich poleceń

Zanim uczniowie usłyszą zadanie, można przetestować je na AI. To szybki sposób,
by zobaczyć, jak ktoś „z zewnątrz” je rozumie.

Praktyczny schemat:

1. Wpisz do AI swoje planowane polecenie dokładnie tak, jak chcesz je podać uczniom.
2. Poproś: „Odpowiedz na to polecenie jak uczeń klasy X”.
3. Sprawdź, czy odpowiedź jest zbliżona do tego, czego oczekujesz (format, poziom szczegółu, temat).
4. Jeśli nie – doprecyzuj polecenie i spróbuj jeszcze raz.

Kilka takich prób odsłania typowe niejasności: brak informacji o długości,
poziomie, kryteriach. Z czasem nauczyciel zaczyna je dopowiadać automatycznie,
nawet bez pośrednictwa AI.

Tworzenie wariantów tego samego zadania

AI świetnie nadaje się do szybkiego tworzenia kilku wersji jednego polecenia,
np. dla różnych poziomów zaawansowania. Zamiast godzinnego przepisywania,
wystarczy kilka krótkich modyfikacji.

Przykład pracy z jednym zadaniem:

1. Formułujesz bazowe polecenie, np. „Wyjaśnij, na czym polega obieg wody w przyrodzie.”
2. Prosisz AI: „Przeredaguj to polecenie dla ucznia, który ma duże trudności w nauce,
   tak aby było prostsze i bardziej krok po kroku.”
3. Następnie: „Teraz stwórz wersję dla ucznia zainteresowanego przyrodą – może być trudniejsza,
   zawierać dodatkowe wymagania.”

Na tej podstawie można wprowadzić w klasie zadania warstwowe – wszyscy pracują nad tym samym tematem,
ale na nieco innym poziomie złożoności. Kluczowe jest, aby w każdej wersji jasno wybrzmiały elementy PROMPT:
cel, efekt, parametry i kryteria.

Współtworzenie poleceń z uczniami z pomocą AI

Wspólne negocjowanie warunków zadania

AI można potraktować jak „trzeciego uczestnika rozmowy” o zadaniu. Nauczyciel ma swoją wizję
polecenia, uczniowie – swoje potrzeby i obawy, a AI pomaga przełożyć to na jasny tekst.

Przykładowy przebieg takiej pracy:

1. Nauczyciel przedstawia temat i ogólny cel: „Chciałbym, żebyśmy lepiej zrozumieli,
   jak działa budżet domowy. Myślę o projekcie w grupach”.
2. Uczniowie zgłaszają, na co mają energię, a co ich przeraża (np. „nie chcemy długiego referatu”,
   „może być prezentacja albo filmik”).
3. Wspólnie wpisujecie do AI robocze polecenie, np. „Pomóż nam stworzyć krótkie, jasne polecenie
   do zadania o budżecie domowym dla klasy 8. Chcemy, żeby pracowali w grupach, mieli wybór formy
   (prezentacja, plakat lub filmik), a zadanie dało się zrobić w 2–3 lekcje”.
4. Otrzymaną propozycję czytacie na głos i wspólnie poprawiacie, wykreślając zbędne elementy
   albo doprecyzowując kryteria.

Taka procedura nie tylko oswaja uczniów z AI, lecz także pokazuje, że polecenia są
do rozmowy, a nie do bezrefleksyjnego przyjmowania. W efekcie mniej jest buntu pasywnego
(„i tak tego nie zrobię”), a więcej współodpowiedzialności.

AI jako redaktor języka poleceń

Nie każde świetne zadanie jest od razu świetnie opisane. Przy dużym zmęczeniu
tekst polecenia bywa zbyt długi, urwany, pełen zdań-węży. AI pomaga go „przetłumaczyć”
na język bardziej uczniowski, bez zmiany merytoryki.

Prosty schemat pracy:

1. Wklejasz swoje pierwotne polecenie.
2. Dopisujesz: „Przeredaguj to polecenie tak, żeby było zrozumiałe dla ucznia klasy X,
   krótsze i bardziej krok po kroku. Nie zmieniaj sensu zadania”.
3. Wybierasz z propozycji to, co pasuje do twojego stylu, i ewentualnie skracasz jeszcze bardziej.

W ten sposób AI nie wymyśla zadania za nauczyciela, ale oczyszcza jego komunikat.
To podobne do sprawdzenia, czy prompt do AI jest precyzyjny, tylko że tym razem adresatem
jest konkretna klasa, a nie model językowy.

Symulowanie uczniowskich reakcji

Jednym z ciekawszych zastosowań jest poproszenie AI, by „zagrała” rolę
różnych typów uczniów reagujących na to samo polecenie.

Można na przykład napisać:

„Oto moje polecenie dla klasy 7: [wklej tekst]. Napisz, jakie pytania lub wątpliwości
mogą mieć: 1) uczeń, który boi się pisania dłuższych tekstów, 2) uczeń ambitny,
który chce wypaść jak najlepiej, 3) uczeń, który często zapomina o terminach.”

Takie ćwiczenie często ujawnia:

• brak jasnej informacji o czasie i długości,
• brak miejsca na „opcję ambitną”,
• brak przypomnienia o formie oddania pracy (np. przez dziennik elektroniczny, na kartce, w zeszycie).

Po kilku takich symulacjach nauczyciel zaczyna przewidywać pytania uczniów zanim one padną
i od razu wbudowuje odpowiedzi w treść polecenia.

Budowanie kultury mądrych poleceń w klasie

Krótka checklista przed każdym zadaniem

Zamiast za każdym razem zaczynać od zera, można wprowadzić z uczniami
prostą, wspólnie ustaloną checklistę. Wystarczy kartka przy tablicy lub stały slajd.

Przykładowa wersja:

• Cel: Wiemy, po co jest to zadanie?
• Efekt: Wiemy, co dokładnie oddajemy i w jakiej formie?
• Parametry: Wiemy, ile, do kiedy, w jakiej objętości?
• Jakość: Znamy 2–3 rzeczy, na które nauczyciel najbardziej zwróci uwagę?
• Wsparcie: Wiemy, skąd brać materiały lub pomoc?

Przed ogłoszeniem nowego zadania wystarczy odnieść się do tej listy jednym zdaniem:
„Sprawdźmy naszą checklistę: czy wszystko tutaj jest?”. Uczniowie szybko
przyzwyczajają się, że brak którejś odpowiedzi to nie ich wina,
tylko brak w poleceniu, który można jeszcze uzupełnić.

„Prawo do dopytania” jako stały element pracy

W pracy z AI normalne jest doprecyzowywanie promptu: dopisujemy jedno zdanie,
zmieniamy warunek i próbujemy jeszcze raz. W klasie wielu uczniów traktuje pytania
o zadanie jako „zawracanie głowy”.

Sytuację zmienia prosta zasada wprowadzona na głos: „Masz prawo dopytać,
zanim zaczniesz pracę”. Można do tego dorzucić 1–2 minuty na „czas pytań o polecenie”,
zanim uczniowie rozłożą zeszyty i książki.

Dobrze też przyjąć z góry, że nie ma „głupich pytań o zadanie”. Jeżeli to ta sama kwestia
pojawia się po raz piąty, to nie jest „problem z klasą”, tylko sygnał, że dany element
PROMPT-u był niewidoczny albo niejasny.

Uczeń jako autor poleceń

W pewnym momencie można pójść krok dalej i poprosić uczniów, by to oni tworzyli zadania,
na przykład:

• pytania do quizu klasowego,
• polecenia do kartkówki dla kolegi z ławki,
• zadania domowe dla „wymyślonej” klasy młodszej.

Rolą nauczyciela jest wtedy nie tylko sprawdzenie merytoryki, lecz także analizowanie
z uczniami, czy ich polecenia „trzymają” strukturę PROMPT. AI może tu pomóc,
gdy poprosimy, by:

„Oceń to polecenie pod kątem jasności dla ucznia klasy 5. Wypisz konkretnie,
co jest jasne, a co warto doprecyzować.”

Taka metapoziomowa praca rozwija umiejętność stawiania zadań samemu sobie:
przydaje się przy projektach, nauce do egzaminów czy planowaniu większych prac rocznych.

Jak chronić samodzielność uczniów w świecie AI

Rozróżnianie: inspiracja, współpraca, wyręczenie

Problemem nie jest sama AI, lecz sposób jej użycia. Przydaje się wspólne,
jasne nazwanie trzech poziomów:

• Inspiracja – uczeń podgląda pomysły, struktury, przykłady sformułowań,
  ale tworzy własny tekst.
• Współpraca – uczeń coś pisze, a AI pomaga poprawić język, skrócić, rozwinąć argument.
• Wyręczenie – AI generuje całą pracę, uczeń jedynie kopiuje.

Można ustalić, że niektóre zadania muszą być bez udziału AI
(ćwiczenie pamięci, pisanie z głowy), inne dopuszczają inspirację,
a przy projektach – współpracę. Ważne, by to było wprost zapisane w poleceniu.

Przykład dopisku:

„W tym zadaniu możesz skorzystać z AI tylko do sprawdzenia języka i poprawności
ortograficznej. Treść i pomysły mają być twoje. Na końcu pracy dopisz jedno zdanie,
w jaki sposób korzystałeś z AI (jeśli w ogóle).”

Małe zadania „offline” w świecie „online”

Żeby uczniowie nauczyli się formułować jasne zadania dla siebie,
potrzebują ćwiczeń bez żadnych technologii. Chodzi choćby o krótkie
mikrozadania na lekcji:

• „Napisz w zeszycie 2–3 pytania, które zadałbyś AI na temat dzisiejszej lekcji,
  żeby lepiej zrozumieć materiał.”
• „Przeformułuj to polecenie tak, żeby było krótsze o połowę, ale równie jasne.”

Takie aktywności zajmują kilka minut, ale ćwiczą wewnętrzne „ustawianie promptu”:
uczeń uczy się, jak zadać sobie samemu dobre pytanie i jak określić efekt końcowy.
AI staje się wtedy później tylko wygodnym narzędziem, a nie protezą myślenia.

Jawne mówienie o ograniczeniach AI

Jeśli AI działa jak „czarna skrzynka-czarodziej”, pokusa oddania jej całej pracy rośnie.
Gdy uczniowie poznają jej ograniczenia, łatwiej im z nią współpracować rozsądnie.

Warto co jakiś czas zrobić krótkie ćwiczenie demaskujące, np.:

1. Klasa proponuje temat, na którym dobrze się zna (ostatnia lektura, szkolne zwyczaje,
   lokalne wydarzenia).
2. Wpisujecie do AI pytanie, np. „Opisz zwyczaje w naszej szkole podczas rozpoczęcia roku
   szkolnego”.
3. Uczniowie zaznaczają, co jest nieprawdziwe, przesadnie ogólne albo kompletnie nietrafione.

Potem łatwiej zrozumieć, że AI nie jest źródłem prawdy, tylko generatorem tekstów,
które trzeba weryfikować. A to z kolei wzmacnia sens kryteriów jakości w poleceniach:
„sprawdzam w podręczniku”, „szukam w kilku źródłach”, „konfrontuję z notatkami z lekcji”.

Rozsądne łączenie świata AI i tradycyjnych form pracy

Od promptu do kartkówki – jeden materiał, różne formy

Jedno dobrze zaprojektowane zadanie z użyciem AI może stać się osią kilku
kolejnych aktywności bez technologii. Wystarczy zaplanować ciągłość.

Przykładowy schemat:

1. Na lekcji uczniowie w parach przygotowują z AI wyjaśnienie trudnego pojęcia
   (np. „inflacja”, „konflikt tragiczny”, „reakcja fotosyntezy świetlna”).
2. Ich zadaniem jest dopracowanie promptu tak, by odpowiedź była:
   krótka, zrozumiała, z przykładem i porównaniem.
3. Następnie na podstawie tych odpowiedzi zapisują własnymi słowami definicję do zeszytu.
4. Po kilku dniach na kartkówce prosisz, by z pamięci wyjaśnili to samo pojęcie
   – już bez żadnego wsparcia.

AI jest wtedy etapem przejściowym, a nie celem samym w sobie. Kluczowe pozostaje
samodzielne przywołanie wiedzy, czyli to, co zawsze było istotą szkolnych zadań.

Parametry zadań jako element równoważenia obciążenia

PROMPT pomaga też zadbać o prostą rzecz: realizm obciążenia uczniów.
Dobrze ustawione parametry (czas, długość, forma współpracy) pozwalają uniknąć
sytuacji, w której kilka przedmiotów „nakłada się” wymaganiami specjalnych projektów.

Warto co jakiś czas zrobić z klasą „przegląd tygodnia”:

• Jakie długoterminowe zadania macie obecnie?
• Gdzie parametry są jasne, a gdzie brakuje informacji?
• Czy w którymś dniu/tygodniu jest „korek obciążeń”?

AI może pomóc zaplanować harmonogram, jeśli poprosimy:

„Na podstawie tej listy zadań zaproponuj uczniowi klasy 7 prosty plan pracy na tydzień.
Zostaw minimum dwa popołudnia wolne od nauki.”

Taki pomocniczy plan nie zdejmie z ucznia odpowiedzialności, ale pokaże,
że zadania można planować jak projekt, a nie tylko „odrabiać w panice”.

Małe korekty, duże efekty

Przyglądając się podejściu do promptów w AI, nauczyciele zyskują prosty język
do rozmowy o jakości zadań. Nie zawsze trzeba rewolucji programowych –
często wystarczy:

• dodanie jednego zdania o celu,
• podanie konkretnej długości tekstu lub czasu pracy,
• doprecyzowanie 2–3 kryteriów oceny,
• stanowcze określenie, jak i czy wolno korzystać z AI.

Takie niewielkie poprawki sprawiają, że uczniowie zużywają mniej energii
na zgadywanie, a więcej na faktyczną naukę. A o to chodzi zarówno w mądrych promptach
dla AI, jak i w mądrych poleceniach szkolnych.

Najczęściej zadawane pytania (FAQ)

Co to jest „mądre polecenie” dla ucznia?

„Mądre polecenie” to takie, które nie tylko mówi uczniowi, co ma zrobić, ale też po co ma to zrobić, w jaki sposób będzie oceniany i gdzie ma przestrzeń na własny wybór. Łączy precyzję (konkretne zadanie, kryteria) z empatią (realne możliwości ucznia, jego emocje, tempo pracy).

W praktyce oznacza to przejście od suchych komend typu „zapisz”, „podkreśl” do zaproszeń do myślenia: „wyjaśnij własnymi słowami”, „podaj przykład z życia”, „porównaj dwie perspektywy”. Takie polecenia uruchamiają głębsze przetwarzanie, skojarzenia i refleksję.

Jak AI pomaga tworzyć lepsze polecenia dla uczniów?

Praca z generatywną AI pokazuje bardzo wyraźnie, że im lepiej sformułowane polecenie (prompt), tym bardziej sensowna i użyteczna odpowiedź. Te same zasady można przenieść na lekcję: doprecyzowanie kontekstu, celu, roli, kryteriów i formy pracy przekłada się na lepsze myślenie uczniów.

AI działa jak lustro – daje dokładnie tyle, ile dostaje w poleceniu. Dzięki temu nauczyciel szybciej widzi, jak zmiana kilku słów w instrukcji radykalnie zmienia jakość odpowiedzi. To ułatwia projektowanie zadań, które otwierają uczniów na samodzielne myślenie, zamiast zatrzymywać ich na poziomie mechanicznego odtwarzania.

Jakie elementy powinno zawierać dobre polecenie na lekcji?

Dobre polecenie można zbudować z tych samych części, co skuteczny prompt do AI. Kluczowe elementy to:

• Kontekst – w jakim temacie i sytuacji pracujemy („Po dzisiejszej lekcji o fotosyntezie…”).
• Rola – z jakiej perspektywy ma działać uczeń („Wyjaśnij tak, jakbyś tłumaczył to młodszemu koledze”).
• Cel/rezultat – co ma powstać na końcu (np. notatka, plakat, prezentacja).
• Ograniczenia/parametry – format, długość, język, czas pracy.
• Kryteria jakości – na co nauczyciel będzie zwracał uwagę, czyli tzw. „testy jakości”.
• Przykład – krótki wzór lub mini-szablon, do którego można się odnieść.

Czym różni się polecenie do AI od polecenia do ucznia?

Struktura bywa podobna (kontekst, rola, cel, ograniczenia, przykład), ale ucznia nie można traktować jak maszyny. Uczeń ma emocje, wcześniejsze doświadczenia szkolne, różne tempo pracy i poziom pewności siebie. Dlatego polecenie do ucznia musi uwzględniać motywację, język zrozumiały dla jego wieku i przestrzeń na pytania oraz modyfikacje zadania.

W praktyce oznacza to łączenie logiki dobrego promptu (konkret, jasne kryteria) z pedagogiką (życzliwy ton, możliwość iteracji, docenianie wysiłku, a nie tylko „poprawności”).

Jak stosować model PROMPT w planowaniu zadań dla uczniów?

Model PROMPT to akronim, który porządkuje myślenie o poleceniach:

• P – Po co? – jasno nazwany cel zadania.
• R – Rola ucznia – z jakiej perspektywy działa (np. reporter, młodszy tutor, naukowiec).
• O – Oczekiwany rezultat – określony produkt końcowy (np. 3-akapitowa notatka, plakat, scenka).
• M – Metoda – sposób pracy (indywidualnie, w parach, w grupach, etapami).
• P – Parametry – czas, długość, narzędzia, forma zapisu.
• T – Testy jakości – kryteria sukcesu, według których uczeń może sam ocenić swoją pracę.

Im poważniejsze zadanie (projekt, praca domowa, prezentacja), tym bardziej warto przejść przez wszystkie elementy PROMPT, choć krótkie, „codzienne” polecenia też mogą korzystać z wybranych jego części.

Jak precyzować polecenia, żeby uczniowie lepiej rozumieli zadanie?

Zasada jest podobna jak przy AI: im dokładniej określisz rezultat, tym łatwiej go osiągnąć. Zamiast ogólnego „Napisz notatkę o II wojnie światowej”, lepiej wskazać liczby, zakres i funkcję notatki, np.: „Wypisz i krótko opisz 5 skutków II wojny światowej dla Polski, każdy w 2–3 zdaniach, tak aby dało się z tego zrobić powtórkę przed sprawdzianem”.

Warto też wprowadzić iterację: po pierwszym sformułowaniu zadania otworzyć przestrzeń na pytania uczniów i wspólnie doprecyzować 1–2 zdania instrukcji („Nie trzeba rysować ilustracji”, „Można pracować w parach”). To zmniejsza liczbę nieporozumień i uczy, że dopytywanie o sens polecenia jest naturalną częścią uczenia się.

Jak zmienić tradycyjne „rozkazy” na bardziej angażujące polecenia?

Zamiast krótkich, chłodnych komend („Zapisz”, „Oblicz”, „Podkreśl”) można dodać jedno-dwa zdania, które zapraszają do myślenia i pokazują sens zadania. Przykładowo: „Napisz własnymi słowami, o co chodzi w tej definicji, i podaj przykład z Twojego życia” angażuje nieporównanie bardziej niż „Przepisz definicję z podręcznika”.

Dobrym nawykiem jest wplatanie w polecenia czasowników wyższego rzędu: „wyjaśnij”, „porównaj”, „zastanów się”, „zaproponuj”, „oceń”, a także wskazywanie adresata („tak, jakbyś tłumaczył młodszemu koledze”, „dla kogoś, kto pierwszy raz słyszy o tym temacie”). Dzięki temu zadania stają się dla uczniów czytelniejsze i ciekawsze.

Najważniejsze lekcje

• Treść i forma polecenia działają jak „ukryty program nauczania” – decydują, czy uczeń tylko odtwarza informacje, czy angażuje się w głębsze myślenie, przetwarzanie i refleksję.
• Te same zasady, które rządzą skutecznymi promptami do AI (konkretność, kontekst, rola, kryteria, iteracja), można bezpośrednio przenieść na projektowanie poleceń dla uczniów.
• Mądre polecenia łączą jasność instrukcji z empatią – uwzględniają emocje, tempo pracy i doświadczenia uczniów, zamiast traktować ich jak „maszyny do wykonywania zadań”.
• Przejście od suchych rozkazów („Zapisz”, „Oblicz”) do zaproszeń do myślenia („wyjaśnij krok po kroku”, „porównaj perspektywy”) podnosi motywację i poziom intelektualnego zaangażowania uczniów.
• Dobre polecenie zawiera: kontekst, określoną rolę ucznia, jasno zdefiniowany cel, ograniczenia i kryteria jakości oraz przykład oczekiwanego efektu.
• Precyzyjne określenie rezultatu (np. liczby punktów, długości opisu, funkcji notatki) prowadzi do bardziej użytecznych prac uczniów i lepszego osiągania celów lekcji.
• Iteracyjne doprecyzowywanie poleceń razem z uczniami (pytania, poprawki, wspólne dopisywanie kryteriów) może znacząco poprawić zrozumienie zadań i jakość wykonania.