Recenzja kursu Anthropic „AI Fluency for Students” – czy przyda się przy pisaniu pracy licencjackiej lub magisterskiej?

Anthropic już kilka miesięcy temu udostępniło darmowy kurs dla studentów. Ta sama firma, która stworzyła Claude’a. I nie chodzi w nim o to, że AI Cię teraz zastąpi, ani jak pisać lepsze prompty. Kurs uczy czegoś znacznie trudniejszego, czyli jak myśleć z AI, a nie zamiast siebie. Dla studenta w trakcie pisania pracy licencjackiej lub magisterskiej to różnica, która może zaważyć nie tylko na ocenie, ale i na tym, czy faktycznie wyniesie coś ze studiów.

Sprawdziłam kurs od początku do końca. Oto co w nim działa, czego brakuje i osobna, szczera ocena: czy kurs Anthropic faktycznie przyda się polskim studentom przy pisaniu pracy licencjackiej lub dyplomowej?

Czym jest kurs i dla kogo jest zrobiony?

Kurs nosi tytuł „AI Fluency for Students” i jest dostępny bezpłatnie na Anthropic Academy pod adresem: anthropic.skilljar.com/ai-fluency-for-students. Prowadzą go troje autorów: Zoe, Maggie Vo i Alex Albert. Składa się z 6 lekcji zgrupowanych w 3 sekcje:

 

 

Sekcja 1 — Introduction and AI Fluency Framework

• Welcome to AI Fluency for students
• AI Fluency Framework

Sekcja 2 — AI Fluency Framework applications for students

• AI as a learning partner
• AI in career planning

Sekcja 3 — Conclusion & certificate

• Being the human in the loop
• Certificate of completion

Kurs jest po angielsku, całość zajmuje ok. 40–50 minut wideo. Format: lekkie video edukacyjne, bardziej w stylu YouTube niż Coursera. Bez polskiej wersji językowej — o tym więcej w sekcji wad.

Ważna informacja praktyczna: żeby oficjalnie ukończyć kurs i otrzymać certyfikat, trzeba zdać krótki test końcowy składający się z 8 pytań — jest on częścią ostatniej lekcji „Certificate of completion”. Po jego zaliczeniu na podany adres e-mail przychodzi wiadomość z linkiem do imiennego certyfikatu ukończenia, wydawanego przez Anthropic Academy we współpracy z kilkoma uczelniami partnerskimi. Certyfikat można pobrać i udostępniać — np. na LinkedIn.

Framework 4D — rdzeń kursu

Cały kurs opiera się na jednej głównej idei: biegłość z AI to cztery kompetencje, które razem tworzą spójny system pracy z narzędziami opartymi na sztucznej inteligencji.

Delegation (delegowanie) — zanim otworzysz ChatGPT czy Claude’a, zadaj pytanie: co ty masz zrobić, a co może zrobić AI? Kurs wyróżnia trzy poziomy: świadomość problemu (co chcesz osiągnąć), świadomość platformy (które narzędzie pasuje) i konkretny podział zadań.

Description (opis) — jak rozmawiasz z AI. Autorzy przekonują, że to nie „sprytne prompty”, tylko rozmowa z partnerem: co chcesz uzyskać, jak AI ma do tego podejść, jaka ma być jego rola.

Discernment (ocena) — krytyczna ewaluacja wyników. Czy informacja jest dokładna? Czy logika jest spójna? I pytanie rzadziej zadawane: czy AI zaproponowało coś, czego sam byś nie wymyślił?

Diligence (rzetelność) — odpowiedzialność za to, co tworzysz. Przejrzystość wobec wykładowcy, weryfikacja treści, świadome korzystanie z właściwych narzędzi.

Kluczowa filozofia, na której opiera się cały framework, została przez autorów kursu sformułowana wprost: „nie chcemy, żeby AI robiło pracę za nas — chcemy, żeby AI pomagało nam robić naszą pracę lepiej” [tłum. własne]. To zdanie brzmi prosto, ale w praktyce zmienia wszystko: sposób, w jaki zadajesz pytania, co akceptujesz jako wynik i za co bierzesz odpowiedzialność.

Tip: Framework 4D dobrze nakłada się na kolejne etapy pisania pracy dyplomowej. Delegowanie — to decyzja, które rozdziały wymagają Twojego głębokiego myślenia. Opis — precyzyjne instrukcje przy generowaniu np. konspektu pracy licencjackiej lub tabel. Ocena — weryfikacja każdego cytatu i twierdzenia. Rzetelność — transparentność wobec promotora.

 

 

---

Do czego Claude i inne narzędzia AI mogą służyć studentom — według kursu Anthropic?

Kurs nie reklamuje żadnego konkretnego narzędzia z nazwy — ale ponieważ pochodzi od Anthropic, twórców Claude’a, naturalne jest, że opisywane zastosowania idealnie odpowiadają temu, do czego Claude jest zaprojektowany. Co ważne: autorzy nie mówią „użyj AI, żeby skończyć zadanie szybciej”. Mówią coś innego — użyj AI tak, żeby Twoje myślenie stało się lepsze. Poniżej najważniejsze zastosowania, które wynikają wprost z kursu.

1. Claude jako partner do burzy mózgów i eksploracji tematu

Zamiast wpisywać temat pracy licencjackiej w wyszukiwarkę i przeglądać przypadkowe artykuły, możesz poprosić Claude’a o zadanie pytań, które pomogą Ci dookreślić, co naprawdę chcesz zbadać. Kurs sugeruje właśnie takie odwrócenie ról: nie „powiedz mi o temacie X”, tylko „zadaj mi pytania, które pomogą mi przemyśleć, jaki aspekt X mnie naprawdę interesuje”. To szczególnie użyteczne na początku pisania pracy licencjackiej, gdy studenci mają mglisty pomysł, ale trudno im go sformułować precyzyjnie.

2. Claude jako tutor — wyjaśnianie pojęć inaczej niż w podręczniku

Kurs wprost zachęca: jeśli coś rozumiesz tylko powierzchownie, poproś AI o inne przykłady, analogie lub uproszczone wyjaśnienie. Jedna z rekomendowanych technik to prośba o wyjaśnienie pojęcia na konkretnym, bliskim Ci przykładzie z życia lub branży. Przy pisaniu pracy magisterskiej bywa to użyteczne przy rozdziałach teoretycznych — Claude może pomóc sprawdzić, czy naprawdę rozumiesz przytaczaną teorię, zanim ją opiszesz.

Tip: Zamiast pytać „wyjaśnij mi teorię X”, spróbuj: „Właśnie przeczytałem o teorii X. Mam wrażenie, że rozumiem ją tak: [Twoje wyjaśnienie]. Czy mam rację? Co pomijam?” — to wymusi aktywne myślenie po Twojej stronie.

3. Claude jako partner do ćwiczenia argumentacji

Jednym z najciekawszych zastosowań opisywanych w kursie jest prośba do AI, by grało adwokata diabła — czyli rzucało kontrargumentami do Twoich tez. Przy pisaniu pracy licencjackiej lub magisterskiej to narzędzie do testowania spójności argumentacji zanim zrobi to promotor lub komisja. Jeśli Claude wskazuje słabe miejsca w Twoim rozumowaniu, to dobry znak — lepiej to wiedzieć na etapie pisania niż podczas obrony.

4. Claude jako nauczyciel — technika odwrócenia ról

Kurs opisuje jedną z najskuteczniejszych metod uczenia się: wytłumacz dany koncept AI tak, jakbyś go uczył. Kiedy „uczysz” Claude’a, natychmiast widzisz, czego nie rozumiesz do końca — bo nie możesz tego wytłumaczyć. To prosta, ale bardzo efektywna technika przygotowania do egzaminu dyplomowego, gdzie student musi samodzielnie obronić każdą tezę przed komisją (Byłeń, s. 114).

5. Claude jako krytyczny redaktor tekstu

To jedno z bezpieczniejszych i najbardziej wartościowych zastosowań przy pisaniu pracy. Nie chodzi o to, żeby Claude poprawiał tekst za Ciebie — chodzi o to, żeby zadawał pytania: „To zdanie jest niejasne — co dokładnie masz na myśli?”, „Brakuje uzasadnienia dla tej tezy”, „Czy ten akapit jest spójny z wcześniejszą częścią?”. Redakcja pracy licencjackiej z AI jako recenzentem — to zastosowanie zgodne i z duchem kursu, i z normami akademickimi.

6. Claude jako narzędzie do planowania kariery

Moduł o karierze opisuje kilka konkretnych zastosowań: research branż i ról zawodowych, identyfikacja luk kompetencyjnych przed złożeniem aplikacji, ćwiczenie odpowiedzi na trudne pytania rekrutacyjne. Kurs podkreśla jednak konsekwentnie — AI może pomóc zebrać informacje i przećwiczyć scenariusze, ale autentyczna wiedza o sobie, swoich wartościach i priorytetach zawodowych musi pochodzić od samego studenta.

7. Claude jako asystent zarządzania procesem uczenia się

Kurs proponuje też bardziej prozaiczne zastosowanie: Claude może pomagać w planowaniu nauki — rozkładaniu materiału na etapy, tworzeniu harmonogramów powtórek, generowaniu zestawów pytań do samosprawdzania. Przy pisaniu pracy dyplomowej, gdzie samodzielne zarządzanie procesem przez wiele miesięcy jest wyzwaniem samym w sobie, takie wsparcie organizacyjne bywa niedoceniane.

Czego kurs wyraźnie zabrania — nawet przy użyciu Claude’a

Autorzy stawiają tu wyraźną granicę: AI robi szkic, Ty wysyłasz. AI może proponować, generować, testować — ale każde słowo, które trafia do finalnej wersji pracy, jest Twoją odpowiedzialnością. Nie tylko ze względu na antyplagiat. Przede wszystkim dlatego, że podczas obrony pracy musisz potrafić wyjaśnić każde zdanie, każdą metodę, każdy wniosek — i żaden AI nie stanie za Ciebie przed komisją.

---

Co kurs robi naprawdę dobrze?

Uczy myśleć, nie klikać

Zdecydowana większość poradników o AI skupia się na konkretnych narzędziach i trikach, które dezaktualizują się przy kolejnym modelu. Kurs Anthropic idzie pod prąd — buduje nawyk refleksji: czego chcę się nauczyć, jak AI może mi w tym pomóc, czy faktycznie się tego uczę?

To szczególnie cenna perspektywa przy pisaniu pracy licencjackiej lub magisterskiej. Jak słusznie wskazuje literatura metodyczna, praca dyplomowa powinna stanowić istotny wkład własnej pracy piszącego, a nie być tylko kompilacją zebranych materiałów źródłowych (Depo, s. 85). AI może ten wkład wspierać i wzmacniać — ale nie może go zastąpić.

Moduł o nauce — najlepszy w kursie

Drugi moduł, poświęcony uczeniu się z AI, jest konkretny i praktyczny. Pada kilka gotowych szablonów do rozmowy z AI:

• „Jestem studentem pierwszego roku, pracuję nad fotosyntezą. Zamiast mi to tłumaczyć, zadaj mi pytania, które pomogą mi przez to przejść.”
• „Właśnie napisałem analizę tego wiersza. Czy możesz zadać mi pytania, które pomogą mi pogłębić moją własną interpretację?”

Każdy przykład pokazuje AI jako trenera, nie jako ściągawkę. To podejście jest szczególnie wartościowe przy przygotowaniu do egzaminu dyplomowego, gdzie komisja ma prawo zadawać dodatkowe pytania wykraczające poza zapisane zestawy (Byłeń, s. 114) — i brak głębokiej wiedzy o treści własnej pracy jest natychmiast widoczny.

Moduł o karierze — zaskakująco uczciwy

Kurs nie obiecuje, że AI napisze za Ciebie CV i dostaniesz pracę marzeń. Mówi wręcz odwrotnie: rekruterzy od razu rozpoznają generyczne treści. Zamiast tego proponuje używanie AI do eksploracji opcji zawodowych, identyfikacji luk kompetencyjnych i ćwiczenia rozmów kwalifikacyjnych — finalne treści i decyzje pozostają po stronie studenta.

---

Gdzie kurs zawodzi?

Brak polskiego kontekstu

Wszystkie przykłady są amerykańskie. Polski student, który pisze pracę licencjacką lub magisterską na polskiej uczelni — gdzie polityka AI bywa niejasna lub nieistnieje — musi samodzielnie przełożyć te wskazówki na swoje realia. To nie jest dyskwalifikujący zarzut, ale warto wiedzieć przed przystąpieniem do kursu.

Etyka akademicka omówiona zbyt ogólnie

Kurs mówi dużo o „przejrzystości” i uczciwości, ale w abstrakcyjny sposób. Tymczasem studenci piszący prace licencjackie i magisterskie w Polsce potrzebują konkretnych odpowiedzi: kiedy oznaczyć użycie AI w przypisach, jak opisać metodologię z użyciem narzędzi generatywnych, co zrobić gdy promotor ma inne oczekiwania niż regulamin uczelni. Kurs tego nie rozstrzyga.

Pasywny format wideo

Ćwiczenia istnieją, ale nie są zintegrowane z materiałem — to raczej lista pytań do refleksji. Samo obejrzenie wideo nie wyrobi nawyków. Wymagana jest aktywna praca własna.

Wyłącznie po angielsku

Kurs nie jest technicznie trudny językowo, ale nie ma polskich napisów ani tłumaczenia. Dla części studentów może to być realna bariera.

---

Jak kurs sprawdzi się przy pisaniu pracy licencjackiej i magisterskiej w Polsce?

To pytanie zasługuje na osobną, szczerą odpowiedź — bo właśnie tutaj kurs ma największy potencjał i jednocześnie największe ograniczenia. Jako osoba, która zajmuje się zawodowo wspieraniem studentów w pisaniu prac licencjackich i magisterskich z użyciem AI, powiem wprost: kurs Anthropic nie nauczy Cię, jak pisać pracę dyplomową z AI. I nie o to w nim chodzi.

Co kurs faktycznie pokazuje — a czego nie

Kurs prezentuje ogólne zasady i filozofię pracy z AI. Framework 4D, koncepcja Human in the Loop, podejście do uczenia się z AI jako partnerem — to wszystko jest przemyślane, wartościowe i na wysokim poziomie merytorycznym. Jeśli dopiero zaczynasz przygodę z narzędziami AI i nie wiesz jeszcze, jak w ogóle do nich podchodzić — ten kurs da Ci solidne fundamenty myślenia.

Natomiast w kursie nie znajdziesz nic konkretnego o pisaniu pracy licencjackiej ani magisterskiej z użyciem AI. Żadnych wskazówek dotyczących struktury rozdziałów, metodologii, formułowania celów badawczych, pracy z literaturą naukową czy specyfiki polskiego systemu akademickiego. Kurs operuje na poziomie ogólnego „jak używać AI mądrze” — i na tym poziomie zatrzymuje się.

To ważne rozróżnienie. Workflow pisania pracy dyplomowej z AI to osobna, złożona kompetencja, która wymaga wiedzy o wymaganiach promotorów, normach akademickich, strukturze pracy naukowej i specyfice poszczególnych kierunków studiów. Niczego z tego kurs nie dotyka.

Czy kurs pomoże mi przy pisaniu pracy licencjackiej lub magisterskiej?

Krótka odpowiedź: nie bezpośrednio.

Kurs jest zbyt ogólny i całkowicie pomija polską specyfikę pisania prac dyplomowych. Nie uwzględnia wymagań stawianych przez polskie uczelnie, różnic między pracą licencjacką a magisterską w polskim systemie, oczekiwań promotorów ani tego, jak wygląda proces dyplomowania w Polsce — od wyboru tematu po obronę.

Kilka przykładów tej przepaści: kurs nie mówi nic o tym, jak AI może pomóc przy pisaniu rozdziału teoretycznego zgodnie z wymogami metodologicznymi (Byłeń, s. 22), jak korzystać z AI przy przeglądzie literatury bez ryzyka pominięcia kluczowych źródeł, ani jak dokumentować użycie AI w sposób akceptowalny przez polskie komisje egzaminacyjne. To są pytania, które zadają studenci — i kurs na żadne z nich nie odpowiada.

Jeśli szukasz konkretnego przewodnika po tym, jak pisać pracę licencjacką lub magisterską z AI — ten kurs nie jest właściwym miejscem. To nie jest jego cel i nie należy go oceniać przez ten pryzmat.

Do kogo kurs naprawdę jest skierowany — i kiedy warto go zrobić?

Kurs Anthropic ma sens jako punkt startowy, jeśli spełniony jest jeden z poniższych warunków: dopiero zaczynasz korzystać z narzędzi AI i nie masz jeszcze żadnych nawyków w pracy z nimi, czujesz, że używasz AI chaotycznie i chcesz poukładać sobie podstawy, albo interesuje Cię filozofia i etyka korzystania z AI — nie tylko techniki i triki.

Filozofia i zasady działania przedstawione w kursie są naprawdę na wysokim poziomie. Framework 4D jako sposób myślenia o relacji człowiek–AI, koncepcja Human in the Loop, nacisk na odpowiedzialność i krytyczne myślenie — to treści, które będą aktualne niezależnie od tego, jakie narzędzia pojawią się w przyszłości. Pod tym względem kurs wyprzedza zdecydowaną większość dostępnych materiałów o AI dla studentów.

Ale jeśli Twoje konkretne pytanie brzmi „jak napisać pracę licencjacką z AI?” albo „jak używać Claude’a przy pisaniu pracy magisterskiej?” — potrzebujesz znacznie bardziej szczegółowych wskazówek, uwzględniających realia polskiej akademii. Kurs Anthropic to dobry wstęp do myślenia o AI. Nie jest jednak przewodnikiem po pracy dyplomowej.

---

Czym jest „Human in the Loop” — i dlaczego to najważniejsza idea całego kursu?

Ostatni moduł kursu Anthropic nie mówi o promptach ani narzędziach. Mówi o tym, kim jesteś w relacji z AI. I to jest właśnie koncepcja Human in the Loop — człowiek w pętli.

Skąd pochodzi to pojęcie?

Termin „Human in the Loop” pochodzi ze świata inżynierii systemów i automatyzacji. Oznaczał pierwotnie tyle: w procesie podejmowania decyzji przez maszynę lub algorytm jest miejsce, w którym człowiek wchodzi, ocenia i zatwierdza — zanim system przejdzie dalej. Człowiek nie jest obserwatorem. Jest aktywnym uczestnikiem pętli decyzyjnej.

Anthropic przejęło ten termin i nadało mu szersze znaczenie. W kontekście kursu Human in the Loop to postawa: Ty decydujesz, co pytasz. Ty oceniasz, co dostajesz. Ty odpowiadasz za to, co z tym robisz.

Nie jesteś pasażerem w samochodzie prowadzonym przez AI. Jesteś kierowcą, który korzysta z nawigacji.

Trzy poziomy bycia człowiekiem w pętli

Decydujesz, co trafia do AI. Zanim zadasz pytanie lub zlecisz zadanie, masz odpowiedzialność za to, żeby jasno rozumieć, czego chcesz i po co. Narzędzie AI nie wie, jaki masz cel. Wie tylko, co mu powiesz. Jeśli wchodzisz do rozmowy z mglistym pomysłem, wychodzisz z mglistym wynikiem.

Oceniasz, co wychodzi z AI. To nie jest kwestia zaufania do technologii. To kwestia kompetencji. AI może się mylić, upraszczać, pomijać kontekst, generować treści brzmiące pewnie, a faktycznie błędne. Kurs mówi wprost: ocena tego, co produkuje AI, to umiejętność, którą trzeba ćwiczyć — tak samo jak ocenę źródeł naukowych czy logiki argumentu.

Bierzesz odpowiedzialność za finalny efekt. To najbardziej niewygodny element całej koncepcji. AI może zaproponować, wygenerować i zredagować — ale każde słowo, które trafia do finalnego dokumentu, e-maila, prezentacji czy pracy dyplomowej, jest Twoim słowem. Kurs mówi to bez owijania w bawełnę: AI może napisać szkic, ale Ty go wysyłasz.

Dlaczego to ma szczególne znaczenie przy pisaniu pracy licencjackiej lub magisterskiej?

W przypadku pracy dyplomowej koncepcja Human in the Loop nabiera bardzo konkretnego, praktycznego wymiaru. Praca dyplomowa to dokument, za który student odpowiada własnym podpisem. Każdy przytoczony tekst musi być opatrzony przypisem, a wszelkie pojęcia kluczowe dla tematu wymagają wyczerpującego wyjaśnienia przez autora pracy (Depo, s. 85).

To oznacza, że Human in the Loop przy pisaniu pracy to nie teoria — to wymóg. Komisja egzaminacyjna nie ocenia AI. Ocenia Ciebie. Jeśli AI napisało rozdział, którego nie rozumiesz — zostaniesz z tym sam przed komisją.

Tip: Prosty test Human in the Loop przy pisaniu pracy: przeczytaj dowolny akapit swojej pracy i zadaj sobie pytanie — czy potrafię to wytłumaczyć własnym słowami osobie, która nigdy nie czytała tej pracy? Jeśli nie — ten akapit nie jest Twój, niezależnie od tego, kto go napisał.

Human in the Loop a Twoja tożsamość zawodowa

W świecie, gdzie każdy ma dostęp do tych samych narzędzi AI, pytanie „czy używasz AI?” przestaje być wyróżnikiem. Pytaniem, które zacznie odróżniać kandydatów na rynku pracy, będzie: jak używasz AI i co z tym robisz?

Pracodawcy szukają ludzi, którzy potrafią oceniać wyniki AI, brać za nie odpowiedzialność i adaptować je do rzeczywistych kontekstów. Human in the Loop to nie ograniczenie nałożone na AI. To kompetencja, którą budujesz w sobie — i która z każdym rokiem będzie więcej warta.

---

Ocena końcowa

Kurs jest wartościowy — ale jako fundament myślenia o AI, nie jako poradnik pisania pracy dyplomowej. Jego filozofia i zasady działania są na naprawdę wysokim poziomie i wyróżniają go spośród większości dostępnych materiałów. Jego największymi słabościami są brak polskiego kontekstu akademickiego i zbyt ogólne podejście, żeby realnie pomóc studentowi przy konkretnych wyzwaniach pisania pracy licencjackiej lub magisterskiej.

Jedno zdanie na wynos: Jeśli dopiero zaczynasz pracę z AI i chcesz zrozumieć, jak do tego podchodzić z głową — ten kurs jest świetnym startem. Jeśli szukasz odpowiedzi na pytanie, jak pisać pracę dyplomową z AI — potrzebujesz czegoś bardziej konkretnego i osadzonego w polskich realiach akademickich.

---

FAQ

Czy kurs Anthropic jest darmowy? Tak, kurs „AI Fluency for Students” jest bezpłatny i dostępny na platformie Anthropic bez podawania karty płatniczej. Link do kursu: anthropic.skilljar.com/ai-fluency-for-students

Czy po kursie jest certyfikat? Tak. Po obejrzeniu materiałów czeka krótki test końcowy z 8 pytań. Po jego zaliczeniu Anthropic wysyła e-mailem link do imiennego certyfikatu ukończenia, który można pobrać i udostępniać np. na LinkedIn. Certyfikat wydawany jest przez Anthropic we współpracy z uczelniami partnerskimi.

Czy kurs pomoże mi napisać pracę licencjacką z AI? Nie bezpośrednio. Kurs pokazuje ogólne zasady i filozofię pracy z AI, ale nie zawiera żadnych wskazówek dotyczących pisania pracy dyplomowej — ani struktury rozdziałów, ani metodologii, ani specyfiki polskiego systemu akademickiego. To dobry fundament myślenia, nie praktyczny przewodnik po pisaniu pracy.

Czy kurs jest przydatny dla kogoś, kto dopiero zaczyna używać AI? Tak — i to jest jego największa siła. Jeśli nie masz jeszcze nawyków w pracy z AI lub używasz go chaotycznie, kurs da Ci solidne ramy myślenia. Filozofia i zasady są na wysokim poziomie i będą aktualne niezależnie od zmian technologicznych.

Dlaczego kurs nie uwzględnia polskiej specyfiki pisania prac? Bo jest tworzony przez amerykańską firmę z myślą o studentach na całym świecie. Nie uwzględnia wymagań polskich uczelni, oczekiwań promotorów ani specyfiki procesu dyplomowania w Polsce. Te elementy student musi uzupełnić samodzielnie lub z pomocą kogoś, kto zna polski system akademicki.

Ile trwa kurs AI Fluency for Students? Materiały wideo zajmują ok. 40–50 minut. Z ćwiczeniami, refleksją i testem końcowym (8 pytań) — szacuj ok. 2–3 godziny całościowo.

Czym jest Human in the Loop? To koncepcja, według której w każdej interakcji z AI to człowiek podejmuje decyzje, ocenia wyniki i bierze odpowiedzialność za efekty. W kontekście studenckim oznacza: AI może pomagać w procesie, ale każde słowo w Twojej pracy jest Twoim słowem.

Czy kurs jest po polsku? Nie. Kurs dostępny jest wyłącznie w języku angielskim, bez polskich napisów ani tłumaczenia.