Когато изкуственият интелект подпомага ученето и когато го замества

Plamen MILTENOFF

Vodcast

Подкаст

Understanding Vygotsky’s Zone of Proximal Development can help educators make better decisions about the use of Artificial Intelligence in teaching.
The idea sounds theoretical, but the basic principle is simple. The Zone of Proximal Development, often shortened to ZPD, describes the space between learner’s independent activities and learner’s activities with suitable support.
A student may not yet know to analyse a complex case study, interpret a statistical table, structure an academic argument, or evaluate the reliability of a source. With guidance from a teacher, a capable peer, or another form of support, the student may complete the task successfully.
This space between independent performance and supported performance is where learning and development can occur.
Barohny Eun presents the ZPD as more than a teaching technique. Eun describes it as a broad framework connecting many parts of Vygotsky’s theory, including social interaction, language, culture, activity, thinking, internalisation, and human development. Learning begins in interaction with others and gradually becomes part of the learner’s independent capability.
This perspective is useful when integrating generative AI into education.
AI can explain difficult ideas, suggest examples, ask guiding questions, provide feedback, identify gaps, and help students organise their thinking. These forms of assistance can allow students to perform tasks they are not yet able to complete alone.
For example, a student experiencing difficulties writing a research question may ask AI to compare several possible formulations. The AI might point out which question is too broad, which one is measurable, and which one better matches the planned methodology.
This support may place the task within the student’s ZPD. The student receives some help to move forward but still needs to think, compare, and decide.
The situation changes when AI writes the research question, selects the methodology, constructs the argument, finds the evidence, and produces the final paper. The student may submit a polished product, but the product tells us little about the progress the student had made learning.
Performance with AI should not be confused with independent competence.
A learner may produce strong work while depending almost completely on the system. The student may be unable to explain the reasoning, reproduce the process, or transfer the knowledge to a new task. In this case, AI has supported task completion, but it may not have supported development.
In Vygotsky’s theory, assistance should lead toward greater independence. What a learner can do today with support should become something the learner can do independently later. In other words, AI support should gradually decrease.
At the beginning of an activity, AI might provide explanations, examples, prompts, and detailed feedback. Later, it might offer only questions or hints. Eventually, the student should complete a similar task without assistance.
A useful teaching sequence might begin with an independent attempt. Students reveal the parts they grasp and the parts they do not. They then use AI to review, question, or improve their work. Afterward, they explain changes they made and the reasoning. Finally, they complete a new task independently.
This process allows the teacher to see whether the student has internalised the knowledge or remains dependent on the tool.
Dialogue also matters.
Development in the ZPD involves interaction, negotiation, and the co-construction of meaning. Learners do not simply receive information. They question it, interpret it, connect it to previous experience, and reformulate it in their own thinking.
For this reason, students should not use AI as a source of final answers. They should interact with it critically.
They might ask:
– What assumptions are you making?
– What evidence supports this claim?
– What alternative explanation exists?
– Which parts of this answer are uncertain?
– How would a critic respond?
Students should also learn to reject AI suggestions. Disagreement can support learning because it requires students to explain and defend their own reasoning.
Learning does not happen in isolation. Eun describes the influence of institutions, culture, history, values, and power on the process of learning. These wider forces form a “third voice,” as described in the paper.
In AI-supported education, this third voice may include university policies, assessment practices, platform design, disciplinary expectations, commercial interests, and ideas about productivity.
For example, a university may officially encourage critical AI literacy while its assessment system rewards speed, standardisation, and polished final products. Students may then use AI to satisfy the assessment rather than to develop understanding.
Teachers must therefore look beyond the interaction between one student and one chatbot. They should be cognizant of the course design, grading system, institutional policy, and selected technology and their role in shaping student behavior.
The ZPD also includes emotional and social development. AI feedback may influence students’ confidence, motivation, sense of ability, and willingness to take intellectual risks. Supportive feedback may help a hesitant learner continue. Overly confident AI answers may make students doubt their own judgment. Constant dependence on AI may weaken their sense of ownership over their work.
Good AI integration should therefore develop capability, judgment, confidence, and responsibility.
Before adding AI to a learning activity, educators can ask one central question:
Will AI move students toward greater independence, or will it make them increasingly dependent on the tool?
AI has educational value when it supports learners in doing something they cannot yet do alone, while keeping them intellectually active. It can prompt, question, explain, model, and provide feedback.
AI stops functioning as scaffolding when it removes the intellectual work students need to perform.
The goal is not to prevent students from using AI. The goal is to design AI-supported learning in which assistance leads to understanding, transfer, and responsible independence.
That is the main contribution of the Zone of Proximal Development.

Разбирането на Зоната на най-близко развитие на Виготски може да помогне на преподавателите да вземат по-добри решения за използването на изкуствен интелект в обучението.
Идеята звучи теоретично, но основният принцип е прост. Зоната на най-близко развитие, често съкращавана като ЗНР, описва пространството между това, което обучаемият може да направи самостоятелно, и това, което може да постигне с подходяща подкрепа.
Един студент може все още да не умее да анализира сложен казус, да интерпретира статистическа таблица, да структурира академичен аргумент или да оцени надеждността на даден източник. С насоки от преподавател, по-компетентен колега или друга форма на подкрепа студентът може да изпълни задачата успешно.
Именно в това пространство между самостоятелното изпълнение и изпълнението с подкрепа могат да се осъществят ученето и развитието.
Барони Юн представя ЗНР като нещо повече от педагогическа техника. Юн я описва като широка рамка, която свързва много елементи от теорията на Виготски, включително социалното взаимодействие, езика, културата, дейността, мисленето, интернализацията и човешкото развитие. Ученето започва във взаимодействието с другите и постепенно се превръща в част от самостоятелните способности на обучаемия.
Тази перспектива е полезна при интегрирането на генеративен изкуствен интелект в образованието.
Изкуственият интелект може да обяснява трудни идеи, да предлага примери, да задава насочващи въпроси, да предоставя обратна връзка, да открива пропуски и да помага на студентите да организират мисленето си. Тези форми на подкрепа могат да им позволят да изпълняват задачи, които все още не могат да извършат самостоятелно.
Например студент, който изпитва затруднения при формулирането на изследователски въпрос, може да помоли изкуствения интелект да сравни няколко възможни формулировки. Системата може да посочи кой въпрос е твърде широк, кой подлежи на измерване и кой съответства по-добре на планираната методология.
Тази подкрепа може да постави задачата в ЗНР на студента. Той получава помощ, за да продължи напред, но все още трябва да мисли, да сравнява и да взема решения.
Ситуацията се променя, когато изкуственият интелект формулира изследователския въпрос, избира методологията, изгражда аргумента, намира доказателствата и създава крайния текст. Студентът може да предаде добре оформена работа, но тя ни казва малко за напредъка, който е постигнал в ученето.
Работата, извършена с помощта на изкуствен интелект, не трябва да се приема автоматично като доказателство за самостоятелна компетентност.
Обучаемият може да създаде силен краен продукт, като зависи почти изцяло от системата. Той може да не е способен да обясни логиката, да повтори процеса или да приложи знанията към нова задача. В този случай изкуственият интелект е подпомогнал изпълнението на задачата, но не непременно развитието.
Според теорията на Виготски подкрепата трябва да води към по-голяма самостоятелност. Това, което обучаемият може да направи днес с помощ, трябва по-късно да може да извърши самостоятелно. С други думи, подкрепата от изкуствен интелект трябва постепенно да намалява.
В началото на дадена дейност изкуственият интелект може да предоставя обяснения, примери, насоки и подробна обратна връзка. На по-късен етап може да предлага само въпроси или подсказки. В крайна сметка студентът трябва да може да изпълни сходна задача без помощ.
Една полезна учебна последователност може да започне със самостоятелен опит. Студентите показват кои части разбират и в кои изпитват затруднения. След това използват изкуствен интелект, за да прегледат, поставят под въпрос или подобрят работата си. После обясняват какви промени са направили и защо. Накрая изпълняват нова задача самостоятелно.
Този процес позволява на преподавателя да установи дали студентът е интернализирал знанията, или остава зависим от инструмента.
Диалогът също има значение.
Развитието в ЗНР включва взаимодействие, договаряне и съвместно изграждане на смисъл. Обучаемите не получават информация пасивно. Те я поставят под въпрос, интерпретират я, свързват я с предишен опит и я преформулират чрез собственото си мислене.
Поради тази причина студентите не трябва да използват изкуствения интелект като източник на окончателни отговори. Те трябва да взаимодействат с него критично.
Могат да задават въпроси като:
Какви допускания правиш?
Какви доказателства подкрепят това твърдение?
Какво алтернативно обяснение съществува?
Кои части от този отговор са несигурни?
Как би отговорил един критик?
Студентите трябва също да се научат да отхвърлят предложения на изкуствения интелект. Несъгласието може да подпомага ученето, защото изисква от тях да обяснят и защитят собствените си разсъждения.
Ученето не се случва изолирано. Юн описва влиянието на институциите, културата, историята, ценностите и властта върху учебния процес. Тези по-широки сили формират така наречения в статията „трети глас“.
В обучението, подкрепено от изкуствен интелект, този трети глас може да включва университетските политики, практиките за оценяване, дизайна на платформите, очакванията на отделните дисциплини, търговските интереси и представите за продуктивност.
Например университетът може официално да насърчава критичната грамотност в областта на изкуствения интелект, докато системата му за оценяване възнаграждава бързината, стандартизацията и добре оформените крайни продукти. Тогава студентите могат да използват изкуствен интелект, за да удовлетворят изискванията на оценяването, вместо да развиват разбиране.
Затова преподавателите трябва да гледат отвъд взаимодействието между един студент и един чатбот. Те трябва да отчитат как дизайнът на курса, системата за оценяване, институционалната политика и избраната технология влияят върху поведението на студентите.
ЗНР включва също емоционалното и социалното развитие. Обратната връзка от изкуствения интелект може да влияе върху увереността, мотивацията, усещането за собствените способности и готовността на студентите да поемат интелектуални рискове. Подкрепящата обратна връзка може да помогне на колебаещия се обучаем да продължи. Прекалено уверени отговори от изкуствения интелект могат да накарат студентите да се съмняват в собствената си преценка. Постоянната зависимост от изкуствен интелект може да отслаби чувството им за авторство и отговорност към собствената работа.
Добрата интеграция на изкуствения интелект трябва да развива способности, преценка, увереност и отговорност.
Преди да включат изкуствен интелект в дадена учебна дейност, преподавателите могат да си зададат един основен въпрос:
Ще помогне ли изкуственият интелект на студентите да станат по-самостоятелни, или ще ги направи все по-зависими от инструмента?
Изкуственият интелект има образователна стойност, когато подпомага обучаемите да направят нещо, което все още не могат да извършат сами, като същевременно ги запазва интелектуално активни. Той може да задава въпроси, да насочва, да обяснява, да представя модели и да предоставя обратна връзка.
Изкуственият интелект престава да функционира като учебно скеле, когато премахне интелектуалната работа, която студентите трябва да извършат.
Целта не е да се забрани използването на изкуствен интелект. Целта е да се проектира обучение с подкрепа от изкуствен интелект, при което помощта води до разбиране, пренос на знания и отговорна самостоятелност.
Това е основният принос на Зоната на най-близко развитие.

Eun, B. (2019). The zone of proximal development as an overarching concept: A framework for synthesizing Vygotsky’s theories. Educational Philosophy and Theory, 51(1), 18–30.
https://www.tandfonline.com/doi/full/10.1080/00131857.2017.1421941