Integrarea inteligenței artificiale generative în didactica Informaticii și TIC: modele, instrumente și implicații etice (Studiu)

Prezentul studiu analizează integrarea Inteligenței Artificiale (IA) în curriculumul de Informatică și TIC, propunând un cadru de lucru care îmbină rigoarea tehnică cu utilizarea creativă a noilor instrumente generative. Lucrarea explorează fundamentele învățării automate (Machine Learning), utilitatea asistenților de cercetare precum NotebookLM și eficiența metodologiei TCREI în scrierea instrucțiunilor (prompting). Un accent deosebit este pus pe dimensiunea etică, abordând riscurile legate de bias și halucinații, promovând totodată strategia „Human-in-the-Loop” ca metodă fundamentală de control în educația digitală modernă.

1. Introducere: O nouă paradigmă în laboratorul de informatică

Educația tehnologică traversează o transformare comparabilă cu apariția internetului, care a schimbat definitiv modul în care accesăm și procesăm informația. Pentru profesorii de informatică și TIC, inteligența artificială nu reprezintă doar un obiect de studiu, ci un instrument care optimizează sarcinile didactice și susține procesul de învățare.

Ritmul accelerat al inovațiilor tehnologice, comparabil cu un „tren de mare viteză”, impune o adaptare continuă în mediul educațional. În acest context, rolul cadrului didactic se redefinește: acesta evoluează de la un simplu transmițător de cunoștințe teoretice către un ghid esențial în sprijinirea elevilor pentru navigarea noului peisaj digital și pentru evitarea barierelor cognitive sau etice specifice.

Metodologia utilizată în cadrul studiului este una de tip teoretico-aplicativ, bazată pe analiza literaturii de specialitate și pe integrarea unor exemple de bune practici din activitatea didactică.

2. Fundamente tehnice: Demistificarea „motorului” IA

Pentru ca elevii să nu privească IA ca pe o „magie”, este esențial să înțeleagă că la bază stau programe de calculator care folosesc matematica pentru a învăța din date.

2.1. Învățarea automată (Machine Learning – ML)
Nucleul acestor tehnologii este Machine Learning, o ramură a IA care permite programelor să identifice tipare și să facă predicții fără a fi programate explicit pentru fiecare pas. Putem explica elevilor cele trei mari abordări:
• Învățarea supervizată: unde modelul este antrenat pe date etichetate de oameni.
• Învățarea nesupervizată: unde sistemul identifică singur structuri în date neetichetate.
• Învățarea prin întărire: un proces de trial-and-error ghidat de feedback pentru îmbunătățirea performanței.

2.2. Modelele de limbaj mari (LLM) și IA generativă
IA Generativă este capabilă să creeze conținut nou (text, imagini, cod) folosind limbajul natural. Modelele de tip LLM funcționează prin analizarea relațiilor dintre cuvinte și concepte pentru a prezice statistic următorul termen dintr-o secvență. Această capacitate predictivă este cea care le permite să genereze răspunsuri nuanțate sau să asiste în scrierea de cod.

3. Instrumente digitale: Augmentarea productivității la clasă

IA nu înlocuiește inteligența umană, ci o augmentează, îmbunătățind calitatea muncii noastre.

• Gemini în Workspace: Acest instrument ne permite să eficientizăm fluxurile de lucru. În Google Sheets, putem analiza date complexe în secunde. În Google Docs, putem genera rapid schițe de lecții sau rezumate, în timp ce în Google Meet putem folosi IA pentru a prelua note automate, rămânând concentrați pe dialogul cu elevii.
• NotebookLM ca asistent de cercetare: Spre deosebire de alte modele, NotebookLM folosește „ancorarea în surse” (source grounding), bazându-se exclusiv pe documentele încărcate de profesor. Aceasta oferă un mediu controlat și predictibil, unde fiecare răspuns include citări precise din manualele sau articolele furnizate.
• IA ca partener de programare: Pentru elevi, IA poate acționa ca un „pair programmer”, oferind sugestii de cod, explicând erori complexe sau ajutând la structurarea unor funcții noi. Deși IA poate accelera scrierea codului, este esențial ca elevii să parcurgă etapa de depanare manuală (debugging), pentru a preveni dependența de sugestiile automate și pentru a înțelege logica din spatele sintaxei.

4. Metodologia TCREI: Arta de a instrui modelele IA

Eficiența utilizării acestor instrumente depinde de calitatea „prompt-ului”. Predarea cadrului structurat TCREI la orele de TIC este o competență digitală fundamentală:

1. Task (Sarcina): Definirea clară a cerinței, incluzând expertiza dorită (Persona) și formatul de ieșire.
2. Context: Adăugarea detaliilor relevante despre obiective, publicul țintă și regulile de respectat.
3. References (Referințe): Oferirea de exemple (tehnica few-shot prompting) pentru a ghida stilul și tonul.
4. Evaluate (Evaluare): Analizarea critică a răspunsului pentru a verifica acuratețea și relevanța.
5. Iterate (Iterare): Rafinarea instrucțiunilor printr-o conversație continuă până la obținerea rezultatului ideal.

Utilizarea unor tehnici precum chain-of-thought (solicitarea explicării raționamentului pas cu pas) poate crește semnificativ precizia soluțiilor generate.

5. Etică și responsabilitate: Pilotul și autopilotul

O educație informatică modernă trebuie să abordeze și „pericolele” inteligenței artificiale. Analogia cu pilotul de avion este utilă: IA este autopilotul care ajută la navigație, dar profesorul/elevul este pilotul care ia deciziile critice.

5.1. Bias și halucinații
Trebuie să fim conștienți de faptul că modelele IA pot reflecta prejudecățile umane prezente în datele lor de antrenament (systemic & data bias). De asemenea, fenomenul de „halucinație” – generarea de informații false care par veridice – reprezintă un risc major de dezinformare.

5.2. Securitatea și „Knowledge Cutoff”
Elevii trebuie instruiți să nu introducă date personale sau confidențiale în aceste sisteme. De asemenea, trebuie înțeles conceptul de knowledge cutoff: faptul că un model are cunoștințe limitate la data ultimei sale antrenări. Strategia esențială rămâne „Human-in-the-Loop”: verificarea și validarea umană a oricărui conținut generat.

6. Concluzii: Spre o învățare augmentată

Inteligența Artificială nu înlocuiește expertiza pedagogică, ci oferă profesorului de informatică libertatea de a se concentra pe „deep work” – acele activități creative și profunde care aduc satisfacție. Adoptarea unei mentalități deschise, bazată pe experimentare („start with play”), este cea mai bună cale de a rămâne relevanți într-un mediu tehnologic în continuă schimbare. Prin integrarea responsabilă a IA, putem personaliza învățarea și pregăti elevii pentru un viitor în care colaborarea om-mașină va fi norma.

Bibliografie

1. Google AI Essentials Specialization (2024). Modules 1–5: From Foundations to Staying Ahead of the Curve. Google Research & DeepMind.
2. Google Workspace Labs (2024). Privacy Notice and Generative AI Terms for Education and Professional Accounts.
3. Istrate, O. (2026, 28 ianuarie). Inteligența artificială: Perspective asupra învățării, predării și evaluării. iTeach: Experiențe didactice. https://iteach.ro/experientedidactice/inteligenta-artificiala-perspective-asupra-invatarii-predarii-si-evaluarii
4. NotebookLM Documentation (2024). Source Grounding and Research Assistance. Google Research.
5. Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach. Pearson.
6. UNESCO (2021). AI and Education: Guidance for Policy-makers.