Przeglądaj artykuły opublikowane w JOwS

Kształcenie we współczesnej klasie z wykorzystaniem technologii wymaga uzupełnienia warsztatu nauczyciela, a „okiełznanie” wybranych platform, narzędzi, komunikatorów powinno doprowadzić do wytworzenia własnego stylu dydaktycznego. Obejmuje on między innymi umiejętność dzielenia czasu lekcji na fizyczne i cyfrowe aktywności, zręcznego użycia ekranu i rzutnika, tablicy interaktywnej, kwizów wykonywanych na urządzeniach mobilnych, czatu grupowego czy czatów indywidualnych dla zapewnienia wielokanałowej komunikacji i odpowiedniego bodźcowania uczniów w procesie rozwijania sprawności językowych.

Kluczowe w zintegrowanym kształceniu językowo-cyfrowym jest umiejętne połączenie nauczania z użyciem podręcznika z różnego
rodzaju zasobami i narzędziami cyfrowymi, cyfrową wersją podręcznika, cyfrowymi materiałami okołopodręcznikowymi, dodatkowymi zestawami leksykalnymi i kwizami Quizlet, Memrise, Wordwall czy Baamboozle.

Bardzo istotne jest zarządzanie klasą jako zbiorowością o różnym stopniu zaawansowania technicznego, poziomie motywacji, chęci do współpracy, stopniu wsparcia rodziców czy kompetencji cyfrowej. O ile problem zróżnicowanych warunków dostępu do treści i metod cyfrowych w dużej mierze uległ rozwiązaniu dzięki upowszechnieniu stosunkowo niedrogich smartfonów i znacznemu obniżeniu kosztów dostępu do sieci, o tyle różnice indywidualne w poziomie kompetencji cyfrowej mogą obecnie wynikać z różnych indywidualnych praktyk cyfrowych i różnic w stopniu uczestnictwa w sieciach społecznościowych. Skutkuje to różnym stopniem biegłości w stosowaniu narzędzi, portali i aplikacji.

Jak pokazuje literatura (np. Krajka i Białek 2021), kształcenie wspomagane komputerowo pociąga za sobą nowe role nauczyciela w relacji do ucznia – w dużo większym stopniu pomocnika, menedżera, technika, facylitatora czy mentora, w dużo mniejszym zaś osoby oceniającej. Warto jednak mieć na uwadze, że nieco inny zestaw ról może być przyjmowany przez nauczyciela w stosunku do środowiska cyfrowego, w którym przebiega proces uczenia się / nauczania. Nauczyciel musi w większym stopniu mieć umiejętności i postawy kontrolne, nadzorując pracę uczniów czy sprawdzając w fazie planowania lekcji dostępność zasobów, funkcjonalności lub cyfrowych treści. Biorąc pod uwagę zmienność świata cyfrowego, zarówno w zakresie lokalizacji treści, jak i funkcjonalności, rolą nowoczesnego nauczyciela jest śledzenie trendów w cyfrowej edukacji językowej i eksperymentowanie z nowymi narzędziami (chociażby poprzez uczestnictwo w społecznościach zgrupowanych na popularnych portalach społecznościowych, np. grupa www.facebook.com/ICT4ELT na Facebooku). Świadomość nowych ról wraz z umiejętnością ich modyfikacji w razie potrzeby (Zawadzka 2004) stanowią istotne aspekty kompetencji nauczyciela, które warto wdrożyć do programów kształcenia pedagogicznego na uczelniach.

Skuteczny nauczyciel we wspomaganej cyfrowo edukacji językowej to również osoba świadoma możliwości, ograniczeń i preferencji uczniów, która umie formułować cele kształcenia w odniesieniu do zmieniających się warunków. Wymaga to umiejętności doboru trybów pracy, narzędzi, sposobów przekazywania informacji zwrotnej w odniesieniu do zadań przesyłanych przez uczniów, czy wreszcie motywowania ich do pracy poprzez np. zachęcanie bardziej uzdolnionych technologicznie osób do wykonywania prac na rzecz klasy (np. nagrywania vlogów czy montowania filmów do pracy na lekcji). Przygotowanie zawodowe nauczyciela musi tym samym obejmować pokazanie różnorodnych stron pracy w klasie cyfrowej, czy to online, czy łączącej nauczanie tradycyjne face-to-face z komponentem zdalnym. Powinno się także przedstawiać nowe role nauczyciela oraz potrzeby ich modyfikacji w zależności od sytuacji, a także umiejętności planowania procesu nauczania i adaptacji materiałów do nowej rzeczywistości. Umożliwi to wypracowanie własnego stylu dydaktycznego o różnym stopniu cyfryzacji oraz jego adaptacji do realiów świata mediów społecznościowych i wszechobecnych urządzeń mobilnych. Hong (2010) uwypukla istotną rolę czynników indywidualnych (przekonań, umiejętności, nawyków), które są jedynie w ograniczonym stopniu kształtowane przez proces dydaktyczny, a mają bardzo duży wpływ na sposób projektowania i prowadzenia nauczania wspomaganego technologicznie. Z kolei Tour (2015) podkreśla znaczącą rolę własnych nawyków cyfrowych (ang. digital habits) i przekonań wobec technologii (ang. digital mindset) jako determinantów wytworzenia skutecznego stylu dydaktycznego.

Role i funkcje nauczyciela na różnych etapach rozwoju kształcenia wspomaganego cyfrowo
Najwcześniejsze projekty nauczania wspomaganego komputerowo (ang. Computer-Assisted Language Learning, CALL) odzwierciedlały popularny w latach 50. i 60. XX wieku paradygmat behawiorystyczny. Zakładał on nabywanie języka obcego przez udzielanie automatycznych odpowiedzi na bodźce językowe (w formie pytań lub stwierdzeń), które powtarzane odpowiednio wiele razy tworzyły zautomatyzowany nawyk językowy. Autorzy wczesnych projektów CALL, jak podają Mark Warschauer (1996) oraz Stephen Bax (2003), traktowali komputer jako maszynę dostarczającą bodźce w zastępstwie nauczyciela, sprawdzającą reakcje ucznia w formie  odpowiedzi, przekazującą informację zwrotną i wielokrotnie powtarzającą cały cykl. W behawiorystycznych programach językowych dominowały zadania zamknięte typu: manipulacja tekstem, układanie zdań/akapitów w określonej kolejności, rekonstrukcja tekstu, gry leksykalne, zadania testujące rozumienie tekstu czytanego i słuchanego lub czytanie na czas (Davies 2002). Podążając za przykładem pierwszego środowiska tego typu, programu PLATO (Ahmad i in. 1985), możemy zauważyć, że nauczanie wspomagane komputerowo oznaczało indywidualne wykonywanie przez ucznia zadań, praktycznie bez interakcji z nauczycielem lub innymi uczniami. Rola nauczyciela w takim układzie glottodydaktycznym była ograniczona do funkcji techniczno-wspomagających – facylitatora, nadzorcy, motywatora. Nie był on osobą faktycznie kształtującą proces nauczania.

Mogłoby się wydawać, że obecnie dawno zapomniano o paradygmacie behawiorystycznym, a współczesne środowiska cyfrowe znacznie się różnią od tych z lat 60. ubiegłego stulecia. Jednak analiza aplikacji mobilnych do nauki języków (Heil i in. 2016) pokazuje coś zupełnie innego. Najbardziej znane serwisy i aplikacje mobilne jak Duolingo, Quizlet czy Kahoot! oparte są na behawiorystycznych działaniach językowych. Mamy w nich zadania polegające na szybkim udzielaniu odpowiedzi, podawaniu odpowiedników w języku źródłowym czy tworzeniu nawyków językowych poprzez wielokrotne wykonywanie powtarzalnych ćwiczeń. Oznacza to powrót nauczyciela do wcześniej opisywanych ról facylitatora, nadzorcy, motywatora.

Kolejny etap rozwoju kształcenia językowego wspomaganego cyfrowo, czyli wyłonione na początku lat 80. XX wieku podejście komunikacyjne (ang. Communicative CALL), zakładało wykorzystanie technologii do stworzenia możliwie jak najbardziej autentycznego środowiska do interakcji w prawdziwych kontekstach, sytuacjach i celach (Warschauer 1996). Ponieważ komputer nie był już używany do podawania drylów językowych, ale służył jako platforma komunikacyjna umożliwiająca interakcję w języku obcym z większą kontrolą i wyborem ucznia, narzędzia technologiczne zostały dużo bardziej podporządkowane nauczycielowi. Tenże mógł projektować lekcje wykorzystujące technologie w tym paradygmacie, tworząc zadania rekonstrukcji tekstu, uzupełniania dialogów, reagowania językowego na sytuacje czy proponowania wypowiedzi w ramach symulacji. W takim układzie glottodydaktycznym materiały cyfrowe są zaprojektowane i stworzone przez nauczyciela, który odgrywa zdecydowanie bardziej twórczą rolę, kontrolując tworzone środowisko w takim stopniu, na jaki pozwalają ramy ćwiczenia. Jednocześnie podejście komunikacyjne zakłada wykorzystanie stworzonych materiałów jako bodźców do pracy w trybie face-to-face, w parach lub grupach, integrując w ten sposób kształcenie zapośredniczone cyfrowo z interakcją między uczniami. Mimo upływu czasu taka rola komputera i nauczyciela jest dalej pożądana, a nowoczesne narzędzia autorskie typu LearningApps, iSLCollective, Quizziz, Baamboozle, Nearpod, czy nawet moduły testujące platformy Moodle, motywują uczniów do pracy nad elementami języka i jako takie powinny być dalej projektowane do użytku na lekcjach.

Trzecia faza rozwoju kształcenia wspomaganego komputerowo, kształcenie zintegrowane (Bax 2003; Chambers i Bax 2006), zakładała łączenie pracy nad różnymi sprawnościami językowymi i interakcję ucznia z innymi użytkownikami za pośrednictwem komputera. Wykorzystanie narzędzi cyfrowych pozwoliło zatem na otwarcie edukacji językowej „na świat”, co widać było w żywiołowym rozwoju projektów zdalnej współpracy typu: wymiana listów elektronicznych (ang. keypals – Krajka 2001), współtworzenie blogów, haseł wiki czy stron internetowych (Krajka 2012). Autonomia ucznia, kontrola procesu uczenia się w środowisku online, możliwość wyboru i podejmowania decyzji w przeciwieństwie do mechanicznych reakcji na decyzje podejmowane przez nauczyciela i odpowiadanie na bodźce komputera zmieniły relację nauczania wspomaganego komputerowo do nauczania tradycyjnego. Projekty współpracy zdalnej radykalnie odmieniły też oczekiwania wobec nauczycieli oraz przybierane przez nich role – zaczęli oni być mediatorami kulturowymi, pośrednicząc między partnerami z różnych kultur, jak również organizatorami i facylitatorami wymian międzykulturowych, gotowymi do rozwiązywania konfliktów czy uwrażliwienia swoich uczniów na różnice kulturowe oraz odmienne kultury uczenia się (Jin i Cortazzi 2006). Mimo upływu czasu i zmiany technologii komunikacyjnych z emaila przez czaty tekstowe i konferencje głosowe do krótkich nagrań wideo, typu short czy snap¹, wykonywanie zadań zakończonych współtworzeniem produktów z uczniami z innych kultur jest w dalszym ciągu jedną z najbardziej pożądanych form edukacji językowej wspomaganej cyfrowo.

Postulując pod koniec ubiegłego wieku inteligentne nauczanie jako czwartą fazę rozwoju kształcenia językowego wspomaganego komputerowo, jeden z „ojców” CALL, Mark Warschauer (1996), nie przypuszczał zapewne, jakie znaczenie przybierze pojęcie „inteligentnego kształcenia” w dobie narzędzi sztucznej inteligencji. Szeroko opisywane narzędzia AI wykraczają poza tradycyjny paradygmat kształcenia cyfrowego, w którym komputer wykonywał zadania w zakresie i w sposób określony przez programistę. Przewidywalność kształcenia była w większym lub mniejszym stopniu wyznacznikiem sposobu wykorzystania narzędzi cyfrowych, a rolą nauczyciela było „zaprzęgnięcie” komputera, platformy internetowej czy aplikacji mobilnej do wspomożenia swojej pracy w zbyt trudnych lub mozolnych zadaniach. Najlepszy przykład stanowi rozwijająca się od ery behawiorystycznej aż do ery sztucznej inteligencji automatyczna korekta prac pisemnych (ang. automated writing evaluation, AWE), w której coraz bardziej zaawansowane algorytmy i coraz szybszy dostęp do szerokiej bazy tekstów umożliwia automatyczne sprawdzanie prac, bardziej precyzyjną klasyfikację błędów i efektywne przekazanie informacji zwrotnej (Steiss i in. 2024).

Gwałtowny rozwój narzędzi opartych na sztucznej inteligencji i modelach językowych, wiążący się z powstawaniem nowych aplikacji i ich funkcjonalności, wymagają postawienia pytań o kierunek rozwoju i charakter środowisk kształcenia językowego w przyszłości. Generatory treści takie jak ChatGPT wymuszają powstawanie detektorów treści wygenerowanych przez sztuczną inteligencję, a najnowsze badania (Jacobsen i Weber 2023; Koraishi 2023; ElEbyary i Shabara 2024; Williyan i in. 2024) dowodzą przejmowania przez nowoczesne narzędzia takich tradycyjnie zarezerwowanych dla nauczycieli języków obcych zadań, jak generowanie i adaptacja tekstów czy przekazywanie informacji zwrotnej, wskazując jednocześnie na duży stopień efektywności narzędzi AI w tym zakresie. Ponieważ niemożliwe jest zapobieżenie wykorzystania generatorów przez uczniów, a rozpoznanie treści wygenerowanych automatycznie od treści stworzonych przez człowieka staje się coraz trudniejsze (por. Alexander i in. 2023), istotną nową rolą dla nauczyciela w erze sztucznej inteligencji jest projektant zadań na wyższym poziomie poznawczym. Oznacza to umiejętne zaprojektowanie ćwiczeń, aby uczeń nie tylko miał za zadanie dostarczyć treści, ale co ważniejsze przeprowadzić na ich podstawie refleksję, transformację, adaptację lub personalizację finalnego produktu (por. AI Learning Centre – University of Nicosia 2024).

Świadomość ograniczeń i problemów etycznych wynikających z użycia przez uczniów narzędzi sztucznej inteligencji, wraz ze znajomością detektorów AI, takich jak QuillBot (quillbot.com/ai-content-detector) czy GPTZero (gptzero.me), stanowią ważne komponenty funkcji kontrolnej nauczyciela skierowanej ku uczniowi. Pokazanie uczniom swojej wiedzy na temat nowych narzędzi, uświadomienie pożądanych oraz niewłaściwych sposobów ich użycia w rozwijaniu kompetencji językowej, zaproponowanie i przećwiczenie skutecznych i społecznie oraz instytucjonalnie akceptowanych strategii użycia nowych narzędzi (Krajka i Olszak 2024) uzmysłowią uczniom ograniczenia i możliwe pułapki podczas ich zastosowania.

Jak (i po co) uczyć generatora treści AI?
Zupełnie nową rolą w dobie pracy z narzędziami sztucznej inteligencji, której przyjęcie jest koniecznością dla nauczyciela, jest prompter, czyli osoba podająca generatorowi odpowiednie podpowiedzi dla uzyskania oczekiwanych treści. Sposób komunikacji z generatorem w znaczny sposób wpływa na adekwatność uzyskiwanych treści. Jasna, precyzyjna, ograniczona i nakierowana na wybrane środki językowe podpowiedź doprowadzi do wykonania przez system zadania w sposób możliwie najbliższy oczekiwaniom użytkownika. Co istotne, nauczyciele nie powinni myśleć o interakcji z systemem AI jedynie w kategoriach pytań, ale raczej podawać w podpowiedziach istotne informacje mające w swoim założeniu wzbogacić system o nowe treści i w ten sposób go „uczyć”. Dobrze skonstruowana podpowiedź zawiera następujące elementy (kompilacja na podstawie Giray 2023 oraz Pack i Maloney 2023):

• określenie roli, jaką ma przybrać generator (ROLE);

• określenie produktu finalnego (OUTPUT);

• określenie kontekstu, w którym generator wykonuje wyznaczoną rolę (CONTEXT);

• podanie elementów treści, które mają zostać uwzględnione w produkcie finalnym (INPUT DATA);

• podanie bardziej szczegółowych wyznaczników produktu finalnego (OUTPUT INDICATOR).

Cała podpowiedź powinna być wyrażona precyzyjnie i w sposób zorientowany na działanie, z podziałem na ewentualne podzadania, z konkretnymi przykładami i możliwie dokładnym określeniem produktu finalnego (Oliver 2024).

Poniższy przykład interakcji nauczyciela języka hiszpańskiego przygotowującego test rozumienia tekstu czytanego na poziomie B1 pokazuje zastosowanie powyższego modelu w pierwszej (głównej) podpowiedzi. Kolejne podpowiedzi mają na celu doprecyzowanie produktu finalnego oraz stanowią element procesu „uczenia się” modelu AI.

Pierwsza podpowiedź:
You are a professional Spanish language teacher (ROLE). Create a test (OUTPUT) for CEFR B1 Spanish language learners from Poland (CONTEXT) that tests their reading comprehension and use of passive and tenses (INPUT DATA) in Spanish. Your test should contain two texts of 80-100 words each (one film review and one story) and 3 tasks (multiple-choice, true-false, fill-in-the-blanks) (OUTPUT INDICATOR).
Druga podpowiedź:
Now take the tests created in the previous task, write two similar texts of 80-100 words on the same topics but adapted for B2 Spanish learners from France.
Trzecia podpowiedź:
Use the two texts from the previous task and write a vocabulary test focusing on verbs and adjectives with the following kinds of tasks: open cloze, lexical multiple-choice, lexical transformations.

Zatem rola promptera wymaga nabycia umiejętności interakcji z modelami AI przy pomocy umiejętnie skonstruowanych podpowiedzi, poznania strategii językowych pozwalających na uzyskanie bardziej precyzyjnych i relewantnych wyników, umiejętności stosowania strategii konwersacyjnych dla stopniowego budowania dyskusji i podawania modelowi kolejnych fragmentów wiedzy. Poświęcona temu dziedzina zawodowa określana mianem „inżynierii podpowiedzi” (ang. prompt engineering – Giray 2023; Lo 2023; Lin 2024) staje się w coraz większym stopniu „zawodem przyszłości”, a wiedza z zakresu uczenia maszynowego, w połączeniu z kreatywnością, krytycznym myśleniem, świadomością problemów etycznych, biegłością i świadomością językową, staje się niezbędnym elementem kompetencji przyszłości.

Zakończenie – a więc kto tu naprawdę rządzi?
Upowszechnienie platform komunikacyjnych w erze pandemicznego zdalnego nauczania, zwiększenie dostępności kształcenia mobilnego przez spadek cen dostępu do danych komórkowych oraz wkroczenie sztucznej inteligencji do wielu dziedzin życia po raz kolejny zredefiniowały obraz wspomaganego cyfrowo kształcenia językowego. Wspomniane czynniki determinują konieczność wytworzenia własnego stylu dydaktycznego, w którego ramach nauczyciele mogą tworzyć środowiska uczenia, czy to za pomocą platform zdalnego nauczania, mediów społecznościowych, czy też generatorów treści opartych na sztucznej inteligencji. Niezbędne w tym celu jest przynajmniej częściowe „okiełznanie” wspomnianych środowisk, włączenie ich do własnego repertuaru środków technicznych wykorzystywanych zawodowo oraz w życiu codziennym, jak również poznanie ich możliwości i ograniczeń.

Przywołane w artykule podejścia do kształcenia mogą się okazać przydatne w niektórych kontekstach glottodydaktycznych. Przykładowo podejście behawiorystyczne w zgrywalizowanych środowiskach typu Duolingo czy Memrise, z rolą nauczyciela ograniczoną do facylitatora i motywatora, pomaga w automatyzacji reakcji językowych. Dlatego też postulowana w literaturze glottodydaktycznej (np. Zawadzka 2004) zmienność ról nauczyciela i ich dostosowywanie do potrzeb ucznia w konkretnych sytuacjach dydaktycznych zakłada otwartość na różne podejścia we wspomaganym cyfrowo kształceniu językowym.

Biorąc pod uwagę współczesne tendencje w edukacji językowej i bardzo silną orientację zadaniowo-komunikacyjną utrwaloną w założeniach europejskiej polityki językowej (ESOKJ 2020), należy dążyć do tworzenia takich środowisk uczenia się, w których narzędzia cyfrowe posłużą do zwiększenia autentyczności interakcji w projektach komunikacji elektronicznej oraz nauczaniu problemowym i projektowym. Podporządkowanie cyfrowego środowiska uczenia potrzebom ucznia poprzez umożliwienie mu kreowania „osobistych środowisk uczenia się” (ang. personal learning environments) w wybranych przez siebie obszarach czy sieciach  społecznościowych wydaje się punktem, w którym znajdzie się edukacja. Z uwagi na konieczność interakcji z narzędziami AI nauczyciel (w zmienionej roli) będzie równie potrzebny jak dotychczas.

Jednocześnie nie można nie zauważyć pewnych tendencji zmierzających do ograniczenia wspomnianego powyżej „wszechobecnego dostępu”. Coraz więcej rządów (np. Finlandia, Francja czy Australia – Finnish National Agency for Education 2024; Lecherbonnier 2024) zastanawia się (czy wręcz wdraża) ograniczenia lub zakazy używania urządzeń mobilnych oraz mediów społecznościowych w szkołach. Tego typu ograniczenia mogą spowodować odwrót od obecnie stosowanych praktyk integracyjnych i komunikacyjnych na rzecz występujących w popularnych aplikacjach mobilnych praktyk behawiorystycznych.

Odpowiedź na pytanie zadane w tytule artykułu wydaje się mimo wszystko od kilku dekad niezmienna – świadomy możliwości i ograniczeń aktualnie popularnych technologii nauczyciel powinien być w stanie je dostosować do swoich potrzeb, wykorzystując w sposób, który będzie odpowiadał przyjętej filozofii nauczania. Co prawda narzędzia technologiczne będą nam podpowiadać pewne procedury czy zadania, jednak to od nas, nauczycieli, zależy, w jaki sposób je wprowadzimy do procesu dydaktycznego i w jakiej relacji do pozostałych ćwiczeń będą pozostawać, zwłaszcza tych wykonywanych face-to-face.

¹     W literaturze informatycznej coraz częściej używane są odpowiednio formy shorty oraz snapy.

Bibliografia
Ahmad, K., Corbett, G., Rogers, M., Sussex, R. (1985), Computers, Language Learning and Language Teaching, Cambridge: Cambridge University Press.
Alexander, K., Savvidou, C., Alexander, C. (2023), Who Wrote This Essay? Detecting AI-Generated Writing in Second Language Education in Higher Education, „Teaching English with Technology”, nr 23(2), s. 25–43.
Bax, S. (2003), CALL – Past, Present and Future, „System”, nr 31(1), s. 13–28.
Chambers, A., Bax, S. (2006), Making CALL Work: Towards Normalisation, „System”, nr 34(4), s. 465–479.
Davies, G. (2002), Computer-Assisted Language Learning, [w:] Good Practice Guide, University of Southampton, <camsoftpartners.co.uk/docs/LLAS_Web_Guide.htm>, [dostęp: 28.11.2024].
ElEbyary, K., Shabara, R. (2024), Chat-GPT Corrective Feedback: Does it Do What it Says on the Tin?, „Teaching English with Technology”, nr 24(3).
Europejski system opisu kształcenia językowego (Common European Framework of Reference for Languages: Learning, teaching, assessment – Companion volume) (2020),  Strasbourg: Council of Europe Publishing.
Finnish National Agency for Education (2024), The Finnish National Agency for Education recommends limiting mobile phone use in schools and educational institutions, <www.oph.fi/en/news/2024/finnish-national-agency-education-recommends-limiting-mobile-phone-use-schools-and>, [dostęp: 28.11.2024].
Giray, L. (2023), Prompt Engineering with ChatGPT: A Guide for Academic Writers, „Annals of Biomedical Engineering”, nr 51, s. 2629–2633.
Heil, C.G., Wu, J.S., Lee, J.J., Schmidt, T. (2016), A Review of Mobile Language Learning Applications: Trends, Challenges and Opportunities, „The EUROCALL Review”,
nr 24(2), s. 32–51.
Hong, J.Y. (2010), Pre-service and Beginning Teachers’ Professional Identity and Its Relation to dropping out of the profession, „Teaching and Teacher Education”, nr 26(8), s. 1530–1543.
Jacobsen, L.J., Weber, K.E. (2023), The Promises and Pitfalls of ChatGPT as a Feedback Provider in Higher Education: An Exploratory Study of Prompt Engineering and the Quality of AI-driven Feedback, OSF Pre-prints.
Jin, L., Cortazzi, M. (2006), Changing Practices in Chinese Cultures of Learning, „Language, Culture and Curriculum”, nr 19(1), s. 5–20.
Komorowska, H., Krajka, J. (2020), The Culture of Language Education, Frankfurt nad Menem: Peter Lang.
Koraishi, O. (2023), Teaching English in the Age of AI: Embracing ChatGPT to Optimize EFL Materials and Assessment, „Language Education & Technology”, nr 3(1), s. 55–72.
Krajka, J. (2001), School Partnerships on the Web – Using the Internet to Facilitate School Collaboration, „Teaching English with Technology”, nr 1(1), s. 3–19.
Krajka, J. (2012), The Language Teacher in the Digital Age, Lublin: Wydawnictwo UMCS.
Krajka, J., Białek, K. (2021), O stylach dydaktycznych w edukacji zdalnej w teorii i praktyce. Z przykładami scenariuszy wykorzystanych w programie Teaching English
in Poland, „Języki Obce w Szkole”, nr 1, s. 31–41.
Krajka, J., Olszak, I. (2024), „AI, will you help?” How Learners Use Artificial Intelligence When Writing, „XLinguae: European Scientific Language Review”, nr 17(1), s. 34–48.
Lecherbonnier, S. (2024), Full Ban on Cell Phones in Some French Middle Schools Raises Question, „Le Monde”, 4.09.2024,  <shorturl.at/AmFil>, [dostęp: 28.11.2024].
Lin, Z. (2024), How to Write Effective Prompts for Large Language Models, „Nature Human Behaviour”, nr 8(4), s. 611–615.
Lo, L.S. (2023), The CLEAR Path: A Framework for Enhancing Information Literacy Through Prompt Engineering, „The Journal of Academic Librarianship”, nr 49(4), s.  102720.
Oliver, S. (2024), AI Prompt Writing for ELT Teachers: 7 Ingredients of a Successful Prompt, [w:] World of Better Learning, Cambridge: Cambridge University Press.
Pack, A., Maloney, J. (2023), Potential Affordances of Generative AI in Language Education: Demonstrations and an Evaluative Framework, „Teaching English
with Technology”, nr 23(2), s. 4–24.
Steiss, J., Tate, T., Graham, S., Cruz, J., Hebert, M., Wang, J., Moon, Y., Tseng, W., Warschauer, M., Olson, C.B. (2024), Comparing the Quality of Human and ChatGPT Feedback of Students’ Writing, „Learning and Instruction”, nr 91, 101894.
Tour (2015), Digital Mindsets: Teachers' Technology Use in Personal Life and Teaching, „Language Learning & Technology”, nr 19(3), s. 124–139.
University of Nicosia (2024), Course Syllabi: AI Suggestions for Consideration, AI Learning Centre Blog, <unic.ac.cy/telblog/2023/10/30/course-syllabi-ai-suggestions-for-consideration/>, [dostęp: 28.11.2024].
Wang, Q. (2008), Student-Facilitators’ Roles in Moderating Online Discussions, „British Journal of Educational Technology”, nr 39(5), s. 859–874.
Warschauer, M. (1996), Computer Assisted Language Learning: An Introduction, [w:] S. Fotos (red.), Multimedia Language Teaching, Logos International, s. 3–20.
Williyan, A., Fitriati, S.W., Pratama, H., Sakhiyya, Z. (2024), AI as Co-creator: Exploring Indonesian EFL Teachers’ Collaboration with AI in Content Development, „Teaching English with Technology”, nr 24(2), s. 5–21.
Zawadzka, E. (2004), Nauczyciele języków obcych w dobie przemian, Kraków: Oficyna Wydawnicza „Impuls”.

Artykuł został pozytywnie zaopiniowany przez recenzenta zewnętrznego „JOwS” w procedurze double-blind review.