Prezentacja pokazuje, jak wykorzystać wiedzę z psychologii uczenia się do przyspieszenia nauki z użyciem AI, w szczególności modeli językowych (LLM). Punktem wyjścia jest świadome zarządzanie procesem uczenia się: rozpoznanie, czego dokładnie się uczysz, na jakim poziomie jesteś oraz jakiego rodzaju wsparcia naprawdę potrzebujesz. AI nie służy tu do generowania gotowych odpowiedzi, lecz do diagnozy, refleksji i projektowania kolejnych kroków nauki.
W oparciu o cykl Kolba uczysz się zamieniać każde działanie w pełny proces uczenia. AI pomaga zaplanować doświadczenie, wskazać 1–2 elementy do obserwacji, przeanalizować po wykonaniu, co zadziałało i dlaczego, oraz zaprojektować konkretną zmianę do kolejnej próby. Efektem jest umiejętność systematycznego uczenia się z własnych działań, zamiast powtarzania tych samych błędów.
Zastosowanie taksonomii Blooma pozwala precyzyjnie rozróżnić poziomy uczenia się. Uczysz się używać AI inaczej do zapamiętywania pojęć, inaczej do rozumienia mechanizmów, inaczej do ćwiczenia zastosowania w typowych sytuacjach, a jeszcze inaczej do analizy błędów i tworzenia własnych rozwiązań. Dzięki temu przestajesz mylić „rozumiem” z „potrafię”.
Macierz kompetencji (wiedza vs działanie, kontekst typowy vs nietypowy) pozwala jasno zobaczyć, gdzie naprawdę jesteś. AI służy do testowania, czy umiejętność działa tylko w bezpiecznych warunkach, czy także w nowych i trudniejszych sytuacjach. Uczysz się identyfikować obszary, które wymagają automatyzacji, oraz te, które jeszcze nie zostały świadomie przepracowane.
Podział na umiejętności praktyczne (outer game) i mentalne (inner game), znany ze sportu pokazuje, jak używać AI nie tylko do nauki techniki, ale także do pracy nad koncentracją, decyzjami, reakcją na błędy i presję. AI pełni rolę trenera refleksji i uwagi, pomagając utrzymać jakość wykonania wtedy, gdy warunki przestają być idealne.
Efektem jest zestaw konkretnych sposobów pracy z AI, które prowadzą do szybszego, głębszego i trwalszego uczenia się.