Izvještaj s NECE Lab on AI and the Future of Historical Learning

Kako poučavati povijest u trenutku kada umjetna inteligencija može stvarati uvjerljive tekstove, slike, animacije i povijesne persone, a pritom prikriti podrijetlo podataka, izostaviti važne činjenice ili reproducirati kulturne i političke pristranosti? To je pitanje povezalo istraživače, nastavnike, muzejske i memorijalne stručnjake te predstavnike organizacija civilnog društva iz petnaest europskih zemalja na NECE Labu održanom od 16. do 18. rujna 2026. u Salzburgu. Kao istraživač budućnosti poučavanja povijesti Hrvatsku je predstavljao Miljenko Hajdarović (Platforma Klio).

Trodnevni program bio je organiziran u tri tematske cjeline: susret s umjetnom inteligencijom, povijesna svijest umjetne inteligencije te AI kao mjesto etičkog i moralnog sukoba. Predavanja su se izmjenjivala s radom u skupinama, analizom konkretnih alata i završnim World Caféom. Središnji zaključak nije bio da će tehnologija sama odrediti budućnost povijesnog učenja. Važnije je hoće li učenici i građani razviti znanje potrebno za prepoznavanje načina na koji nastaju povijesne tvrdnje, slike i pripovijesti te hoće li obrazovne ustanove osigurati uvjete za takav rad.

Europski laboratorij povijesnog i građanskog obrazovanja

NECE, odnosno Networking European Civic Education, povezuje stručnjake građanskog obrazovanja i potiče transnacionalnu suradnju. Salzburški Lab organizirali su THE CIVICS Innovation Hub, austrijski program OeAD ERINNERN:AT i Odsjek za povijest Sveučilišta u Salzburgu, uz financijsku potporu njemačke Savezne agencije za građansko obrazovanje. Domaćin je bio Unipark Nonntal Sveučilišta u Salzburgu.

Dekan Martin Knoll u pozdravnom je obraćanju podsjetio da su humanističke znanosti donedavno raspravljale o digitalnim sjenama: o tome kako nedigitalizirani izvori postaju manje vidljivi u istraživanjima te kako dostupnost digitalnih izvora može prenaglasiti povezanost, a potisnuti diskontinuitete. Razvoj generativne umjetne inteligencije dodatno zaoštrava taj problem jer računalni sustavi više ne služe samo pronalaženju podataka, nego proizvode nove prikaze prošlosti.

Anja Ostermann predstavila je djelovanje THE CIVICS Innovation Huba i NECE-a kao europskog prostora povezivanja praktičara i istraživača. Patrick Siegele iz OeAD ERINNERN:AT objasnio je da je Lab zamišljen kao mjesto na kojem će se rasprava o AI-ju spustiti s opće razine na stvarne potrebe škola, muzeja, memorijalnih ustanova i organizacija civilnog društva. Posebnu je važnost pritom imala etička odgovornost prema preživjelima, njihovim obiteljima i zajednicama čija se prošlost digitalno predstavlja.

Novi medij ili novi obrazac sjećanja

Victoria Grace Richardson-Walden sa Sveučilišta u Sussexu, ravnateljica Landecker Digital Memory Laba, otvorila je stručni dio pitanjem uvodi li umjetna inteligencija novu paradigmu u sjećanje i obrazovanje o Holokaustu. Holokaust je opisala kao granični slučaj povijesnog i moralnog razumijevanja: način na koji se nosimo s njegovim prikazivanjem otkriva mnogo o širim pravilima povijesnog istraživanja, poučavanja i komemoracije. Njezina je temeljna poruka bila da AI ne treba promatrati kao jednu tehnologiju ni kao neizbježnu revoluciju. Različiti modeli imaju različite podatke, arhitekture, poslovne interese i načine uporabe. Zato pitanje “što AI čini povijesti” treba zamijeniti preciznijim pitanjima: koji sustav, nad kojim podacima, za koju svrhu i pod čijom odgovornošću? Takva preciznost omogućuje izlazak iz podjele na tehnološki optimizam i katastrofične prognoze.

Na primjeru vlastitog AI-generiranog portreta pokazala je kako model istodobno reproducira rodne stereotipe, pojednostavljenu predodžbu arhiva i hijerarhiju institucija koje smatra autoritativnima za sjećanje na Holokaust. Kada sustav spaja arhivske fotografije, institucionalne izvore i generirani sadržaj u jedinstvenu sliku, brišu se razlike između izvora, interpretacije i vizualnog pastiša. Problem stoga nije samo u tome je li prikaz činjenično pogrešan, nego i u tome što korisnik često ne vidi proces odabira i konstrukcije.

Upozorila je i na ograničenja pristupa koji AI-generirane prikaze jednostavno suprotstavlja autentičnim povijesnim fotografijama. Ni fotografija nije neutralan prozor u prošlost: mnoge fotografije Holokausta snimili su počinitelji, a njihov smisao ovisi o kontekstu, izboru i načinu prikazivanja. Obrazovni odgovor zato ne bi smio stati na označavanju lažnog sadržaja. Učenike treba učiti kako se svaki povijesni prikaz proizvodi, tko mu daje autoritet i koje su perspektive iz njega izostavljene.

Za muzeje, memorijalne ustanove i nastavnike iz toga proizlazi praktična obveza transparentnosti. Potrebno je objasniti podrijetlo građe, dokumentirati odluke donesene pri digitalnoj obradi te uključiti korisnike u razgovor o izboru i konstrukciji. Povjerenje se ne gradi tvrdnjom da je ustanova nepogrešiva, nego pokazivanjem kako je do određene interpretacije došla.

Povijest komunizma između škole sjećanja i političkog pritiska

Denitsa Vidolova iz Sofia Platform Foundation govorila je o potrebama povijesnog i građanskog obrazovanja u kontekstu kulture sjećanja. Polazište joj je bilo bugarsko iskustvo i projekt Histories from Belene, posvećen najvećem i najdugovječnijem logoru za prisilni rad iz komunističkog razdoblja u Bugarskoj. Belene je mjesto snažnih kontrasta: arheološka baština, prirodni rezervat, nedovršeni projekt nuklearne elektrane i prostor političke represije nalaze se na istom području.

Vidolova je izdvojila tri problema. Povijesno i građansko obrazovanje zauzimaju rubno mjesto u formalnom sustavu. Politička polarizacija izravno utječe na kurikulum, udžbenike i pristup školama. Istodobno nedostaje i fizička i pedagoška infrastruktura za suvremenu kulturu sjećanja. Povijest komunističkog razdoblja u bugarski je kurikulum sustavnije uključena tek od školske godine 2019./2020., dok se građanski odgoj kao zaseban predmet izvodi tek u posljednja dva razreda srednje škole, kada učenici već imaju druge ispitne prioritete. Projekt u Beleneu bilježi svjedočanstva preživjelih i razvija digitalne razgovore, obrazovne materijale, seminare i ljetne škole. Hitnost toga rada pokazuje podatak iz izlaganja: od šestero preživjelih čija su svjedočanstva snimljena od početka projekta 2022. godine, u vrijeme Laba živ je bio samo jedan. Digitalni formati mogu pomoći očuvanju glasova svjedoka, ali ne mogu sami nadomjestiti povijesni kontekst, susret s mjestom i stručno vođenu raspravu.

Trećega dana Vidolova je predstavila i praktičan rad na realističnim filmskim animacijama/simulacijama prošlosti. Taj je primjer otvorio pitanje kako privući mlade vizualnim formatima, a da se ne zamagli granica između dokumenta i rekonstrukcije. U takvom radu presudni su jasno označavanje, objašnjenje načina nastanka, kontrola povijesnog sadržaja i mogućnost da korisnik razlikuje zabilježeno svjedočanstvo od naknadno proizvedene vizualizacije.

Kako veliki jezični modeli stvaraju odgovor

Claudia Müller-Birn sa Slobodnog sveučilišta u Berlinu objasnila je funkcioniranje velikih jezičnih modela bez mistificiranja njihove “inteligencije”. Tekst se dijeli na tokene, tokeni se pretvaraju u numeričke prikaze, a mehanizam pažnje procjenjuje odnose među njima. Sustav zatim računa vjerojatne nastavke. Izbor nije uvijek riječ s najvećom vjerojatnošću, zbog čega isti upit može proizvesti različite odgovore. Važan dio izlaganja odnosio se na razliku između skrivenih računskih procesa modela i objašnjenja koje model naknadno daje korisniku. Istraživanja interpretabilnosti pokazuju da model ponekad unaprijed usmjeri nastavak prema određenom završetku te zatim gradi tekst prema njemu. Kada ga se pita kako je došao do odgovora, može proizvesti uvjerljivo, ali netočno objašnjenje vlastitog postupka. Prikazani lanac razmišljanja zato ne treba poistovjetiti sa stvarnim unutarnjim procesom.

Müller-Birn navela je nekoliko nalaza važnih za obrazovanje. Topliji i emocionalno prilagođen ton može povećati sklonost modela da se složi s korisnikom, čak i kada korisnik iznosi netočnu tvrdnju. Kvaliteta AI-povratne informacije ovisi o kvaliteti učenikova početnog zaključivanja, pa opća obuka iz promptanja ne uklanja razlike između učenika. Odgovori o spornim povijesnim prvenstvima mijenjaju se s jezikom upita, a sažimanje svjedočanstava može izostaviti upravo one proturječne ili bolne pojedinosti koje su povijesno najvažnije. Njezine preporuke bile su operativne:

• raditi s vlastitim provjerenim izvorima,
• tražiti sljedive izvore za činjenične tvrdnje,
• složene zadatke rastaviti na manje korake,
• upite formulirati neutralno i
• izrijekom dopustiti modelu da odgovori kako nešto ne zna.

AI može biti koristan kritički sugovornik, ali njegov odgovor treba provjeravati, a ne prihvaćati na temelju tečnosti i samouvjerenog tona.

Metakognicija kao uvjet povijesnog mišljenja

Christoph Kühberger sa Sveučilišta u Salzburgu povezao je umjetnu inteligenciju s metakognicijom i disciplinarnim povijesnim mišljenjem. Njegova središnja teza glasi da povijesno mišljenje u doba AI-ja zahtijeva sposobnost kritičkog ispitivanja tuđih konstrukcija povijesti i promišljanja vlastitog postupka. Metakognicija obuhvaća praćenje, procjenjivanje i reguliranje vlastitoga mišljenja i učenja. AI nije stvorio potrebu za metakognicijom, nego je razotkrio koliko je ona u nastavi povijesti zanemarena. Što su generirani odgovori uvjerljiviji, to učenik mora jasnije znati što čini kada analizira izvor, uspoređuje perspektive, procjenjuje tvrdnju ili gradi povijesnu pripovijest. Bez tog proceduralnog i epistemološkog znanja rad s AI-jem lako se svodi na površno promptanje.

Kühberger je razlikovao znanje o vlastitom povijesnom znanju, znanje o izvođenju povijesnog mišljenja i svijest o granicama vlastitih kompetencija. Učenik bi trebao moći objasniti odakle dolazi njegovo znanje, koje su perspektive u njega ugrađene, koliko je pouzdano i pod kojim ga je uvjetima spreman izmijeniti. Jednako je važno znati odabrati metodu analize, potkrijepiti tvrdnju dokazima i prepoznati kada vlastito znanje nije dovoljno za uravnoteženu interpretaciju.

Kao primjer metakognitivnog prijenosa naveo je povezivanje analize rekonstrukcijskog crteža prapovijesti s kasnijom analizom povijesnog filma. Učenici ne usvajaju samo postupak za jedan zadatak, nego prepoznaju da je svaki prikaz prošlosti konstrukcija. U radu s AI-jem nastavnik zato ostaje ključan: usmjerava pažnju, potiče učenika da verbalizira postupak, zaustavlja prebrz zaključak i pomaže mu procijeniti vlastiti rezultat.

Kakvu prošlost zamišljaju generatori slika

Heinrich Ammerer sa Sveučilišta u Salzburgu predstavio je istraživanje povijesne svijesti u AI-generiranim slikama. Pomoću pet tada vodećih sustava, među njima Midjourneyja, Stable Diffusiona, Fluxa, DALL-E-ja i Leonardo Phoenixa, izradio je nešto više od tisuću slika na temelju osam skupina upita. Analiza je obuhvatila 99 kategorija i 389 potkategorija, uz provjeru međukoderske pouzdanosti na deset posto uzorka. Modeli su slabo rješavali zadatke koji su zahtijevali prepoznavanje povijesne važnosti. U približno tri četvrtine slučajeva prikazani događaj ili osoba bili su previše općeniti da bi ih se moglo identificirati. Među prikazanim osobama 91 posto bilo je bijelo, a 83 posto muško. Prevladavali su Europa i Sjedinjene Američke Države, dok su Azija, Afrika i islamski svijet gotovo izostali. Povijesna važnost često je vizualizirana ratom, požarima, nemirima i drugim dramatičnim prizorima. Pri stvaranju općih prizora određenog razdoblja modeli su bili uvjerljiviji, ali su se oslanjali na prepoznatljive stereotipe. Srednji vijek povezivali su s dugim haljinama, kamenim ili drvenim građevinama i sajmovima, a 20. stoljeće s urbanim američkim prizorima, automobilima, oglasima i zalogajnicama. U usporedbi života u Istočnoj i Zapadnoj Njemačkoj razlike su često bile nejasne ili karikirane u sliku zapadne utopije i istočne distopije. Junak se gotovo redovito pojavljivao kao bijeli muški ratnik, uz oružje, plašt i solarne simbole.

Za nastavu povijesti takvi rezultati nude dva smjera rada. Generirane slike mogu se analizirati kao reprezentacije koje otkrivaju kulturne obrasce, pristranosti i ograničenja modela. Mogu se i namjerno proizvoditi kao materijal za usporedbu perspektiva, primjerice kako bi učenici raspravljali o tome što se mijenja kada se isti događaj prikazuje iz perspektive različitih skupina. Ammerer je ipak naglasio da rezultati ovise o generaciji modela. Na pitanje autora ovog izvještaja planira li istraživanje ponoviti s novijim modelima odgovorio je da bi vremenska usporedba razvoja bila vrlo vrijedna.

Podaci pristranost i moć platformi

Mykola Makhortykh sa Sveučilišta u Bernu premjestio je pozornost s vidljivog odgovora na sustav koji ga proizvodi. Na rezultate utječu izvori uključeni u skupove za učenje, odluke o čišćenju podataka, arhitektura modela, način implementacije i ponašanje korisnika. Poseban je problem što istraživači uglavnom nemaju potpuni uvid u sastav komercijalnih skupova podataka.

U povijesti i kulturi sjećanja pristranost nije uvijek moguće definirati kao jednostavno odstupanje od jednoga točnog odgovora. Ako tražilica na upit o koncentracijskom logoru prikazuje većinom slike nekoliko najpoznatijih mjesta, treba li pravedniji rezultat odražavati stvarnu zastupljenost sačuvanih fotografija, povijesni značaj pojedinog logora ili ravnomjerniju vidljivost većeg broja mjesta? Slično pitanje nastaje kada Yandex prikazuje heroje, žrtve i ratne zločince u sukobima u kojima je sudjelovala Rusija. Odgovor ovisi o tome kako se definira poželjna reprezentacija prošlosti. Uobičajeni postupci obrade podataka uklanjaju osjetljive podatke, štetan sadržaj, gramatički slab tekst ili tehnički šum, a često daju prednost sadržajima iz područja STEM-a. Takvi filtri ne rješavaju povijesne prijepore, sukobljene interpretacije ni neravnomjernu vidljivost zajednica. Tehnički kvalitetan korpus zato može i dalje biti povijesno uzak.

Makhortykh je naglasio da generativni AI mijenja informacijski ekosustav zato što korisnik više ne čita samo gotov rezultat, nego vodi razgovor, postavlja dodatna pitanja i dobiva personalizirani prikaz. Buduća istraživanja moraju ispitati koje povijesne podatke modeli koriste, kako njihovu pristranost uopće operacionalizirati, koje arhitekture odgovaraju potrebama povijesnog obrazovanja te povećava li razgovor s AI-jem povjerenje u povijesne informacije ili ga slabi. U raspravi je dodao da mogućnost odgovornijeg razvoja ovisi i o resursima: kvalitetno testiranje, prilagodba modela i dugoročno održavanje zahtijevaju vrijeme, stručnjake i novac koje manje ustanove često nemaju.

Animiranje povijesnih fotografija i digitalna rekonstrukcija

Robert Breber iz produkcijske kuće Cuts & Mouse predstavio je postupak animiranja povijesnih fotografija za dokumentarni film. Rad je počinjao restauriranjem i povećavanjem izvorne fotografije te prilagodbom formata. Zatim su korišteni različiti video-modeli, među njima Runway i Kling, kako bi se proizveo velik broj varijanti. Većina rezultata bila je neupotrebljiva, pa je odabir prihvatljivih kratkih isječaka ostao ljudski i izrazito iterativan posao. U završnoj obradi korigirane su boje, smanjen broj sličica u sekundi te su dodani zrnatost, ogrebotine i zamućenje kako bi se generirani pokret vizualno povezao s izvornim snimkama. Autori su taj postupak nazvali digitalnom rekonstrukcijom jer je polazište bila stvarna fotografija, dok je pokret generiran. Upravo taj naziv pokazuje etičku napetost: gledatelj može doživjeti pokret kao dokument događaja premda on nikada nije snimljen.

Produkcija je nastala prije donošenja novih pravila austrijske javne televizije ORF. Generirani sadržaj tada je bio naveden samo u odjavnoj špici, dok novije smjernice zahtijevaju vidljivu oznaku u kutu slike. Usporedba s modelima dostupnima 2026. pokazala je naglo poboljšanje brzine i uvjerljivosti, uključujući automatski generiran govor. Time potreba za jasnim označavanjem postaje još važnija.

Razgovor s povijesnim pristašama nacizma

Robert Schäfer i Nicolas Python predstavili su prototip Talk to a Nazi, razgovorni alat utemeljen na zbirci autobiografskih pisama ranih članova Nacionalsocijalističke njemačke radničke stranke. Pisma su prikupljena 1934. u natječaju koji je sociolog Theodore Fred Abel organizirao u suradnji s NSDAP-om. Digitalizirani Abel Papers danas se čuvaju u Hoover Institution Library and Archives. Za prototip je odabrano petnaest osoba koje predstavljaju različite profile. Korisnik može odabrati osobu i pitati je za razloge pristupanja stranci, obiteljsko podrijetlo ili iskustva Prvoga svjetskog rata i poraća. Sustav pretražuje odabrani skup izvora i oblikuje odgovor iz perspektive te osobe. Uz personu djeluje zaseban “edukator” koji odgovor smješta u povijesni i znanstveni kontekst. Autori su posebno naglasili važnost tog drugog glasa jer neposredna simulacija nacističkog govora može biti uznemirujuća, manipulativna ili privlačna korisnicima koji već simpatiziraju tu ideologiju. Tehnički se alat oslanja na semantičko pretraživanje vektorske baze i dohvaćanje unaprijed odabranih ulomaka prije nego što jezični model oblikuje odgovor. Time se smanjuje prostor za izmišljanje, ali tvrdnja da sustav “ne halucinira” ipak zahtijeva oprez: svaki generirani odgovor uključuje izbor ulomaka, njihovo povezivanje i jezično oblikovanje. Posebno je osjetljiva funkcija moderniziranja jezika. Ona povijesni tekst približava mladima, ali suvremeni sleng može proizvesti humor, trivijalizaciju ili lažni osjećaj neposrednosti.

Projekt dobro pokazuje da autentična baza podataka sama po sebi ne jamči etički rezultat. Potrebni su jasna ograničenja persone, vidljivost izvora, stručni kontekst, sustavno testiranje i pedagoški scenarij koji određuje zašto učenik razgovara s takvom personom i što nakon razgovora treba analizirati. Predstavljeni projekt je izazvao važnu raspravu o pitanju humanizacije nacista kojima se daje prilika da “objasne svoje postupke”.

Radionice i World Café

Između plenarnih predavanja sudionici su radili u skupinama usmjerenima na škole, muzeje i memorijalne ustanove te rad u zajednici. Takva podjela omogućila je da se isti problem promatra u različitim institucionalnim uvjetima: škola ima kurikulum i vrednovanje, muzej zbirku i javnu odgovornost, a organizacija civilnog društva često veću fleksibilnost, ali manje resursa i slabiji pristup formalnom sustavu.

Završni World Café okupio je perspektive obrazovanja, etike, povijesne teorije i medija. Rotacija sudionika među stolovima (i facilitatorima) potaknula je razmjenu iskustava između profesija i država. Metoda je bila primjerena istraživačkom laboratoriju jer je omogućila brzo povezivanje ideja i prepoznavanje zajedničkih problema. Njezin je nedostatak bio ograničena priprema pisanih priloga i kratko vrijeme za njihovo oblikovanje. Uz približno četrdeset stručnjaka iz petnaest zemalja, unaprijed zadana pitanja, individualna priprema prije susreta i sustavna završna sinteza mogli su proizvesti znatno bogatiji kvalitativni rezultat koji bi ostao upotrebljiv i nakon Laba.

Što iz Salzburga može ponijeti u nastavu povijesti

Predavanja nisu ponudila jedinstveni recept, ali su se višestruko susrela u nekoliko tvrdnji. AI-generirani sadržaj treba promatrati kao povijesnu reprezentaciju, a ne kao neutralan prijenos činjenica. Provjera pojedinačne tvrdnje ostaje nužna, ali nije dovoljna: učenici moraju razumjeti odabir podataka, konstrukciju narativa, ulogu platforme i položaj vlastitog znanja. Za nastavu povijesti to znači veći naglasak na proceduralnom znanju. Učenik treba znati kako postaviti povijesno pitanje, procijeniti izvor, razlikovati dokaz od interpretacije, usporediti perspektive i objasniti stupanj vlastite sigurnosti. Metakognicija povezuje te radnje jer traži da učenik prati i obrazlaže vlastiti postupak. U tom smislu AI ne umanjuje važnost povijesnog mišljenja. On čini njegove nedostatke vidljivijima.

Druga zajednička poruka odnosi se na transparentnost. Kada se povijesna fotografija animira, svjedočanstvo sažima ili povijesna osoba pretvara u razgovornu personu, korisnik mora znati što je izvor, što je naknadna obrada, a što generirani dodatak. Oznaka AI-sadržaja jest početak, ali nije zamjena za opis postupka i obrazovnu analizu.

Treća je poruka institucionalna. Odgovorna uporaba zahtijeva vrijeme, stručnost, testiranje i održavanje. Škole, muzeji i manje organizacije ne mogu same nadzirati komercijalne modele ni financirati vlastitu infrastrukturu. Potrebne su suradničke mreže, otvoreni izvori, zajednički kriteriji evaluacije i jasnija javna pravila. Upravo je u tome vrijednost NECE Laba: povezao je tehničko razumijevanje s povijesnom epistemologijom, obrazovnom praksom i etikom sjećanja.

Salzburški susret pokazao je da se budućnost povijesnog učenja neće odlučivati samo u kvaliteti novih modela. Odlučivat će se i u kurikulumima, učionicama, arhivima, muzejima, memorijalnim ustanovama i pravilima prema kojima se generirani sadržaj označava i objašnjava. Najvažnija obrazovna zadaća nije naučiti učenike da dobiju što uvjerljiviji odgovor, nego da mogu rekonstruirati put od izvora do tvrdnje, prepoznati granice vlastitog znanja i odgovorno procijeniti posljedice određene interpretacije prošlosti.

Kako citirati ovaj članak

Hrvatski povijesni portal · ISSN 1846-4432

Odaberite stil citiranjaAPA 7Chicago 18 (bilješke i bibliografija)HRN ISO 690:2022 (mrežni zapis)

Hajdarović, M. (2026, 19. rujna). Izvještaj s NECE Lab on AI and the Future of Historical Learning. Hrvatski povijesni portal. https://povijest.net/hpp/2026/izvjestaj-s-nece-lab-on-ai-and-the-future-of-historical-learning/

Kopiraj citat