Dezvoltarea accelerată a inteligenței artificiale (AI) generative impune o reconfigurare a practicilor educaționale, inclusiv în învățământul primar. În acest context, se ridică problema impactului utilizării AI asupra formării metacogniției și a autonomiei cognitive a elevilor. Articolul analizează fundamentele teoretice ale metacogniției și autoreglării, discută rolul medierii didactice și propune modelul M.A.I. (mediere, activare, interiorizare) ca schemă conceptuală pentru integrarea responsabilă a AI în ciclul primar. Modelul reprezintă o operaționalizare aplicativă a proceselor pedagogice consacrate, adaptată contextului digital actual.
Cuvinte-cheie: metacogniție, autoreglare, mediere didactică, tehnologii generative, pedagogie digitală
Introducere
Tehnologiile de inteligență artificială generativă pot influența educația prin furnizarea de explicații și sugestii adaptate nivelului de înțelegere al elevilor (Holmes et al., 2022). În învățământul primar, unde se formează structurile fundamentale ale autoreglării și reflecției, utilizarea acestor tehnologii necesită o analiză atentă. Problema centrală nu este utilizarea tehnologiei în sine, ci modul în care aceasta influențează dezvoltarea metacogniției și a autonomiei cognitive.
Metacogniția și autoreglarea în ciclul primar
Flavell (1979) consideră metacogniția ca abilitatea de a urmări și controla propriile procese de gândire. În completare, teoria autoreglării formulată de Zimmerman (2002) susține faptul că autoreglarea implică trei etape: pregătirea și planificarea sarcinilor, monitorizarea modului de lucru și evaluarea rezultatelor.
Conform lui Schraw & Dennison (1994), instrumentele care evaluează gradul de conștientizare metacognitivă evidențiază importanța acestei abilități pentru performanța școlară. În ciclul primar, metacogniția nu apare spontan, ci necesită intervenții didactice explicite și susținute.
Mediere, activare și interiorizare în pedagogia centrată pe elev
În pedagogia constructivistă, procesele de mediere, activare și interiorizare sunt esențiale pentru formarea competențelor. În literatura pedagogică românească, Constantin Cucoș subliniază rolul medierii didactice, al activării cognitive și al interiorizării progresive a cunoștințelor în contextul predării centrate pe elev (Cucoș, 2014).
În această perspectivă, medierea presupune intervenția cadrului didactic în facilitarea accesului la conținut și în structurarea experienței de învățare. Activarea vizează implicarea cognitivă și participarea activă a elevului, iar interiorizarea desemnează transformarea achizițiilor externe în structuri cognitive stabile.
Aceste concepte sunt, la rândul lor, în acord cu perspectiva socioculturală asupra învățării (Vygotsky, 1978), care consideră instrumentele culturale, inclusiv tehnologia, drept medii de dezvoltare a funcțiilor psihice superioare.
Inteligența artificială generativă – oportunități și riscuri
Utilizarea AI în educație poate facilita personalizarea și feedbackul adaptiv (Luckin et al., 2016). Totuși, studiile sistematice atrag atenția asupra riscurilor asociate utilizării necritice, inclusiv diminuarea efortului cognitiv și dependența de soluții generate automat.
În cazul elevilor mici, riscul externalizării procesului metacognitiv este amplificat dacă tehnologia substituie reflecția individuală. Prin urmare, integrarea AI trebuie realizată într-un cadru de evaluare formativă precum și în conformitate cu principiile utilizării etice și responsabile a tehnologiei (UNESCO, 2023). Relevanța pedagogică a tehnologiei este condiționată de capacitatea acesteia de a sprijini reglarea învățării, de a furniza feedback orientat spre progres și de a implica activ elevul în procesele de analiză și autoevaluare (Black & Wiliam, 2009).
Modelul M.A.I.
Pornind de la fundamentele teoretice menționate, propunem modelul M.A.I. (mediere, activare, interiorizare). Modelul nu revendică originalitatea conceptelor de mediere, activare și interiorizare, consacrate în pedagogia constructivistă ci le operaționalizează pentru contextul AI în ciclul primar (Cucoș, 2014; Vygotsky, 1978). Contribuția modelului constă în:
- etapizarea proceselor în contextul utilizării AI;
- integrarea lor într-o schemă coerentă, aplicabilă ciclului primar;
- corelarea explicită cu teoriile autoreglării (Zimmerman, 2002) și ale medierii socioculturale (Vygotsky, 1978);
- definirea unor indicatori observabili pentru evaluarea impactului asupra dezvoltării metacogniției.
Etapele modelului:
- Mediere – profesorul structurează utilizarea AI, solicitând formularea soluției proprii înainte de consultarea tehnologiei și orientând reflecția prin întrebări ghidate.
- Activare – AI este utilizată pentru generarea de soluții alternative și întrebări metacognitive, stimulând analiza comparativă și justificarea.
- Interiorizare – strategiile reflexive devin internalizate și sunt aplicate independent, fără suport digital.
Aplicații curriculare extinse ale modelului M.A.I. în ciclul primar
Aplicarea modelului M.A.I. (mediere–activare–interiorizare) în învățământul primar presupune structurarea clară a secvențelor didactice astfel încât utilizarea inteligenței artificiale generative să susțină dezvoltarea metacogniției, nu substituirea proceselor cognitive ale elevilor.
În continuare, sunt prezentate exemple detaliate pentru disciplinele Limba și literatura română și Matematică.
I. Limba și literatura română
1. Analiza personajului (clasele a III-a – a IV-a)
Obiectiv metacognitiv:
Dezvoltarea capacității de justificare a interpretării și monitorizarea strategiilor argumentative.
Etapa 1 – Mediere
Profesorul solicită elevilor:
• „Scrieți trei trăsături ale personajului și argumentați fiecare trăsătură cu un citat sau o situație din text.”
• Elevii lucrează individual, fără acces la AI.
Întrebări metacognitive ghidate:
• „Cum ai ales această trăsătură?”
• „Pe ce indiciu din text te-ai bazat?”
• „Ești sigur că exemplul susține trăsătura?”
Etapa 2 – Activare
AI generează o analiză alternativă a personajului.
Elevii compară:
• Ce trăsături sunt diferite?
• Ce argumente sunt mai convingătoare?
• Ce lipsește din analiza ta?
Sarcină aplicativă:
„Revizuiește propria analiză și îmbunătățește un argument folosind un exemplu mai potrivit.”
Etapa 3 – Interiorizare
La un nou text, elevii primesc doar întrebări metacognitive, fără sprijin AI:
• „Care este cea mai puternică dovadă pentru trăsătura aleasă?”
• „Cum ai putea formula mai clar argumentul?”
Indicatori de interiorizare:
• argumentare mai precisă;
• utilizarea spontană a citatelor;
• autocorectarea formulărilor vagi.
2. Scrierea unui text narativ
Obiectiv metacognitiv:
Formarea capacității de autoevaluare pe baza unor criterii explicite.
Mediere
Profesorul stabilește criterii clare:
• coerența acțiunii;
• utilizarea conectorilor temporali;
• claritatea introducerii și a finalului.
Elevii redactează compunerea.
Activare
AI generează:
• o introducere alternativă;
• un final diferit;
• sugestii de îmbunătățire a descrierii.
Elevii completează o fișă de analiză comparativă:
| Criteriu | Varianta mea | Varianta AI | Care este mai potrivită? De ce? |
Întrebări metacognitive:
• „Ce face introducerea mai captivantă?”
• „Ce element lipsește în finalul meu?”
Interiorizare
La următoarea compunere, elevii formulează singuri:
• două puncte forte;
• o sugestie de îmbunătățire.
Indicatori:
• formularea autonomă a criteriilor;
• reducerea dependenței de sugestiile externe;
• revizuirea spontană a textului.
3. Corectarea greșelilor gramaticale
Obiectiv metacognitiv:
Dezvoltarea reflecției metalingvistice.
Mediere
Elevii primesc un text cu greșeli intenționate și îl corectează individual.
Activare
AI generează:
• varianta corectă;
• explicația regulii aplicate.
Elevii răspund la:
• „Ce tip de greșeală apare cel mai frecvent?”
• „Cum ai putea evita această greșeală pe viitor?”
Interiorizare
Elevii creează propriul text cu 3 greșeli intenționate pentru colegi, explicând regula.
Indicatori:
• identificarea tiparelor de eroare;
• verbalizarea regulii;
• aplicarea corectă în contexte noi.
II. Matematică
1. Strategii multiple de rezolvare
Obiectiv metacognitiv:
Compararea strategiilor și justificarea eficienței.
Mediere
Elevii rezolvă individual o problemă.
Exemplu:
„Maria are 24 de mere. Le împarte în mod egal la 6 copii. Câte mere primește fiecare copil?”
Activare
AI generează:
• rezolvare prin împărțire;
• reprezentare prin desen;
• tabel;
• verificare prin înmulțire.
Elevii completează:
• „Care metodă este mai rapidă?”
• „Care metodă te ajută să verifici rezultatul?”
Interiorizare
La următoarea problemă, elevii aleg metoda înainte de rezolvare și explică de ce.
Indicatori:
• alegerea conștientă a strategiei;
• justificarea eficienței;
• utilizarea metodei de verificare.
2. Estimarea rezultatului
Obiectiv metacognitiv:
Monitorizarea plauzibilității rezultatului.
Mediere
Profesorul solicită estimarea înainte de calcul:
„Rezultatul va fi mai mare sau mai mic decât 100? De ce?”
Activare
AI generează o estimare aproximativă.
Elevii compară:
• „Este rezultatul meu realist?”
• „Unde am greșit în raționament?”
Interiorizare
Elevii includ spontan estimarea înaintea calculelor.
Indicatori:
• anticiparea rezultatului;
• corectarea autonomă a erorilor;
• reducerea răspunsurilor improbabile.
3. Detectarea erorii
Obiectiv metacognitiv:
Dezvoltarea analizei procedurale.
Mediere
AI generează o rezolvare greșită.
Exemplu:
24 : 6 = 5 (eroare intenționată)
Elevii identifică:
• unde apare eroarea;
• ce regulă a fost încălcată.
Activare
Elevii formulează explicația completă:
„Eroarea apare deoarece 6 × 5 = 30, nu 24.”
Interiorizare
Elevii creează ei înșiși o rezolvare greșită pentru colegi.
Indicatori:
• localizarea rapidă a erorii;
• justificarea logică;
• transferul competenței în contexte diferite.
III. Instrumente de evaluare formativă integrate
Pentru a asigura caracterul metacognitiv al activităților, se pot utiliza:
1. Jurnal metacognitiv (după fiecare activitate)
• Ce strategie am folosit?
• Ce a fost dificil?
• Ce voi face diferit data viitoare?
2. Fișă de autoevaluare cu rubrică simplificată
Nivel 1 – Aplic sprijin extern
Nivel 2 – Aplic cu întrebări ghidate
Nivel 3 – Aplic independent
3. Observație sistematică a profesorului
• frecvența justificărilor;
• calitatea explicațiilor;
• inițiativa în revizuire.
Concluzie
Aplicarea modelului M.A.I. în ciclul primar devine eficientă atunci când:
- AI nu oferă răspunsul inițial, ci intervine după efortul propriu;
- elevul este pus în situația de a compara, analiza și justifica;
- evaluarea include dimensiunea metacognitivă, nu doar rezultatul final.
Astfel, tehnologia devine instrument de activare reflexivă, nu substitut cognitiv.
Folosirea inteligenței artificiale generative nu determină automat diminuarea metacogniției. Impactul său depinde de cadrul pedagogic și de medierea didactică. Modelul M.A.I. oferă o schemă conceptuală pentru integrarea responsabilă a tehnologiei în procesul instructiv-educativ din ciclul primar, orientată către dezvoltarea autonomiei cognitive.
Tehnologiile generative bazate pe inteligență artificială pot deveni instrumente de sprijin cognitiv dacă sunt integrate prin mediere didactică și orientate spre activare reflexivă. Modelul M.A.I. oferă un cadru conceptual aplicabil ciclului primar, favorizând dezvoltarea metacogniției și a autonomiei în învățare.
Bibliografie
– Black, P., & Wiliam, D. (2009). Developing the theory of formative assessment. EducationalAssessment, Evaluation and Accountability, 21(1), 5–31. doi.org/10.1007/s11092-008- 9068-5
– Cucoș, C. (2014). Pedagogie (Ediția a III-a). Polirom.
– Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911. doi.org/10.1037/0003-066X.34.10.906
– Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
– Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
– Schraw, G., & Dennison, R. S. (1994). Assessing metacognitive awareness. Contemporary Educational Psychology, 19(4), 460–475. doi.org/10.1006/ceps.1994.1033
– UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
– Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
– Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70. doi.org/10.1207/s15430421tip4102_2