AI a mikrokvalifikace: pružná taxonomie místo Blooma

Mikrokvalifikace (microcredentials) se v posledních letech rozjely rychleji, než stihly školy a firmy sjednotit slovník. Výsledek? Dva odznaky se stejným názvem mohou znamenat úplně jinou úroveň dovednosti, a naopak velmi hodnotné učení může vypadat „jen“ jako účastnická placka. V praxi to brzdí důvěru zaměstnavatelů, mate studenty a komplikuje uznávání napříč institucemi.

Nejčastější reakce bývá sáhnout po osvědčené hierarchii – typicky Bloomova taxonomie (případně doplněná o model rozvoje dovednosti). Jenže mikrokvalifikace nejsou semestr. Jsou krátké, modulární, často nelineární a postavené na tom, že člověk roste po krocích, které se nedají seřadit do jedné „správné“ posloupnosti. Přesně tady dává smysl radikálně praktičtější přístup: radiální taxonomie mikrokvalifikací – a navíc s přirozeným napojením na AI ve vzdělávání a rozvoji dovedností.

Proč hierarchie (často) nefunguje pro mikrokvalifikace

Mikrokvalifikace potřebují popsat dva různé rozměry: co se člověk naučil a jak hluboce. Hierarchické modely (jako Bloom) jsou skvělé pro návrh kurzu, kde postupujete od základů k náročnějším kognitivním operacím. Pro odznaky, které vznikají v učebně, praxi, dobrovolnictví, projektech, stáži nebo interním školení, je to ale často svěrací kazajka.

V reálném světě vznikají tři typické problémy:

• Přecenění kognitivního výkonu: „vyšší“ úrovně obvykle znamenají analytické a tvůrčí myšlení. Jenže mikrokvalifikace mají často zachytit i spolupráci, sebereflexi, motivaci nebo profesní identitu.
• Zploštění různých zkušeností: Projektové učení, mentoring, leadership v studentském spolku nebo praxe v nemocnici se těžko mačká do stejného žebříčku jako test znalostí.
• Nejasná komunikace ven: Zaměstnavatel nechce hádat, co znamená „Badge Level II“. Chce rychle pochopit: jaký typ učení a na jaké úrovni prokázání.

Mikrokvalifikace mají potenciál být „malé, ale ostré“. Jen jim musíme dát jazyk, který je přesný a férový.

Radiální taxonomie: 6 domén učení × 3 úrovně hloubky

Radiální taxonomie stojí na jednoduché myšlence: domény učení nejsou nad sebou, ale vedle sebe. Každá je hodnotná sama o sobě a teprve jejich propojení dává celkový obrázek.

Místo jedné osy „od zapamatování k tvorbě“ pracuje model se dvěma vrstvami:

1. Doména významného učení (co se změnilo)

• Znalosti (Foundational Knowledge): porozumění pojmům, principům, systémům.
• Aplikace (Application): použití v praxi – kritické, kreativní, technické úlohy.
• Integrace (Integration): propojení napříč předměty, zkušenostmi a kontexty.
• Relační rozměr (Human Dimension): já–druzí, spolupráce, dopad na tým, empatie.
• Závazek / hodnoty (Caring): motivace, postoje, odpovědnost, dlouhodobé cíle.
• Metaučení (Learning How to Learn): strategie učení, seberegulace, reflexe.

1. Hloubka prokázání (jak hluboko to umím doložit)

• Seznámení (Exposure): umím popsat/ukázat se podporou, v bezpečném kontextu.
• Samostatná způsobilost (Proficiency): zvládám sám v běžně složitých situacích.
• Mistrovství (Mastery): umím přenášet do nových kontextů, adaptovat, učit ostatní.

Tohle je praktické. Každá mikrokvalifikace je pak čitelná jako souřadnice: doména + úroveň. Například „Aplikace – Samostatná způsobilost“ nebo „Metaučení – Mistrovství“.

Mikrokvalifikace má být popis dovednosti, ne hádanka.

Konkrétní příklad z praxe (nejen „pečení dortu“)

Představte si interní program pro učitele: „Tvorba zadání, které rozvíjí kritické myšlení“.

• Znalosti – Seznámení: učitel vysvětlí rozdíl mezi uzavřenou a otevřenou úlohou a popíše kritéria kvalitního zadání.
• Aplikace – Způsobilost: učitel samostatně navrhne 3 zadání, otestuje je ve třídě a doloží ukázky žákovských výstupů.
• Integrace – Způsobilost: učitel propojí zadání s cíli ŠVP, hodnocením a digitálními nástroji (např. rubriky, portfolio).
• Metaučení – Mistrovství: učitel vede kolegy, vytváří knihovnu příkladů, reflektuje, co funguje pro různé skupiny žáků.

Tahle granularita je přesně to, co v mikrokvalifikacích chybí, když zůstaneme jen u jedné vertikální škály.

Kde do toho zapadá AI: personalizace, validace a „živá“ taxonomie

AI ve vzdělávání a rozvoji dovedností je nejsilnější tehdy, když má kvalitní strukturu dat. Radiální taxonomie je právě taková struktura: domény i hloubka vytvářejí metadatový rámec, který lze automatizovat, vyhodnocovat a doporučovat.

1) AI jako navigace: personalizované učební cesty

Jakmile jsou odznaky popsané jednotně (doména + úroveň + důkazy), může AI dělat užitečné věci bez „kouzel“:

• doporučit další mikrokvalifikace podle cíle (např. „chci být junior data analytik“),
• ukázat mezery (např. silná Aplikace, slabá Integrace a Metaučení),
• navrhnout nelineární cestu (někdo potřebuje nejdřív relační kompetence pro týmovou práci, jiný technickou aplikaci).

Důležité: personalizace není jen o tempu. Je i o tom, který typ učení člověk potřebuje.

2) AI jako pomocník hodnotitele: rychlejší a férovější posuzování důkazů

Mikrokvalifikace stojí na důkazech (artefakty, videa, reflexe, projektové výstupy). AI může:

• předtřídit artefakty podle rubriky,
• zkontrolovat formální náležitosti portfolia,
• zvýraznit pasáže v reflexi, které odpovídají kritériím (např. metakognitivní strategie),
• porovnat výkon s ukázkovými úrovněmi.

Rozhodnutí má zůstat na člověku. Ale AI umí ubrat rutinu, sjednotit postup a zkrátit čekání.

3) AI jako „údržba“ taxonomie: když se dovednosti mění rychle

V prosinci 2025 je to vidět zejména u AI gramotnosti: to, co bylo „pokročilé“ loni, je dnes běžná součást práce. Taxonomie mikrokvalifikací musí jít aktualizovat bez přepisování celého systému. Radiální model je flexibilní – domény zůstávají, mění se obsah a příklady důkazů.

AI tady pomůže analyzovat:

• jaké dovednosti se nejčastěji objevují v portfoliích,
• které odznaky jsou „slepá větev“ (nikdo na ně nenavazuje),
• kde hodnotitelé nejvíc nesouhlasí (signál pro úpravu rubrik).

Jak navrhovat mikrokvalifikace, aby jim lidé věřili

Důvěryhodnost mikrokvalifikace je kombinace názvu, metadat a důkazů. Pokud chcete systém, který obstojí u studentů i zaměstnavatelů, držel bych se těchto pravidel.

1) Pojmenování podle souřadnic

Vyhněte se interním „tierům“. Název by měl nést význam:

• Doména + téma + úroveň hloubky
• Příklad: „Integrace: Data v oboru (Způsobilost)“

2) Důkaz je povinný, ale má být přiměřený

Každá úroveň hloubky by měla mít jasně definované minimální důkazy:

• Seznámení: krátká demonstrace, mini-test, komentované cvičení.
• Způsobilost: projekt v reálném kontextu, opakované použití, práce bez podpory.
• Mistrovství: přenos do nového kontextu, mentoring, návrh standardu/postupu.

3) Rubrika jako společný jazyk (a trénink hodnotitelů)

Nejslabším místem je nekonzistentní posuzování. Řešení:

• krátké rubriky (4–6 kritérií),
• ukázkové artefakty pro každou úroveň,
• kalibrační setkání hodnotitelů jednou za období.

4) Myslete na „měkké“ domény stejně vážně

Relační kompetence, závazek a metaučení bývají první na řadě k vynechání, protože se hůř měří. Jenže zaměstnavatelé je ve skutečnosti řeší pořád. Radiální model je dobrý v tom, že jim dává místo, aniž by se tvářily jako „nižší“.

Tři typy odznaků, které se do mřížky nevejdou (a přesto dávají smysl)

Vedle 18 kombinací (6 domén × 3 úrovně) stojí ještě tři praktické typy mikrokvalifikací:

• Za účast (engagement): potvrzení zapojení. Neznehodnocujte je, jen je jasně oddělte od prokazované kompetence.
• Meta-mikrokvalifikace: „balíček“ více odznaků do jedné cesty (např. onboarding, specializace, minor).
• Holistická mikrokvalifikace: uznání rozvoje napříč všemi doménami (obsah, praxe, vztahy, hodnoty, reflexe).

V českém prostředí tohle výborně sedí třeba na kombinaci: odborný projekt + praxe + portfolio + reflexe + týmová spolupráce.

Co udělat příští týden: rychlý audit vaší současné taxonomie

Pokud už mikrokvalifikace máte (nebo je plánujete), udělejte krátký audit. Zabere 60–90 minut a často odhalí největší slabiny.

1. Vypište 10 nejpoužívanějších odznaků a zkuste u každého určit doménu a úroveň hloubky.
2. Najděte tři odznaky, které nejdou zařadit. Proč? Chybí doména, nebo jsou smíchané dvě věci do jednoho?
3. Zkontrolujte důkazy: uměl by nezávislý člověk poznat rozdíl mezi „seznámení“ a „způsobilost“?
4. Propojte to s AI personalizací: které metadata vám dnes chybí, aby doporučení dalších kroků dávalo smysl?

Jestli vám v auditu vyjde, že hodně odznaků jsou „Tier II“ bez jasných důkazů, není to ostuda. Je to běžné. A je to opravitelné.

Kam to celé míří v roce 2026: odznaky jako mapy, ne nálepky

Mikrokvalifikace budou v příštích 12 měsících dál růst hlavně tam, kde se potkává AI, rekvalifikace a tlak na prokazatelné dovednosti. Školy i firmy ale narazí na stejný limit: bez dobré taxonomie nebude důvěra, srovnatelnost ani personalizace.

Radiální taxonomie je v tomhle směru pragmatická. Neříká „takhle se musí učit každý“. Říká: pojďme férově popsat, co přesně se člověk naučil – a jak hluboko to prokázal. A teprve pak má AI šanci stavět nad tím personalizované cesty, doporučení a rychlejší ověřování.

Pokud je vaše ambice získávat leady přes téma umělá inteligence ve vzdělávání a rozvoji dovedností, tohle je silný vstupní bod: lidé nehledají další odznaky. Hledají systém, kterému budou věřit. Jaký první odznak byste u vás přepsali do formátu doména × hloubka tak, aby mu porozuměl i někdo mimo vaši instituci?