Sztuczna inteligencja w edukacji. Między inkluzją a marginalizacją

Abstract

Dynamiczny rozwój sztucznej inteligencji (SI) przekształca praktyki edukacyjne w warunkach rosnącej hybrydalności środowisk uczenia się, rodząc pytania o jej rolę w kształtowaniu procesów inkluzji i marginalizacji. Celem artykułu jest identyfikacja i interpretacja mechanizmów, poprzez które wykorzystanie SI w edukacji jednocześnie wspiera inkluzję oraz generuje procesy marginalizacji. Artykuł opiera się na krytycznym, interpretacyjnym przeglądzie literatury z zakresu pedagogiki, socjologii edukacji oraz studiów nad technologią i danymi. Analizie poddano zarówno współczesne badania empiryczne, jak i klasyczne ujęcia teoretyczne (m.in. Bourdieu, Foucault, Znaniecki). Wyniki wskazują, że SI może wspierać indywidualizację uczenia się oraz zwiększać dostęp do zasobów edukacyjnych. Jednocześnie sprzyja reprodukcji nierówności, utrwalaniu etykiet oraz intensyfikacji praktyk nadzoru. Inkluzja i marginalizacja ujawniają się jako współwystępujące wymiary tych samych procesów edukacyjnych, zależne od sposobu implementacji technologii w kontekstach instytucjonalnych. Inkluzyjny potencjał SI nie jest immanentną cechą technologii, lecz rezultatem określonych praktyk pedagogicznych i instytucjonalnych. Z perspektywy humanistycznej kluczowym wyzwaniem pozostaje dopilnowanie, aby systemy oparte na danych wzmacniały sprawczość, godność i równe uczestnictwo uczniów, zamiast reprodukować mechanizmy kontroli i wykluczenia.

The rapid development of artificial intelligence (AI) is transforming educational practices within increasingly hybrid learning environments, raising questions about its role in shaping inclusion and marginalisation. The article aims to identify and interpret the mechanisms through which AI in education simultaneously supports inclusion and generates processes of marginalisation. The study is based on a critical and interpretative literature review drawing on pedagogy, sociology of education, and technology and data studies. The analysis included both contemporary empirical research and classical theoretical frameworks (e.g., Bourdieu, Foucault, Znaniecki). The findings indicate that AI can enhance the individualisation of learning and improve access to educational resources. At the same time, it may reproduce existing inequalities, reinforce labelling processes, and intensify surveillance practices. Inclusion and marginalisation emerge as coexisting dimensions of the same educational processes, dependent on the ways AI is implemented and interpreted in institutional contexts. The inclusive potential of AI is not inherent to the technology itself but results from specific pedagogical and institutional practices. From a humanistic perspective, the key challenge lies in ensuring that data-driven systems support student agency, dignity, and equitable participation rather than reinforce mechanisms of control and exclusion.