Laboratorium cyfrowej nieufności
Metoda polega na systematycznej weryfikacji treści generowanych przez AI poprzez ich rozkładanie na elementy i ocenę wiarygodności każdego z nich.
Narzędzia: Custom GPT (stworzony przez wykładowcę), MS Word / Google Docs
Najlepsze do: szlifowania tekstów, raportów, projektów technicznych
Metoda odciąża wykładowcę z konieczności wielokrotnego sprawdzania wersji roboczych, a studentowi daje stały dostęp do informacji zwrotnej. Wykładowca wprowadza do narzędzia materiały, kryteria oceniania, przykłady dobrych prac, checklisty i wymaganiami. Dzięki temu informacja zwrotna pojawia się od razu i pomaga poprawiać pracę na bieżąco. Narzędzie działa jak filtr jakości: wskazuje niespójności, braki argumentacji, błędy struktury czy niezgodność z wymaganiami.
Metodę można stosować w kilku wariantach. W najprostszym podejściu student korzysta z Wirtualnego Mentora tylko raz, tuż przed oddaniem pracy, aby sprawdzić zgodność
z wymaganiami i wychwycić błędy formalne oraz logiczne. Bardziej rozwojowy wariant opiera się na pracy iteracyjnej, w której student przygotowuje kolejne wersje tekstu (np.
wersja 1, 2 i 3), a po każdej z nich otrzymuje informację zwrotną i świadomie wprowadza poprawki, a następnie krótko uzasadnia, co zmienił i dlaczego. Można też wykorzystać narzędzie jako checklistę jakości zamiast gotowych sugestii – student dostaje pytania na- prowadzające, które pomagają mu samodzielnie ocenić spójność argumentów, strukturę pracy czy zgodność z celem zadania. W innym wariancie student porównuje swoją pracę z przykładowym, dobrze ocenionym tekstem, a mentor wskazuje różnice w jakości, logice i strukturze, co ułatwia zrozumienie standardów. Możliwe jest także użycie mentora w trybie egzaminatora, gdzie narzędzie ocenia pracę według kryteriów i uzasadnia decyzję, dzięki czemu student widzi, które elementy wpływają na końcową ocenę i dlaczego zyskał lub stracił punkty.
Kurs: Projektowanie inżynierskie
Temat: Przygotowanie raportu z badań
Wykładowca tworzy Custom GPT o nazwie „Recenzent Raportów Laboratorium X”. Do bazy wiedzy bota wgrywa wzorcowy raport, listę 10 najczęstszych błędów studentów z poprzednich lat oraz szczegółową tabelę z kryteriami oceny (rubrykę).
Rozgrzewka (5–10 min)
Wykładowca udostępnia link do Custom GPT. Na wszelki wypadek warto udostępnić też treść instrukcji (System Prompt) w pliku PDF, aby studenci, którym osiągną darmowy limit, mogli wkleić ją do zwykłego czatu.
Sesja diagnostyczna (10–15 min)
Student wgrywa swój pierwszy szkic raportu do GPT. Zadaje polecenie: „Przeanalizuj mój raport pod kątem spójności tezy z wnioskami oraz sprawdź, czy poprawnie opisałem
metodologię zgodnie z wytycznymi z sylabusa”.
Iteracja i poprawki (20 min)
Student nie kopiuje odpowiedzi bota, ale nanosi poprawki w swoim pliku tekstowym na podstawie sugestii. Jeśli bot napisze: „Twoja sekcja ‘Wnioski’ jest zbyt ogólna i nie odnosi się do Tabeli nr 2”, student musi wrócić do danych i samodzielnie dopisać brakujące powiązania.
Weryfikacja końcowa (10–15 min)
Student prosi chatbot o audyt końcowy według skali ocen (np. 2–5). Na zajęcia przynosi poprawioną wersję raportu wraz z krótkim wykazem błędów, które bot kazał poprawić i jak zostały one zaadresowane.
Łatwiej → Chatbot sprawdza tylko checklistę (czy są wszystkie sekcje, czy bibliografia ma dobry format).
More Challenging → Chatbot działa jako sceptyczny recenzent – znajduje słabe punkty w argumentacji studenta i zmusza go do obrony swojej tezy.
Ocena kształtująca
Poproś studentów o przesłanie krótkiego dziennika zmian (np.: „Co bot mi wytknął? Z czym się nie zgodziłem? Co poprawiłem?”). Pozwala to ocenić, czy
student krytycznie analizuje feedback.
Ocena sumująca
Oceniaj finalny raport. Możesz dodać bonusowe punkty za refleksje, krótkie uzasadnienie, dlaczego student zdecydował się odrzucić którąś z sugestii AI (co
świadczy o głębszym zrozumieniu tematu i autonomii).