
Prof. dr hab. Dariusz Jemielniak jest profesorem zarządzania Akademii Leona Koźmińskiego, gdzie kieruje katedrą MINDS (Management in Networked and Digital Societies). Od 2016 roku pracuje też jako faculty associate na Berkman-Klein Center for Internet and Society na Harvardzie. Wcześniej pracował na MIT, Berkeley, Cornell. Pełni funkcję wiceprezesa PAN. Przez 10 lat był w radzie nadzorczej Wikimedia Foundation, obecnie Komisja Europejska nominowała go do rady EIT (European Innovation and Technology Institute). Ważniejsze książki to “Common Knowledge?” (2014, Stanford University Press), "Collaborative Society" (2020, MIT Press, wspólnie z A. Przegalińską), “Thick Big Data” (2020, Oxford University Press), “Strategizing AI in Business and Education” (2023, Cambridge University Press, wspólnie z A. Przegalińską). Stworzył słownik ling.pl. Jest współredaktorem największego słownika angielsko-polskiego w historii (Wiedza Powszechna, 2014), jak i kilkunastu podręczników językowych. Współtworzy platformę InstaLing.
Sztuczna inteligencja zmienia sposób, w jaki uczymy się języków obcych - i tempo tej zmiany przyspiesza. Duże modele językowe (LLM) oferują dziś możliwości konwersacyjne, które jeszcze trzy lata temu były nieosiągalne: spersonalizowany feedback, adaptacyjne ćwiczenia czy symulacje dialogów w czasie rzeczywistym. Jednocześnie badania nad krzywą zapominania zyskują nowe zastosowanie praktyczne - algorytmy powtórek rozłożonych w czasie (spaced repetition) można dziś integrować z narzędziami AI, tworząc systemy uczenia dostosowane do indywidualnego profilu pamięciowego ucznia.
Wystąpienie podejmuje trzy kwestie. Po pierwsze, jak konkretnie wykorzystać AI w dydaktyce językowej i prowadzeniu szkoły językowej - nie jako ciekawostkę, lecz jako realne narzędzie pracy. Po drugie, jakie kompetencje związane z AI powinni rozwijać zarówno nauczyciele, jak i uczniowie, jak i właściciele szkół by nie zostać biernymi konsumentami technologii. Po trzecie, jak branża edukacji językowej może się przygotować na zmiany, które nadchodzą szybciej niż większość prognoz zakładała.
Perspektywa prezentacji jest praktyczna i oparta na aktualnych danych empirycznych, ale nie unika pytań trudnych: o jakość, o etykę i o to, czego AI w nauczaniu języków zrobić nie potrafi.