AI wspierające dostęp do edukacji — czego uczy przykład M-Shule

Opracowanie i komentarz: IRiD Social. Autorka głównego artykułu źródłowego: Kasia Kotlarska, Social Enterprise World Forum, luty 2026.

Dostęp do edukacji zaczyna się od warunków uczestnika

Przy projektowaniu edukacji cyfrowej łatwo przyjąć, że uczestnik ma smartfon, stabilny internet i czas na obsługę platformy. Takie założenie powinno jednak zostać sprawdzone przed wyborem narzędzia. Dla części odbiorców barierą będzie urządzenie, dla innych język, sposób prezentacji treści lub możliwość uzyskania pomocy.

Przypadek M-Shule warto rozpatrywać jako inspirację do zadawania tych pytań. Interesuje nas sposób dotarcia do uczącej się osoby i możliwość dopasowania materiału. Ocenę technologii łączymy z oceną procesu edukacyjnego.

Poniżej przedstawiamy najważniejsze informacje źródłowe, a następnie własny komentarz IRiD Social. Proponowane zastosowania w Polsce i kryteria oceny nie są wynikami programu M-Shule.

Co opisuje artykuł SEWF

Kasia Kotlarska w artykule „AI for Social Good: M-Shule” (SEWF, luty 2026) opisuje platformę powstałą w Kenii w 2017 roku. Wykorzystuje ona SMS, chatboty i proste aplikacje do nauki dopasowywanej do odpowiedzi uczestnika. Wśród zastosowań wymieniono edukację podstawową, finansową i zawodową oraz wsparcie uchodźców i osób z niepełnosprawnościami.

Artykuł podaje ponad 23 tysiące uczących się i ponad 20 tysięcy gospodarstw domowych. Przywołuje wyniki egzaminów wyższe o 7–20%, ale nie przedstawia pełnego protokołu badania pozwalającego ocenić efekt przyczynowy samej AI.

Te liczby opisują relację źródłową, a nie niezależny audyt przeprowadzony przez IRiD. Nie przeliczamy procentów na punkty procentowe ani nie obiecujemy analogicznej poprawy w innych grupach.

Źródło: SEWF — AI for Social Good: M-Shule. Liczby podano za opisem programu.

Co wnosi porównanie z UNESCO

Opis UNESCO Institute for Lifelong Learning w bazie LitBase, zaktualizowany 24 stycznia 2022 roku, również przedstawia M-Shule i liczbę 23 tysięcy uczących się. Pokazuje przygotowanie treści zgodnych z programem, diagnozę i dobieranie kolejnych zadań na podstawie odpowiedzi.

W starszym materiale pojawia się koszt 2–5 dolarów za ucznia miesięcznie. To informacja historyczna z opisu programu, nie aktualny cennik ani oszacowanie kosztu wdrożenia w Polsce.

Powtórzenie podobnej liczby uczestników w źródłach o różnych datach nie pozwala obliczyć wzrostu programu między 2022 a 2026 rokiem. Nie należy przedstawiać jej jako liczby nowych uczestników pozyskanych w samym 2026 roku.

Źródło uzupełniające: UNESCO UIL — opis zaktualizowany 24 stycznia 2022 r.. Starszy opis nie jest aktualnym cennikiem.

SMS może ograniczyć jedną barierę, ale nie rozwiązuje wszystkich

Prosty kanał komunikacji może być użyteczny, jeżeli odbiorca rzeczywiście z niego korzysta. Nie zwalnia to organizatora z oceny zrozumiałości treści, sposobu odpowiedzi i kosztów po stronie uczestnika.

Przed pilotażem w Polsce warto ustalić, kto ma dostęp do telefonu i czy urządzenie jest współdzielone. Potrzebna jest też informacja, czy uczestnik może otrzymywać wiadomości w wybranych godzinach i czy potrafi samodzielnie na nie odpowiedzieć.

Osoba korzystająca z czytnika ekranu może mieć inne doświadczenie niż osoba potrzebująca materiału w formie dźwiękowej lub wsparcia w czytaniu. Krótka wiadomość nie jest automatycznie łatwa do zrozumienia. Ograniczenie długości może wręcz utrudnić wyjaśnienie złożonego zagadnienia.

Dlatego proponujemy zapewnić alternatywny sposób dostępu do materiału oraz kontakt do człowieka. Odpowiedni kanał wybiera się z odbiorcami, na podstawie prób wykonania zadania.

Personalizacja wymaga dobrego materiału i ostrożnej interpretacji odpowiedzi

Własny projekt adaptacyjnego uczenia powinien zaczynać się od celu edukacyjnego i sprawdzonych materiałów. Dopiero potem można ustalić, jakie odpowiedzi mają prowadzić do powtórki, łatwiejszego wyjaśnienia lub następnego zadania.

Błędna odpowiedź może wynikać z niezrozumienia pytania, literówki, przerwanej pracy lub braku wiedzy. System nie powinien bezrefleksyjnie utożsamiać tych sytuacji. Potrzebna jest możliwość ponownej próby lub poproszenia o pomoc.

Przygotowanie kilku wersji treści przez AI może usprawnić pracę autora, ale każda wersja wymaga oceny merytorycznej i językowej. W przypadku edukacji zawodowej należy sprawdzić także zgodność z rzeczywistym zadaniem, które uczestnik ma wykonywać.

Proponujemy testować nie tylko poprawną ścieżkę przejścia kursu. Ważne są także przerwy, powrót po dłuższym czasie i sytuacje, w których uczestnik nie odpowiada według oczekiwanego schematu.

Jak odróżnić zasięg od efektu edukacyjnego

Liczba zarejestrowanych osób mówi o zasięgu, lecz nie pokazuje, ile z nich rozpoczęło naukę, wykonało zadania i osiągnęło zakładany poziom umiejętności. Podobnie liczba gospodarstw domowych nie jest liczbą osób, które samodzielnie ukończyły kurs.

W ocenie własnego projektu warto oddzielić zaproszenie, rejestrację, aktywny udział i zakończenie. Dodatkowo należy sprawdzić, czy zdobyta umiejętność utrzymuje się po pewnym czasie i czy uczestnik potrafi zastosować ją poza kursem.

Porównanie wyników egzaminu wymaga wiedzy o grupach, wcześniejszych umiejętnościach i warunkach uczenia. Bez tych informacji nie można przypisać całej zmiany jednemu elementowi usługi. Znaczenie mogą mieć także dodatkowa praktyka i wsparcie prowadzącego.

Opis wdrożenia jest wartościowy jako wskazanie możliwości. Do obietnic rezultatu potrzebne są jednak dane odpowiadające konkretnemu celowi i grupie odbiorców.

Przykładowy pilotaż po warsztacie dla dorosłych

Jako propozycję IRiD Social przedstawiamy dobrowolne powtórki po szkoleniu. Prowadzący wybiera kilka zagadnień, przygotowuje krótkie wyjaśnienia i pytania sprawdzające. Uczestnik otrzymuje je w uzgodnionej formie.

AI może wspierać przygotowanie wariantów materiału, lecz osoba prowadząca zatwierdza treść i zasady kierowania do kolejnych zadań. Na początek warto ograniczyć zakres, tak aby zespół mógł sprawdzić każdy rezultat.

Uczestnik powinien wiedzieć, jak często otrzyma wiadomości, czy odpowiedź wiąże się z kosztem i jak zrezygnować. Należy też ustalić sposób uzyskania wyjaśnienia, gdy krótka treść okaże się niewystarczająca.

Przed oceną skuteczności trzeba poznać przyczyny przerw w udziale. Brak odpowiedzi może wynikać z pracy, opieki nad bliskimi lub trudności technicznej. Nie powinien automatycznie prowadzić do oceny braku motywacji.

Dostępność trzeba uwzględnić w pomiarze

Jeżeli projekt ma przeciwdziałać wykluczeniu, nie wystarczy zapytać wyłącznie osoby, które sprawnie ukończyły wszystkie etapy. Warto również dotrzeć do tych, które nie rozpoczęły nauki lub przerwały udział.

Proponujemy sprawdzić, czy instrukcja rejestracji jest zrozumiała, czy materiał da się odczytać w używanej technologii i czy termin odpowiedzi jest realistyczny. Uczestnicy powinni móc zgłosić trudność bez konieczności korzystania z tego samego kanału, który stanowi barierę.

Zespół powinien dokumentować potrzebne dostosowania. Dzięki temu poprawa obejmie usługę, a nie tylko indywidualne obejście problemu przez jednego uczestnika.

Poniższa tabela jest naszą propozycją do planowania próby. Nie przedstawia niezależnej ewaluacji M-Shule.

Własna propozycja IRiD Social, nie wyniki badania M-Shule.

Prywatność i odpowiedzialność za informację

Dane o postępie edukacyjnym mogą być wrażliwe dla uczestnika nawet wtedy, gdy zadania wydają się proste. Własny projekt powinien określić, kto widzi odpowiedzi, komu przekazywane są zestawienia i jak długo pozostają dostępne.

Warto ograniczyć zbierane informacje do tych, które są potrzebne do wykonania i oceny zadania. Przy współdzielonym telefonie trzeba rozważyć, czy treść wiadomości nie ujawnia informacji, których uczestnik nie chce udostępniać innym.

Uczestnik powinien wiedzieć, kto odpowiada za usługę i gdzie może zgłosić błąd. Wynik systemu nie powinien stawać się etykietą opisującą osobę bez możliwości wyjaśnienia sytuacji.

Są to pytania do projektowania konkretnego wdrożenia. Nie stanowią oceny zgodności prawnej ani audytu bezpieczeństwa platformy M-Shule.

Co można przenieść do polskiej praktyki

Najbardziej użyteczną inspiracją jest rozpoczęcie projektu od realnych warunków uczestnictwa. Nie wymaga to kopiowania platformy ani przyjmowania identycznych kanałów komunikacji.

W jednym projekcie odpowiedni będzie prosty tekst, w innym materiał dźwiękowy lub połączenie pracy z trenerem i krótkich ćwiczeń. Wybór powinien wynikać z diagnozy, a następnie zostać zweryfikowany w małej próbie.

Równie ważne jest zaplanowanie obsługi materiałów. Kto sprawdza aktualność treści? Kto pomaga uczestnikowi? Czy organizacja ma czas na ocenę odpowiedzi i poprawianie ścieżki uczenia?

Technologia może pomagać w dotarciu i powtórkach, ale wartość edukacyjna zależy od całej usługi. Własny pilotaż powinien pokazać, czy uczestnik może uczyć się skuteczniej i z mniejszą liczbą barier.

Ocena IRiD Social

M-Shule jest wartościowym przykładem do dyskusji o edukacji projektowanej wokół odbiorcy. Zwraca uwagę na relację między sposobem dostępu, treścią i dopasowaniem kolejnych zadań.

Jednocześnie opisów programu nie należy traktować jako gwarancji określonego wzrostu wyników ani pełnego dowodu dostępności dla każdej grupy. Potrzebna jest ocena warunków zastosowania i sposobu pomiaru.

Dla organizacji planującej podobne działania najważniejszy będzie konkretny test: czy osoby, które wcześniej miały trudność z udziałem, mogą teraz wykonać zadanie i uzyskać pomoc. To powinno wyznaczać kierunek dalszego rozwoju.

Źródła, autorstwo i prawa do materiałów

Główne źródło: Kasia Kotlarska, AI for Social Good: M-Shule, Social Enterprise World Forum, luty 2026. Artykuł oryginalny.

Źródło uzupełniające: UNESCO Institute for Lifelong Learning, M-Shule SMS Learning & Training, Kenya, LitBase, aktualizacja 24 stycznia 2022 r. Opis programu.

Charakter tekstu: własne omówienie i krytyczny komentarz IRiD Social. Przykłady polskiego pilotażu i tabela pytań są propozycjami redakcji. Nie stanowią rezultatów programu ani niezależnego audytu platformy.

Prawa: nie jest to przedruk ani pełne tłumaczenie źródeł. Nie przejmujemy ich fotografii, zrzutów ekranu ani wykresów. Nie przypisujemy artykułowi SEWF licencji CC BY; nie znaleziono takiego oznaczenia w sprawdzonym materiale. Prawa do materiałów oryginalnych pozostają przy uprawnionych podmiotach. Nie sugerujemy zatwierdzenia opracowania przez SEWF, UNESCO lub M-Shule.

Dalsza lektura: Technologie i AI w polskich NGO · Przegląd 65 publikacji o AI w NGO.

Ilustracja: Martin Martz / Unsplash. Minimalistyczna kompozycja nie przedstawia platformy ani uczestników M-Shule.