StudentSim uczy korepetytora AI na kopii ucznia — wynik to jeszcze nie klasa

W publikacji Microsoft Research z 12 października 2026 r. badacze przedstawili StudentSim, system tworzący symulatory zachowania uczniów do wstępnego testowania korepetytorów AI. Symulator ma pokazać, jak zmienia się odpowiedź po wskazówce, zanim korepetytor zostanie sprawdzony z ludźmi. To narzędzie badawcze, które nie zostało wdrożone w klasach.

Jak wylicza On The Wire, benchmark objął 60 osób: 30 szachistów, 15 osób uczących się pisać po angielsku i 15 uczniów rozwiązujących zadania matematyczne; w osobnej ocenie korepetytor trenowany z sygnałem StudentSim udzielił 90,5% szachowych wskazówek bez poważnego błędu rzeczowego, wobec 75,7% dla modelu bez dodatkowego treningu i 71,6% dla wariantu z symulatorem opartym na GPT-5.4. Ostatni wynik dotyczy oceny porad przez szachistów, a nie poprawy umiejętności osób korzystających z korepetytora.

Jak powstaje symulator konkretnej osoby

StudentSim zaczyna od zapisanych odpowiedzi, błędów i poprawek rzeczywistych osób. Najpierw model uczy się na wspólnej puli danych z jednej dziedziny: poznaje typowe odpowiedzi oraz sposoby reagowania na wyjaśnienia. Dopiero potem jest dostosowywany do zapisów wybranej osoby. Powstaje symulator jej decyzji, a nie tylko model językowy poproszony o odegranie ogólnie opisanego ucznia.

Ten podział wynika z ograniczonej liczby zapisów dotyczących pojedynczej osoby. Uczenie osobnego modelu od początku mogłoby skłonić go do zapamiętania dostępnych przykładów, zamiast nauczyć go odpowiadać na nowe zadania. Wspólna pula daje podstawę, którą można dopasować do charakterystycznych pomyłek gracza lub ucznia. Do oceny odłożono późniejsze zapisy, niewykorzystane podczas treningu.

Problem jest istotny dla korepetytora: model językowy może płynnie odpowiadać na wskazówkę, choć korzysta z wiedzy, której naśladowana osoba nie miała. Taka odpowiedź dawałaby mylący sygnał o skuteczności porady. StudentSim wiąże zachowanie symulatora z zapisami konkretnej osoby, a następnie sprawdza, czy potrafi on zareagować na pomoc.

Zgodność z uczniem i reakcja na wskazówkę to osobne wyniki

W pracy badawczej opublikowanej 1 września 2026 r. StudentSim uzyskał w szachach 0,51 zgodności z ruchami konkretnych graczy oraz 0,91 reakcji na wskazówki; symulacja oparta na GPT-5.4 osiągnęła odpowiednio 0,23 i 0,72. Pierwsza miara pokazuje, jak często symulator przewidział rzeczywisty ruch gracza w odłożonej do testu pozycji. Druga ocenia, czy po wyjaśnieniu wybrał ruch, ku któremu prowadziła wskazówka.

Różnicę dobrze pokazuje sytuacja, w której gracze wybierają odmienne ruchy z tej samej pozycji. Symulator dopasowany do osoby ma odtworzyć jej wybór, także wtedy, gdy nie jest to najlepszy ruch według silnika szachowego. Dopiero po otrzymaniu podpowiedzi sprawdza się, czy zmieni odpowiedź. Trafne przewidywanie początkowego błędu i udana poprawka odpowiadają więc na różne pytania.

Reakcja na wskazówkę ma ważną granicę: punktem odniesienia jest poprawny ruch, odpowiedź z klucza albo właściwa poprawka tekstu, zależnie od zadania. Badacze nie porównywali jej z zaobserwowaną późniejszą reakcją tej samej osoby na identyczną pomoc. Wynik mówi, że symulator podąża w kierunku wyznaczonym przez wskazówkę; nie mierzy jeszcze, jak dany uczeń zachowałby się po jej otrzymaniu.

Także zgodność zachowania ma inną postać w każdej dziedzinie. W szachach chodzi o konkretny ruch, w pracach po angielsku o profil błędów, a w matematyce o wybór odpowiedzi przypisanej uczniowi. Z tego powodu wyników z różnych dziedzin nie można potraktować jako jednej skali postępów w nauce.

Co oceniono w trenowanym korepetytorze szachowym

Eksperyment z korepetytorem sprawdzał jakość jego wskazówek do pozycji szachowych. Model dostawał pozycję i wcześniejszy błędny ruch gracza, po czym proponował wyjaśnienie. Niezmieniany podczas tego etapu symulator wybierał nowy ruch po przeczytaniu porady, a silnik Stockfish oceniał zmianę jego jakości. Ta ocena stawała się sygnałem do dalszego treningu korepetytora.

Szachiści oceniali gotowe wskazówki bez informacji o wariancie treningu. Brali pod uwagę błędy rzeczowe, jakość wyjaśnienia oraz dopasowanie sposobu nauczania. Wariant korzystający z StudentSim wypadł najlepiej w tych wymiarach. Jest to trzeci poziom dowodu: ludzka ocena wypowiedzi korepetytora, odrębna od zgodności zachowania symulatora i jego reakcji na podpowiedź.

Porównanie wymaga doprecyzowania. W tej części użyto szachowego modelu po wspólnym etapie treningu, a nie osobnej kopii każdego gracza. Sygnał StudentSim łączył ponadto ocenę poprawy ruchu z dodatkowymi składnikami dotyczącymi stylu wyjaśnienia i prawidłowego opisu szachownicy. Wariant wykorzystujący model ogólnego przeznaczenia jako symulowanego ucznia nie miał analogicznych składników, więc wynik należy przypisać całej badanej konfiguracji.

Dlaczego próba z uczniami pozostaje potrzebna

StudentSim może dostarczać informacji zwrotnej, gdy korepetytor jest jeszcze rozwijany. W szachach dało się ocenić zmianę ruchu niezależnym silnikiem, co pozwoliło wykorzystać odpowiedź symulatora w treningu. Przeniesienie takiego mechanizmu na swobodne wypowiedzi pisemne lub rozumowanie matematyczne wymaga równie wiarygodnego sposobu oceny odpowiedzi.

Badanie nie mierzyło, czy człowiek po lekcji lepiej rozwiązuje kolejne zadania, zapamiętuje wyjaśnienie albo potrafi zastosować je później. Nie obejmowało też sprawdzenia korepetytora w polskiej szkole. Wynik oceny szachowych porad uzasadnia dalszy test z rzeczywistymi uczniami, w którym można porównać ich naukę po wskazówkach korepetytora trenowanego z pomocą symulatora i bez tego etapu.

Przeczytaj także:

• Microsoft wpuszcza agentów do HR — wyników wdrożenia wciąż nie pokazuje
• Rubrik oddaje kod agentowi do ataku, ale wyłącznie w odizolowanej kopii
• Broker pokazuje licencję? Sprawdź jeszcze status i listę ostrzeżeń KNF