Edukamentas kuria mokomąjį turinį pasitelkdamas dirbtinį intelektą (DI). Mūsų tikslas – ne pagreitinti procesus kokybės sąskaita, o sukurti aukštos kokybės, patikimą ir, svarbiausia, visiems mokiniams prieinamą mokymosi medžiagą. Laikomės griežto, atsakingo požiūrio, kuris remiasi naujausiomis technologijomis ir moksliniais tyrimais, užtikrinančiais turinio patikimumą ir pedagoginį veiksmingumą. Šiame dokumente paaiškiname, kokiais principais vadovaujamės ir kodėl dirbtinio intelekto taikymas yra ypač svarbus kuriant turinį, pritaikytą specialiųjų ugdymosi poreikių (SUP) turintiems vaikams.
Pagrindinis principas: žmogaus valdomas dirbtinis intelektas
Edukamentas naudoja dirbtinį intelektą (DI) mokomajam turiniui kurti, tačiau mūsų procesas iš esmės skiriasi nuo plačiai žinomų įrankių. Svarbiausia – mes nenaudojame viešų įrankių, tokių kaip „ChatGPT“, tiesioginiam turinio kūrimui. Vietoj to, mes sukūrėme vidinę, kelių etapų sistemą, kurioje visada dalyvauja žmogus, turintis gilių temos žinių ir atliekantis griežtą kokybės kontrolę.
Mūsų metodai paremti moksliniais tyrimais, kurie rodo, jog geriausių rezultatų pasiekiama derinant DI galimybes su pedagoginėmis žiniomis ir žmogaus priežiūra (Schlippe & Eichinger, 2023; Vorobyeva et al., 2025; Tan et al., 2024). Mūsų tikslas – pasitelkti DI kaip galingą įrankį kuriant kokybišką ir visiems prieinamą mokymosi medžiagą.
Kelių etapų kūrimo ir tikrinimo procesas
Mūsų turinys nėra kuriamas viena DI užklausa. Tai nuoseklus ir atidžiai kontroliuojamas procesas, užtikrinantis patikimumą ir kokybę (Tan et al., 2024).
| Etapas | Paaiškinimas |
|---|---|
| Grindžiama faktais ir ugdymo programa | Prieš pradėdamas darbą, DI gauna patikimus, iš anksto paruoštus šaltinius. DI privalo remtis tik šia faktine informacija ir atitikti Lietuvos bendrojo ugdymo programos reikalavimus (Švietimo ir mokslo ministerija, 2025). Taip išvengiama DI „kūrybos“ ir netikslumų. |
| Aiškios ir tikslios instrukcijos | DI duodamos labai detalios, mokslu pagrįstos užduotys. Mes nurodome ne tik temą, bet ir tikslią struktūrą (pvz., įžanga, pavyzdžiai, apibendrinimas), kalbos sudėtingumą, privalomus terminus ir net pedagoginius metodus, pavyzdžiui, kokio sudėtingumo užduotis kurti. Tai užtikrina efektyvų mokymąsi (Al Nabhani et al., 2025). |
| Dviejų DI sistema: „Kūrėjas“ ir „Kritikas“ | Mūsų sistemoje veikia du DI modeliai. Vienas atlieka „Kūrėjo“ vaidmenį, o kitas – „Kritiko“. „Kritikas“ tikrina „Kūrėjo“ darbą pagal aiškius kriterijus: ar nėra faktinių klaidų, ar tekstas logiškas, ar atitinka stilių. Šis metodas leidžia pasiekti daug aukštesnį patikimumą (Borkowski et al., 2025). |
| Galutinis patvirtinimas – žmogaus | Joks DI sukurtas turinys nepasiekia vartotojo be galutinės žmogaus peržiūros. Nuolatos ieškome aktualios srities mokytojų bei ekspertai, kad jie įvertintų medžiagos kokybę, pedagoginį tinkamumą ir ar ji padeda pasiekti mokymosi tikslus. Mokslininkai sutaria, kad DI turi būti mokytojo pagalbininkas, o ne pakaitalas (Chan et al., 2023). |
Pagalba mokiniams, kuriems jos reikia labiausiai
Šis procesas leidžia mums kurti individualiems poreikiams pritaikytą turinį, ypač mokiniams, turintiems specialiųjų ugdymosi poreikių (SUP) (OECD, 2024; Mangiatordi et al., 2025).
| Pritaikymo sritis | Kaip DI padeda? |
|---|---|
| Teksto supaprastinimas | DI gali tą pačią sudėtingą temą pateikti keliais lygiais: perrašyti tekstą paprastesniais žodžiais ir trumpesniais sakiniais. Tai leidžia mokytojui lengviau pritaikyti užduotis skirtingų gebėjimų mokiniams. Tyrimai rodo, kad toks supaprastinimas padeda mokiniams geriau suprasti tekstą ir didina jų motyvaciją (Murphy Odo et al., 2025; Paglialunga et al., 2025). |
| Prieinamumas skirtingiems pojūčiams | DI paverčia tekstą natūraliai skambančiu garsu (funkcija „tekstas į kalbą“) arba sukuria subtitrus vaizdo įrašams. Tai padeda mokiniams su regos sutrikimais, disleksija ar tiems, kuriems lietuvių kalba nėra gimtoji (Respeecher, 2025; ISC Research, 2025). |
| Interaktyvios užduotys | DI padeda kurti pritaikytas, žaidybiškas užduotis, kurios padeda įtvirtinti žinias mokiniams, turintiems, pavyzdžiui, disleksiją (skaitymo) ar diskalkuliją (skaičiavimo) sutrikimų (Sukasih et al., 2024). Sistema gali kurti pratimus, kurie reaguoja į mokinio atsakymus ir palaipsniui didina sudėtingumą. |
| Įvairūs informacijos formatai | Tą pačią temą DI gali pateikti skirtingais būdais: kaip struktūruotą tekstą, trumpą santrauką, klausimyną, minčių žemėlapį ar garso įrašą. Tai užtikrina, kad kiekvienas mokinys gali pasirinkti jam patogiausią mokymosi būdą (CAST, 2024). |
Kokie yra DI vaidmenys „Edukamento“ sistemoje?
Mūsų sistemoje dirbtinis intelektas atlieka kelis aiškiai apibrėžtus vaidmenis, kuriuos visada valdo ir prižiūri žmogus (Chan et al., 2023; Tan et al., 2024).
| Vaidmuo | Aprašymas |
|---|---|
| Turinio kūrėjas | Pagal labai detalias instrukcijas DI parengia pirminį medžiagos variantą: temos paaiškinimą, pavyzdžius ar užduotis. Tai yra tik atspirties taškas, kuris visada tobulinamas, o ne galutinis produktas. |
| Turinio redaktorius | DI padeda redaguoti tekstą: trumpina sakinius, suvienodina terminus, pritaiko kalbą pagal nurodytą sudėtingumo lygį. Tai ypač naudinga kuriant skirtingo lygio užduotis. |
| Atsakymų vertintojas | Pagal griežtus kriterijus DI gali įvertinti mokinių atsakymus ir greitai pateikti grįžtamąjį ryšį. Tai taupo mokytojo laiką ir ypač tinka užduotims, kurios turi aiškius atsakymus. Tyrimai rodo, kad DI vertinimas gali būti toks pat patikimas kaip ir žmogaus (VanLehn, 2011). |
Įrodymais grįstas efektyvumas
Mūsų metodai paremti moksliniais tyrimais, kurie patvirtina, kad protingai valdomas DI gali pagerinti mokymosi rezultatus.
- Geresnis supratimas. Remiantis grįžtamuoju ryšiu iš mūsų klientų ir vartotojų, su DI supaprastinti tekstai padeda mokiniams geriau suprasti medžiagą.
- Laiko taupymas mokytojams. DI įrankiai, padedantys ruošti mokomąją medžiagą, taupo mokytojų laiką, kurį jie gali skirti tiesioginiam darbui su mokiniais. Numanoma, kad DI galėtų atlaisvinti 20–40 % mokytojų laiko, skiriamo pasiruošimui (Bryant et al., 2020).
- Geresni SUP mokinių pasiekimai. Mokslinė apžvalga parodė, kad DI paremti metodai yra labai veiksmingi mokiniams su mokymosi sutrikimais (Paglialunga et al., 2025). EBPO ataskaita taip pat pripažino, kad DI priemonės gali padėti šiems mokiniams pasiekti geresnių rezultatų (OECD, 2024).
Ateities planai: duomenimis grįstas mokymasis
Ateityje siekiame, kad DI ne tik kurtų turinį, bet ir padėtų suprasti mokymosi procesą. Planuojame pasiūlyti funkcijas, kurios, naudodamos nuasmenintus duomenis, galėtų (Elearning Industry, 2025):
- Teikti progreso ataskaitas. Automatiškai rengti ataskaitas mokytojams, mokiniams ar tėvams apie padarytą pažangą ir sritis, kurias reikia tobulinti.
- Analizuoti mokymosi įpročius. Stebėti, kaip greitai sprendžiamos užduotys ar kokios klaidos daromos dažniausiai. Tai padėtų anksčiau pastebėti galimus mokymosi sunkumus.
- Skantinti motyvaciją. Numatyti, kurios temos mokiniui gali būti įdomiausios, ir pasiūlyti papildomos medžiagos, kuri didintų norą mokytis.
Apibendrinimas
Edukamentas naudoja ne viešai prieinamus DI įrankius, mes kuriame sudėtingą, žmogaus valdomą sistemą. Mūsų kuriamas turinys yra paremtas faktais ir Lietuvos švietimo programa (Švietimo ir mokslo ministerija, 2025). Šis atsakingas ir moksliškai pagrįstas požiūris leidžia mums pritaikyti medžiagą individualiems mokinių poreikiams ir paverčia DI galingu pagalbininku siekiant kokybiško ugdymo.
Šaltiniai ir citatos
- Al Nabhani, F., et al. (2025). The role of artificial intelligence in personalizing educational content: Enhancing the learning experience. Journal of Educational Technology Research, 19(2).
- Al-Badi, A., Alenezi, A., & Mesbah, B. (2022). Learning analytics and early warning systems for student success. Journal of Learning Analytics, 9(1), 2-20.
- Baker, R.S. & Yacef, K. (2009). The state of educational data mining in 2009: A review and future visions. Journal of Educational Data Mining, 1(1), 3-17.
- Bold BI. (2025). Data-driven education: Optimizing outcomes with analytics.
- Borkowski, A.A., et al. (2025). Multiagent AI systems in healthcare: Envisioning next-generation applications. Nature Medicine, 31(5).
- Bryant, J., et al. (2020). How artificial intelligence will impact K-12 teachers. McKinsey & Company.
- CAST. (2024). Universal Design for Learning guidelines. Center for Applied Special Technology.
- Chan, C.K.Y., et al. (2023). Will AI replace or assist teachers in higher education? Computers and Education: Artificial Intelligence, 4, 100-116.
- Chen, C., Chen, L., & Lin, H. (2020). Time-saving benefits of artificial intelligence in educational administration: A systematic review. Computers in Education, 42(3), 201-218.
- Elearning Industry. (2025). Learning analytics in education: Data-driven insights.
- Gharaibeh, A. & Basulayyim, S. (2025). ChatGPT-based intervention for Arabic-speaking children with dyslexia. International Journal of Learning Disabilities, 2025(1).
- Holmes, K.M., et al. (2019). Adaptive learning and immediate feedback: Enhancing student engagement and academic outcomes. Journal of Educational Psychology Review, 31(2), 445-467.
- Hurix Systems. (2025). How analytics is reshaping education and making your campus data-driven.
- ISC Research. (2025). How AI-powered text-to-speech supports EAL students in multilingual classrooms.
- Katiyar, K., et al. (2024). AI-driven learning analytics for identifying struggling students and enabling personalized intervention. Educational Data Mining Journal, 2024(5).
- Kochmar, E., et al. (2022). Intelligent tutoring systems and AI-powered content generation in personalized learning. Frontiers in Education, 7, 1005895.
- Li, W. & Wong, T.L. (2023). Natural language processing for educational content adaptation. IEEE Transactions on Learning Technologies, 16(2), 234-247.
- Luckin, R., et al. (2016). Intelligence in education: The good, the bad, and the really ugly. Learning, Media and Technology, 41(2), 215-228.
- Mangiatordi, A., Villalón, D.J., & Caldiroli, C.L. (2025). The issue of AI-based support for struggling readers through the lens of UDL principles. Global Studies and Diversity Journal, 2025.
- McKinsey & Company. (2020). How artificial intelligence will impact K-12 teachers.
- Murphy Odo, D., et al. (2025). Comprehensibility of AI-generated and human simplified texts. University of Hawaii Scholarspace.
- OECD (2024). The potential impact of Artificial Intelligence on equity and inclusion in education. EDU/WKP(2024)15.
- Paglialunga, A., et al. (2025). The effectiveness of artificial intelligence-based interventions for students with learning disabilities: A systematic review. JMIR Medical Education, PMC12385150.
- Pagrindinio, pagrindinio ir vidurinio ugdymo programų aprašas. (2025). Lietuvos Respublikos švietimo ir mokslo ministerija. emokykla.lt
- Respeecher. (2025). How text-to-speech is transforming the educational landscape.
- Rose, D.H. & Meyers, A. (2015). Universal Design for Learning: Core concepts and applications. Harvard Education Press.
- Roshanaei, F., et al. (2023). Predictive analytics in education: Forecasting student engagement and personalized recommendations. International Journal of Educational Research, 119, 102048.
- Samuelsson, J. & Paglialunga, A. (2025). Systematic review: The effectiveness of artificial intelligence-based interventions for students with learning disabilities. JMIR Medical Education, 2025(7).
- Saskatchewan Open Education Research Lab. (2025). UDL principle 2: Design multiple means of representation.
- Schlippe, T. & Eichinger, S. (2023). Neural text simplification systems: Comparative evaluation. Research in AI Education.
- Sukasih, T., et al. (2024). AI-based games intervention for students with specific learning disorders: Improving literacy and engagement. Journal of Special Education Technology, 40(3).
- Tan, X., et al. (2024). Artificial intelligence in teaching and teacher professional development. Educational Research Review, 179.
- Tan, C., et al. (2025). Supporting special needs and tackling language barriers through AI in early education. ArXiv, 2504.14120v1.
- VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychology Review, 23(3), 309-342.
- Vorobyeva, K.I., et al. (2025). Personalized learning through AI: Pedagogical approaches and critical insights. Contemporary Educational Technology, 16(2).
- Yan, W., et al. (2024). Khan Academy's Khanmigo: AI-driven personalized tutoring and learning enhancement. Computers and Education, 2024.