Η κατανόηση γεννιέται στην πορεία
Οι εφαρμογές Τεχνητής Νοημοσύνης μπορούν πλέον να λύνουν μέσα σε λίγα δευτερόλεπτα μια εξίσωση, να προτείνουν μια απόδειξη ή να εξηγούν έναν μαθηματικό κανόνα. Αυτή η ευκολία, όμως, δημιουργεί μια κρίσιμη παιδαγωγική παγίδα: η πρόσβαση στη σωστή λύση δεν συνεπάγεται ότι ο μαθητής κατανόησε το πρόβλημα.
Στα μαθηματικά, η μάθηση δεν βρίσκεται μόνο στο τελικό αποτέλεσμα. Βρίσκεται στην προσπάθεια να επιλεγεί μια κατάλληλη μέθοδος, στην αναγνώριση ενός λάθους, στη δοκιμή ενός παραδείγματος, στην απόρριψη μιας λανθασμένης υπόθεσης και στην επανεκκίνηση από διαφορετικό σημείο. Μέσα από αυτή τη διαδικασία ο μαθητής δεν απομνημονεύει απλώς έναν τύπο, αλλά οικοδομεί την ικανότητα να σκέφτεται μαθηματικά.
Η εμπειρία του διακεκριμένου μαθηματικού Hugo Duminil-Copin από τη μαθηματική έρευνα φωτίζει και τη σχολική πραγματικότητα. Οι αποτυχημένες προσπάθειες για την επίλυση ενός προβλήματος μπορεί να γεννήσουν νέες ιδέες, συνεργασίες και μεθόδους. Αντίστοιχα, ο μαθητής που δυσκολεύεται αναγκάζεται να ενεργοποιήσει τις προηγούμενες γνώσεις του, να συγκρίνει στρατηγικές και να διατυπώσει ερωτήματα. Η αποτυχία δεν είναι το αντίθετο της μάθησης. Όταν υπάρχει κατάλληλη καθοδήγηση, αποτελεί συχνά μέρος της.
Όταν η υψηλότερη επίδοση κρύβει λιγότερη μάθηση
Μια μεγάλη πειραματική μελέτη σε περίπου χίλιους μαθητές λυκείου έδειξε καθαρά τη διαφορά μεταξύ επίδοσης και μάθησης. Κατά την εξάσκηση, οι μαθητές που είχαν ελεύθερη πρόσβαση σε εργαλείο βασισμένο στο GPT-4 πέτυχαν κατά 48% καλύτερη βαθμολογία από την ομάδα χωρίς ΤΝ. Όταν όμως κλήθηκαν να εξεταστούν χωρίς το εργαλείο, απέδωσαν κατά 17% χειρότερα. Πολλοί είχαν χρησιμοποιήσει την εφαρμογή ως υποκατάστατο της δικής τους προσπάθειας, αντιγράφοντας έτοιμες λύσεις.
Μια διαφορετικά σχεδιασμένη εφαρμογή, η οποία έδινε υποδείξεις αντί για απαντήσεις, ζητούσε από τον μαθητή να εξηγήσει τι είχε δοκιμάσει και αξιοποιούσε παραδείγματα λαθών που είχαν επιλέξει οι εκπαιδευτικοί, περιόρισε σχεδόν πλήρως αυτή την αρνητική επίδραση. Το συμπέρασμα δεν είναι ότι η ΤΝ πρέπει να απαγορευτεί. Είναι ότι ένα εργαλείο σχεδιασμένο για την ταχύτερη ολοκλήρωση μιας εργασίας δεν είναι αυτομάτως κατάλληλο για μάθηση.
Η ΤΝ ως βοηθός σκέψης και όχι ως μηχανή απαντήσεων
Ένας απλός κανόνας για την τάξη είναι να αντιμετωπίζεται η ΤΝ σαν ένας πιο προχωρημένος συμμαθητής. Είναι θεμιτό να ζητήσει κανείς μια διευκρίνιση ή μια υπόδειξη. Δεν είναι μαθησιακά ωφέλιμο να κοιτάξει απλώς τη λύση του άλλου και να την αντιγράψει.
Σε μια άσκηση εξισώσεων, για παράδειγμα, οι μαθητές μπορούν πρώτα να καταγράψουν τη δική τους προσπάθεια. Στη συνέχεια ζητούν από την εφαρμογή όχι τη λύση, αλλά μία μόνο ερώτηση που θα τους βοηθήσει να εντοπίσουν το επόμενο βήμα. Αν έχουν μεταφέρει λανθασμένα έναν όρο, η ΤΝ μπορεί να τους ζητήσει να ελέγξουν αν διατήρησαν την ισότητα, χωρίς να διορθώσει η ίδια την πράξη.
Στη γεωμετρία, οι μαθητές μπορούν να κατασκευάσουν ένα σχήμα, να διατυπώσουν μια εικασία και να ζητήσουν από την ΤΝ να προτείνει ένα αντιπαράδειγμα ή μια ειδική περίπτωση που πρέπει να εξεταστεί. Η τελική απόδειξη συντάσσεται από τους ίδιους και ελέγχεται μέσα από συζήτηση στην τάξη.
Στις πιθανότητες, ο εκπαιδευτικός μπορεί να ζητήσει από την ΤΝ να δημιουργήσει δύο διαφορετικές λύσεις, από τις οποίες η μία περιέχει ένα καλά κρυμμένο λάθος. Οι ομάδες μαθητών καλούνται να εντοπίσουν τη λανθασμένη παραδοχή, να την αιτιολογήσουν και να διορθώσουν τη λύση. Έτσι, η πιθανότητα λάθους της ΤΝ μετατρέπεται σε μαθησιακό υλικό και καλλιεργείται η κριτική επαλήθευση.
Χρήσιμη είναι επίσης η πρακτική «πρώτη προσπάθεια χωρίς εργαλείο». Η ΤΝ ενεργοποιείται μόνο αφού ο μαθητής έχει παρουσιάσει σχέδιο επίλυσης, σχήμα, υπολογισμούς ή συγκεκριμένο σημείο δυσκολίας. Στο τέλος, απενεργοποιείται ξανά και ο μαθητής ανακατασκευάζει τη λύση με δικά του λόγια ή απαντά σε προφορικές ερωτήσεις.
Ανοιχτά εργαλεία, διαφανείς κανόνες
Η εκπαιδευτική χρήση της ΤΝ πρέπει να συνοδεύεται από διαφάνεια, προστασία προσωπικών δεδομένων και δυνατότητα ελέγχου. Τα σχολεία και τα πανεπιστήμια χρειάζονται ανοιχτούς εκπαιδευτικούς πόρους, δημόσια τεκμηριωμένες οδηγίες και, όπου είναι εφικτό, ανοιχτά ή τοπικά εγκατεστημένα μοντέλα. Οι προτροπές, τα παραδείγματα και οι παιδαγωγικές δικλείδες μπορούν να δημοσιεύονται με ανοιχτές άδειες, ώστε να αξιολογούνται και να βελτιώνονται από την εκπαιδευτική κοινότητα.
Το ζητούμενο δεν είναι να διατηρήσουμε κάθε δυσκολία ούτε να εξιδανικεύσουμε την ταλαιπωρία. Η άσκοπη δυσκολία πρέπει να αφαιρείται. Η δημιουργική προσπάθεια, όμως, πρέπει να προστατεύεται, επειδή εκεί ακριβώς γεννιούνται η κατανόηση, η αυτονομία και η μαθηματική κρίση. Η ΤΝ μπορεί να γίνει πολύτιμος εκπαιδευτικός βοηθός, αρκεί να μην αφαιρεί από τον μαθητή το ουσιαστικότερο μέρος της μάθησης: την ευθύνη να σκεφτεί.
Πηγές:
Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı και Rei Mariman, «Generative AI without guardrails can harm learning: Evidence from high school mathematics»: Ελεγχόμενη μελέτη σε περίπου χίλιους μαθητές, η οποία διακρίνει την προσωρινή βελτίωση της επίδοσης από την πραγματική απόκτηση μαθηματικών δεξιοτήτων και τεκμηριώνει τη σημασία των παιδαγωγικών δικλείδων: https://www.pnas.org/doi/10.1073/pnas.2422633122.
Manu Kapur, «Productive Failure in Learning Math»: Εμπειρική μελέτη, η οποία δείχνει ότι η προσπάθεια επίλυσης πριν από τη διδασκαλία της καθιερωμένης μεθόδου μπορεί να ενισχύσει την εννοιολογική κατανόηση και τη μεταφορά της γνώσης σε νέα προβλήματα: https://doi.org/10.1111/cogs.12107.
Hugo Duminil-Copin, «Care for a little more AI?»: Μαρτυρία ενός κορυφαίου ερευνητή για την αξία των αποτυχημένων προσπαθειών, της προσωπικής εξερεύνησης και της ανθρώπινης κατανόησης στη μαθηματική έρευνα και εκπαίδευση: https://proofsandprompts.com/2026/08/30/care-for-a-little-more-ai/.
Baptiste Serraille, «Rethinking Maths education: A perspective from Olympiad and higher education»: Κείμενο με συγκεκριμένες παιδαγωγικές προτάσεις από την πανεπιστημιακή διδασκαλία και την προετοιμασία μαθητών για μαθηματικές ολυμπιάδες, με έμφαση στην πρώτη προσωπική προσπάθεια και στην ενεργό συμμετοχή: https://proofsandprompts.com/2026/09/02/rethinking-maths-education-a-perspective-from-olympiad-and-higher-education/.
Ευρωπαϊκή Επιτροπή, «Guidelines on the ethical use of artificial intelligence and data in teaching and learning»: Επικαιροποιημένες κατευθυντήριες γραμμές για την παιδαγωγικά υπεύθυνη, ασφαλή και διαφανή χρήση της ΤΝ και των δεδομένων στην εκπαίδευση, με πρακτικά ερωτήματα και παραδείγματα για τη σχολική τάξη: https://education.ec.europa.eu/focus-topics/digital-education/actions/plan/ethical-guidelines-for-educators-on-using-artificial-intelligence.