Strojové učení je disciplína na pomezí informatiky, statistiky a matematiky, která umožňuje systémům na základě dat samostatně zlepšovat své výkony bez explicitního naprogramování konkrétních pravidel. V jádru strojového učení stojí algoritmy, které analyzují data, identifikují v nich vzory a následně na jejich základě činí rozhodnutí nebo predikce. Nejčastějšími typy algoritmů jsou učení s učitelem (supervised learning), učení bez učitele (unsupervised learning) a posilované učení (reinforcement learning). Díky schopnosti zpracovávat a vyhodnocovat velké objemy dat je tento přístup stále více rozšířen nejen v průmyslu a vědeckém výzkumu, ale i v oblasti vzdělávání.
Ve vzdělávání nachází strojové učení široké a stále se rozšiřující uplatnění. Mezi klíčové aplikace patří adaptivní výukové systémy či tzv. inteligentní doučovací systémy, které využívají analýzu dat o pokroku studenta k přizpůsobování obsahu i způsobu výuky jeho individuálním potřebám. Algoritmy mohou rozpoznávat slabé a silné stránky žáků, doporučovat vhodné učební materiály či testy a vytvářet personalizované učební plány. Dalším příkladem je automatické vyhodnocování písemných odpovědí nebo esejí, kde algoritmy strojového učení posuzují správnost i styl odpovědí a šetří čas pedagogům. Strojové učení také umožňuje odhalovat riziko školního neúspěchu či předčasného odchodu ze vzdělávání analýzou historických dat a chování studentů ve vzdělávacích systémech.
Zavádění strojového učení do vzdělávání přináší řadu výhod i nových výzev. Mezi hlavní přínosy patří personalizace výuky, přesnější a rychlejší zpětná vazba a zvýšení efektivity celého vzdělávacího procesu. Na druhou stranu tato technologie klade zvýšené nároky na ochranu osobních údajů a zabezpečení dat, neboť analyzuje citlivé informace o studentech. Dále je třeba zajistit transparentnost a férovost použitého algoritmického rozhodování, aby nedocházelo k nechtěné diskriminaci či zkreslení výsledků. Přes tyto výzvy má strojové učení potenciál proměnit vzdělávání a přiblížit jej individuálním potřebám žáků, což může dlouhodobě vést k vyšší úspěšnosti a spokojenosti všech zúčastněných.
PhDr. Pavel Bartoš, LL.M., DBA (Evropská akademie vzdělávání / European Academy of education)