Inteligența artificială generativă în predarea matematicii: de la rezolvare automată la evaluare formativă și gândire critică

Rezumat
Articolul propune o abordare didactică actuală pentru predarea matematicii în gimnaziu și liceu: utilizarea inteligenței artificiale generative ca instrument de evaluare formativă, de stimulare a argumentării și de analiză a erorilor, nu ca substitut al gândirii elevului. Pornind de la provocările recente ale educației digitale, sunt analizate oportunitățile și limitele integrării responsabile a aplicațiilor de tip chatbot în activități matematice. Lucrarea formulează un model didactic original, MEGA - Modelare, Explicare, Generalizare, Argumentare - care poate fi aplicat în lecții de algebră, geometrie, funcții sau probabilități. Sunt prezentate exemple de sarcini de lucru, criterii de evaluare, reguli de utilizare etică și recomandări pentru evitarea dependenței de răspunsuri automate. Concluzia principală este că IA generativă poate deveni relevantă în matematică doar atunci când profesorul o integrează într-un scenariu pedagogic riguros, orientat spre întrebări, verificare, demonstrație și reflecție.

1. Introducere
Matematica a fost întotdeauna o disciplină în care răspunsul corect nu este suficient. Valoarea formativă a matematicii se construiește prin justificare, prin alegerea unei strategii, prin identificarea relațiilor dintre concepte și prin capacitatea de a explica de ce o metodă funcționează. În ultimii ani, apariția aplicațiilor de inteligență artificială generativă a schimbat rapid modul în care elevii caută explicații, verifică exerciții și redactează rezolvări. Pentru profesorul de matematică, întrebarea nu mai este dacă elevii vor întâlni astfel de instrumente, ci cum pot fi orientate spre învățare autentică.
Tema propusă este de actualitate deoarece se află la intersecția dintre educația matematică, digitalizare, etică și evaluare. În același timp, ea permite o abordare mai puțin convențională: IA nu este tratată ca soluție miraculoasă și nici ca pericol care trebuie interzis, ci ca obiect didactic care poate fi investigat critic. Elevul nu primește doar o rezolvare, ci este pus să compare, să verifice, să găsească erori, să ceară justificări și să reformuleze. Astfel, accentul se mută de la consumul de răspunsuri la construcția raționamentului.
Documente internaționale recente subliniază faptul că tehnologiile de IA pot sprijini predarea și învățarea, dar numai în condiții de responsabilitate, transparență, protecție a datelor și menținere a rolului central al profesorului. UNESCO propune o viziune centrată pe om pentru IA în educație, Comisia Europeană pune accent pe utilizarea etică a datelor și pe conformarea cu reglementările europene, iar OECD evidențiază că IA generativă produce câștiguri reale în învățare doar dacă este integrată prin principii pedagogice clare. În predarea matematicii, aceste recomandări capătă o formă concretă: elevul trebuie să știe să întrebe, să verifice și să argumenteze.
Scopul articolului este de a prezenta un cadru practic prin care profesorul de matematică poate transforma IA generativă într-un instrument de evaluare formativă și de consolidare a gândirii critice. Obiectivele sunt: identificarea oportunităților și riscurilor, formularea unui model didactic aplicabil, propunerea unor sarcini de lucru și conturarea unor reguli de utilizare responsabilă la clasă.
2. Context teoretic: IA generativă și specificul matematicii școlare
Inteligența artificială generativă desemnează sisteme capabile să producă texte, explicații, cod, imagini sau alte tipuri de conținut pornind de la instrucțiuni formulate în limbaj natural. În matematică, aceste sisteme pot genera rezolvări, exemple, contraexemple, analogii, itemi de evaluare sau explicații diferențiate. Totuși, caracterul lor probabilistic face ca răspunsurile să fie uneori incomplete, nejustificate sau chiar eronate. De aceea, utilizarea lor în matematică trebuie să fie însoțită de verificare conceptuală și procedurală.
Matematica școlară are o particularitate importantă: greșeala poate fi foarte valoroasă. O eroare într-o transformare algebrică, într-o aplicare a teoremei lui Pitagora sau într-o interpretare grafică poate dezvălui o concepție parțială a elevului. Profesorul folosește eroarea pentru a diagnostica, pentru a formula întrebări și pentru a construi o punte spre înțelegere. IA generativă poate susține acest proces dacă este folosită pentru a produce feedback, întrebări de clarificare sau variante de explicații, dar nu trebuie să înlocuiască dialogul didactic.
În poziția sa din 2024, National Council of Teachers of Mathematics afirmă că instrumentele bazate pe IA pot răspunde la gândirea și interesele elevilor în moduri care anterior nu erau disponibile, dar subliniază în același timp că expertiza matematică, pedagogică și relațională a profesorului rămâne indispensabilă. Această idee este esențială pentru orice demers de integrare a IA în matematică: tehnologia este un mediu de lucru, nu autoritatea epistemică finală.
Din perspectivă pedagogică, folosirea IA în matematică ar trebui raportată la competențe precum formularea problemelor, modelarea, reprezentarea, argumentarea, comunicarea matematică și reflecția asupra strategiilor. Un răspuns generat automat devine util numai dacă elevul îl poate interpreta, valida și conecta la cunoștințele sale.
3. De ce tema este relevantă acum
Actualitatea temei derivă din patru evoluții simultane. Prima este accesibilitatea instrumentelor de IA generativă: elevii pot obține explicații și rezolvări în câteva secunde, inclusiv în afara școlii. A doua este dezvoltarea reglementărilor și ghidurilor europene privind utilizarea responsabilă a IA în educație. A treia este presiunea asupra evaluării tradiționale, deoarece temele standard pot fi rezolvate automat. A patra este nevoia de competențe digitale critice: elevii trebuie să învețe nu doar să folosească tehnologia, ci și să-i recunoască limitele.
Pentru matematica școlară, aceste schimbări creează o oportunitate: accentul poate fi mutat de la exerciții repetitive spre explicație, verificare și raționament. O sarcină de tipul „rezolvă ecuația” poate fi înlocuită sau completată cu sarcini precum „analizează rezolvarea generată”, „identifică pasul nejustificat”, „propune o metodă alternativă”, „formulează o întrebare care ar clarifica soluția” sau „construiește un contraexemplu”. Aceste cerințe sunt mai greu de automatizat și mai apropiate de competențele matematice autentice.
O temă de specialitate despre IA în matematică poate aduce o contribuție utilă tocmai prin această repoziționare: profesorul nu este invitat să renunțe la rigoare, ci să folosească noile instrumente pentru a o face vizibilă. Într-un context în care elevii pot obține rapid un produs final, școala trebuie să insiste asupra procesului intelectual.
4. Modelul didactic MEGA: Modelare, Explicare, Generalizare, Argumentare
Modelul MEGA este propus ca structură de proiectare a activităților matematice asistate de IA generativă. El nu este dependent de o anumită platformă și poate fi aplicat atât în activități individuale, cât și în perechi sau grupe. Scopul modelului este să împiedice reducerea lecției la căutarea unui răspuns și să transforme interacțiunea cu IA într-un prilej de gândire matematică.
Cele patru etape sunt: Modelare, Explicare, Generalizare și Argumentare. În etapa de modelare, elevii formulează problema, identifică datele, condițiile și necunoscutele. În etapa de explicare, analizează o soluție proprie, o soluție a colegilor sau o soluție generată de IA. În etapa de generalizare, elevii caută reguli, condiții de aplicabilitate și variante ale problemei. În etapa de argumentare, construiesc justificări, demonstrează sau resping afirmații și formulează concluzii verificabile.
Rolul profesorului este să construiască prompturi, să selecteze situații-problemă relevante și să decidă când intervenția IA este oportună. Nu orice moment al lecției trebuie digitalizat. Uneori, cea mai bună utilizare a IA este după ce elevii au încercat singuri rezolvarea, pentru a compara metode. Alteori, IA poate fi introdusă la final, pentru a genera întrebări de reflecție sau exerciții suplimentare diferențiate.
Tabelul 1. Structura modelului MEGA pentru activități matematice asistate de IA
Etapa Întrebarea-cheie Activitatea elevului Rolul IA generative
Modelare Ce se cere și ce informații sunt relevante? Identifică date, relații, reprezentări și posibile strategii. Poate reformula problema sau genera reprezentări alternative.
Explicare De ce funcționează metoda aleasă? Descrie pașii, justifică transformările și compară soluții. Poate oferi feedback sau explicații gradate.
Generalizare În ce condiții rămâne valabil rezultatul? Caută modele, formulează reguli, modifică datele problemei. Poate genera variații, exemple și contraexemple.
Argumentare Cum demonstrăm sau respingem afirmația? Construiește demonstrații, identifică erori și formulează concluzii. Poate produce soluții de verificat critic, inclusiv soluții intenționat incomplete.
5. Exemple de activități aplicabile la clasă
5.1. Algebră: analiza unei rezolvări generate
Se propune elevilor ecuația 2(x - 3) + 5 = 3x - 4. După rezolvarea individuală, profesorul oferă o rezolvare generată de IA care conține intenționat un pas incomplet sau o justificare insuficientă. Sarcina elevilor nu este să copieze soluția, ci să răspundă la trei întrebări: Ce pas este corect? Ce pas trebuie justificat? Ce întrebare i-ai adresa asistentului IA pentru a clarifica rezolvarea?
Această activitate dezvoltă atenția la transformări echivalente și la sensul operațiilor. Elevul învață că o soluție matematică nu este doar o succesiune de linii, ci o argumentare coerentă. Profesorul poate evalua formativ răspunsurile observând tipul de eroare identificată și calitatea întrebării formulate.
5.2. Geometrie: demonstrație și contraexemplu
Într-o lecție despre patrulatere, elevii pot primi afirmația: „Dacă diagonalele unui patrulater sunt perpendiculare, atunci patrulaterul este romb.” IA poate genera o explicație aparent convingătoare, dar elevii sunt solicitați să o verifice prin desen, contraexemplu sau argument teoretic. Sarcina este valoroasă deoarece stimulează distincția dintre condiții suficiente și condiții necesare.
Activitatea poate fi organizată în perechi. Un elev formulează promptul, celălalt verifică răspunsul. La final, perechile prezintă concluzia: afirmația este adevărată sau falsă, ce ipoteze lipsesc și cum poate fi reformulată corect. Astfel, IA devine un interlocutor criticabil, nu o sursă infailibilă.
5.3. Funcții: interpretarea graficului și limbajul natural
La studiul funcțiilor, IA generativă poate fi folosită pentru a transforma limbajul natural în cerințe matematice sau invers. De exemplu, elevii primesc descrierea unei situații: „Temperatura crește constant timp de trei ore, apoi scade brusc.” Ei trebuie să schițeze un grafic posibil și să explice alegerea. Ulterior, pot cere IA să ofere o descriere pentru graficul lor, iar clasa compară descrierile.
Beneficiul activității nu constă în generarea automată a graficului, ci în verificarea coerenței dintre reprezentări: text, tabel, formulă și grafic. Elevii exersează comunicarea matematică și înțeleg că o funcție poate fi analizată prin mai multe registre semiotice.
5.4. Probabilități: simulare, estimare și raționament
Într-o lecție despre probabilități, elevii pot formula ipoteze despre rezultate aleatoare și pot solicita IA să propună o simulare simplă sau să explice diferența dintre frecvență relativă și probabilitate teoretică. Profesorul trebuie să insiste asupra interpretării rezultatelor, nu asupra fascinației pentru tehnologie. Elevii pot compara predicții, rezultate simulate și calcule exacte.
O cerință potrivită este: „Explică de ce, la aruncarea unei monede de 20 de ori, numărul de apariții ale stemei nu este obligatoriu 10, deși probabilitatea teoretică este 1/2.” Răspunsurile generate pot fi analizate în funcție de claritate, corectitudine și exemple.
6. Evaluarea formativă asistată de IA
Evaluarea formativă urmărește să ofere informații despre progresul elevului în timpul învățării, nu doar să măsoare un rezultat final. IA generativă poate contribui la acest proces prin generarea de întrebări de clarificare, feedback diferențiat, itemi suplimentari și explicații alternative. Totuși, profesorul rămâne responsabil pentru validarea feedbackului și pentru adaptarea lui la nivelul clasei.
Un avantaj important este rapiditatea cu care pot fi construite sarcini diferențiate. Pentru un elev care a înțeles metoda, IA poate genera o problemă de transfer. Pentru un elev care greșește repetat la semne, poate genera exerciții scurte focalizate pe acea dificultate. Pentru un elev avansat, poate propune o generalizare sau o demonstrație. Aceste utilizări susțin personalizarea, dar numai dacă profesorul urmărește obiectivele și filtrează conținutul.
O formă eficientă de evaluare este jurnalul de verificare. Elevul notează: promptul folosit, răspunsul primit, ce a considerat corect, ce a verificat, ce a modificat și ce a învățat. Jurnalul mută accentul de la simpla utilizare a IA la metacogniție. Profesorul poate evalua nu doar produsul matematic, ci și comportamentul critic al elevului.
Tabelul 2. Grilă orientativă pentru evaluarea unei activități MEGA
Criteriu Nivel inițial Nivel mediu Nivel avansat
Corectitudine matematică Aplică algoritmi cu erori frecvente. Rezolvă corect sarcini standard. Verifică și justifică soluții variate.
Explicație Descrie pași fără justificare. Explică parțial metoda folosită. Argumentează riguros fiecare pas important.
Utilizare critică a IA Acceptă răspunsul fără verificare. Identifică unele neclarități. Corectează, reformulează și validează răspunsul.
Generalizare Lucrează doar pe exemplul dat. Recunoaște modele similare. Formulează reguli, condiții și contraexemple.
7. Reguli de utilizare etică și responsabilă
Integrarea IA în lecțiile de matematică presupune reguli clare. În primul rând, elevii trebuie să știe când este permisă folosirea IA și în ce scop. În al doilea rând, trebuie evitată introducerea datelor personale ale elevilor în platforme digitale nevalidate de școală. În al treilea rând, răspunsurile generate trebuie tratate ca ipoteze de lucru, nu ca adevăruri definitive. În al patrulea rând, profesorul trebuie să păstreze echitatea: activitățile nu trebuie să dezavantajeze elevii care nu au acces la dispozitive sau internet acasă.
La nivel european, IA în educație este discutată în raport cu transparența, supravegherea umană, protecția datelor și riscurile asupra drepturilor fundamentale. Pentru profesorul de matematică, traducerea practică a acestor principii este simplă: nu se colectează date inutile, nu se automatizează decizii importante despre elev, nu se acordă note exclusiv pe baza unui feedback generat și nu se folosește IA pentru a eticheta elevii.
O regulă didactică utilă poate fi formulată astfel: IA are voie să ajute la întrebări, exemple și feedback, dar elevul rămâne responsabil pentru verificare, explicație și concluzie. Această regulă păstrează demnitatea intelectuală a elevului și autoritatea profesională a profesorului.
• Nu introducem nume, date personale sau situații identificabile ale elevilor în aplicații de IA.
• Nu copiem rezolvări generate fără verificare și fără explicație proprie.
• Marcăm explicit folosirea IA atunci când activitatea o cere.
• Comparăm cel puțin două surse sau două metode pentru probleme importante.
• Considerăm răspunsul IA ca punct de pornire pentru dialog matematic, nu ca verdict.
8. Limite și riscuri în predarea matematicii
Primul risc este dependența de răspunsuri rapide. Elevul poate ajunge să creadă că scopul matematicii este obținerea rezultatului, nu înțelegerea parcursului. Pentru a evita acest risc, profesorul poate cere explicații orale, justificări scrise, comparații între metode și reflecții asupra erorilor.
Al doilea risc este apariția răspunsurilor incorecte sau incomplet justificate. Unele sisteme pot produce rezolvări plauzibile, dar greșite, mai ales în probleme care implică demonstrații, condiții subtile sau interpretări geometrice. Din acest motiv, elevii trebuie formați să verifice rezultatele prin substituție, prin reprezentare grafică, prin estimare sau printr-o metodă alternativă.
Al treilea risc este inegalitatea de acces. Dacă temele de acasă presupun folosirea unei aplicații, elevii fără acces constant la internet pot fi dezavantajați. O soluție este ca activitățile asistate de IA să fie realizate preponderent la clasă, în echipe, cu resurse controlate de profesor.
Al patrulea risc este diminuarea rolului profesorului. De fapt, integrarea responsabilă a IA solicită și mai mult profesionalism: profesorul trebuie să proiecteze sarcini, să evalueze calitatea răspunsurilor, să explice limitele tehnologiei și să construiască un climat de încredere.
9. Propunere de mini-cercetare la clasă
Pentru a transforma tema într-un demers de specialitate aplicat, profesorul poate realiza o mini-cercetare pe durata a patru săptămâni. Scopul ar fi observarea modului în care activitățile MEGA influențează calitatea explicațiilor matematice ale elevilor. Participanții pot fi elevii unei clase de gimnaziu sau liceu, iar datele pot fi colectate prin fișe de lucru, jurnale de verificare și observații ale profesorului.
Întrebarea de cercetare poate fi: În ce măsură analiza critică a răspunsurilor generate de IA îmbunătățește capacitatea elevilor de a justifica pașii unei rezolvări matematice? Se pot compara două tipuri de sarcini: sarcini tradiționale de rezolvare și sarcini de analiză a unei rezolvări generate. Indicatorii urmăriți pot include numărul de justificări corecte, identificarea erorilor, calitatea întrebărilor formulate și capacitatea de generalizare.
Rezultatele unei asemenea mini-cercetări nu trebuie prezentate ca generalizări statistice, ci ca reflecție profesională fundamentată. Profesorul poate include exemple anonimizate de răspunsuri ale elevilor și poate observa dacă, în timp, aceștia devin mai atenți la argumentare.
10. Scenariu didactic sintetic
Tema lecției: Ecuații liniare și verificarea soluțiilor. Clasa: a VII-a sau a VIII-a, cu adaptări. Durata: 50 de minute. Competențe vizate: rezolvarea ecuațiilor liniare, justificarea transformărilor, verificarea soluției, exprimarea orală și scrisă a raționamentului.
Etapa 1 - activare: elevii rezolvă individual o ecuație simplă și notează un pas pe care îl consideră esențial. Etapa 2 - interacțiune critică: profesorul prezintă o rezolvare generată de IA, cu o justificare incompletă. Elevii trebuie să marcheze pasul problematic și să formuleze o întrebare de clarificare. Etapa 3 - lucru în perechi: elevii compară rezolvarea proprie cu cea generată și redactează o soluție corectă. Etapa 4 - reflecție: fiecare pereche completează jurnalul de verificare. Etapa 5 - concluzie: clasa formulează regulile de verificare a unei ecuații.
Evaluarea se realizează prin observarea argumentării, prin verificarea fișei de lucru și printr-un item de ieșire: „Scrie un criteriu prin care poți decide dacă o rezolvare generată automat este corectă.” Acest item evidențiază nu doar cunoștințe matematice, ci și competență critică digitală.
11. Concluzii
Inteligența artificială generativă nu reduce importanța profesorului de matematică, ci schimbă tipul de intervenție didactică necesară. Într-un mediu în care răspunsurile pot fi generate rapid, profesorul devine tot mai important ca organizator al întrebărilor, garant al rigoarei și formator al gândirii critice. Matematica oferă un teren privilegiat pentru această abordare, deoarece fiecare rezultat trebuie justificat, verificat și integrat într-o structură logică.
Modelul MEGA propus în articol oferă o posibilă cale de integrare: elevii modelează situații, explică pași, generalizează rezultate și argumentează concluzii. IA poate sprijini aceste activități prin feedback, exemple și reformulări, dar valoarea ei depinde de scenariul pedagogic. Folosită fără reguli, IA poate încuraja superficialitatea. Folosită critic, poate face mai vizibil procesul gândirii matematice.
O direcție viitoare de cercetare didactică este observarea efectelor pe termen lung asupra calității argumentării elevilor. De asemenea, merită analizat modul în care IA poate sprijini elevii cu ritmuri diferite de învățare, fără a crea dependență sau inechitate. Pentru profesorul de matematică, provocarea actuală nu este să concureze cu tehnologia, ci să o transforme într-un context de învățare responsabilă.
Bibliografie
Comisia Europeană. (2026). Guidelines on the ethical use of artificial intelligence and data in teaching and learning for educators. European Education Area. Disponibil la: https://education.ec.europa.eu/
European Commission. (2024). AI Act enters into force. Directorate-General for Communication. Disponibil la: https://commission.europa.eu/
European Commission, Joint Research Centre. (2025). Generative Artificial Intelligence in Secondary Education: An exploratory study. Publications Office of the European Union. Disponibil la: https://publications.jrc.ec.europa.eu/
National Council of Teachers of Mathematics. (2024). Artificial Intelligence and Mathematics Teaching. NCTM Position Statement. Disponibil la: https://www.nctm.org/
OECD. (2023). OECD Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. OECD Publishing. https://doi.org/10.1787/c74f03de-en
OECD. (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing. Disponibil la: https://www.oecd.org/
UNESCO. (2023). Guidance for Generative AI in Education and Research. Paris: UNESCO. Disponibil la: https://www.unesco.org/
UNESCO. (2025). AI and education: Guidance for policy-makers. UNESCO. Disponibil la: https://www.unesco.org/
Van de Walle, J. A., Karp, K. S., & Bay-Williams, J. M. (2019). Elementary and Middle School Mathematics: Teaching Developmentally. Pearson.
Polya, G. (1945/2004). How to Solve It: A New Aspect of Mathematical Method. Princeton University Press.