Skip to main content
Masterclass

Cuvintele care contează: Promptul ca design al învățării, nu al rezultatului

By 29 aprilie 2026mai 5th, 2026No Comments

Articolul „Cuvintele care contează: Promptul ca design al învățării, nu al rezultatului”, semnat de conf. univ. dr. Gabriela Grosseck, propune o schimbare esențială de perspectivă: trecerea de la utilizarea Inteligenței Artificiale ca simplu generator de răspunsuri, la folosirea acesteia ca un catalizator pentru gândirea critică și explorare.

Textul sintetizează ideile valoroase prezentate în cadrul masterclassului online „Clasa Viitorului și Inteligența Artificială: de la viziune la practică”, organizat la data de 17 martie 2026, în cadrul proiectului „Clasa Viitorului – Pedagogie Digitală”.

În esență, articolul demonstrează că măiestria unui profesor în era digitală nu mai constă în deținerea tuturor răspunsurilor, ci în capacitatea de a formula „întrebările potrivite” (prompturile). Autorul explică de ce un prompt bine structurat nu este doar o comandă tehnică, ci un instrument pedagogic prin care profesorul proiectează contextul de învățare, ghidând elevul să navigheze prin informație, să analizeze și să creeze sens, punând accentul pe procesul cognitiv și nu doar pe produsul final oferit de tehnologie.

Cuvintele care contează: Promptul ca design al învățării, nu al rezultatului

Un punct de plecare incomod, dar necesar: începând cu 24 iulie 2025, omenirea consumase deja echivalentul a 22 de ani din capacitatea regenerativă a planetei (IPCC, 2021). Plasarea acestui fapt în deschiderea unui articol despre inteligența artificială (IA) în educație nu este un gest retoric. Este o invitație la coerență. De fiecare dată când scriem ceva în ChatGPT, Gemini sau Claude, nu „folosim pur și simplu un instrument”, ci lăsăm o urmă: consum de energie, căldură disipată în centre de date, apă folosită pentru răcirea serverelor și emisii de carbon care se adaugă unei facturi globale deja greu de ignorat.

Generarea unei singure imagini cu ajutorul IA consumă aproximativ atâta energie cât o încărcare completă a unui smartphone. Un prompt simplu de tip text consumă aproximativ 0,3 Wh, neglijabil în izolare, dar semnificativ la scara miliardelor de interogări zilnice (Rajeev & Periyasamy, 2025). O conversație de 20–50 de mesaje cu ChatGPT consumă aproximativ 500 ml de apă doar pentru răcirea serverelor; scalat la sute de milioane de utilizatori, cererea zilnică de apă rivalizează cu nevoile unui oraș de peste un milion de locuitori (Li et al., 2025; Ren, 2023; Google, 2025). Antrenarea unui singur model de mari dimensiuni precum GPT-3 a generat aproximativ 500 de tone de CO₂ (Jegham et al., 2025). Până în 2028, serverele IA din Statele Unite ar putea consuma electricitate echivalentă cu 22% din totalul gospodăriilor americane (O’Donnell & Crownhart, 2025).

Aceste cifre nu pledează împotriva utilizării IA în educație. Pledează pentru utilizarea ei cu discernământ. Un prompt bine formulat nu este doar mai util, ci este și mai responsabil. Conceptul de green prompting – a reflecta cu atenție asupra modului în care interacționezi cu IA (Rajeev & Periyasamy, 2025), merită integrat în orice conversație despre alfabetizare digitală cu profesori și elevi, nu tratat ca o preocupare separată, rezervată specialiștilor în sustenabilitate.

Cine folosește de fapt inteligența artificială?

Figura 1. Decalajul: Inteligența artificială avansează rapid, oamenii nu. Versiunea interactivă poate fi accesată la adresa https://global-ai-adoption.netlify.app/

Înainte de a proiecta lecții ambițioase integrate cu IA, este util să examinăm realitatea adoptării la nivel global. O vizualizare din februarie 2026 realizată de Damian Player (figura 1), care reprezintă cei 8,1 miliarde de oameni ai lumii sub forma a 2.500 de puncte, oferă o imagine sobră:

  • Aproximativ 84% din populația globală nu a folosit niciodată IA.
  • Aproximativ 16% utilizează chatboți IA gratuit.
  • Un grup mult mai mic (circa 0,3%, adică 15–25 de milioane de persoane) plătește pentru servicii IA premium.
  • O fracție și mai redusă, aproximativ 0,04%, utilizează instrumente IA de tip coding.

Această distribuție nu este un argument pentru a încetini integrarea IA în educație, ci pentru a o calibra realist. Presupunerea că toți elevii și profesorii sunt deja fluenți într-o lume a abundenței IA poate conduce la decizii pedagogice care amplifică, nu reduc, inechitățile existente.

În România, contextul este în mișcare accelerată. Peste două milioane de profesori, elevi și părinți interacționează deja cu instrumente educaționale bazate pe IA dezvoltate de Microsoft, în contextul implementării Strategiei Naționale pentru IA 2024–2027 (Microsoft, 2025). Cercetările arată că platformele de învățare personalizată bazate pe IA pot îmbunătăți semnificativ performanța și implicarea elevilor, ajutând totodată profesorii să-și adapteze și eficientizeze practica didactică (Barbulescu et al., 2025).

Atitudinile negative ale cadrelor didactice față de IA tind să provină din nivelul scăzut de alfabetizare digitală și din lipsa experienței directe, nu dintr-o respingere de principiu; implicarea directă reduce percepția de amenințare și construiește o încredere autentică (Tiru et al., 2025). Însă echitatea în educația asistată de IA depinde mult mai mult de guvernanță, capacitate instituțională și suport relațional decât de simpla accesibilitate tehnologică (Voicu, 2026).

Decalajul dintre avansul rapid al IA și ritmul adaptării umane este real, dar poate fi depășit cu tipul potrivit de suport și cu așteptări calibrate la context.

Prompting: de la formulă la practică reflexivă

Titlul acestui articol („Cuvintele care contează”) reflectă o convingere proprie: cuvintele alese atunci când se formulează un prompt determină calitatea, precizia și utilitatea a ceea ce generează sistemul IA. Dar argumentul care merită dezvoltat depășește eficiența.

Meincke et al. (2025) fac o distincție importantă între a învăța prompturi și a învăța să promptezi (learning prompts vs. learning prompting). Prima abordare tratează prompturile ca rețete de memorat; a doua le tratează ca pe o practică de dezvoltat. Formatarea contează. Tonul influențează, deși uneori în moduri greu de anticipat. Atribuirea de roluri, specificarea formatului de ieșire, rafinarea iterativă: toate acestea modelează outputul. Dar concluzia cercetărilor recente este clară: nu există un prompt perfect. Promptingul este o conversație adaptativă, nu o tranzacție cu rezultat garantat.

De aici derivă o implicație pedagogică adesea ignorată: ceea ce merită evaluat nu este doar rezultatul generat de IA, ci și promptul în sine. Solicitarea elevilor de a arăta nu textul final, ci secvența iterativă de interacțiuni care l-a produs, dezvăluie gândire, luare de decizii și conștiință metacognitivă într-un mod în care un paragraf lustruit nu poate. Promptingul devine, în această perspectivă, o formă vizibilă de raționament și, prin urmare, un obiect legitim de evaluare formativă.

Ce face utilizarea IA cu mintea noastră

Probabil că cel mai puțin discutat aspect al integrării IA în educație privește efectele cognitive ale utilizării sistematice a acestor instrumente. Nicholas Carr (2012) a anticipat, încă din 2008, riscurile aduse de externalizarea cognitivă masivă. Cercetările recente încep să ofere date empirice pentru ceea ce părea o îngrijorare speculativă.

Conceptele acumulate în literatură descriu un spectru al dezangajării cognitive:

  • Zgârcenia cognitivă (cognitive misers): tendința de a ne baza pe scurtături mentale și de a evita gândirea laborioasă (Fiske & Taylor, 1991) nu este nouă, dar IA reduce semnificativ costul acestor scurtături.
  • Lenea metacognitivă (metacognitive laziness): tendința în scădere de a monitoriza propria înțelegere și raționament este documentată în contexte de utilizare IA (Fan et al., 2025).
  • Datoria cognitivă (cognitive debt): acumularea de sarcini și decizii externalizate către sisteme externe, cu consecințe pe termen lung asupra capacității proprii de procesare devine tot mai măsurabilă (Kosmyna et al., 2025).
  • Externalizarea cognitivă (cognitive offloading): delegarea memoriei, calculului sau raționamentului către instrumente externe există de când există scrisul. Gerlich (2025) și Bastani et al. (2025) arată însă că externalizarea asistată de IA afectează performanța și retenția diferit față de tehnologiile anterioare, în moduri care ridică întrebări pentru proiectarea activităților de învățare.
  • Abandonul cognitiv (cognitive surrender): forma cea mai extremă, în care o persoană încetează să se mai implice intelectual și acceptă outputul IA ca autoritar este descris ca o frontieră emergentă de îngrijorare (Shaw & Nave, 2026).

Relevanța acestui spectru pentru educație constă în recadrarea promptului: el nu este doar un câmp de introducere a textului, ci o decizie de design care modelează relația cognitivă dintre utilizator și sistemul IA. Întrebarea pe care un educator ar trebui să și-o pună nu este „Ce produce acest prompt?”, ci „Ce dezvoltă la elev procesul de formulare a acestui prompt?”

Structuri pedagogice pentru utilizarea productivă a IA

În loc să catalogheze instrumente disponibile care se schimbă rapid și sunt bine documentate în alte resurse, această secțiune propune câteva structuri pedagogice care valorifică IA menținând totodată elevul în poziție activă, reflexivă.

Activitatea 1: Animalul care nu există încă

Elevii primesc cinci minute să deseneze, pe hârtie, un animal care nu există: o creatură imaginată, cu morfologie, habitat, comportament și un nume științific inventat (figura 2). Ulterior, același exercițiu este dat unui sistem IA printr-un prompt deliberat minimal: „Desenează un animal care nu există încă.” Fără alte detalii.

Figura 2. De la desen la prompt. Animalul care nu există încă (control, intenție și co-creație om–IA). Imagine creată cu NotebookLM (opțiunea SlideDeck)

Comparația dintre cele două rezultate generează întrebări pedagogic valoroase: Cine a fost mai original? Cine a fost mai plauzibil? Cine a riscat mai mult? Activitatea nu urmărește să demonstreze superioritatea imaginației umane, ci să creeze o întâlnire structurată cu diferența dintre imaginație și modelare statistică și să genereze întrebări autentice despre ce înseamnă „nou” atunci când un sistem a procesat toate reprezentările vizuale existente ale ființelor vii.

Activitatea 2: Promptul înainte de produs

Înainte de orice sarcină de scriere asistată de IA, elevii formulează mai întâi promptul fără a accesa IA. Actul de a redacta o cerere bine specificată îi obligă să știe, în avans, ce vor: ce informații caută, ce format doresc, ce restricții impun. Aceasta externalizează procesul de planificare, face vizibile deciziile tacite și creează un artefact independent – promptul – care poate fi discutat, comparat și evaluat separat de outputul generat ulterior.

Activitatea 3: Primește, analizează, rescrie

Elevii primesc un răspuns generat de IA la o întrebare specifică din disciplina studiată. Sarcina are trei pași: (a) identificarea a ceea ce lipsește sau este incorect, (b) determinarea a ceea ce sistemul IA nu putea cunoaște și (c) rescrierea răspunsului într-o formă îmbunătățită, fără asistență IA. Această inversare a fluxului obișnuit forțează angajarea critică cu conținutul generat, nu consumul sau producția lui pasivă. Competența vizată nu este prompting-ul, ci judecata evaluativă.

Activitatea 4: Diagnosticul de vulnerabilitate al sarcinii de evaluare

Înaintea atribuirii oricărei sarcini de evaluare, un exercițiu util pentru cadrul didactic este să verifice: cât de ușor ar putea un model lingvistic de mari dimensiuni să o rezolve, și cum ar fi detectabil? Dawson et al. (2024) propun un cadru sistematic. O vulnerabilitate ridicată („roșie”) înseamnă că IA ar putea genera un text practic indistinct de munca elevului, fără niciun input personal verificabil. O vulnerabilitate scăzută („verde”) înseamnă că sarcina necesită ceva ce IA nu poate substitui: un context specific trăit, un set de date local, o reflecție în timp real, un proces de decizie documentat, o experiență personală relevantă.

Întrebarea nu este dacă se permite utilizarea IA, ci ce anume din sarcină nu poate fi realizat de IA în locul acestui elev specific? Acel element devine miezul sarcinii.

AI Slop și educarea atenției critice

Un fenomen relativ recent, dar cu implicații pedagogice semnificative, este cel denumit AI slop, conținut de slabă calitate generat cu IA în scopul obținerii de atenție, venit sau vizibilitate algoritmică (Chen, 2025; Nemeroff, 2025). Conceptul este distinct de halucinație: halucinațiile sunt eșecuri tehnice ale modelelor, iar responsabilitatea revine în principal dezvoltatorilor; AI slop este o alegere umană deliberată de a exploata capacitățile generative ale IA, iar responsabilitatea este colectivă, de la producători, platforme la utilizatori.

Relevanța pentru clasă este directă. De exemplu, când elevii consumă imagini generate de IA reprezentând figuri istorice în ipostaze anacronice sau voit spectaculoase, nu se întâlnesc doar cu inexactitatea. Se obișnuiesc, treptat, cu un mod de reprezentare care poate confunda fluența estetică cu cunoașterea istorică. A le solicita să articuleze diferența dintre reprezentarea realistă, cea simbolică și cea producătoare de slop constituie un exercițiu de educație media cu miză autentică.

Un caz cu greutate etică particulară îl reprezintă utilizarea IA pentru a „simula” figuri istorice ale căror urme documentare există și sunt accesibile. Anne Frank reprezintă un exemplu discutat recent în literatură. Problema nu este tehnic-estetică, ci etică: trivializarea memoriei, distorsionarea faptelor, absența consimțământului, exploatarea comercială a biografiei victimelor. Există deja jurnalul autentic; nu există nicio justificare pedagogică pentru a-l substitui cu o simulare IA (Mullaney, 2025).

Evaluare și integritate academică în era GenAI

Integrarea IA generative în practicile de evaluare ridică întrebări care nu se rezolvă prin interdicție sau prin permisivitate necondiționată. AI Assessment Scale (figura 3) dezvoltată de Perkins et al. (2024) oferă un cadru de lucru care distinge între practici ce sprijină învățarea echitabilă, practici ce o afectează și practici ce introduc inechitate.

Figura 3. Scala de evaluare cu ajutorul IA, adaptată după Perkins et al. (2024), tradusă în română de Grosseck și disponibilă la adresa https://www.canva.com/design/DAGnkyBAIhM/rUQwB4iM6oZPuxMUkK1b1g/edit

Pe de altă parte, instrumentele de detectare a textului generat de IA se situează într-un cadran problematic (figura 4): sunt adesea inexacte, dezavantajează vorbitorii non-nativi și poziționează actul de evaluare ca supraveghere, nu ca proiectare a învățării.

Figura 4. Cadru de analiză a practicilor de evaluare în contextul IA generative, după criteriile echității și al impactului asupra învățării (adaptare după Maha Bali, CC BY NC)

O abordare mai productivă o reprezintă declarațiile de transparență. Solicitarea ca elevii să justifice utilizarea IA (ce instrument, în ce scop, ce au contribuit ei) nu este o formalitate administrativă, ci un exercițiu de alfabetizare epistemică. Elevii care ajung să descrie cu acuratețe procesul propriu de lucru cu IA învață ceva cu durată mai lungă decât orice conținut punctual.

Tot în registrul transparenței se află și citarea corectă a instrumentelor IA. APA 7 oferă ghidaj explicit (pentru ChatGPT, forma uzuală este o referință organizațională: OpenAI, 2023). Presupunerea că elevii știu să citeze (surse tradiționale sau instrumente digitale) rămâne una dintre cele mai frecvente erori în proiectarea didactică. Citarea outputului IA nu este birocrație; este o practică de onestitate intelectuală care poate și trebuie predată explicit.

Cadre de referință și resurse pentru dezvoltare profesională

Cadrele didactice nu pot fi solicitate să navigheze singure peisajul IA, în absența suportului instituțional și a unor referențiale clare. La nivel normativ, există documente cu autoritate: EU AI Act, Orientările UE în materie de etică privind utilizarea Inteligenței Artificiale și a datelor în procesul de predare și învățare pentru cadrele didactice, Recomandarea UNESCO privind Etica Inteligenței Artificiale (2021), Ghidul UNICEF privind IA pentru copii (2021) sau Observatorul OECD pentru Politici în IA (oecd.ai).

Pentru dezvoltarea profesională, disponibilitatea resurselor gratuite de calitate este remarcabilă: Google Experience AI , Elements of AI, Microsoft AI for Educators , Khan Academy AI for Education, programul CRAFT al Universității Stanford, proiectul RAISE de la MIT sau ICDL prin ghidul AIEdu oferă puncte de intrare structurate și adaptabile la diferite niveluri de experiență. Recomandăm colecția îngrijită de Nerantzi et al. (2023), un material colaborativ de 101 idei creative pentru utilizarea IA în educație (variată, testată în practică și disponibilă în acces deschis).

În loc de concluzie: trei orientări simultane

Raportul Future of Jobs al Forumului Economic Mondial (2025) formulează o idee care a ajuns la granița dintre evidență și clișeu: cu cât adăugăm mai multă tehnologie, cu atât avem nevoie să fim mai umani. Merită însă insistat asupra a ceea ce înseamnă „mai uman” în contextul concret al clasei.

A fi mai uman în relația cu IA înseamnă a fi specific cu privire la ce se urmărește, onest cu privire la ce nu se știe, responsabil față de alegerile făcute cu conținut generat și atent la efectele cognitive ale externalizării sistematice a gândirii. Înseamnă, de asemenea, disponibilitatea de a recunoaște că nu orice lucru posibil cu IA este și dezirabil.

Trei orientări structurează o relație echilibrată cu tehnologia în educație: a învăța pentru noile tehnologii (pregătire pentru un context profesional transformat), a învăța despre ele (înțelegere critică a mecanismelor, limitelor și implicațiilor) și a învăța cu ele (utilizare instrumentală, reflexivă, în serviciul obiectivelor de învățare). Aceste trei orientări nu formează o progresie: sunt angajamente simultane. Orice strategie educațională care le tratează separat sau secvențial pierde din vedere tocmai complexitatea pe care IA o introduce în practica didactică.

Poate că cea mai potrivită imagine pentru momentul în care ne aflăm este cea oferită de Lewis Carroll în Alice în țara oglinzilor (1871) (figura 5): “Draga mea, aici trebuie să alergăm cât de repede putem, doar pentru a sta pe loc. Și, dacă vrei să ajungi mai departe, trebuie să alergi chiar de două ori mai repede de atât.” (“Now, here, you see, it takes all the running you can do, to keep in the same place. If you want to get somewhere else, you must run at least twice as fast as that!”).

Figura 5. Imagine generată cu Gemini, pe baza promptului: “O ilustrație suprarealistă în stilul picturilor în ulei clasice care reprezintă Efectul Reginei Roșii. În centru, Regina Roșie din ‘Alice în Țara Minunilor’, cu o expresie determinată și obosită, aleargă frenetic pe o bandă de alergare uriașă, de epocă, făcută din roți dințate și mecanisme victoriene. Ea o ține de mână pe Alice, care pare purtată de vânt. Fundalul este o tablă de șah infinită care se deformează. Pe cer, un pergament lung și curbat plutește elegant, pe care este scris caligrafic textul: ‘Draga mea, aici trebuie să alergăm cât de repede putem, doar pentru a sta pe loc. Și, dacă vrei să ajungi mai departe, trebuie să alergi chiar de două ori mai repede de atât!’. Atmosferă onirică, culori bogate de roșu și auriu, detalii minuțioase, compoziție panoramică cinematică.”

Efectul Reginei de Inimă Roșie descrie exact dinamica în care se găsesc astăzi educatorii: într-un peisaj tehnologic care se reconfigurează mai rapid decât orice curriculum poate urmări, simpla adaptare reactivă nu este suficientă pentru a menține relevanța. Răspunsul nu este însă să alergăm mai repede în aceeași direcție, ci să ne oprim, cu luciditate, să întrebăm în ce direcție merită să alergăm și de ce. Integrarea responsabilă a inteligenței artificiale în educație nu înseamnă adoptarea fiecărui instrument nou, ci construirea capacității de a judeca: ce servește învățarea, ce o erodează și ce rămâne, indiferent de viteza schimbării, o responsabilitate ireductibil umană.

Referințe