Doamna Preda îl citește luni dimineață, în cancelarie, între două ore. De câteva luni, aproape fără să-și dea seama, și-a format un obicei: textele care i se par prea curgătoare, prea bine scrise, le trece printr-un detector online, ca să fie liniștită. Rezultatul apare în câteva secunde, pe fond roșu: „87% generat de IA”.

Este un număr precis, convingător. Doamna Preda se uită la el, apoi la text, apoi din nou la număr. Îl cunoaște pe Petrică. Știe că în septembrie predase un eseu luat de-a gata și mai știe că, de atunci, băiatul și-a făcut un obicei din a-și scrie propriile idei și nelămuriri pe o fișă înainte de a deschide orice asistent IA. Pe de altă parte, 87 nu e un procent mic, iar în spatele lui stă o tehnologie pe care ea nu o cunoaște.

Situația aceasta nu mai are nimic excepțional. Variante ale ei se petrec zilnic în București, în Botoșani, în Timișoara sau într-o școală la sat, oriunde temele au început să fie mai bune decât ar putea să le scrie elevii.

În acest articol, am adunat șapte situații similare, frecvente astăzi în școli. Pentru fiecare, propunem o cheie de interpretare pedagogică și câteva soluții posibile. Toate pornesc de la aceeași întrebare: ce dovedește, de fapt, o notă?

Situația 1. Procentul care acuză

Un detector pentru text generat cu inteligența artificială nu „recunoaște” amprenta IA așa cum recunoaștem noi scrisul de mână al unui elev pe care îl avem de trei ani. El calculează cât de previzibil este un text: cât de probabil era ca, după fiecare cuvânt, să urmeze exact cuvântul care urmează. Modelele de limbaj scriu foarte previzibil, pentru că aleg aproape mereu varianta cea mai plauzibilă. Paradoxul este că la fel scrie și un elev conștiincios, care folosește formulele învățate la școală, frazele „corecte” și structura cu introducere, cuprins și încheiere pe care i-am recomandat-o ani la rând. Cu cât a învățat mai bine să scrie „ca la carte”, cu atât seamănă mai mult, statistic, cu o mașină.

Limitele acestea sunt bine documentate în literatura științifică. Încă de acum trei ani, un grup de cercetători de la Universitatea Stanford a arătat că mai multe detectoare larg folosite clasificau drept generate de IA eseuri scrise de vorbitori nenativi de engleză, tocmai pentru că aveau un vocabular mai restrâns și construcții mai simple, și că aceleași detectoare puteau fi ocolite cu ușurință dacă i se cere asistentului IA să-și „îmbogățească” stilul (Liang et al., 2023). Altfel spus, instrumentul tinde să-i suspecteze pe cei care scriu simplu și să-i scape pe cei care știu să-l păcălească.

Pentru corectitudine, trebuie spus că tehnologia evoluează. Unii dintre marii furnizori de IA au început să introducă în textele generate un marcaj invizibil (watermark): modelul alege anumite cuvinte după o cheie secretă, iar cine deține cheia poate verifica, cu o probabilitate mult mai bună decât detectoarele obișnuite, dacă la scrierea unui text a contribuit acel model (Anthropic, 2026). Nici acest mecanism nu rezolvă însă problema profesorului. Recunoaște doar textele produse de modelul furnizorului respectiv, nu spune cât din lucrare îi aparține elevului, nu mai funcționează când textul e rescris și, deocamdată, nu este la îndemâna școlilor.

Rezultatul unui detector este, așadar, o probabilitate, nu o dovadă – acesta este un lucru important de ținut minte. Detectorul poate greși în două sensuri, iar fiecare greșeală are prețul ei. Un eseu generat care trece neobservat (un „fals negativ”, în limbajul specialiștilor) îl învață pe elev că poate fi evaluat pentru ce nu a făcut el, îi nedreptățește pe colegii care au muncit și validează în catalog o competență pe care elevul nu o are. Un elev care a scris singur și este acuzat pe nedrept, pe baza unui rezultat „fals pozitiv”, pierde altceva: încrederea că efortul lui contează și că profesorul îl vede cu adevărat. Lecția pe care o poate trage de aici, că nu merită să te chinui dacă tot vei fi bănuit, este exact opusul celei pe care vrea școala să i-o predea. Tocmai pentru că miza e mare în ambele cazuri, decizia nu poate fi lăsată pe seama unui procent.

Ce se poate face. Doamna Preda nu i-a spus nimic despre procent. L-a chemat pe Petrică în pauză și l-a rugat să-i povestească de ce a ales să înceapă eseul așa cum l-a început. Petrică a vorbit câteva minute, încurcat la început, apoi tot mai sigur; i-a spus ce paragraf tăiase și de ce, de unde luase comparația, a ezitat la o dată și a recunoscut că nu era sigur de ea. Conversația aceasta ne spune mai mult decât procentul din detector.

Un detector de IA poate fi, cel mult, un semnal care îndeamnă la o discuție, niciodată un verdict trecut în catalog. Reperele mai sigure rămân cele pe care profesorul le are deja: cunoașterea elevului și a felului în care scrie, ciornele, întrebările pe care și le-a pus, câteva minute de dialog.

Situația 2. Douăzeci și opt de eseuri și un singur autor

O doamnă profesoară de limba română corectează eseurile de la o clasă a IX-a. După al cincilea eseu, începe să recunoască tiparul: aceeași structură în trei argumente, aceiași conectori, aceleași începuturi de frază, aceleași formule de încheiere, același ton echilibrat și impersonal. Niciun eseu nu e greșit. În același timp, niciunul nu pare cu adevărat al cuiva. La sfârșit, are senzația că a corectat un singur elev de douăzeci și opt de ori. Nu știe ce note să pună și, mai ales, nu mai știe ce ar spune notele acelea despre fiecare dintre elevii ei.

Dilema ei nu este una izolată – potrivit OECD (2026), 72% dintre profesorii din gimnaziu chestionați în studiul TALIS 2024 consideră că IA poate afecta integritatea academică, permițându-le elevilor să prezinte drept a lor o muncă ce nu le aparține. Merită însă să privim problema și dintr-un unghi pe care docimologia îl numește validitate. Spus simplu, o probă este validă atunci când măsoară ceea ce pretinde că măsoară. O notă la eseu este, în fond, o afirmație despre elev: „știe să construiască un argument”. Dacă sarcina poate fi dusă la capăt fără gândirea pe care trebuia să o exerseze, afirmația din catalog devine falsă, oricât de impecabilă ar fi lucrarea. Chiar dacă doar unii elevi au apelat la IA, tema însăși nu mai poate spune mare lucru despre nimeni, nici măcar despre cei care au scris-o singuri.

De obicei, prima reacție este să comunicăm o regulă nouă: „la teme nu se folosește IA”. Cercetători australieni în domeniul evaluării numesc astfel de măsuri schimbări discursive: depind de bunăvoința elevilor și nu pot fi verificate. Ei pledează pentru schimbări structurale, care modifică arhitectura sarcinii, astfel încât validitatea să fie intrinsecă, nu impusă prin reguli greu de aplicat (Corbin, Dawson și Liu, 2025).

Ce se poate face. Câteva schimbări mici pot muta centrul de greutate de pe produs pe drumul către el:
-partea cea mai importantă a lucrării, de exemplu teza și primul argument, se scrie în clasă; acasă, elevul o dezvoltă;
-tema pornește de la ceva ce s-a întâmplat doar în acea clasă: o dezbatere de marți, o întrebare rămasă fără răspuns, o lectură comentată împreună;
-alături de textul final, elevul predă produsele intermediare, de exemplu: întrebările pe care și le-a scris înainte de a apela la vreun instrument, o ciornă și câteva rânduri despre ce i s-a părut greu;
-când IA este permisă, se evaluează ce a făcut elevul cu răspunsul primit (ce a păstrat, ce a respins și de ce), nu răspunsul în sine.
-respins și de ce), nu răspunsul în sine.

ÎȚI MAI RECOMANDĂM Inteligența artificială în educație. Semnul de pe frunte. Petrică, doamna Preda și testul oglinzii – opinie de Olimpius Istrate

O profesoară de matematică de la gimnaziu pune față în față, pe o foaie, două coloane: în stânga, rezultatele de la temele pentru acasă; în dreapta, ce arată aceiași elevi în oră, la tablă sau la lucrarea de control. La cei mai mulți, coloanele seamănă, cu urcușurile și coborâșurile obișnuite. Însă pentru vreo treime dintre ei, temele sunt (prea) corecte, complete, frumos așezate în pagină, uneori rezolvate într-un mod pe care încă nu l-a predat. La tablă, aceiași elevi ezită, se blochează la o variantă ușor schimbată a unui exercițiu rezolvat perfect acasă și nu pot spune nici măcar de ce trebuie să aplice o anumită metodă. Profesoara bănuiește despre „cine” e vorba. Continuă totuși să le noteze temele la fel ca pe ale celorlalți, pentru că nu are niciun temei să facă altfel.

Reacțiile obișnuite (interzicerea IA la teme, scăderea ponderii lor în notă sau chiar renunțarea la teme) se aplică întregii clase și îi penalizează tocmai pe elevii ale căror teme sunt încă ale lor. Mai util este să schimbăm întrebarea – în loc de „cine a trișat?”, ne putem întreba onest „ce mai dovedește tema aceasta și despre cine?”.

Aici ne ajută o distincție veche, pe care o știm cu toții, dar pe care o uităm ușor în fața catalogului. Evaluarea sumativă trage linie la final și certifică prin notă ce a învățat elevul. Evaluarea formativă însoțește învățarea și o corectează din mers, prin feedback. Tema pentru acasă a fost, prin natura ei, mai degrabă un exercițiu decât un examen. Când o notăm ca pe un test, îi conferim o miză pe care nu o mai poate susține astăzi, iar miza aceasta îi împinge pe elevi să caute scurtături.

Ce se poate face. Un prim pas, la îndemâna oricărui profesor, este chiar exercițiul celor două coloane, făcut pentru fiecare unitate de învățare, care arată dacă și unde performanțele sunt diferite. De obicei, comparația scoate la iveală și sarcinile care pot fi rezolvate fără ca elevul să facă apel la abilitățile pe care trebuia să le exerseze. O astfel de sarcină poate fi reproiectată, astfel încât răspunsul să facă vizibil raționamentul utilizat pentru rezolvare: elevul explică în două rânduri de ce a ales metoda sau rezolvă și o variantă pe care și-o inventează singur.

Merită totuși să fim realiști: un asistent IA îi poate servi elevului nu doar rezolvarea, ci și explicația din spatele ei, la fel de curgătoare și de convingătoare. O temă făcută integral acasă, în scris, nu mai poate garanta, singură, că raționamentul îi aparține elevului. De aceea, o idee și mai bună este ca tema să-și primească „perechea” în clasă. A doua zi, elevul rezolvă în câteva minute, fără caiet, o variantă ușor modificată a unui exercițiu de acasă, sau pornește de la propriile greșeli din ultima lucrare. Dacă a înțeles cu adevărat ce a scris acasă, perechea din clasă va fi o simplă formalitate; dacă nu, profesorul află exact unde trebuie să reia explicația.

Apoi, temele pot primi mai degrabă feedback decât notă, iar nota se poate muta acolo unde elevul își arată gândirea în fața profesorului. Obiecția firească este „am 28 de elevi în clasă”. Un răspuns realist este conversația scurtă, prin rotație – trei-cinci minute, cu doi-trei elevi pe oră, pe baza a două-trei criterii simple: explică de ce funcționează un pas, justifică alegerea făcută, se descurcă la o variantă ușor modificată. Într-un semestru, fiecare elev ajunge să treacă de câteva ori prin această scurtă discuție. Astfel, nota fiecăruia se apropie de nivelul lui real, iar profesorul are o imagine mai fidelă a clasei.

Situația 4. „Am folosit IA pentru…”

Un elev de clasa a XI-a predă un proiect despre poluarea râului din orașul lui. La final, pe ultimul rând, a scris cinstit: „Am folosit IA pentru structura lucrării și pentru verificarea datelor”. Profesorul citește rândul acesta și rămâne cu pixul în aer. Să depuncteze? Regula clasei spunea doar, vag, că „lucrările trebuie să fie originale”. Ceilalți colegi n-au scris nimic, deși e greu de crezut că niciunul nu a deschis un asistent IA.

Dacă profesorul depunctează folosirea declarată, le transmite tuturor elevilor, fără să vrea, că sinceritatea costă, iar data viitoare nu va mai declara nimeni nimic. Problema nu este elevul, ci lipsa unei reguli clare, anunțate dinainte. Fără ea, fiecare elev încearcă să ghicească care sunt așteptările profesorului, ce este permis și ce nu, iar elevul onest plătește pentru această ambiguitate.

Ce se poate face. Pentru fiecare sarcină, profesorul poate spune de la început cât și cum este permisă IA. Un instrument simplu, folosit deja în numeroase școli și universități, este scala de evaluare a utilizării IA (AI Assessment Scale), care descrie mai multe niveluri, de la sarcini în care IA nu are ce căuta până la sarcini în care folosirea ei este chiar obiectul învățării (Perkins, Roe și Furze, 2025). Scala are cinci trepte: fără IA; IA doar pentru idei și planificare; colaborare cu IA, în care elevul verifică și modifică ce primește; folosirea IA în toată sarcina, sub controlul elevului; și explorarea creativă a IA, ca obiect al învățării. Ideea centrală nu ține de numărul de niveluri sau de complexitatea sarcinii, ci de gestul profesorului: alege nivelul în funcție de ce vrea să învețe elevul prin sarcina respectivă și îl anunță clar.

În spatele acestei idei stă o distincție tot mai prezentă în discuțiile despre evaluare, cea a „celor două culoare”. Pe primul culoar se află evaluările făcute în clasă, sub ochii profesorului, în care școala certifică ce știe elevul. Pe al doilea se află sarcinile deschise, în care elevul învață tocmai să lucreze cu IA, iar folosirea ei este permisă explicit. Amândouă sunt necesare.

Declarația privind utilizarea IA de la final merită, la rândul ei, o formă mai elaborată decât un rând aruncat în grabă. Elevul poate răspunde la trei întrebări: ce am făcut eu, ce a făcut instrumentul și ce am schimbat după ce am citit ce mi-a propus. Răspunsurile acestea sunt deja un exercițiu de metacogniție, adică de reflecție asupra propriei învățări. Iar nota ar trebui să răsplătească, înainte de orice, ceea ce a adăugat elevul. Ca model, profesorul poate folosi chiar declarațiile pe care le cer astăzi revistele științifice autorilor lor; una dintre ele se găsește la finalul acestui articol.

Situația 5. Unul scrie, trei privesc

La geografie, clasa a VII-a lucrează pe grupe la un proiect despre o regiune a țării. Fiecare grupă are o singură tabletă. Elevul cel mai dezinvolt scrie cererile către asistentul IA, iar ceilalți trei citesc peste umărul lui și dau din cap. Posterele finale sunt impecabile și seamănă destul de mult între ele. La prezentare, în fiecare grupă, doi dintre membri pot doar să repete ce scrie pe poster; o întrebare simplă, puțin în afara textului, îi lasă fără cuvinte.

Lucrul în grup a fost dintotdeauna expus riscului ca unii să muncească și alții să se odihnească. Cu instrumentul AI, această „diviziune” a muncii se accentuează – gândirea se concentrează la cel care formulează cererile, iar ceilalți devin spectatori. Evaluarea care privește doar produsul final nu are cum să surprindă asta, iar rolurile clasice din proiectele de grup (liderul, secretarul, cel care prezintă) au fost gândite într-o vreme în care nimeni nu avea la îndemână un asistent capabil să facă singur o bună parte din treabă.

Ce se poate face. Rolurile se pot redefini în jurul gândirii, nu al sarcinilor administrative: cineva formulează întrebările înainte de orice căutare, altcineva verifică informațiile într-o a doua sursă, un al treilea caută ce lipsește sau ce e greșit în răspunsul primit, iar un al patrulea propune, argumentat, ce intră în lucrare și ce nu, urmând ca grupul să decidă împreună. Rolurile se rotesc de la un proiect la altul. Fiecare membru consemnează, la final, ce a adus el lucrării și de ce.

Evaluarea trebuie, în plus, să facă distincția între calitatea produsului comun și contribuția fiecărui membru. Pentru a doua, un instrument simplu este o întrebare adresată, la prezentare, celui care a vorbit cel mai puțin: „De ce ați ales să puneți asta pe poster și nu altceva?”.

Situația 6. Profesorul care notează cu IA

Sfârșit de semestru. Un profesor are de corectat aproape 140 de lucrări, de la cinci clase, iar mediile trebuie încheiate până vineri. Un coleg îi arată cum poate fotografia o lucrare și o încărca într-un asistent IA, alături de barem, ca să primească în câteva secunde o notă propusă și un comentariu politicos, lung și atent formulat. Tentația este de înțeles; epuizarea profesorilor dedicați nu e o figură de stil.

Scena aceasta oglindește, aproape perfect, situația elevului care își deleagă tema. OECD (2026) o formulează, pe scurt, astfel: algoritmii pot sugera, profesorii trebuie să decidă; evaluarea nu ar trebui externalizată către IA. Miza depășește riscul de eroare, deși erorile există și au consecințe nedorite. Corectarea este momentul în care profesorul dă un verdict, dar și cel în care află ce au înțeles elevii, unde s-au împotmolit, ce trebuie reluat la ora următoare.

Regulamentul european privind inteligența artificială merge în aceeași direcție: sistemele folosite pentru evaluarea rezultatelor învățării sunt considerate cu risc ridicat și trebuie să permită o supraveghere umană efectivă, adică un om care înțelege rezultatul propus și îl poate respinge. Aceste obligații se aplică, potrivit modificărilor convenite la nivelul UE în 2026, de la 2 decembrie 2027. Ele vizează în primul rând sistemele concepute special pentru evaluare, nu fiecare profesor care deschide un asistent de uz general, dar direcția este limpede: o notă care contează pentru viitorul unui elev trebuie să aibă în spate o judecată umană. Apoi, lucrările elevilor conțin date personale, iar încărcarea lor într-un instrument public ridică, la rândul ei, întrebări legate de respectarea GDPR.

Ce se poate face. IA poate ajuta în evaluare și notare, cu condiția să rămână în rolul de asistent. Poate semnala, de pildă, greșelile care se repetă la toată clasa, poate propune o primă formă de feedback pe care profesorul o citește și o corectează, poate verifica dacă profesorul a aplicat baremul la fel de la prima lucrare până la ultima. Profesorul este cel care decide nota și și-o asumă. Și încă un lucru, nu mai puțin important: dacă le cerem elevilor să declare cum au folosit IA, este firesc să le spunem și noi cum am folosit-o atunci când i-am evaluat.

Situația 7. „IA mi-a zis că tema este foarte bună”

După ce își primește lucrarea corectată, o elevă de clasa a IX-a vine să conteste nota. Nu e obraznică, ci este sincer nedumerită: „Am verificat-o cu IA înainte să o predau și mi-a zis că e foarte bună.” Și chiar așa a fost. Asistentul i-a lăudat structura, i-a „șlefuit” două fraze și i-a spus că argumentele sunt convingătoare. Profesoara i-a dat un 7, pentru că argumentul principal nu răspundea, de fapt, la cerință.

Discuția alunecă repede spre cât de fiabil este instrumentul, însă problema adevărată este alta: eleva nu are toate criteriile la îndemână. Nu știe după ce se recunoaște un argument bun, deci nu poate judeca niciun feedback, nici pe cel al algoritmului IA, nici pe cel al doamnei profesoare. Pentru ea, ambele sunt simple verdicte venite din afară, iar cel mai convenabil tinde să îi pară și cel mai credibil.

Tendința asistenților IA de a-și flata utilizatorul face problema și mai greu de văzut. Cercetătorii o numesc sycophancy, termen pe care l-am putea traduce prin complezență sau chiar lingușire. Modelele antrenate pe baza preferințelor exprimate de oameni învață că răspunsurile care confirmă ce crede deja utilizatorul sunt mai bine primite, uneori chiar în dauna adevărului (Sharma et al., 2024). Un elev care întreabă „e bună lucrarea mea?” primește, de multe ori, exact răspunsul pe care îl speră.

Capacitatea care îi lipsește elevei are un nume în literatura despre evaluare: judecata evaluativă, adică puterea de a decide singur cât de bună este o lucrare, proprie sau a altcuiva (Tai et al., 2018). Ea nu vine de la sine, odată cu vârsta. Se formează, lucrare cu lucrare, atunci când elevul vede exemple, discută criterii și încearcă să le aplice.

Ce se poate face. O activitate simplă: elevii primesc propria ciornă împreună cu feedbackul aferent generat de IA și îl judecă după criteriile clasei. Ce observație este adevărată? Ce este doar laudă? Ce n-a observat deloc instrumentul? Apoi clasa își stabilește un scurt protocol: când e firesc să ceri feedback inteligenței artificiale și ce faci după aceea (notezi ce ai schimbat și de ce, ce ai respins și de ce). Criteriile încetează astfel să fie „secretul profesorului” și devin un reper al elevului.

Ce evaluăm: produsul final sau procesul de învățare?

Doamna Preda a închis fereastra detectorului și nu a mai deschis-o de atunci. Eseul lui Petrică a primit o notă pentru ce era: un text muncit cinstit – cu stângăcii, cu o dată greșită și cu o comparație foarte bună, care dădea o nouă perspectivă.

Cele șapte situații au un fir comun. Când produsul final poate fi generat în câteva secunde, nu mai spune mare lucru despre proces și despre elev. Evaluarea trebuie să se mute, inevitabil, pe drumul prin care produsul a fost construit: întrebările pe care și le-a pus elevul, ciornele, deciziile, felul în care își susține ideile cu voce tare. Schimbarea aceasta nu cere tehnologii noi, ci o pedagogie atentă și câteva reguli clare, valabile la fel pentru elevi și pentru profesori. Și nu poate fi delegată: judecata profesorului rămâne singura care determină că Petrică a scris eseul cu efort personal, chiar și atunci când un detector automat de IA susține contrariul.

În articolul „Inteligența artificială în educație. Semnul de pe frunte”, vorbeam despre Bildung, formarea de sine prin care un om devine ceea ce are potențialul să devină. Evaluarea are și ea un loc în această formare, poate cel mai important. Nu nota din catalog, ci evaluarea pe care Petrică învață să o facă asupra propriei munci: să-și recitească eseul și să știe, fără detector și fără laudele vreunui asistent, dacă a spus ce a vrut să spună și dacă a spus-o bine. Un elev care a învățat să se autoevalueze nu mai are nevoie să fie verificat la fiecare pas.

Pentru cei care decid în sistemele de educație, situațiile acestea sugerează câteva direcții:
-ghiduri care spun limpede cum se declară folosirea IA în temele elevilor și în evaluările profesorilor, în locul interdicțiilor generale;
-formarea profesorilor în proiectarea sarcinilor și în evaluarea orală, nu în detectarea textelor generate;
-prudență față de folosirea detectoarelor ca probă în situații disciplinare;
-o reflecție serioasă asupra rolului temei pentru acasă și asupra locului evaluării formative în notare.

Două întrebări pentru mâine

Dacă fiecare temă pe care o dăm ar putea fi rezolvată perfect de un asistent IA, care dintre temele noastre ar mai merita date? Și ce afirmăm, de fapt, despre un elev atunci când îi trecem o notă în catalog?

O notă este o apreciere, o promisiune, o predicție pe care școala o face despre un elev, în fața lui și a celorlalți. Astăzi, mai mult decât oricând, merită să ne asigurăm că în spatele ei se află ceea ce știe și poate face elevul cu adevărat.

Bibliografie selectivă

1. Anthropic. (2026, 14 august). Claude’s text watermark. https://www.anthropic.com/news/claude-text-watermark
2. Corbin, T., Dawson, P., & Liu, D. (2025). Talk is cheap: Why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education, 1–11. https://doi.org/10.1080/02602938.2025.2503964
3. Istrate, O. (2026, 14 septembrie). Inteligența artificială în educație. Semnul de pe frunte. Petrică, doamna Preda și testul oglinzii. În: Tribuna învățământului. https://tribunainvatamantului.ro/opinie-de-olimpus-istrate-despre-inteligenta-artificiala-in-educatie-semnul/
4. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
5. OECD. (2025). Results from TALIS 2024: The State of Teaching. TALIS, OECD Publishing. https://doi.org/10.1787/90df6235-en
6. OECD. (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html
7. Perkins, M., Roe, J., & Furze, L. (2025). Reimagining the Artificial Intelligence Assessment Scale: A refined framework for educational assessment. Journal of University Teaching and Learning Practice, 22(7), e1707. https://doi.org/10.53761/rrm4y757
8. Regulamentul (UE) 2024/1689 al Parlamentului European și al Consiliului din 13 iunie 2024 de stabilire a unor norme armonizate privind inteligența artificială. Jurnalul Oficial al Uniunii Europene, L, 12.7.2024. http://data.europa.eu/eli/reg/2024/1689/oj
9. Sharma, M., Tong, M., Korbak, T., Duvenaud, D., Askell, A., Bowman, S. R., et al. (2024). Towards understanding sycophancy in language models. International Conference on Learning Representations (ICLR 2024). https://arxiv.org/abs/2310.13548
10. Tai, J., Ajjawi, R., Boud, D., Dawson, P., & Panadero, E. (2018). Developing evaluative judgement: Enabling students to make decisions about the quality of work. Higher Education, 76(3), 467–481. https://doi.org/10.1007/s10734-017-0220-3 
    

    ---

    Note:

* Petrică și doamna Preda sunt personaje-tip, fără corespondent real; folosesc aceste nume de ani buni în exemplele pentru studenții mei și în cursurile pentru profesori de pe platforma iTeach.

**Nota autorului: În pregătirea acestui material, am utilizat instrumente de inteligență artificială generativă pentru căutarea și verificarea surselor și ca sprijin la redactarea unei prime versiuni, pornind de la ideile mele. Am revizuit și rescris textul, am selectat formulările și am verificat fiecare citare la sursa primară. Îmi asum întreaga responsabilitate editorială pentru conținut, concluzii și orice erori rămase. Această declarație este făcută în conformitate cu obligațiile de transparență prevăzute la articolul 50 din Regulamentul UE privind inteligența artificială și cu Codul de practică al Comisiei Europene privind marcarea și etichetarea conținutului generat de IA (publicat la 10 iunie 2026).

***

Olimpius Istrate este doctor în științele educației, are peste 20 de ani de experiență în pedagogie digitală, evaluarea programelor educaționale și formarea cadrelor didactice. Din 2004, susține cursuri de Instruire asistată de calculator, Medii virtuale de învățare, Noile media în educație și formare și Inteligență artificială în educație la Universitatea din București, Departamentul pentru Formarea Profesorilor. În prezent, este detașat ca specialist în evaluare digitală la European Schools (Office of the Secretary-General, Bruxelles).
A coordonat peste 30 de cercetări evaluative și proiecte de utilizare a tehnologiilor digitale pentru creșterea calității educației. Printre realizări: fondator Elearning.Romania (2005), regional education manager la Intel (2007–2010), cofondator iTeach.ro (2010), coordonator național eTwinning (2011), senior education officer la Federația Internațională a Crucii Roșii și Semilunii Roșii, Geneva (2013–2016), cofondator digitaledu.ro (2015). Din 2010, coordonează activitățile de dezvoltare profesională continuă de pe platforma iTeach.

****Nota redacției. Opiniile exprimate în editoriale aparțin exclusiv autorilor și nu reflectă neapărat punctul de vedere al redacției „Tribuna Învățământului”. Responsabilitatea pentru conținutul, afirmațiile și datele prezentate revine în întregime semnatarilor.