Snižování studijní neúspěšnosti s pomocí AI: zkušenosti Unicorn Vysoké školy
8 min. | 9. 9. 2026
Jak dnes dokážeme poznat, že studentovi hrozí studijní neúspěch?
Poznat to dokážeme pouze v případě, že máme data a máme jich dostatek. To je pro datově řízené studium, protože to je to, o co nám de facto jde, naprosto klíčové.
Na Unicorn Vysoké škole jsme implementovali systém řízení studia, který je postaven na velkém množství aktivit, které student v průběhu studia daných předmětů vykonává. Tyto aktivity jsou v našem informačním systému logovány a to nám umožňuje poměrně detailně sledovat, jak student studuje a nyní nově i predikovat jeho případnou neúspěšnost v předstihu.
V současné době studnenty na základě průběžných výsledků pouze informujeme, zda jim hrozí riziko neúspěchu, což je samo o sobě myslím hodnotné a pomohlo to ke snížení neúspěšnosti. Ale jdeme dál a nyní jsme vyvinuli trénovaný model, který kombinuje klasickou statistiku s AI.
Ke studentovi se potom dostává komplexní kontextový report obsahující doporučení pro studium včetně možnosti využití AI studijního asistenta. To je krok, který bychom rádi co nejdříve implementovali.
Jaká data a signály jsou při této predikci nejdůležitější?
Hlavní je data vůbec mít a mít jich dostatek, což se přímo váže k tomu, že je potřeba mít jak studijní opory, včetně sebetestovacích aplikací, tak hodnocené aktivity jako jsou testy, úkoly apod. ve studijním systému.
Na základě toho jsme schopni vytvořit databázi a nad ní modelovat neúspěšnost. Zjednodušeně řečeno, čím více o studentech a jejich studiu víme, tím lépe umíme identifikovat jejich slabiny a pomoci jim.
Jakou roli v predikci studijní neúspěšnosti hraje AI a v čem je její přínos?
AI pomáhá dvojím způsobem. Za prvé máme jazykový model, který funguje jako studijní poradce. Nejen že studentovi poradí jak například postupovat když chce přerušit studium nebo jak si zažádat o ISIC kartu ale také je schopen pomoci se samotným studiem - například vyzkoušet z Algoritmizace nebo pomoci vysvětlit konkrétní problém, kterému student nerozumí.
Na druhé straně potom je jak součástí predikčního modelu, tak zejména vytváří obsah reportu danému studentovi. Je důležité, že nyní už to není jen v módu - zaostáváš, měl bys přidat, ale už se student dozví konkrétní problémy, na které se má zaměřit a AI k tomu vygeneruje i doporučený studijní plán.