Studium a AI

Příručka k používání AI ve studiu religionistiky, pravidla i praktické rady

Desatero

10 principů pro používání AI ve studiu

pro studenty humanitních a společenskovědních oborů

1. AI není jedno — rozeznávej, s čím pracuješ

Kontrola gramatiky v Grammarly je stará AI: deterministická, pravidlová, nenalézá nic, co by tam nebylo. ChatGPT nebo Claude jsou něco jiného: jazykové modely, které statisticky předpovídají text — kreativní, ale nepřesní. Zároveň existuje AI, která jen tiše běží v pozadí: doporučovací algoritmy, vyhledávání. Tato příručka se týká té druhé kategorie — nástrojů, se kterými přímo mluvíš.

Prakticky: Před použitím nástroje si polož dvě otázky: Jaký typ systému to je? a Jak ho používám — jako automatický nástroj, jako spolupracovníka, nebo mu dávám autonomii?

2. Použití AI uveď — transparentnost je povinnost, ne volba

Pokud AI materiálně ovlivnila tvůj výstup, musíš to uvést. Tak to vyžaduje Masarykova univerzita i ostatní české i mezinárodní instituce. Hranice je materiální vliv — generování, strukturování nebo podstatné přeformulování obsahu je nad hranicí; korektura gramatiky zpravidla ne.

Doporučená věta (dle MUNI doporučení):

„Při přípravě jsem použil/a [nástroj, verze] pro [konkrétní účel]. Obsah jsem zkontroloval/a a upravil/a; za finální text plně zodpovídám."

Pokud si nejsi jistý/á — uveď to. Transparentnost je vždy bezpečnější než dohad.

3. Odevzdat AI text jako vlastní je podvod

Odevzdat text vygenerovaný AI jako svůj vlastní, bez povolení nebo uvedení zdroje, je akademický podvod. Neexistuje výjimka pro případ, že to vyučující nepozná, nebo pro případ, že text byl „jen upraven". Jde o hranici, která je jasná a stejná na všech českých i zahraničních univerzitách.

Prakticky: Každé zadání má kontext. Pokud si nejsi jistý/á, co je v daném předmětu povoleno, zeptej se vyučujícího — dřív než odevzdáš, ne potom.

4. V šedé zóně se ptej: „Umím to obhájit?"

Šedá zóna existuje. Pravidla se liší podle předmětu, fakulty, vyučujícího. Namísto hledání univerzálního seznamu co je a co není povoleno, použij tento test: Dokážu každou část svého výstupu vysvětlit, zhodnotit a obhájit — bez AI? Pokud ne, použití AI zašlo pravděpodobně příliš daleko.

Druhý test je zadání: K čemu je tato práce navržena? Pokud jejím smyslem je rozvíjet dovednost, kterou jsi ještě plně nerozvinul/a, pak AI, která tuto dovednost obchází, neslouží tvému učení — ani tvému hodnocení.

5. Je nebezpečné delegovat práci, které sám nerozumíš

Pokud zadáš AI úkol, který sám/sama neovládáš, nemůžeš zkontrolovat, zda je výsledek správný. Nemůžeš zachytit chyby. Nemůžeš výstup obhájit, rozvinout ani kritizovat. V nejlepším případě odevzdáš cizí práci, které nerozumíš. V nejhorším případě odevzdáš práci plnou chyb — a nebudeš vědět, že tam jsou.

Toto není jen otázka etiky, ale kompetence: schopnost zadat dobrý dotaz a vyhodnotit odpověď vyžaduje, že problematice aspoň částečně rozumíš. Čím méně rozumíš, tím nebezpečněji AI používáš.

6. Nepoužívej AI tam, kde práce samotná je cílem

AI je spolehlivá při provádění jasně definovaných úkolů: formátuje, extrahuje, transformuje, shrnuje podle pravidel. AI je nespolehlivá tam, kde záleží na porozumění: posoudit, co je v textu důležité, vytvořit argument, zhodnotit metodologii.

Zásada: pokud je cílem zadání vyvinout dovednost, kterou ještě nemáš — argumentovat, číst primární prameny, analyzovat — pak AI, která výsledek vygeneruje místo tebe, tě té dovednosti nepřiblíží. Dostaneš výstup, ale ne schopnost.

7. Bibliografie patří do Zotera, ne do AI

AI jazykové modely systematicky vymýšlejí citace: autory, názvy, stránky, ročníky. Nejde o chybu, která se dá opravit lepším dotazem — je to vlastnost toho, jak tyto nástroje fungují. Zotero existuje přesně proto, aby tento problém řešil.

Pravidlo: AI nepoužívej pro správu bibliografie, generování citací ani vyhledávání konkrétních zdrojů. Pro tyto úkoly jsou specializované nástroje (Zotero, Semantic Scholar, databáze knihovny) vždy spolehlivější.

8. Zapamatování je porozumění — používej nástroje, které paměť posilují, ne nahrazují

Opakované čtení funguje hůře, než si myslíme. Co funguje: testování sama sebe (aktivní vybavování), rozložené opakování v čase, střídání témat. Tyto metody mají silnou vědeckou podporu.

Prakticky: Používej kartičkové aplikace (Anki, Orbit) pro klíčové pojmy a koncepty — ale karty si vytvárej sám/sama. Nechat AI vygenerovat kartičky za tebe obchází právě ten krok, který paměť buduje: rozhodnutí, co je důležité a jak to formulovat.

9. Vždy věz, který cíl sleduješ: splnit úkol, nebo se naučit

Jsou dvě věci, které studia sledují zároveň a které snadno splývají. Splnit úkol: odevzdat práci, projít zkouškou, získat kredit. Naučit se: rozvinout schopnost myslet v oboru, číst, psát a argumentovat nezávisle. AI může pomoci splnit úkol — ale použití AI, které obchází učení, ti nic nedá. Splníš zadání a nevybudoval/a jsi nic.

Tato otázka není moralistická — je praktická. Student, který nedokáže obhájit svou práci u ústního přezkoušení nebo v semináři, nesplnil ani jeden z těchto cílů.

10. Odpovídáš ty — AI není autor ani spoluautor

Bez ohledu na míru zapojení AI jsi autorem výstupu ty. Zodpovídáš za každou faktickou chybu, každé nevhodné tvrzení, každou špatnou citaci, kterou AI vygenerovala a ty jsi ji nezkontroloval/a. „AI to napsala" není obhajoba — ani etická, ani institucionální.

Praktický důsledek: nic neodevzdávej bez přečtení a kritického zhodnocení. AI je spolupracovník, jehož výstup musíš vždy revidovat — ne proto, že to pravidla vyžadují, ale proto, že bez toho nevíš, co odevzdáváš.

Verze 0.2 

AI ve studiu - rozcestník zdrojů

Přehled zdrojů pro studenty humanitních a společenskovědních oborů. Stránka odkazuje na oficiální dokumenty MU, praktické návody a vybrané zahraniční zdroje.

Co je AI a jak funguje

AI na Masarykově univerzitě — stanoviska a pravidla

Jak citovat a uvádět použití AI

Jak se učit s AI, ne místo učení

Nástroje podle toho, co právě děláš

Hledání literatury

Správa bibliografie

Čtení a poznámky

Učení a opakování

Kam dál

Verze 0.1 — E2.3 draft — student-guide / Masarykova univerzita

AI a "já" : jak moc jsme si blízcí?

Kde jsem? Dvě osy digitální a AI vyspělosti

Když mluvíme o tom, jak studenti používají AI, sklouzáváme k jedné otázce: kolik AI používáš? Ale ta otázka není příliš užitečná. Lepší jsou dvě otázky najednou:

Tyto dvě osy jsou na sobě nezávislé — jedna nevyplývá z druhé. Student může mít propracované digitální workflow (D3) a AI vůbec nepoužívat (AI-0). Jiný student může intenzivně chatovat s ChatGPT (AI-3) a přitom nemít ani Zotero (D0). Obě kombinace jsou běžné. Obě mají různé mezery, které stojí za to řešit různým způsobem.

Tato stránka ti pomůže zjistit, kde přibližně stojíš — a co by byl tvůj nejužitečnější příští krok.

image.png

Osa AI (0–4): jak vědomě AI používáš

Osa neměří, kolik AI používáš, ale jak záměrně. Student, který AI používá neustále ale bez reflexe, zůstává na úrovni 1. Student, který ji používá málo ale s jasným účelem, může být na úrovni 3.

Úroveň Název Jak to vypadá v praxi
0 Zvědavý pozorovatel AI zná, ale pro studium ji nepoužívá — nebo jen jednou ze zvědavosti.
1 Příležitostný uživatel zkratek Ptá se ChatGPT na věci, které by jinak googlil. Odpovědi přijímá bez kritického zhodnocení. Každé sezení začíná od nuly. Neuvažuje o tom, co AI dělá s jeho učením.
2 Reflektující uživatel Ví, k čemu AI používá a proč. Ptá se: „Pomáhá mi to učit se, nebo to obchází?" Zná aspoň jeden antipattern a vyhýbá se mu vědomě.
3 Integrovaný student AI je součástí studijního workflow — pomáhá při čtení, psaní, opakování. Vědomě přepíná mezi režimy: „chci vysvětlení" vs. „chci být zkoušen". Ví, kdy AI nepoužít.
4 Metakognitivní praktik Navrhuje vlastní přístup k AI pro každý typ úkolu. Dokáže pojmenovat, kdy a proč AI použít nebo nepoužít. Může to vysvětlit ostatním.

Osa D (D0–D4): jak vyspělé je tvé studijní prostředí

Tato osa existovala před AI a AI ji nezpůsobila. Jde o to, nakolik máš vybudovaný systém pro práci s texty, poznámkami a bibliografií — bez ohledu na AI.

Úroveň Jak to vypadá v praxi
D0 Pouze Word + email. Soubory pojmenované „seminárka_final_v3.docx". Bibliografie psaná ručně nebo vůbec. Žádná organizovaná struktura poznámek.
D1 Základní organizace složek. Google Scholar pro hledání. Literatura ukládaná poloautomaticky nebo kopírovaná ručně. Poznámky v dokumentech, ale bez systému.
D2 Zotero nebo ekvivalent pro citace. Knihovní databáze místo jen Googlu. Nějaká organizace poznámek, i když nesystematická.
D3 Záměrný systém poznámek (Obsidian, Notion nebo podobné). Zotero plně integrováno. Workflow pro čtení a anotaci PDF. Propojení mezi poznámkami a bibliografií.
D4 Propojené studijní prostředí: poznámky, bibliografie, čtení a psaní jsou vzájemně provázané. Workflow je vědomě navržené. AI nástroje jsou integrovány do existujícího systému, ne vedle něj.

Pět typických profilů

Namísto matice 5×5 zde jsou nejčastější kombinace — a co pro každou z nich platí.

Profil 1 — Začátečník (D0–D1 / AI-0–1)

„Píšu v Wordu, AI moc nepoužívám nebo ji zkouším náhodně."

Nejběžnější profil u studentů prvního ročníku. Chybí základy na obou osách. Dobrá zpráva: každý malý krok přinese viditelný rozdíl. Nejužitečnější příští krok: nainstaluj Zotero (D1→D2) dřív než začneš více experimentovat s AI — bez funkční bibliografie bude pokušení nechat citace generovat AI silnější a rizika větší.

Profil 2 — Chatbot bez základů (D0–D1 / AI-2–3)

„ChatGPT používám hodně, ale Zotero nemám a poznámky si nedělám systematicky."

Nestabilní pozice. AI tu nahrazuje chybějící digitální základy — a dělá to špatně. Citace generované AI halucinují. Bez systému poznámek se poznatky z AI rozplývají. Nejužitečnější příští krok: vybuduj D základ (Zotero, základní systém poznámek) dřív než půjdeš s AI dál. Více AI tuto mezeru neuzavře — prohloubí ji.

Profil 3 — Disciplinovaný, ale bez AI (D2–D3 / AI-0–1)

„Mám Zotero, dělám si poznámky, ale AI skoro nepoužívám."

Stabilní pozice s dobrým základem. AI tady není nutná — ale může být užitečná. Nejužitečnější příští krok: zkus NotebookLM na dokumenty, se kterými už pracuješ. Nahraje tvé PDF a odpovídá jen na základě nich — nízké riziko halucinací, přirozené rozšíření existujícího workflow.

Profil 4 — Zkušeně pracující student (D2 / AI-2)

„Mám základy, AI používám vědomě na konkrétní věci, ale nemám to dotažené."

Nejběžnější „fungující" profil u studentů středních a vyšších ročníků. Obě osy jsou na solidní, ale ne plné úrovni. Nejužitečnější příští krok: vyber si jednu věc — buď prohloubení D (systematičtější poznámky, Obsidian) nebo prohloubení AI (vědoměji rozlišovat režimy použití, poznat vlastní antipatterny). Nedělej obojí najednou.

Profil 5 — Integrovaný praktik (D3–D4 / AI-3–4)

„Mám propojené workflow, AI vědomě začleňuji a vím, kdy ji nepoužít."

Cílový stav popsaný v této příručce. AI a digitální nástroje se vzájemně posilují, ne nahrazují. Hlavní riziko na této úrovni: přílišná závislost na systému a ztráta schopnosti pracovat bez něj. Příští krok: pravidelně pracuj i bez AI — piš první drafty sám/sama, čti bez sumarizace. Systém má sloužit tvé kompetenci, ne ji nahrazovat.

Kde jsi ty?

Přečti si popisy a zkus odhadnout svoji pozici na obou osách. Nemusí to být přesné — jde o orientaci, ne diagnózu.

Pak si polož jednu otázku: Co by byl pro mě nejužitečnější příští krok — na ose D, nebo na ose AI?

Odpověď je základ pro všechno, co tato příručka nabízí dál.

Verze 0.1 — E2.3 draft — student-guide / Masarykova univerzita

Tři "podoby" AI

Tři typy AI — základní orientace

Slovo „AI" se používá pro velmi různé věci. Než začneš číst o nástrojích, pravidlech nebo antipatternech, je užitečné vědět, o jakém typu AI se právě mluví. Existují tři typy, se kterými se jako student setkáváš — a fungují zásadně odlišně.

Typ 1 — AI v pozadí

Tato AI běží tiše a neviditelně. Nemluvíš s ní, nepíšeš jí dotazy. Prostě je tam — a ovlivňuje, co vidíš.

Příklady: doporučovací algoritmus na YouTube nebo Spotify, hodnocení relevance ve vyhledávači, filtr spamu v e-mailu, kontrola gramatiky v Grammarly (ta starší vrstva).

Jak funguje: naučila se rozpoznávat vzory v obrovském množství dat. Výsledek je deterministický — stejný vstup dá vždy stejný výstup. Nehádá, nepředstavuje si, nevymýšlí.

Co to pro tebe znamená: s tímto typem AI denně pracuješ, i když o tom nepřemýšlíš. Výzkum, jak funguje, patří spíš do kurzu Elements of AI než do této příručky.

Typ 2 — LLM chatbot (jazykový model)

Tato AI odpovídá na text textem. Mluvíš s ní přirozeným jazykem, ona reaguje. Tohoto typu se tato příručka týká nejvíce.

Příklady: ChatGPT, Claude, Gemini, Copilot, NotebookLM, GrammarlyGO (nová generativní vrstva).

Jak funguje: jazykový model (LLM) statisticky předpovídá, jaký text by měl následovat po tvém vstupu — na základě obrovského množství textů, na kterých byl natrénován. Neví ve smyslu, v jakém ví člověk. Generuje pravděpodobný text. Proto může být přesvědčivě špatný — a proto musíš jeho výstup vždy hodnotit.

Klíčový rozdíl oproti Typu 1: výstup je probabilistický, ne deterministický. Stejný dotaz zadaný dvakrát dá různé odpovědi. Nástroj „halucinuje" — vymýšlí fakta, která zní věrohodně. Toto není chyba, která se dá opravit — je to vlastnost toho, jak LLM fungují.

Příklad na Grammarly: Kontrola gramatiky v Grammarly je Typ 1 — pravidlová, deterministická, existuje přes 15 let. GrammarlyGO (tlačítko „Generate") je Typ 2 — generativní LLM přidaný nedávno. Většina studentů neví, kde jedna vrstva končí a druhá začíná. To je přesně ta mezera, kterou tato příručka pomáhá uzavřít.

Typ 3 — Agentní AI

Tato AI nejen odpovídá — také jedná. Dostane zadání a samostatně provádí kroky: vyhledává, čte soubory, spouští nástroje, píše kód, posílá výstupy.

Příklady: Claude Code, Perplexity (částečně — vyhledává a syntetizuje), pokročilé funkce Copilota v Office.

Jak funguje: LLM jádro (Typ 2) je vybaveno nástroji — může přistupovat k internetu, souborům nebo externím službám. Výsledkem je AI, která nevyžaduje, aby každý krok řídil člověk.

Co to pro tebe znamená: s agentní AI se jako student zatím setkáváš výjimečně. Je to blízká budoucnost, ne dnešní standard. Zmíňujeme ji proto, aby bylo jasné, kam AI směřuje — a proč se otázky odpovědnosti a kontroly stávají důležitějšími, ne méně důležitými.

Proč na tom záleží

Každý typ AI nese jiná rizika a vyžaduje jinou úroveň kritického zhodnocení:

Typ Interakce Hlavní riziko Klíčová otázka
AI v pozadí žádná přímá předpojatost v doporučeních, filtrování informací Co mi algoritmus neukazuje?
LLM chatbot přirozený jazyk halucinace, přesvědčivé nepřesnosti, nahrazení vlastního myšlení Je to pravda a je to moje práce?
Agentní AI zadání úkolu ztráta přehledu o tom, co AI udělala a proč Rozumím tomu, co proběhlo?

Tato příručka se věnuje především Typu 2 — LLM chatbotům. Jsou to nástroje, se kterými studenti pracují nejvíce a o kterých přemýšlejí nejméně.

Verze 0.1 — E2.3 draft — student-guide / Masarykova univerzita

Infografika

Vytvořená v NotebookLM.

ai-ve-studiu.png

Desatero, Dvě osy "vyspělosti",

 

AI Nástroje

K vzdělávání

AI for education na Khan Academy  (zdroj pro učitele)

 

K výzkumu

Kvalitativní metody

Přepisy rozhovorů

aTrain

Automatizovaný nástroj pro přepis zvukového záznamu řeči vyvinutý na univerzitě v rakouském Grazu a šířený pod svobodnou licencí. Jedná se o multiplatformní nástroj, který se slušnou mírou spolehlivosti sám přepisuje záznamy řeči, ať už v audio či video formátech. Výsledkem jsou časově segmentované přepisy ve formátu .txt, s nimiž lze pracovat buď analyticky v programech pro kvalitativní analýzu dat, nebo je lze opravovat pomocí některých jednoduchých nástrojů pro ruční přepis nahrávek.
 
Na aplikaci je zásadní to, že jakkoliv využívá jazykový model, pracuje čistě lokálně v počítači, kde je nainstalována, a neposílá tedy žádná data třetím osobám. Tím je zajištěna ochrana osobních údajů, kterou výzkumníci garantují účastníkům pomocí informovaných souhlasů s účastí na výzkumu. Přepsání rozhovoru programem trvá v zásadě stejně dlouho jako přepsání člověkem a podobná je i kvalita. Pochopitelně program nevytváří žádné značky ohledně souběžných řečí, klesání a stoupání hlasu, výdechů a nádechů apod.
 
Software: https://business-analytics.uni-graz.at/en/research/atrain/

Studie: Take the aTrain. Introducing an interface for the Accessible Transcription of Interviews - ScienceDirect,  https://www.sciencedirect.com/science/article/pii/S2214635024000066

doporučuje: Milan Fujda