Sve donedavno savjet za srednjoškolce bio je jasan: nauči programirati i budućnost je osigurana. No, u eri generativne umjetne inteligencije taj se slogan istopio. U njujorškoj Manhattan Village Academy, primjerice, zamjetan je pad interesa za klasične tečajeve računalnih znanosti, dok raste potražnja za statistikama i predmetima koji povezuju podatke s društvenim kontekstom.
Benjamin Rubenstein, pomoćnik ravnatelja škole s dvadeset godina staža, opisuje trend riječima: „There’s a move from taking as much computer science as you can to now trying to get in as many statistics courses as possible.” Njegovi učenici i dalje moraju položiti obvezni kolegij informatike „so they can understand what’s going on behind the scenes”, ali matematika se u školi sada podučava kroz Applied Mathematics, gdje se analizira baza podataka policije New Yorka, i Ethnomathematics, koja spaja račun s identitetom i kulturom.
Brojke sa sveučilišta potvrđuju promjenu. Prema anketi Computing Research Association, u akademskoj 2023./2024. godini dodijeljeno je 5,5 % manje diploma iz računalnih znanosti i inženjerstva nego godinu ranije. U srednjim školama statistika postaje jednako tražena kao i programiranje: na AP Statistics prijavilo se 264 262 učenika, dok je AP Computer Science Principles polagalo 175 261, a napredni AP Computer Science A 98 136 učenika.
Rubenstein ističe da tržište diktira nastavni plan: „Students who see themselves as STEM people will pursue whatever they think makes them a commodity, something valued in the workplace.” Upravo zato profesori pokušavaju učenike pripremiti za svijet u kojem će umjetna inteligencija biti alat, a ne konkurent.
Takav pristup razvija i tim znanstvenika sa Sveučilišta Georgia, gdje istraživač Xiaoming Zhai testira „multi-agent classroom systems” – mrežu AI asistenata koji učenike vode kroz proces znanstvenog istraživanja. Zhai tvrdi: „The bar for coding has been lowered. The real skill now is integrating AI with your own discipline.”
Naglašava i potrebu za kritičkim odmakom: „AI can do some work humans can’t, but it also fails spectacularly outside its training data.” Cilj je, kaže, odgojiti generaciju koja će znati koristiti algoritme poput nekadašnjih mikroskopa – za uočavanje obrazaca i testiranje ideja – ali i prepoznati njihove slijepe točke.
U praksi to znači da se klasični satovi informatike sve češće dijele pozornicu s forenzičkim izbornim predmetima, laboratorijima znanstvene fantastike ili raspravama o etici podataka. „Students can’t think of things as compartmentalized anymore,” zaključuje Rubenstein. „You need multiple disciplines to make good decisions.”
Dok AI preuzima rutinsko kodiranje, nova STEM vještina postaje razumijevanje logike stroja i sposobnost da ga se usmjeri prema odgovornim rješenjima.