Edukacja w dobie generatywnej sztucznej inteligencji: perspektywa analizy transakcyjnej

• Paweł Plaskura

  Akademia Piotrkowska

  https://orcid.org/0000-0002-8257-781X

Edukacja w erze cyfrowej ewoluuje w kierunku wykorzystania nowych technologii ta- kich jak generatywna sztuczna inteligencja, która w coraz większym stopniu uwzględnia psychologiczne aspekty uczenia się. Obecnie może ona oferować spersonalizowane i skuteczne środowisko edukacyjne, które dostarcza spersonalizowanych informacji zwrotnych. Może jednak zaburzać procesy poznawcze i relacje oraz generować i rozpowszechniać dezinformację czy utrwalać uprzedzenia. Analiza transakcyjna, opracowana przez Erica Berne’a, opiera się na modelu komunikacji międzyludzkiej, który pozwala na identyfikację i modyfikację wzorców zachowań w relacjach interpersonalnych. Połączenie obu tych dziedzin tworzy potencjał do bardziej efektywnego wspierania procesów edukacyjnych. W artykule analizowany jest wpływ ChatGPT na procesy edukacyjne przez pryzmat Analizy Transakcyjnej (AT), ze szczególnym uwzględnieniem dynamiki stanów Ja oraz transakcji w relacjach nauczyciel-uczeń. Dlatego też ważne jest pokazanie różnych aspektów wykorzystania AI szczególnie w kontekście wpływu na relacje.

1. Paweł Plaskura - Akademia Piotrkowska

   Paweł Plaskura od wielu lat zajmuje się tematyką modelowania, symulacji i optymalizacji procesu dydaktycznego z wykorzystaniem metod symulacji mikrosystemów. Jest autorem szeregu specjalistycznych systemów pracujących w środowisku sieciowym, w tym m.in. platformy zarządzania procesem dydaktycznym Quela, umożliwiającej projektowanie i prowadzenie procesu dydaktycznego oraz symulatora mikrosystemów Dero. Aktywnie zajmuje się nowymi technologiami w edukacji, w tym wykorzystaniem sztucznej inteligencji.
   Poza omawianą tematyką główne obszary zainteresowań autora obejmują: techniki symulacji układów elektronicznych i mikrosystemów, języki behawioralnego opisu sprzętu, techniki programowania odporne na błędy, zagadnienia bezpieczeństwa systemów informatycznych, a także systemy serwerowe Linux i system składu LATEX.

Anderson, L. W., Krathwohl, D. R., Airasian, P. W., Cruikshank, K. A., Mayer, R. E., Pintrich, P. R., … Wittrock, M. C. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives, abridged edition. White Plains, NY: Longman, 5(1).

Baillifard, A., Gabella, M., Lavenex, P. B., & Martarelli, C. S. (2023). Implementing learning principles with a personal ai tutor: A case study. arXiv preprint arXiv:2309.13060.

Berne, E. (1964). Games people play: The psychology of human relationships. Penguin Uk.

bin Mohamed, M. Z., Hidayat, R., binti Suhaizi, N. N., bin Mahmud, M. K. H., binti Baharuddin, S. N., et al. (2022). Artificial intelligence in mathematics education: A systematic literature review. International Electronic Journal of Mathematics Education, 17(3), em0694.

Bloom, B. S. (1984). The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring. Educational Researcher, 13(6), 4–16. doi:10.3102/0013189X013006004. eprint: https://doi.org/ 10.3102/0013189X013006004

Cotton, D. R., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in education and teaching international, 61(2), 228–239.

Elsayed, A. M., Kholikov, A., Abdullayeva, I., Al-Farouni, M., & Wodajo, M. R. (2024). Teacher support in ai-assisted exams: An experimental study to inspect the effects on demotivation, anxiety management in exams, l2 learning experience, and academic success. Language Testing in Asia, 14(1), 53.

Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., … Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530.

Graesser, A. C., Chipman, P., Haynes, B. C., & Olney, A. (2005). Autotutor: An intelligent tutoring system with mixed-initiative dialogue. IEEE Transactions on Education, 48(4), 612–618.

Hall Jr, O. P. (2021). Achieving bloom’s two-sigma goal using intelligent tutoring systems: Application to management education. In Research anthology on business and technical education in the information era (pp. 556–578). IGI Global.

Holstein, K., & Aleven, V. (2022). Designing for human–ai complementarity in k-12 education. Ai Magazine, 43(2), 239–248.

Johnpaul, M., Miryala, R. S. B., Jayaprakashnarayana, G., & Miryala, R. K. (2025). Pros and cons of artificial intelligence on metacognition: A myopic state with long-term consequences on human learning. In Hybrid and advanced technologies (pp. 98–103). CRC Press.

Khosravi, H., Shum, S. B., Chen, G., Conati, C., Tsai, Y.-S., Kay, J., … Gašević, D. (2022). Explainable artificial intelligence in education. Computers and education: artificial intelligence, 3, 100074.

Korzynski, P., Mazurek, G., Krzypkowska, P., & Kurasinski, A. (2023). Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT. Entrepreneurial Business and Economics Review, 11(3), 25–37.

Küchemann, S., Avila, K. E., Dinc, Y., Hortmann, C., Revenga, N., Ruf, V., … Fischer, M., et al. (2024). Are large multimodal foundation models all we need? on opportunities and challenges of these models in education. EdArXiv.

Lee, G.-G., Shi, L., Latif, E., Gao, Y., Bewersdorff, A., Nyaaba, M., … Wang, H., et al. (2023). Multimodality of AI for education: Towards artificial general intelligence. arXiv preprint arXiv:2312.06037.

Leyzberg, D., Spaulding, S., & Scassellati, B. (2014). Personalizing robot tutors to individuals’ learning differences. In Proceedings of the 2014 acm/ieee international conference on human-robot interaction (pp. 423–430).

Marvin, G., Hellen, N., Jjingo, D., & Nakatumba-Nabende, J. (2023). Prompt engineering in large language models.

In International conference on data intelligence and cognitive informatics (pp. 387–402). Springer.

Mollick, E. R., & Mollick, L. (2023). Using AI to implement effective teaching strategies in classrooms: Five strategies, including prompts. The Wharton School Research Paper.

Mollick, E., & Mollick, L. (2023). Assigning ai: Seven approaches for students, with prompts. arXiv preprintarXiv:2306.10052.

Niloy, A. C., Akter, S., Sultana, N., Sultana, J., & Rahman, S. I. U. (2024). Is chatgpt a menace for creative writing ability? an experiment. Journal of computer assisted learning, 40(2), 919–930.

Osmanovic-Thunström, A. (2022). We asked gpt-3 to write an academic paper about itself, then we tried to get it published. Scientific American. https://is. gd/OnGPRf.

Petrovsky, V. A. (2025). A personology pivot in transactional analysis (methodological observations). Психология.

Журнал Высшей школы экономики, 22(1), 80–105.

Plaskura, P. (2024). Dydaktyka Hybrydowa. monografiia naukowa. doi:10.60774/3zv1-zm49

Qadir, J. (2015). What every student should know: Seven learning impediments and their remedies. IEEE Potentials, 34(3), 30–35.

Qadir, J. (2020). The triple imperatives of online teaching: Equity, inclusion, and effectiveness. Qadir, J., & Imran, M. A. (2018). Learning 101: The untaught basics. IEEE Potentials, 37(3), 3338.

Qadir, J., Taha, A.-E. M., Yau, K.-L. A., Ponciano, J., Hussain, S., Al-Fuqaha, A., & Imran, M. A. (2020). Leveraging the force of formative assessment & feedback for effective engineering education.

Tankelevitch, L., Kewenig, V., Simkute, A., Scott, A. E., Sarkar, A., Sellen, A., & Rintel, S. (2024). The metacognitive demands and opportunities of generative ai. In Proceedings of the 2024 chi conference on human factors in computing systems (pp. 1–24).

Waltzer, T., Pilegard, C., & Heyman, G. D. (2024). Can you spot the bot? identifying AI-generated writing in college essays. International Journal for Educational Integrity, 20(1), 11.

Wang, J., & Fan, W. (2025). The effect of chatgpt on students’ learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences Communications, 12(1), 1–21.

Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in education: A systematic literature review. Expert Systems with Applications, 252, 124167. doi:https://doi.org/10.1016/j.eswa.2024. 124167

Xu, W., Dainoff, M. J., Ge, L., & Gao, Z. (2023). Transitioning to human interaction with AI systems: New challenges and opportunities for hci professionals to enable human-centered AI. International Journal of Human–Computer Interaction, 39(3), 494–518.

Zamojska, M., Chudziak, J. et al. (2025). Games agents play: Towards transactional analysis in llm-based multi-agent systems. arXiv preprint arXiv:2507.21354.

Zhang, Z., Zhang-Li, D., Yu, J., Gong, L., Zhou, J., Liu, Z., … Li, J. (2024). Simulating classroom education with llm-empowered agents. arXiv preprint arXiv:2406.19226.

• pdf (Angielski)

Prawa autorskie (c) 2025 Paweł Plaskura

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.