AI alati mogu napisati seminarski rad, generirati programski kod i ponuditi rješenje zadatka. Za sveučilišta to otvara važno pitanje: kako razlikovati kvalitetan predani rad od stvarnog znanja studenta?

Sve raširenija uporaba generativne umjetne inteligencije potiče nastavnike na preispitivanje načina ocjenjivanja. U članku objavljenom u časopisu Nature, novinarka Katarina Zimmer predstavlja različite odgovore akademske zajednice na studentsku uporabu AI-ja. Među njima su oblikovanje ispita koje AI alati teško rješavaju i umetanje skrivenih uputa u zadatke radi otkrivanja nedopuštene uporabe.

Tema otvara širu raspravu o tome što bi sveučilišni ispit trebao mjeriti. Ako student uz pomoć AI-ja može izraditi uvjerljiv tekst, sam završni proizvod nastavniku više ne mora pružiti dovoljno informacija o njegovu razumijevanju.

Od gotovog rada prema procesu razmišljanja

Jedan mogući odgovor jest veći naglasak na postupku kojim student dolazi do rezultata. Seminarski rad može pratiti kratka usmena obrana, objašnjenje odabranih izvora ili prikaz izmjena nastalih tijekom rada. Nastavnik tako dobiva priliku provjeriti može li student obrazložiti zaključke i odgovoriti na dodatna pitanja.

U programiranju to može značiti objašnjenje koda i njegovu prilagodbu novom zahtjevu. U poslovnim kolegijima student može braniti predloženu odluku, usporediti alternative i prepoznati slabosti vlastite analize. Takvi zadatci omogućuju provjeru razumijevanja i kada je uporaba AI-ja dopuštena.

Jasna pravila za uporabu AI-ja

Za kvalitetno ocjenjivanje važna su unaprijed poznata pravila. Student treba znati smije li koristiti AI za razradu ideja, jezično uređivanje, pisanje teksta ili rješavanje pojedinih dijelova zadatka.

Moguće je zatražiti i kratku izjavu o uporabi AI-ja: koji je alat korišten, za što je poslužio i kako su njegovi odgovori provjereni. Takva izjava može biti polazište za razgovor o odgovornosti, izvorima i pouzdanosti dobivenih informacija.

Procjenjivati i sposobnost kritičke provjere

U nastavi koja dopušta AI korisno je ocjenjivati sposobnost studenta da prepozna pogrešan odgovor, provjeri tvrdnju i objasni zašto neko rješenje prihvaća ili odbacuje. Zadatak može uključivati analizu AI-generiranog teksta s namjerno postavljenim netočnostima ili usporedbu odgovora alata s izvornom literaturom.

Za sveučilišta je zato važan razvoj provjera koje daju jasan uvid u znanje pojedinca. Usmena obrana, praktični zadatci i dokumentiranje postupka mogu biti dio tog pristupa. Vrijednost studentskog rada pritom se očituje i u sposobnosti autora da ga razumije, objasni i samostalno primijeni.

Povod i izvor: Katarina Zimmer, „From Trojan horses to AI-proof exams: how professors are tackling students’ AI use”, Nature, 1. rujna 2026. Tekst je autorski osvrt na temu predstavljenu u dostupnom uvodu izvornog članka; prijedlozi za nastavu predstavljaju uredničku razradu.

Izvorni članak u časopisu Nature⁠https://www.nature.com/articles/d41586-026-02370-2