Завод за унапређивање образовања и васпитања објављује серију текстова везаних за практичну примену вештачке интелигенције у образовању и васпитању. Циљ је да се наставницима, васпитачима, стручним сарадницима и директорима образовно-васпитних установа ова тема приближи и да се понуде јасне смернице и упутства на који начин се вештачка интелигенција може практично, етички и безбедно употребити у наставном процесу, ваннаставним активностима и васпитном раду.
Аудио сажетак чланка
Кликните на дугме PLAY за репродукцију
*Аудио сажетак је генерисан помоћу Google NotebookLM алата вештачке интелигенције
Видео преглед чланка
*Видео преглед је генерисан помоћу Google NotebookLM алата вештачке интелигенције
Нови међународни оквир компетенција за развој писмености у области вештачке интелигенције
Организација за економску сарадњу и развој (OECD) и Европска комисија објавиле су 18. јуна 2026. године документ „Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education” (Оснаживање ученика за доба вештачке интелигенције: Оквир за писменост у области вештачке интелигенције у основном и средњем образовању). Развој Оквира подржали су CodeAI и међународна група стручњака из области образовања, вештачке интелигенције, дигиталних компетенција, рачунарских наука и образовних технологија.
Оквир је развијен након шире међународне консултације у којој је учествовало више од 2.000 наставника, образовних стручњака, креатора политика, истраживача, представника организација и других заинтересованих страна из више од 100 земаља.
Документ полази од становишта да ВИ писменост није исто што и сама употреба алата вештачке интелигенције. Ученик може користити неки ВИ алат, а да притом не разуме како он функционише, каква су му ограничења, на који начин настају његови одговори, које податке користи или какве последице његова употреба може имати за појединца, заједницу и животну средину.
ВИ писменост се у Оквиру посматра као скуп знања, трајних вештина и ставова неопходних за живот у свету у коме вештачка интелигенција има све већи утицај. Она треба да омогући ученицима да вештачку интелигенцију разумеју, критички преиспитују, стварају уз њену подршку, одлучују када је њена употреба оправдана и учествују у обликовању одговорних ВИ решења.
Оквир није обавезујући пропис и не прописује јединствен модел примене, већ представља међународни оквир подршке школама, наставницима и доносиоцима одлука.
Садржај и организација Оквира
Оквир обухвата четири повезане области. Оне су представљене као могући развојни пут ученика: од препознавања и критичког разумевања вештачке интелигенције, преко стварања и доношења одлука о њеној употреби, до разумевања начина на који се ВИ системи могу обликовати у складу са људским вредностима.
Кликните на назив области за детаље:
1. Разумевање и критичко преиспитивање вештачке интелигенције (Engage with AI)
Ова област представља темељ Оквира. Њен циљ је да ученици препознају где се ВИ налази у њиховом свакодневном животу, како утиче на информације које добијају, препоруке које виде и одлуке које доносе.
Ученици развијају способност да:
- препознају присуство ВИ у различитим дигиталним окружењима;
- разликују ВИ системе од људског мишљења и разумевања;
- критички процењују ВИ одговоре као тачне, нетачне, непотпуне, пристрасне или неприкладне;
- разумеју како препоручивачки системи могу проширити, али и ограничити перспективе;
- сагледају енергетске и еколошке последице развоја и употребе ВИ;
- препознају ризик од пристрасности и неједнаког третмана различитих група;
- процене да ли је употреба неког ВИ система у складу са етичким принципима и људским вредностима.
Посебна пажња посвећена је избегавању антропоморфизације ВИ. Ученици треба да разумеју да ВИ може да произведе веома уверљив текст, слику, савет или препоруку, али да нема свест, намеру, емоције, морално расуђивање нити аутентично људско разумевање.
2. Креирање помоћу вештачке интелигенције (Create with AI)
Ова област односи се на употребу ВИ као подршке креативном процесу, али уз очување ученичке аутономије, оригиналности и одговорности за коначан резултат.
Ученици уче да ВИ могу користити за истраживање идеја, визуелизацију, осмишљавање различитих приступа проблему, добијање повратне информације и развој прототипа. При томе, ВИ није замена за њихово мишљење, већ могући сарадник у процесу стварања.
У овој области посебно су важни:
- развој и упоређивање сопствених идеја са ВИ предлозима;
- креирање текста, слике, модела или другог садржаја уз критичко вредновање резултата;
- формулисање јасних захтева и питања за ВИ системе;
- коришћење ВИ повратне информације за унапређивање рада;
- разматрање ауторства, оригиналности, навођења извора и ауторских права.
Ова област подсећа да креативни процес не почиње од ВИ алата. Ученик најпре поставља питања, развија идеје, одређује циљ и критеријуме квалитета, а затим одлучује да ли и на који начин ВИ може бити корисна.
3. Управљање употребом вештачке интелигенције (Manage AI)
Управљање ВИ подразумева промишљено распоређивање послова између човека и ВИ система. Кључно питање није само „како користити ВИ“, већ и „да ли је уопште треба користити за овај задатак“.
Ученици развијају способност да:
- процене да ли је ВИ примерен алат за одређени задатак;
- разликују ситуације у којима је потребно људско просуђивање, креативност, емпатија или стручност;
- упореде различите приступе и ВИ системе;
- рашчлане сложен задатак на мање кораке и одлуче у којим корацима ВИ може пружити подршку;
- прате и процењују употребу ВИ током решавања проблема;
- мењају приступ када су ВИ резултати нетачни, непоуздани или неусклађени са циљем.
Ова област је посебно значајна за развој ученичке самосталности. Она подстиче ученике да не препуштају ВИ кључне мисаоне процесе, већ да задрже одговорност за истраживање, доношење закључака, аргументацију и вредновање резултата.
4. Обликовање вештачке интелигенције (Shape AI)
Последња област води ученике корак даље од коришћења постојећих алата. Она их подстиче да разумеју како су ВИ системи осмишљени, ко их развија, за кога су намењени, које податке користе и какве последице могу имати.
Циљ није да сви ученици постану програмери или инжењери ВИ. Циљ је да развију разумевање да ВИ системи нису неутрални нити неизбежни: они су резултат људских избора у вези са подацима, правилима, критеријумима, циљевима и начином примене.
У овој области ученици уче да:
- истраже чему неки ВИ систем служи, коме је намењен и која су његова ограничења;
- процене ВИ систем према унапред дефинисаним критеријумима;
- разумеју како избор и квалитет података утичу на резултате;
- предлажу измене које могу унапредити правичност, безбедност, добробит људи и друштвену корист.
Знања, вештине и ставови
Оквир не посматра ВИ писменост само као техничко знање. Компетенције се граде повезивањем знања, вештина и ставова.
Кликните на наслов за детаље:
Знања
Оквир издваја четири шире области знања:
- природу ВИ и начин на који ВИ системи обрађују податке, препознају обрасце и генеришу резултате;
- чињеницу да ВИ одражава људске изборе, претпоставке, податке и друштвене односе;
- могућности и ограничења ВИ, укључујући нетачности, измишљене одговоре, непрозирност и непредвидивост;
- улогу ВИ у друштву, укључујући питања правичности, приватности, одговорности, надзора и заштите јавног интереса.
Вештине
ВИ писменост се ослања на људске вештине које постају још значајније у добу ВИ:
- критичко мишљење;
- сарадња;
- креативност;
- решавање проблема;
- рачунарско размишљање;
- комуникација;
- самосвест и социјална свест.
Посебно место има критичко мишљење: ученик треба да уме да провери тачност ВИ одговора, препозна пристрасност, разликује поуздане од непоузданих тврдњи и одлучи када ВИ резултат треба прихватити, исправити или одбацити.
Ставови
Оквир издваја и ставове који подржавају одговорно коришћење ВИ:
- промишљеност;
- одговорност;
- радозналост;
- иновативност;
- прилагодљивост;
- емпатија.
Ови ставови помажу ученицима да буду отворени за истраживање нових технологија, али и да не прихватају њихове резултате некритички. Посебно се наглашава емпатија – способност да се сагледа како ВИ може различито утицати на појединце, групе, заједнице и животну средину.
Међупредметни и етички приступ развоју ВИ писмености
Оквир не смешта ВИ писменост искључиво у подручје информатике и рачунарства. Она се ослања на више наставних области и може се интегрисати у различите предмете и облике рада.
Кликните за детаље
Везе са информатиком и рачунарством видљиве су кроз алгоритамско и рачунарско размишљање, податке, моделе и начин функционисања ВИ система. Са језицима, књижевношћу и медијском писменошћу повезују се кроз вредновање извора, препознавање дезинформација, анализу генерисаног текста и питања ауторства.
Математика и природне науке могу допринети разумевању података, образаца, вероватноће, моделовања и еколошких последица употребе ВИ. Друштвене науке, грађанско васпитање и часови одељењске заједнице пружају простор за разговор о правичности, предрасудама, приватности, људским правима, демократији и одговорности.
Ликовна, музичка и друге уметничке области отварају важна питања оригиналности, ауторских права, креативног процеса и односа између људског стваралаштва и генеративне ВИ.
Етичка примена ВИ није посебна тема – она прожима цео Оквир
Кликните за детаље
Етика у Оквиру није издвојена као засебна област. Она је присутна у свим компетенцијама и у свим фазама рада са ВИ.
То значи да се ученици не питају само:
- Да ли ВИ може да уради овај задатак?
- Како да добијем бољи одговор?
- Који алат да употребим?
Већ и:
- Да ли је употреба ВИ у овој ситуацији оправдана?
- Које податке је безбедно делити?
- Ко може имати користи, а ко може бити оштећен?
- Да ли резултат може бити пристрасан, нетачан или манипулативан?
- Како ВИ утиче на приватност, добробит, односе међу људима и животну средину?
- Да ли је неопходно навести да је ВИ коришћена и на који начин?
Оквир наглашава ученичку аутономију, транспарентност, објашњивост, правичност, одговорност, заштиту приватности, еколошку одрживост и стално преиспитивање последица употребе ВИ.
Документ „Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education” на енглеском језику можете преузети ОВДЕ.
Интерактивни приказ Оквира на српском језику
Како би се наставницима и стручним сарадницима у Србији омогућио што бржи увид у структуру и садржај Оквира, припремљен је интерактивни приказ његових области, компетенција, очекивања од ученика и примера примене у настави.
Интерактивни приказ омогућава лакше сагледавање односа између знања, вештина, ставова и појединачних компетенција. Посебно је користан за наставнике који желе да препознају могућности за интеграцију ВИ писмености у свој предмет, тематско планирање, пројектну наставу, часове одељењске заједнице или ваннаставне активности.
Напомена о преводу
Интерактивни приказ испод је припремљен ради информисања и подршке образовној пракси. Превод је у највећој мери израђен уз подршку алата за аутоматско превођење и не представља званични превод OECD-а, Европске комисије нити других институција које су учествовале у развоју Оквира.
Због могућих терминолошких, језичких и садржинских одступања, корисници треба да се за тумачење Оквира ослањају на оригинални документ на енглеском језику.
У наредном периоду биће разматрано терминолошко и структурно прилагођавање Оквира потребама и специфичностима образовног система у Републици Србији.
Интерактивни оквир компетенција за вештачку интелигенцију
Користите овај интерактивни оквир да пронађете компетенције које одговарају вашем наставном контексту. Компетенције описују шта ученици треба да разумеју и буду способни да ураде како би се успешно сналазили у окружењу са вештачком интелигенцијом. Оне су организоване у четири главна домена: Интеракција са ВИ, Креирање помоћу ВИ, Управљање ВИ и Обликовање ВИ. Свака компетенција комбинује знања, вештине и ставове, и садржи очекивања од ученика као и сценарије учења који покажу практичну примену у настави.
OECD / European Union (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing, Paris. https://doi.org/10.1787/65cd27d4-en
© OECD / European Union, 2026
Закључак
Оквир компетенција за ВИ писменост представља значајан међународни ресурс за школе и образовне системе који желе да развој вештачке интелигенције сагледају изван питања избора конкретног алата.
Његова вредност је у томе што ученике не посматра само као кориснике технологије, већ као критичке, одговорне и креативне учеснике у друштву у коме ВИ има све већи утицај.
За наставнике и стручне сараднике Оквир може бити полазиште за осмишљавање активности које подржавају критичко мишљење, истраживање, креативност, безбедност, дигиталну одговорност и ученичку самосталност.
Референце и извори
Оквир компетенција
- OECD/European Commission (2026), Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education, OECD Publishing, Paris, https://doi.org/10.1787/65cd27d4-en.
Референце и и звори знања коришћени у Оквиру
- Abendroth-Dias, K., Arias Cabarcos, P., Bacco, F.M., Bassani, E., Bertoletti, A., Bertolini, L., Bertrand, A., Bili, D., Boucher, P., Cachia, R., Ceresa, M., Chaslot, G., Chaudron, S., Comte, V., Consonni, C., Cosgrove, J., De Prato, G., Dessart, F., Di Girolamo, F., … Vinagre, J. (2025). Generative AI outlook report: Exploring the intersection of technology, society and policy. Navajas Cawood, E., Vespe, M., A. Kotseve & R. Van Bavel (eds.) Publications Office of the European Union. https://publications.jrc.ec.europa.eu/repository/handle/JRC142598
- aiEDU. (2025). AI readiness framework: What students, educators and district leaders need to know. aiEDU.org https://www.aiedu.org/ai-readiness-framework
- AI4K12. (2020, May 28). Big Idea 1 – Perception. Grade Band Progression Charts. AI4K12.org. https://ai4k12.org/wp-content/uploads/2021/01/AI4K12-Big-Idea-1-Progression-Chart-Working-Draft-of-Big-Idea-1-v.5.28.2020.pdf
- AI4K12. (2020, November 19). Big Idea 3 – Learning. Grade Band Progression Charts. AI4K12.org. https://ai4k12.org/wp-content/uploads/2021/01/AI4K12-Big-Idea-3-Progression-Chart-Working-Draft-of-Big-Idea-3-v.11.19.2020.pdf
- AI4K12. (2022, December 22). Big Idea 5 – Societal Impact. Grade Band Progression Charts. AI4K12.org. https://ai4k12.org/wp-content/uploads/2022/12/AI4K12-Big-Idea-5-Progression-Chart-Working-Draft_v.0.1_12.22.2022.pdf
- Allen, L.K., & Kendeou, P. (2023). ED-AI Lit: An interdisciplinary framework for AI literacy in education. Policy Insights from the Behavioral and Brain Sciences, 11(1), 3-10. https://doi.org/10.1177/23727322231220339
- American Psychological Association. (2025). Artificial Intelligence and Adolescent Well-Being: An APA Health Advisory. https://www.apa.org/topics/artificial-intelligence-machine-learning/health-advisory-ai-adolescent-well-being.pdf
- Atwell, M. N., & Tucker, A. (2024). Portraits of a graduate: Strengthening career and college readiness through social and emotional skill development. CASEL. https://casel.org/portraits-of-a-graduate-2024/
- Barbiero, P., Zarlenga, M. E., Termine, A., Jamnik, M., & Marra, G. (2025). Foundations of Interpretable Models. arXiv preprint arXiv:2508.00545. https://doi.org/10.48550/arXiv.2508.00545
- Bashir, N., Donti, P., Cuff, J., Sroka, S., Ilic, M., Sze, V., Delimitrou, C., & Olivetti, E. (2024). The Climate and Sustainability Implications of Generative AI. An MIT Exploration of Generative AI. https://doi.org/10.21428/e4baedd9.9070dfe7
- Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM conference on fairness, accountability and transparency, 610-623. https://doi.org/10.1145/3442188.3445922
- Bengio, Y., Mindermann, S., Privitera, D., Besiroglu, T., Bommasani, R., Casper, S., Choi, Y., Fox, P., Garfinkel, B., Goldfarb, D., Heidari, H., Ho, A., Kapoor, S., Khalatbari, L., Longpre, S., Manning, S., Mavroudis, V., Mazeika, M., Michael, J., … Zeng, Y. (2025). International AI safety report. arXiv preprint arXiv: 2501.17805. https://arxiv.org/abs/2501.17805
- Bergmann, D., & Stryker, C. (n.d.) What is artificial general intelligence (AGI)? IBM Think. https://www.ibm.com/think/topics/artificial-general-intelligence
- Blair Black, N., & Brooks-Young, S. (2021a). Hands-on AI projects for the classroom: A guide for elementary teachers. International Society for Technology in Education & General Motors. https://cdn.iste.org/www-root/Libraries/Documents%20%26%20Files/Artificial%20Intelligence/AIGDSE_0820-red.pdf
- Blair Black, N., & Brooks-Young, S. (2021b). Hands-on AI projects for the classroom: A guide for secondary teachers. International Society for Technology in Education & General Motors. https://cdn.iste.org/www-root/Libraries/Documents%20%26%20Files/Artificial%20Intelligence/AIGDSE_0820-red.pdf
- Blair Black, N., & Brooks-Young, S. (2021c). Hands-on AI projects for the classroom: A guide on ethics and AI. International Society for Technology in Education & General Motors. https://cdn.iste.org/www-root/2021-10/AI%20Ethics%20Guide%20EN.pdf
- Buolamwini, J. (2024). Unmasking AI: My mission to protect what is human in a world of machines. Random House. [У оригиналном документу није наведена веб-адреса.]
- Buolamwini, J., & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of the 1st Conference on Fairness, Accountability and Transparency, in Proceedings of Machine Learning Research 81:77-91. https://proceedings.mlr.press/v81/buolamwini18a.html
- Burns, M., Winthrop, R., Luther, N., Venetis, E., & Karim, R. (2026). A new direction for students in an AI world: Prosper, prepare, protect. Center for Universal Education at the Brookings Institution. https://www.brookings.edu/articles/a-new-direction-for-students-in-an-ai-world-prosper-prepare-protect/
- Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1). https://doi.org/10.1177/2053951715622512
- Bushnell, J., & Harrison, W. (2025). A new muse: how guided AI use impacts creativity in online creative writing courses. Oregon State University. Ecampus Research Unit. https://ecampus.oregonstate.edu/research/wp-content/uploads/Bushnell-Harrison-2025.White-paper.pdf
- Cambridge University Press. (n.d.) Computer Program. In Cambridge Dictionary. https://dictionary.cambridge.org/us/dictionary/english/computer-program
- Cambridge University Press. (n.d.) Intellectual Property. In Cambridge Dictionary. https://dictionary.cambridge.org/us/dictionary/english/intellectual-property
- Casal-Otero, L., Catala, A., Fernández-Morante, C., Toboada, M., Cebreiro, B., & Barro, S. (2023). AI literacy in K-12: A systematic literature review. International Journal of STEM Education, 10(1). https://doi.org/10.1186/s40594-023-00418-7
- CAST. (2024). CAST Universal Design for Learning Guidelines version 3.0. CAST. https://udlguidelines.cast.org/
- Cedefop. (2017). Defining, writing and applying learning outcomes: a European handbook. Luxembourg: Publications Office. http://dx.doi.org/10.2801/566770
- Chakraburty, S., Ober, T. M., & Liu, L. (2025). Preparing K–12 students with AI literacy: Proposed framework, progression and task design principles (Research Report No. RR-25-14). ETS. https://doi.org/10.64634/46jn1p41
- Chiu, T. K. F., & Chai, C.S. (2020). Sustainable curriculum planning for artificial intelligence education: A self-determination theory perspective. Sustainability, 12(14), 5568. https://doi.org/10.3390/su12145568
- Chiu, T. K. F., Meng, H., Chai, C.S., King, I., Wong, S., & Yam, Y. (2021). Creation and evaluation of a pretertiary artificial intelligence (AI) curriculum. IEEE Transactions on Education, 65(1), 30-39. https://doi.org/10.1109/TE.2021.3085878
- Chou, C.-Y., Chan, T.-W., Chen, Z.-H., Liao, C.-Y., Shih, J.-L., Wu, Y.-T., Chang, B., Yeh, C. Y. C., Hung, H.-C., & Cheng, H. (2025). Defining AI companions: A research agenda— from artificial companions for learning to general artificial companions for Global Harwell. Research and Practice in Technology Enhanced Learning, 20, 032. https://doi.org/10.58459/rptel.2025.20032
- Computer Science Teachers Association (2017). CSTA K–12 Computer Science Standards, Revised 2017. https://csteachers.org/k12standards/
- Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European Digital Competence Framework – Fifth Edition. Publications Office of the European Union. https://data.europa.eu/doi/10.2760/0001149
- CSTA & AI4K12. (2025). AI Learning Priorities for All K-12 Students. Computer Science Teachers Association. https://csteachers.org/ai-priorities
- Dasgupta, S., & Hill, B.M. (2023). Designing for critical algorithmic literacies. In M. Ito, R. Cross, K. Dinakar, & C. Odgers (Eds.), Algorithmic rights and protections for children, 59-84. The MIT Press. https://doi.org/10.7551/mitpress/13654.001.0001
- Druga, S., Yip, J., Preston, M., & Dillon, D. (2023). The 4 As: ask, adapt, author, analyze: AI literacy framework for families. In I. Mizuko, R. Cross, K. Dinakar & C. Odgers (Eds.), Algorithmic rights and protections for children, 193-231. The MIT Press. https://doi.org/10.7551/mitpress/13654.003.0014
- Eslami, M., Vaccaro, K., Lee, M. K., Elazari Bar On, A., Gilbert, E., & Karahalios, K. (2019, May). User attitudes towards algorithmic opacity and transparency in online reviewing platforms. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems, 1-14. https://doi.org/10.1145/3290605.3300724
- European Commission. (2017). Council Recommendation of 22 May 2017 on the European Qualifications Framework for lifelong learning and repealing the recommendation of the European Parliament and of the Council of 23 April 2008 on the establishment of the European Qualifications Framework for lifelong learning. https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:32017H0615(01)
- European Commission. (2018). Council Recommendation of 22 May 2018 on key competences for lifelong learning. https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:32018H0604(01)
- European Commission. (2020). Communication on the Digital Education Action Plan 2021-2027: Resetting education and training for the digital age. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52020DC0624
- European Commission. (2023a). Council Recommendation of 23 November 2023 on improving the provision of digital skills and competences in education and training. http://data.europa.eu/eli/C/2024/1030/oj
- European Commission. (2023b). Council Recommendation of 23 November 2023 on the key enabling factors for successful digital education and training. http://data.europa.eu/eli/C/2024/1115/oj
- European Commission. (2025a). The Union of Skills. https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX%3A52025DC0090
- European Commission. (2025b). Flash Eurobarometer 564 – Future needs in digital education. https://europa.eu/eurobarometer/surveys/detail/3352
- European Commission: Directorate-General for Education, Youth, Sport and Culture. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://data.europa.eu/doi/10.2766/153756
- European Commission: Directorate-General for Education, Youth, Sport and Culture. (2026a). Guidelines for teachers and educators on tackling disinformation and promoting digital literacy through education and training. Publications Office of the European Union. https://data.europa.eu/doi/10.2766/5220136
- European Commission: Directorate-General for Education, Youth, Sport and Culture. (2026b). Guidelines on the ethical use of artificial intelligence and data in teaching and learning for educators. Publications Office of the European Union. https://data.europa.eu/doi/10.2766/7967834
- European Commission: European Education and Culture Executive Agency. (2022). Informatics education at school in Europe. Publications Office of the European Union. https://data.europa.eu/doi/10.2797/268406
- Eurostat. (2026, February 10). 64% of 16-24-year-olds used AI in 2025. Eurostat. https://ec.europa.eu/eurostat/web/products-eurostat-news/w/edn-20260210-1
- Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes and performance. British Journal of Educational Technology, 56, 489–530. https://doi.org/10.1111/bjet.13544
- Fjeld, J., Achten, N., Hilligoss, H., Nagy, A., & Srikumar, M. (2020). Principled artificial intelligence: Mapping consensus in ethical and rights-based approaches to principles for AI. Berkman Klein Center Research Publication, (2020-1). https://dx.doi.org/10.2139/ssrn.3518482
- Gándara, D., & Anahideh, H. (2025). Using AI to predict student success in higher education. Brookings. https://www.brookings.edu/articles/using-ai-to-predict-student-success-in-higher-education/
- Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
- Google & Livity. (2025). The Future Report. https://futurereport.eu/
- Graves, C., Ton, M., Cordell, E., Benson, S., Turner, S., Ward, D., & Jacobsen, A.L. (2026). What is Generative AI? University of Illinois. https://guides.library.illinois.edu/generativeAI
- Grover, S. (2024). Teaching AI to K-12 learners: Lessons, issues and guidance. In Proceedings of the 55th ACM Technical Symposium on Computer Science Education, 1, 422–428. https://doi.org/10.1145/3626252.3630937
- Guo, K., & Wang, D. (2024). To resist it or to embrace it? Examining ChatGPT’s potential to support teacher feedback in EFL writing. Education and Information Technologies, 29, 8435–8463. https://doi.org/10.1007/s10639-023-12146-0
- Han, E. (2022). What is design thinking and why is it important? Harvard Business School. https://online.hbs.edu/blog/post/what-is-design-thinking
- Heintz, F. (2022). The computational thinking and artificial intelligence duality. In S. C. Kong, & H. Abelson (Eds.). Computational thinking education in K-12: Artificial intelligence literacy and physical computing. MIT Press. [У оригиналном документу није наведена веб-адреса.]
- Holzberger, D., Philipp, A., & Kunter, M. (2013). How teachers’ self-efficacy is related to instructional quality: A longitudinal analysis. Journal of Educational Psychology, 105(3), 774–786. https://doi.org/10.1037/a0032198
- Huckins, G. (2023). Minds of machines: The great AI consciousness conundrum. MIT technology review. https://www.technologyreview.com/2023/10/16/1081149/ai-consciousness-conundrum/
- Hutchinson, B., & Mitchell, M. (2019, January). 50 years of test (un) fairness: Lessons for machine learning. In Proceedings of the conference on fairness, accountability and transparency, (49-58) https://doi.org/10.1145/3287560.3287600
- International Society for Technology in Education. (2024). ISTE Standards. https://iste.org/standards
- Kafai, Y. B., Proctor, C., & Lui, D. (2019). From theory bias to theory dialogue: Embracing cognitive, situated and critical framings of computational thinking in K-12 CS education. In Proceedings of the 2019 ACM Conference on International Computing Education Research (101–109). https://doi.org/10.1145/3291279.3339400
- Kim, H.-y., & McGill, A. L. (2025). AI-induced dehumanization. Journal of Consumer Psychology, 35(3), 363–381. https://doi.org/10.1002/jcpy.1441
- King, J., & Meinhardt, C. (2024). Rethinking privacy in the ai era: Policy provocations for a data-centric world. [White Paper]. SSRN. https://dx.doi.org/10.2139/ssrn.5446957
- Klassen, R.M., & Tze, V.M. (2014). Teachers’ self-efficacy, personality and teaching effectiveness: A meta-analysis. Educational research review, 12, 59-76. https://doi.org/10.1016/j.edurev.2014.06.001
- Lee, I., Martin, F., & Apone, K. (2014). Integrating computational thinking across the K-8 curriculum. ACM Inroads, 5(4), 64–71. https://doi.org/10.1145/2684721.2684736
- Lee, V. R., & Long, D. (in press). AI literacy: Definitions and directions for an essential new digital literacy. In J. Castek, J. Coiro, E. Forzani, C. Kiili, M. S. Hagerman, & J. R. Sparks (Eds.). The International handbook of research in digital literacies (in press). Routledge. [У оригиналном документу није наведена веб-адреса.]
- Loaiza, I., and Rigobon, R. (2024). The EPOCH of AI: Human-Machine Complementarities at Work (November 21, 2024). MIT Sloan Research Paper No. 7236-24. https://dx.doi.org/10.2139/ssrn.5028371
- Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human factors in computing systems, 1–16. https://doi.org/10.1145/3313831.3376727
- Luccioni, S., Gamazaychikov, B., da Costa, T. A., & Strubell, E. (2025). Misinformation by omission: The need for more environmental transparency in AI. arXiv preprint arXiv:2506.15572. https://doi.org/10.48550/arXiv.2506.15572
- Luccioni, S., Jernite, Y., & Strubell, E. (2024). Power hungry processing: Watts driving the cost of AI deployment? In Proceedings of the 2024 ACM conference on fairness, accountability and transparency FAccT 24, 85–99. Association for Computing Machinery. https://doi.org/10.1145/3630106.3658542
- Ma, M., Ng, D. T. K., Liu, Z., & Wong, G. K. (2025). Fostering responsible AI literacy: A systematic review of K-12 AI ethics education. Computers and Education: Artificial Intelligence, 8, 100422. https://doi.org/10.1016/j.caeai.2025.100422
- Masterson, V. (2024). 9 ways AI is helping tackle climate change. World Economic Forum. https://www.weforum.org/stories/2024/02/ai-combat-climate-change/
- Meniado, J. C., Huyen, D. T. T., Panyadilokpong, N., & Lertkomolwit, P. (2024). Using ChatGPT for second language writing: Experiences and perceptions of EFL learners in Thailand and Vietnam. Computers and Education: Artificial Intelligence, 7, 100313. https://doi.org/10.1016/j.caeai.2024.100313
- Merriam-Webster. (n.d.). Anthropomorphism. In Merriam-Webster.com dictionary. https://www.merriam-webster.com/dictionary/anthropomorphism
- Merriman, M., & Sanz Sáiz, B. (2024). How can we upskill Gen Z as fast as we train AI? Ernst & Young. https://www.ey.com/en_us/about-us/corporate-responsibility/how-can-we-upskill-gen-z-as-fast-as-we-train-ai
- Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. United Nations Educational, Scientific and Cultural Organization. https://doi.org/10.54675/ZJTE2084
- Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. United Nations Educational, Scientific and Cultural Organization. https://doi.org/10.54675/JKJB9835
- Microsoft. (n.d.). Generative AI vs. other AI types. https://www.microsoft.com/en-us/ai/ai-101/generative-ai-vs-other-types-of-ai
- Mills, K., Ruiz, P., Lee, K., Coenraad, M., Fusco, J., Roschelle, J., & Weisgrau, J. (2024). AI literacy: A framework to understand, evaluate and use emerging technology. Digital Promise. https://doi.org/10.51388/20.500.12265/218
- Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2). https://doi.org/10.1177/2053951716679679
- Moore, J., Grabb, D., Agnew, W., Klyman, K., Chancellor, S., Ong, D. C., & Haber, N. (2025). Expressing stigma and inappropriate responses prevents LLMs from safely replacing mental health providers. In Proceedings of the 2025 ACM Conference on Fairness, Accountability and Transparency 599-627. https://doi.org/10.1145/3715275.3732039
- Murel, J. & Kavlakoglu, E. (n.d.) What is reinforcement learning? IBM Think. https://www.ibm.com/think/topics/reinforcement-learning
- Nezhad, M. H., Castro, F. E. V., Mak, E., Haas, P. J., Allessio, D., Osterweil, L., Rasul, I., Conboy, H., & Arroyo, I. (2025). Embedding ethical awareness in computer science and AI education: The PEaRCE approach to responsible computing. In International Conference on Artificial Intelligence in Education 135-149. https://doi.org/10.1007/978-3-031-98414-3_10
- Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
- Noble, S.U. (2018). Algorithms of oppression: How search engines reinforce racism. New York University Press. https://doi.org/10.18574/nyu/9781479833641.001.0001
- Nwokolo, S., Eyime, E., Obiwulu, A., & Ogbulezie, J. (2024). Africa’s path to sustainability: Harnessing technology, policy and collaboration. Trends in Renewable Energy, 10(1), 98-131. http://dx.doi.org/10.17737/tre.2024.10.1.00166
- OECD. (2019). OECD learning compass 2030: A series of concept notes. OECD future of education and skills 2030. OECD Publishing, Paris. https://www.oecd.org/en/about/projects/future-of-education-and-skills-2030.html
- OECD. (2024). Recommendation of the Council on Artificial Intelligence. OECD Legal Instruments. https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449
- OECD. (2025a). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education (Review draft). OECD Publishing, Paris. https://ailiteracyframework.org/
- OECD. (2025b). Results from TALIS 2024: The state of teaching. OECD Publishing, Paris. https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/10/results-from-talis-2024_28fbde1d/90df6235-en.pdf
- OECD. (2026a). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, Paris. https://doi.org/10.1787/062a7394-en
- OECD. (2026b). Navigating an Evolving World: First draft of the Media and Artificial Intelligence Literacy (MAIL) assessment framework. OECD Publishing, Paris. https://www.oecd.org/en/about/projects/pisa-2029-media-and-artificial-intelligence-literacy.html
- Pataranutaporn, P. (2024). Cyborg psychology: The art & science of designing human-AI systems that support human flourishing [Doctoral dissertation, Massachusetts Institute of Technology]. MIT Media Lab. https://www.media.mit.edu/publications/cyborg-psychology/
- Publications Office of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L, 202, 1–178. http://data.europa.eu/eli/reg/2024/1689/oj
- Rampelt, F., Matthes, W., Hannken-Illjes, K., Sandmeir, A., Gehrs, V., Horstmann, N., Kunz, A.M., Eigbrecht, L., Johannsen, T., Blum, S., Frank, S., Sutter, C., Koch, H. & Pettit, M. (2026). Future skills 2030: An updated framework for future skills. Stifterverband. https://doi.org/10.5281/zenodo.18723265
- Rampelt, F., Ruppert, R., Schleiss, J., Mah, D.-K., Bata, K., & Egloffstein, M. (2025). How do AI educators use open educational resources? A cross-sectoral case study on OER for AI education. Open Praxis, 17(1), pp. 46–63. https://doi.org/10.55982/openpraxis.17.1.766
- Rani, U., & Dhir, R.K. (2024). The Artificial Intelligence illusion: How invisible workers fuel the “automated” economy. International Labour Organization. https://www.ilo.org/resource/article/artificial-intelligence-illusion-how-invisible-workers-fuel-automated
- Raspberry Pi Foundation. (2024). Experience AI resources. https://experience-ai.org/en/units
- Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. (Y. Punie, Ed.). Publications Office of the European Union. Luxembourg. https://data.europa.eu/doi/10.2760/159770
- Resnick, M. (2024). Generative AI and creative learning: Concerns, opportunities and choices. An MIT Exploration of Generative AI. https://doi.org/10.21428/e4baedd9.cf3e35e5
- Robb, M.B., & Mann, S. (2025). Talk, trust and trade-offs: How and why teens use AI companions. Common Sense Media. https://www.commonsensemedia.org/sites/default/files/research/report/talk-trust-and-trade-offs_2025_web.pdf
- Ross Arguedas, A., Robertson, C., Fletcher, R., & Nielsen, R. (2022). Echo chambers, filter bubbles and polarisation: A literature review. Reuters Institute for the Study of Journalism. https://ora.ox.ac.uk/objects/uuid:6e357e97-7b16-450a-a827-a92c93729a08
- Rubin, A. (2020). Learning to reason with data: How did we get here and what do we know? The Journal of the Learning Sciences, 29(1), 154–164. https://www.jstor.org/stable/48566128
- Russell, S., & Norvig, P. (2022). Artificial intelligence: A modern approach (4th ed.). Pearson. [У оригиналном документу није наведена веб-адреса.]
- Schlosser, M. (2019). Agency. In E.N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy. Department of Philosophy, Stanford University. https://plato.stanford.edu/archives/win2019/entries/agency
- Schüller, K., Rampelt, F., Koch, H., & Schleiss, J. (2023). Better ready than just aware: Data and AI literacy as an enabler for informed decision making in the data age. Informatik 2023, Berlin, Germany. https://www.researchgate.net/publication/375025704_Better_ready_than_just_aware_Data_and_AI_Literacy_as_an_enabler_for_informed_decision_making_in_the_data_age
- Sellen, A., M., Vorvoreanu, Teevan., J. (Eds.). Microsoft New Future of Work Report 2025 (Microsoft Research Tech Report MSRTR-2025-58). Microsoft. https://aka.ms/nfw2025
- Sentance, S., Aitken, M., Briggs, M., Fleischer, Y., Höper, L., Luckin, R., Schulte, C., Vartiainen, H., & Waite, J., (2022). Understanding computing education, Volume 3 – Theme: AI, data science and young people. Raspberry Pi Foundation. https://www.raspberrypi.org/app/uploads/2022/12/RPF-Seminar-Proceedings-Volume-3.pdf
- Smith, J. M., Dukes, J., Sheldon, J., Nnamani, M. N., Esteves, N., & Reich, J. (2025). A guide to AI in schools: Perspectives for the perplexed. MIT Teaching Systems Lab. https://tsl.mit.edu/ai-guidebook/
- Sparks, J., Ober, T., Tenison, C., Arslan, B., Roll, I., Deane, P., Zapata Rivera, D., Gooch, R., & O’Reilly, T. (2024). Opportunities and challenges for assessing digital and AI literacies. ETS Research Institute. https://www.ets.org/pdfs/rd/ets-digital-literacy-ai-full-report.pdf
- Stryker, C. (2025). Types of AI agents. IBM Think. https://www.ibm.com/think/topics/ai-agent-types
- TeachAI & Computer Science Teachers Association. (2025). Guidance on the future of computer science education in an age of AI. https://www.teachai.org/cs
- Thoman, E., & Jolls, T. (2008). Literacy for the 21st century: An overview & orientation guide to media literacy education. Center for Media Literacy. [У оригиналном документу није наведена веб-адреса.]
- Touretzky, D., & Gardner-McCune, C. (2022). Artificial intelligence thinking in K–12. In S.C. Kong & H. Abelson (Eds.). Computational Thinking Education in K–12: Artificial Intelligence Literacy and Physical Computing. The MIT Press. https://doi.org/10.7551/mitpress/13375.001.0001
- United Nations Environment Programme (2024). Artificial Intelligence (AI) end-to-end: The environmental impact of the full AI lifecycle needs to be comprehensively assessed. https://wedocs.unep.org/handle/20.500.11822/46288
- Varsik, S., & Vosberg, L. (2024). The potential impact of artificial intelligence on equity and inclusion in education. OECD Artificial Intelligence Papers 23. OECD Publishing. https://doi.org/10.1787/15df715b-en
- Villar Onrubia, D., Cachia, R., Rietz, C., Feltrero, R., Niemi, H., Hallissy, M., & Reuter, R. (2025). Generative artificial intelligence in secondary education: Uses and perceptions from the perspective of early adopters across five EU Member States. Publications Office of the European Union. https://data.europa.eu/doi/10.2760/8636621
- Weidinger, L., Mellor, J., Rauh, M., Griffin, C., Uesato, J., Huang, P.-S., Cheng, M., Glaese, M., Balle, B., Kasirzadeh, A., Kenton, Z., Brown, S., Hawkins, W., Stepleton, T., Biles, C., Birhane, A., Haas, J., Rimell, L., Hendricks, L. A., … Gabriel, I. (2021). Ethical and social risks of harm from language models. arXiv preprint arXiv:2112.04359 https://doi.org/10.48550/arXiv.2112.04359
- White, S.V., & Scott, A. (2024). Responsible AI and tech justice: A guide for K-12 education. Kapor Foundation. https://kaporfoundation.org/wp-content/uploads/2024/01/Responsible-AI-Guide-Kapor-Foundation.pdf
- Wing, J.M. (2017). Computational thinking’s influence on research and education for all. Italian Journal of Educational Technology, 25(2), 7-14. https://doi.org/10.17471/2499-4324/922
- World Economic Forum. (2025). Future of jobs report 2025: Insight report January 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/
- Xie, B., Sarin, P., Wolf, J., Garcia, R. C. C., Delaney, V., Sieh, I., Fuloria, A., Varuvel Dennison, D., Bywater, C., & Lee, V. R. (2024). Co-designing AI education curriculum with cross-disciplinary high school teachers. Proceedings of the AAAI Conference on Artificial Intelligence, 38(21), 23146-23154. https://doi.org/10.1609/aaai.v38i21.30360
- Zee, M., & Koomen, H. M. Y. (2016). Teacher self-efficacy and its effects on classroom processes, student academic adjustment and teacher well-being: A synthesis of 40 years of research. Review of Educational Research, 86(4), 981-1015. https://doi.org/10.3102/0034654315626801
- Zewe, A. (2025). Explained: Generative AI’s environmental impact. MIT News. https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117
Испред Радне групе за вештачку интелигенцију ЗУОВ-а текст припремио
Алекса Еремија
Саветник координатор у Заводу за унапређивање образовања и васпитања
У изради овог чланка коришћена је комбинација традиционалних метода истраживања и савремених алата заснованих на генеративној вештачкој интелигенцији. Поред наведених референци, коришћена је и генеративна ВИ за генерисање и проширивање идеја, брзу и ефикасну претрагу релевантних извора, анализу података и образаца, као и за креирање сажетака текстова и публикација. Сваки генерисани садржај је прегледан, допуњен и/или исправљен људском интервенцијом ради обезбеђивања тачности и квалитета.
