Az MI helyzete a felsőoktatásban - német egyetemisták szerint

 

A mesterséges intelligencia (MI) felsőoktatásban való integrációja alapjaiban formálja át az oktatási és tanulási folyamatokat. Különösen igaz ez az egyetemi alap- és mesterszakos hallgatókra, akik többsége a 18 és 25 év közötti korosztályhoz tartozik, és akik a legintenzívebben használhatják ezeket a technológiákat tanulmányaik során. Az olyan generatív mesterséges intelligencia rendszerek, mint a ChatGPT, hatékony és a lehető legszélesebb körben elérhető eszközként szolgálhatnak a tanulás támogatásában és az oktatási anyagok személyre szabásában, de valódi hatásuk megértéséhez szükséges van a hallgatók MI-használati szokásainak és attitűdjeinek megismerésére, feltérképezésére is.  

Magyarországon egyelőre hiányoznak az ilyen jellegű kutatások, ezért lehetnek különösen tanulságosak számunkra a nemzetközi vizsgálatok és az egyes országok a mesterséges intelligencia általános helyzetét és az MI az oktatási rendszerbe való integrációjának kérdéseit empirikus adatok alapján bemutató felmérések. Az MI társadalmi és gazdasági integrációja téren Németország európai viszonylatban is élenjáró szerepet tölt be és az eredmények is jól dokumentáltak: úgy a nemzetközi szervezetek (OECD), mint a német szövetségi és tartományi kormányzati szervek, mint a közcélú alapítványok és maguk a felsőoktatási intézmények is nagy számú és átfogó kutatást folytattak a területen. A német tapasztalatok jelentősen hozzájárulhatnak ahhoz, hogy Magyarország is megfelelő utakat tudjunk kijelölni az MI-rendszerek az oktatásban, felsőoktatásban való egyre gyorsabb térnyerésének támogatására.

Az OECD 2024-es német mesterséges intelligencia helyzetképe

Az OECD 2024-es jelentése [OECD (2024), OECD-Bericht zu Künstlicher Intelligenz in Deutschland, OECD Publishing, Paris, https://doi.org/10.1787/8fd1bd9d-de] alapján Németország mesterséges intelligencia (MI) használata jelentős előrelépéseket mutatott az elmúlt években, különösen a kutatás, alkalmazás és társadalmi elfogadottság terén. Az ország 2018-ban bevezetett nemzeti MI-stratégiája az egyik első ilyen szakpolitikai dokumentum volt a világon, célja a versenyképesség biztosítása, valamint a felelősségteljes és emberközpontú MI-fejlesztés támogatása volt. E stratégia keretében Németország prioritásként kezelte a kutatás-fejlesztést, és olyan neves intézmények révén, mint a Max-Planck-Gesellschaft és a Fraunhofer-Gesellschaft, globális szinten kiemelkedő teljesítményt nyújtott. A kutatási publikációk mennyisége alapján Németország az egyik vezető ország ezen a területen​.

A német vállalatok MI-alkalmazása az európai átlag fölött van, de még mindig elmarad a kontinens vezető országai mögött. A legnagyobb kihívások között említik a korlátozott számú MI-kompetenciával rendelkező szakember elérhetőségét, valamint a tőkebefektetések viszonylag alacsony szintjét. A startupok számának növekedése és az MI megoldások iránti fokozott érdeklődés pozitív trendek, de az ország tőkepiaci struktúrája miatt ezek a cégek gyakran külföldön keresnek finanszírozási lehetőségeket.

Az MI társadalmi elfogadottsága Németországban viszonylag magas, a lakosság többsége semleges vagy pozitív véleménnyel van a technológiáról. A német politika kiemelten támogatja az etikus és fenntartható MI-fejlesztést, amely hozzájárul a társadalmi bizalom erősítéséhez. Az ökológiai fenntarthatóság területén az MI kiemelt szerepet kapott, különösen a dekarbonizációs célok elérésében​.

Ezek az előrelépések azonban nem mentesek kockázatoktól. A társadalmi egyenlőtlenségek növekedésének veszélye, az adatok hozzáférhetőségével és biztonságával kapcsolatos aggályok, valamint a technológiai infrastruktúra hiányosságai akadályozhatják a további fejlődést. A jövőben Németország prioritásként kezeli a nemzeti MI-stratégia továbbfejlesztését, hogy megőrizze versenyképességét és erősítse pozícióját a globális MI-piacon.

Németország a mesterséges intelligenciáról szóló publikációk számát tekintve világviszonylatban az ötödik helyen áll (a Scopus 600 000-es publikációs bázisán vizsgálva)

Az MI a német oktatásban

Az OECD-jelentés alapján Németország jelentős lépéseket tett a mesterséges intelligencia (MI) oktatásának fejlesztése terén, azonban több kihívással is szembe kell néznie, amelyek akadályozhatják a haladást és a nemzetközi versenyképességet. A 2018-ban bevezetett nemzeti MI-stratégia az oktatást és a kutatást kiemelt területként kezeli, és fontos eredményeket ért el, de több szempontból további intézkedések szükségesek.

A nemzeti MI-stratégia célja 2025-ig 100 új MI-professzúra létrehozása volt, amit 2022-re már túlteljesítettek, és 2023-ra összesen 150 új professzúra jött létre a német kormány támogatásával. Ez a jelentős előrelépés az MI területén belüli tudományos kiválóságot erősíti, és hozzájárul a kutatási kapacitások növeléséhez. Az MI területén végzett tudományos munka nemzetközi szinten is meghatározó, különösen az alapkutatásokban és az alkalmazott kutatásokban​.

A német egyetemek szakterületenként legnépszerűbb mesterséges intelligencia kurzusai (az informatikán kívül)

Az egyetemek és felsőoktatási intézmények fontos szereplők az MI oktatásában, de a képzési struktúra még nem teljesen igazodik a globális munkaerőpiac elvárásaihoz. Bár Németországban számos MI-képzés elérhető, ezek túlnyomó többsége német nyelvű, ami jelentős akadályt jelent a nemzetközi hallgatók számára. Az OECD-jelentés szerint Németországban a lakossághoz viszonyítva kevesebb MI-témájú képzés érhető el, mint például az Egyesült Királyságban vagy Franciaországban. Emellett az MI-kurzusok többnyire teljes képzési programok formájában érhetők el, míg más országokban számos rövidebb tanfolyamot és intenzív kurzust kínálnak, amelyek lehetővé teszik, hogy hallgatók egy-két év alatt megszerezzenek egy szakirányú végzettséget​.

Az MI-oktatásban Németország különösen az interdiszciplinaritásra helyez hangsúlyt. Az MI kurzusokat egyre több területen, például a társadalomtudományokban és a gazdaságtudományokban is elérhetővé tették, nem csupán az informatika és a műszaki tudományok területén. Ez az interdiszciplináris megközelítés lehetőséget teremt arra, hogy az MI alkalmazásai szélesebb körben hasznosuljanak, és a szakemberek átfogóbb ismeretekkel rendelkezzenek a technológia társadalmi és gazdasági hatásairól​.

A német vállalatok az uniós átlag felett vannak a mesterséges intelligencia vállalati bevezetése terén, de elmaradnak az uniós élmezőnytől (tíz, vagy annál több foglalkoztatott bázisán, vállalattípus szerinti megoszlásban)

Egy másik fontos kihívás a munkaerőpiaci igények kielégítése. Az MI-szakértők iránti kereslet Németországban messze meghaladja a kínálatot, és számos nyitott pozíció betöltetlen marad hosszabb ideig. A probléma részben abból fakad, hogy nincsenek pontos elemzések az MI-specifikus készséghiány mértékéről, ami megnehezíti a munkaerő-képzési programok tervezését. Az OECD kiemeli, hogy a német szakképzési rendszer rugalmasságát kihasználva gyorsabban és hatékonyabban lehetne integrálni az MI-kompetenciák oktatását a képzési programokba​.

Az MI a német egyetemi oktatásban – a HFD 2024-es felmérése

A Hochschulforum Digitalisierung (HFD), mint szakmai szervezet a felsőoktatás digitalizációjának elősegítésére jött létre. Célja, hogy támogassa a német egyetemeket és főiskolákat a digitális technológiák, például a mesterséges intelligencia (MI) integrálásában, miközben elősegíti a digitális tanítás és tanulás fejlesztését. A szervezet széles körben működik együtt felsőoktatási intézményekkel, szakértőkkel és döntéshozókkal annak érdekében, hogy meghatározza a digitalizáció kihívásait és lehetőségeit. A HFD 2024-ben jelentős hangsúlyt fektetett a mesterséges intelligencia (MI) és a digitalizáció kapcsolatára: számos programot indított és irányelveket dolgozott ki a generatív MI felelős egyetemi használatára. A HFD Monitor Digitalisierung 360° programja keretében készült, és 2024 júniusában közzé tett kutatás [Budde, Jannica; Tobor, Jens; Friedrich, Julius: Blickpunkt – Künstliche Intelligenz: Wo stehen die deutschen Hochschulen? Berlin: Hochschulforum Digitalisierung, 2024] célja a mesterséges intelligencia (MI) alkalmazásának jelenlegi állapotának feltérképezése volt a német egyetemeken, különös tekintettel az oktatásra, a vizsgákra és az intézményi stratégiákra. A felmérés 2023 novembere és 2024 márciusa között zajlott, és több mint 2000 főt vontak be, köztük egyetemi vezetőket, oktatókat, hallgatókat és támogató személyzetet. A kutatás a felsőoktatás digitalizációs érettségét és az MI-fejlesztések kihívásait vizsgálta.

HFD 2024-es jelentése alapján a mesterséges intelligencia (MI) egyre mélyebben integrálódik a német felsőoktatási rendszerbe, bár az implementáció továbbra is jelentős kihívásokkal jár. A német egyetemek az elmúlt években fokozott figyelmet fordítottak az MI alkalmazási lehetőségeire, különösen az oktatás, a kutatás és az adminisztráció területén. A jelentés szerint a felsőoktatási intézmények vezetőségének 87%-a foglalkozik az MI stratégiai bevezetésével. Az intézmények többsége már létrehozott belső együttműködési platformokat, irányelveket dolgozott ki a technológia felelős használatára, és megkezdte az oktatók továbbképzését az MI integrálásával kapcsolatban.

Az egyetemek számos területen vizsgálják az MI alkalmazását. Az oktatásban például az MI-t egyre inkább használják a tananyagok személyre szabására, az adaptív tanulási rendszerek fejlesztésére és a tanulási folyamatok hatékonyságának növelésére. A hallgatók körében különösen népszerűek az MI-alapú eszközök, amelyeket vizsgafelkészüléshez, prezentációkhoz és írásbeli munkákhoz használnak. A jelentés adatai szerint a hallgatók 50%-a rendszeresen alkalmaz MI-eszközöket tanulmányaiban, és az MI-t leggyakrabban az összetett tanulmányi anyagok megértésére, szakirodalom feldolgozására és fordítási feladatokra használják.

Az egyetemek vezetőségének 87%-a nyilatkozott úgy, hogy egyetemükön foglalkoznak a generatív mesterséges intelligencia (genAI) témájával

Az MI használata azonban az egyetemeken belül is megosztottságot eredményezett, különösen az etikai és gyakorlati kérdések terén. Az oktatók körében nagy figyelmet kapott a technológia alkalmazása a tanítási gyakorlatokban. Az oktatók 37%-a használ MI-t az oktatási anyagok előkészítéséhez, és bár csupán 20%-uk alkalmazza a technológiát közvetlenül az órák során, a többségük (54%) úgy érzi, hogy képes lenne az MI-t hatékonyan beépíteni a tanítási folyamatokba. A továbbképzés szintén kulcsfontosságú tényező: 2023-ban az oktatók 29%-a vett részt MI-hez kapcsolódó tréningeken, ami azt mutatja, hogy a technológia oktatási alkalmazása magas prioritást élvez.

A generatív MI, mint például a szövegalkotó algoritmusok használata, különösen az egyetemi értékelési gyakorlatokban, továbbra is vitatott téma. Az MI-alapú eszközök bevezetése komoly kihívásokat jelent a vizsgák tisztességességének és az akadémiai integritás megőrzésének szempontjából. Az egyetemek egy része az MI-eszközök használatának korlátozására törekszik bizonyos vizsgaformátumokban, például online vizsgákon vagy open-book típusú vizsgákon, míg más esetekben, például esszék és házi dolgozatok esetében, engedélyezik azok használatát.

A német diákok több, mint fele használ mesterséges intelligencia eszközöket

Az MI alkalmazásának előnyei ellenére az egyetemek még nem biztosítottak egyenlő hozzáférést ezekhez az eszközökhöz minden hallgató számára. Bár az egyetemek 30%-a vásárolt licencet MI-eszközökre, ezek elérhetősége továbbra is korlátozott, és a hallgatók jelentős része saját forrásból próbál hozzáférni a szükséges eszközökhöz. Ez a helyzet hangsúlyozza a méltányos hozzáférés biztosításának fontosságát, amely alapvető lenne a tanulók közötti esélyegyenlőség megteremtéséhez.

A tanárok a mesterséges intelligencia eszközeit elsősorban a tanórák előkészítésére használják

A jelentés rámutat arra, hogy az MI széleskörű oktatási alkalmazása csak akkor lehet sikeres, ha az intézmények egyértelmű iránymutatásokat dolgoznak ki, erősítik a hozzáférést, és biztosítják a hallgatók és oktatók számára a szükséges kompetenciák elsajátításának lehetőségét. A technológia oktatásban betöltött szerepének növeléséhez továbbra is szükség van az oktatási kultúra és a vizsgáztatási gyakorlatok átalakítására.

Az MI integráció kérdése a felsőoktatásban – egy egyedülálló kutatás, hallgatói nézőpontból

Laura Marie Hahn 2024-ben mesterszakos egyetemi hallgatóként, oktatói szakmai irányítás mellett vizsgálta az MI használatának szokásait és attitűdjeit a német felsőoktatási intézmények hallgatói körében. A kutatásban részt vett 4000 egyetemi, főiskolai hallgató a természettudományoktól kezdve a humán tudományokig számos tanulmányi területet képviselt.

Az alapját képező mester szakdolgozatot a Technische Universität Darmstadt-on, a Humán Tudományok Tanszékén, az Általános és Alkalmazott Pedagógia Intézet keretében. A Künstliche Intelligenz in der Hochschullehre – Ergebnisse und Erkenntnisse aus einer Umfrage unter deutschen Studierenden im Jahr 2024 (Mesterséges intelligencia a felsőoktatásban – német hallgatók körében végzett felmérés eredményei és megállapításai) című dolgozat A dolgozat hivatalos beadási dátuma 2024. október 30. volt​.

Az alkotó szakmai motivációja és érdeklődése a mesterséges intelligencia oktatási alkalmazása iránt egy hat hónapos szakmai gyakorlat során bontakozott ki, amelyet Prof. Dr. Christian Spannagel vezetése alatt végzett. A kutatás koncepciója a mesterséges intelligencia aktuális témájára épült, amely 2022-ben, a ChatGPT bevezetésével került előtérbe. A kutatás célja az volt, hogy széleskörű felmérést készítsen a német hallgatók mesterséges intelligenciához kapcsolódó tapasztalatairól, attitűdjeiről és elvárásairól​​.

A kutatási időszak során az adatgyűjtésre 2024 elején került sor, ami egy online kérdőív segítségével történt. Az adatfeldolgozást és az elemzéseket Hahn 2024 tavaszán és nyarán végezte el, Excel és SPSS programok használatával. Az így kapott eredmények képezték a dolgozat gerincét, amelyet a hivatalos beadás előtt részletes elemzésnek és szakmai értékelésnek vetette alá. A szerző az adatgyűjtés és elemzés során a kutatási etikára kiemelt figyelmet fordított, beleértve az anonimitást és az adatbiztonságot​​. A kutatás kifejezetten a német egyetemisták nézőpontjára fókuszált, akik már aktívan használják vagy éppen tartózkodnak az ilyen rendszerek használatától.

A kutatás célja az volt, hogy megértse, milyen szerepet játszanak az MI-rendszerek a hallgatók mindennapi életében és tanulmányi tevékenységeiben. Az MI rendszerek oktatási alkalmazása egyaránt kínál lehetőségeket és hordoz magában kockázatokat, ezért kulcsfontosságú, hogy az egyetemek és oktatók tisztában legyenek a hallgatók tapasztalataival és elvárásaival. A kutatás alapját egy széleskörű online kérdőíves felmérés képezte, amely több mint négyezer egyetemistát ért el. Az eredmények segítenek az MI-rendszerek oktatási célú integrációjában, miközben felhívják a figyelmet a technológiával kapcsolatos problémákra, például az adatvédelemre, a tudományos integritásra és a felhasználók kompetenciájára.

Hahn adati szerint 2024-ben a német egyetemisták legalább 70 %-a használta a mesterséges intelligenciát – az alábbi gyakorisággal

A kutatás központi kérdése az volt: „Milyen szerepet játszanak az MI-rendszerek a felsőoktatásban a hallgatók nézőpontjából?” Ez a kérdés arra irányult, hogy feltárja, hogyan érzékelik a hallgatók az MI-t, milyen gyakran és milyen célokra használják azt, és milyen elvárásaik vannak vele kapcsolatban. A kutatás több részterületre terjedt ki, beleértve a hallgatók általános ismereteit az MI-rendszerekről, azok gyakorlati alkalmazását a tanulás során, valamint azokat az aggodalmakat, amelyek az új technológia használatával kapcsolatban merülnek fel. Az MI-rendszerek különösen érdekes szerepet játszanak az egyetemi vizsgák területén, ahol új kihívások és etikai kérdések jelennek meg, amelyek hatással lehetnek az értékelési rendszerekre és az oktatási normákra.

A kutatás egyedi módon helyezi előtérbe a hallgatók nézőpontját. Az eredmények nemcsak arra világítanak rá, hogyan használják a hallgatók az MI-rendszereket, hanem arra is, hogy milyen elvárásaik vannak a jövőbeni fejlesztésekkel és az oktatási rendszer változásaival kapcsolatban. Az egyetemek számára ezek az eredmények értékes alapot nyújtanak az MI-rendszerek felelős és hatékony bevezetéséhez. Az MI oktatási célú alkalmazásában rejlő lehetőségek mellett kiemelten fontos a technológia etikai és társadalmi vonatkozásainak megértése is, amelyek hosszú távon befolyásolják a felsőoktatás működését.

A kutatás módszertana

Ez a kutatás rávilágít arra, hogy az MI-rendszerek bevezetése nem pusztán technológiai kérdés, hanem egyben az oktatás és a társadalom jövőjéről szóló párbeszéd alapját is képezi. Az eredmények bemutatása a következő fejezetekben betekintést nyújt abba, hogyan vélekednek a hallgatók az MI-rendszerekről, és milyen jövőbeni irányokat tartanak kívánatosnak a technológia alkalmazásában.

 A mesterséges intelligencia használatának gyakorisága a vizsgák összefüggésében

A kutatás módszertani megközelítése alapvetően a hallgatói nézőpontok széleskörű és részletes feltárására irányult, különös tekintettel a mesterséges intelligencia rendszerek felsőoktatási alkalmazására. A módszertan alapját egy kvantitatív online kérdőíves felmérés képezte, amelyet úgy terveztek, hogy a lehető legnagyobb számú és legváltozatosabb hallgatói mintát érje el. Az online kérdőív segítségével a résztvevők névtelenül és rugalmasan vehettek részt a kutatásban, amely különösen fontos az olyan érzékeny kérdések esetében, mint például az MI-rendszerek használata a tanulmányi vagy vizsgakörnyezetben.

A kutatás célja az volt, hogy egy átfogó képet nyújtson a németországi egyetemisták MI-rendszerekhez való viszonyáról, tapasztalataikról és attitűdjeikről. Ennek érdekében egy strukturált, többrétegű kérdőív került kialakításra, amely különböző tematikus egységekre épült. A kérdőív kérdései Likert-skálán történő válaszadási lehetőségeket alkalmaztak, amelyek a résztvevők véleményét és attitűdjeit öt fokozatban (1-től 5-ig) mérték, a teljes elutasítástól a teljes egyetértésig. Ez a módszer lehetővé tette a különböző dimenziók kvantifikálását és az adatok összehasonlíthatóságát.

Az adatgyűjtés során a kérdőívet egy népszerű online platformon, a SoSciSurvey felületén keresztül tették közzé. A választás azért esett erre a platformra, mert könnyen kezelhető és biztosította a szükséges adatvédelmi követelményeket. A kérdőív több csatornán keresztül került terjesztésre, beleértve a közösségi médiát, egyetemi levelezőlistákat és a kutatásban részt vevő intézmények saját kommunikációs eszközeit. A terjesztés során a szerző figyelmet fordított arra, hogy különböző típusú egyetemeket, különböző földrajzi régiókat és sokféle hallgatói csoportot érje el.

A kutatás lefolytatásának gyakorlati kérdései

A kutatás során a szerző a minta összetételére különös figyelmet fordított, hogy az tükrözze a német egyetemisták sokszínűségét. A kérdőív közzététele során véletlenszerűen választotta ki egyetemeket az ország különböző régióiból, de a kutatásban részt vevő intézmények, például a TU Darmstadt és a PH Heidelberg, kiemelt figyelmet kaptak. Ez lehetővé tette számára, hogy a különböző típusú egyetemek hallgatói tapasztalatait is összehasonlítsa.

A mesterséges intelligencia alapvető megközelítése

A mintát több mint négyezer válaszadó alkotta, akik közül a legtöbben 18 és 29 év közötti fiatalok voltak. Az egyetemisták különböző szakterületeket képviseltek, a természettudományoktól és technológiától kezdve a társadalomtudományokig. Bár a résztvevők földrajzilag széles körből érkeztek, a dél-németországi intézmények hallgatói felülreprezentáltak voltak, ami a kutatás terjesztési stratégiájának közvetlen következménye.

A kérdőív gondosan megtervezett szerkezete lehetővé tette, hogy a hallgatók véleménye és tapasztalatai a lehető legnagyobb részletességgel kerüljenek feltárásra. Az első szakasz a résztvevők demográfiai adataira vonatkozott, például életkorukra, nemükre, tanulmányi szakterületükre, valamint az általuk látogatott egyetem típusára és földrajzi elhelyezkedésére. Ezek az adatok alapvető fontosságúak voltak a kutatás reprezentativitásának ellenőrzése és az eredmények szegmentált elemzése szempontjából.

A diákok használati szándékai és a mesterséges intelligencia rendszerek támogatása

A következő blokk a hallgatók MI-rendszerekhez való viszonyát vizsgálta. Ebben a szakaszban a kérdések az MI-rendszerek általános megítélésére, azok hasznosságára, valamint a hallgatók által tapasztalt előnyökre és kihívásokra irányultak. Ezen belül kiemelt figyelmet kaptak a hallgatók által érzékelt potenciális kockázatok, például az adatvédelemmel, a megbízhatósággal és az MI-rendszerek pontosságával kapcsolatos aggályok.

A harmadik rész a MI-rendszerek használati gyakoriságára és kontextusára fókuszált. A hallgatók megosztották, milyen gyakran használják ezeket az eszközöket tanulmányi célokra, például házi feladatok elkészítésére, tananyagok értelmezésére vagy vizsgákra való felkészülésre. Ezen túlmenően a kérdések kitértek arra is, hogy a hallgatók milyen konkrét MI-eszközöket részesítenek előnyben, és milyen tényezők befolyásolják használatukat.

Az utolsó blokk a vizsgák és értékelések kontextusában történő MI-használatot vizsgálta. Ez különösen érzékeny téma, hiszen az MI-rendszerek egyre nagyobb szerepet játszhatnak a dolgozatok megírásában vagy más, értékeléshez kapcsolódó tevékenységekben. A hallgatók válaszai betekintést nyújtottak abba, hogy milyen mértékben tekintik elfogadhatónak az ilyen típusú használatot, és milyen elvárásokat fogalmaznak meg az egyetemekkel szemben.

Az adatokat a szerző modern statisztikai elemző eszközökkel dolgozta fel, beleértve az Excel és SPSS programokat. Az elemzés során deskriptív statisztikai módszereket alkalmazott, például átlagok, mediánok és szórások számítását, valamint grafikus ábrázolásokat készített a főbb tendenciák szemléltetésére. A Likert-skálán alapuló válaszok segítségével lehetőség nyílt a résztvevők véleményének számszerűsítésére és az összefüggések elemzésére. Az egyes kérdéscsoportok adatait összehasonlító elemzések és keresztmetszeti vizsgálatok egészítették ki, hogy feltárják a demográfiai tényezők, például a nem, az életkor vagy a tanulmányi terület hatását az MI-rendszerek használatára és megítélésére.

A mesterséges intelligencia rendszerek korlátai és kockázatai

Bár a kutatás erős reprezentatív mintát tudott bevonni, bizonyos korlátokat nem tudott elkerülni. A földrajzi eloszlás és a résztvevők szakterületek szerinti aránya nem teljesen egyenletes, ami hatással lehet az általánosíthatóságra. Ezenkívül az online kérdőíves módszer természeténél fogva kizárta azokat a hallgatókat, akik nem rendelkeztek megfelelő technológiai eszközökkel vagy internet-hozzáféréssel. A kutatás ezen korlátai ellenére az eredmények értékes betekintést nyújtanak a mesterséges intelligencia felsőoktatási alkalmazásának jelenlegi állapotába.

Az eredmények részletes ismertetése

A kutatás eredményei gazdag és részletes képet nyújtanak a német egyetemisták mesterséges intelligenciával kapcsolatos tapasztalatairól, attitűdjeiről, használati szokásairól és elvárásairól. A több mint 4000 válaszadó adatai alapján készült elemzés mélyebb betekintést kínál abba, hogyan használják és értékelik a hallgatók a mesterséges intelligencia rendszereket, mint például a ChatGPT-t, a tanulási és vizsgakörnyezetben.

A vizsgálatban résztvevők szakterületi megoszlása

A kutatásban részt vevő 4018 válaszadó 58%-a férfi, 40%-a nő, és mindössze 2% jelölte meg nemét „divers” vagy „egyéb” kategóriában. Az életkori eloszlás azt mutatta, hogy a válaszadók túlnyomó többsége (78%) a 18–29 éves korosztályba tartozott, ami összhangban áll a felsőoktatásban tanuló népesség átlagéletkorával. A résztvevők közül a legnagyobb csoport (46%) a természettudományok, technológia, mérnöki tudományok és matematika (MINT) területén tanult, ezt követte a társadalomtudományok (25%), a humán tudományok (18%), valamint az egészségügy és orvostudomány (11%).

A földrajzi megoszlás alapján a válaszadók nagy része Baden-Württemberg tartomány egyetemeiről érkezett, ami a kutatás során alkalmazott célzott mintavételi stratégiának tudható be. Ezzel szemben az észak-német régiók, például Schleswig-Holstein és Mecklenburg-Elő-Pomeránia alulreprezentáltak voltak. A kutatók törekedtek a földrajzi és intézményi sokszínűség biztosítására, így a válaszadók 68 különböző német egyetemről és főiskoláról érkeztek.

A mesterséges intelligencia rendszerek használatának gyakoriságát illetően a válaszadók jelentős része már aktívan alkalmazta ezeket az eszközöket tanulmányai során. A kérdésre adott válaszok eloszlása a következőképpen alakult:

• „Soha” választ jelölte meg a résztvevők 29,1%-a (1170 válaszadó),
• „Havonta egyszer vagy ritkábban” 21,4% (860 válaszadó),
• „Havonta többször” 16,1% (646 válaszadó),
• „Hetente egyszer” 6,2% (248 válaszadó),
• „Hetente többször” 17,7% (713 válaszadó),
• „Naponta egyszer” 2,1% (85 válaszadó),
• „Naponta többször” 7,4% (296 válaszadó).

Az adatok azt mutatják, hogy a válaszadók 70,9%-a legalább egyszer használt MI-rendszert tanulmányai során, ami a technológia széleskörű elfogadására utal a hallgatók körében. Ugyanakkor a „soha” választók száma sem elhanyagolható, különösen a fiatalabb korcsoportok között.

Milyen aggályai vannak a diákoknak a mesterséges intelligencia rendszerekkel kapcsolatban? – tudományos integritás

A vizsgákhoz és tanulmányi feladatokhoz kapcsolódó MI-használat érzékeny téma volt a kutatásban, mivel jelentős etikai és integritási kérdéseket vet fel. A válaszadók 63,17%-a (2538 fő) állította, hogy soha nem használt MI-rendszert vizsgával kapcsolatos feladatokhoz, míg a maradék 36,83% (1478 fő) különböző mértékben jelezte, hogy már alkalmazott ilyen technológiát. A válaszadók között a „nagyon gyakran” kategóriát mindössze 1,84% választotta (74 fő), míg a „néha” vagy „alkalmanként” használatot jelölők aránya összesen 19% volt.

A tanulmányok során történő használat főbb területei közé tartozott:

• Esszék vagy beadandók megírása,
• Tanulmányi anyagok értelmezése,
• Programozási problémák megoldása,
• Vizsgákra való felkészülés.

A hallgatók által adott válaszok alapján az MI-rendszerek legnépszerűbb alkalmazási területe a tanulás támogatása volt, különösen összefoglalók és magyarázatok készítése során.

 Az információ minőségével, a munkaerőpiaccal és az adatvédelemmel kapcsolatos aggodalmak

A hallgatók mesterséges intelligenciával kapcsolatos attitűdjeit számos dimenzió mentén vizsgálták, beleértve a technológia megbízhatóságát, hasznosságát és általános élvezeti értékét. A válaszok azt mutatták, hogy a hallgatók 69,8%-a (2805 fő) úgy érzi, hogy az MI-rendszerek használata élvezetes. Ezzel szemben csak 6,36% (255 fő) utasította el egyértelműen ezt az állítást.

Az MI-rendszerek keresőmotorokkal való összehasonlítása során a hallgatók véleménye megoszlott. A válaszadók mindössze 21,15%-a (849 fő) értett egyet azzal, hogy az MI-rendszerek megbízhatóbbak, mint a hagyományos keresők, például a Google. A válaszadók közel fele (42,61%) semleges választ adott, ami az ambivalens megítélésre utal.

Az MI-rendszerek által nyújtott válaszok minőségét illetően a hallgatók 65,66%-a (2638 fő) egyetértett abban, hogy a válaszok jól strukturáltak és érthetőek, míg csupán 4,81% (193 fő) nyilatkozott negatívan ezzel kapcsolatban.

A hallgatók körében gyakran megfogalmazott aggodalom volt az adatbiztonság és a magánélet védelme. A válaszadók 37%-a (1487 fő) tartott attól, hogy az MI-rendszerek által kezelt adatok esetleg illetéktelen kezekbe kerülhetnek. Ez az aggodalom különösen erős volt a vizsgákhoz kapcsolódó alkalmazásoknál, ahol az egyéni munka hitelessége is kérdésessé válhatott.

Egy másik jelentős kihívás az MI-rendszerek pontosságával kapcsolatos kétségekhez kötődött. A válaszadók közül sokan jelezték, hogy az MI-rendszerek időnként pontatlan információkat szolgáltatnak, ami különösen problémás lehet komplex tanulmányi feladatok esetén.

A hallgatók jelentős része konkrét elvárásokat fogalmazott meg az MI-rendszerek felsőoktatási alkalmazásával kapcsolatban. Az egyik legfontosabb elvárás az volt, hogy az egyetemek világos irányelveket dolgozzanak ki az MI-rendszerek használatára, különösen a vizsgák és értékelések terén. Emellett a hallgatók azt remélik, hogy az egyetemek integrálják az MI-t a tananyagokba, és képzéseket nyújtanak a technológia etikus és hatékony használatának elsajátítására.

A tanulmányi teljesítmény javítása mesterséges intelligencia rendszerekkel

A kutatás eredményei egyértelműen rámutatnak arra, hogy az MI-rendszerek már most is jelentős hatással vannak a hallgatók tanulmányaira és mindennapi életére, ugyanakkor számos kihívás és etikai kérdés kezelésére van szükség a technológia felelős integrációja érdekében. Az eredmények részletes bemutatása hozzájárulhat az MI-rendszerek oktatási célú felhasználásának optimalizálásához és az egyetemi irányelvek fejlesztéséhez.

Következtetések és értékelés

A kutatás eredményei egyértelműen alátámasztják, hogy a mesterséges intelligencia rendszerek jelentős hatást gyakorolnak a német felsőoktatásra, különösen a tanulási folyamatok és a vizsgafelkészülés terén. Az MI-rendszerek alkalmazása számos előnnyel jár, hiszen megkönnyítik a tanulók számára a komplex információk feldolgozását, támogatják az önálló tanulást, és olyan új eszközöket kínálnak, amelyek növelhetik a tanulmányi sikerességet. Ugyanakkor a technológia elterjedése komoly aggályokat is felvet, különösen az adatvédelem, az akadémiai integritás és az egyetemi értékelési rendszerek vonatkozásában.

Az MI-rendszerek pozitív hatásai széles körben megfigyelhetők a felsőoktatási hallgatók körében. A válaszadók többsége kiemelte, hogy az MI-eszközök segítik a tanulási folyamatokat, különösen a tanulási anyagok strukturálásában és a nehezebb feladatok megoldásában. A kutatásban részt vevő hallgatók 65,66%-a úgy ítélte meg, hogy az MI-rendszerek által nyújtott válaszok jól strukturáltak és könnyen érthetőek, míg 69,8%-uk nyilatkozott úgy, hogy az eszközök használata élvezetes. Az MI-rendszerek folyamatos hozzáférhetősége és gyors válaszképessége különösen előnyös a rugalmas tanulási környezetben, ahol a hallgatók saját időbeosztásuk szerint dolgozhatnak.

A tanulás támogatása mesterséges intelligencia rendszerekkel

Az MI-rendszerek támogatják a vizsgafelkészülést is, amely a hallgatók számára kiemelkedően fontos. A kutatásból kiderült, hogy a válaszadók több mint egyharmada (36,83%) már használta az MI-rendszereket vizsgákkal kapcsolatos feladatok elvégzésére, például esszék megírására vagy nehéz tananyagok értelmezésére. Ezek az eszközök képesek csökkenteni a vizsgákhoz kapcsolódó stresszt és növelni a hatékonyságot, ugyanakkor kérdések merülnek fel az ilyen jellegű alkalmazások etikus voltával kapcsolatban.

Az MI-rendszerek használatával kapcsolatos aggályok szintén hangsúlyosan megjelentek a kutatás eredményeiben. Az adatvédelem kérdése kiemelkedő fontosságú a hallgatók számára: a válaszadók 37%-a kifejezetten aggasztónak találta, hogy az MI-rendszerek által gyűjtött adatok illetéktelen kezekbe kerülhetnek. Ez a bizonytalanság csökkenti a felhasználói bizalmat, különösen azokban az esetekben, amikor a hallgatók érzékeny információkat osztanak meg a rendszerekkel.

Az akadémiai integritás kérdése az egyik legnagyobb kihívás az MI-rendszerek felsőoktatási alkalmazásában. Bár az eszközök jelentős segítséget nyújtanak a tanulásban, az egyetemi vizsgák és értékelések terén való alkalmazásuk számos etikai problémát vet fel. Az MI-rendszerek használata például könnyen megkérdőjelezheti a tanulók önálló munkájának hitelességét, és új típusú plágium-gyanús helyzeteket teremthet. Ezek az aggályok rávilágítanak arra, hogy az egyetemeknek világos és részletes irányelvekre van szükségük az MI-rendszerek vizsgakörnyezetben történő alkalmazásával kapcsolatban.

Az eredmények relevanciája az oktatáspolitikai döntéshozatal számára is kiemelkedő. Az MI-rendszerek széles körű elterjedése és hatása egyértelműen jelzi, hogy az oktatáspolitikai döntéshozóknak proaktívan kell foglalkozniuk a technológia felsőoktatási integrációjával. Világos szabályozási keretek megalkotása elengedhetetlen az MI-rendszerek használatának etikus és hatékony kezeléséhez. Az egyetemek számára kulcsfontosságú, hogy irányelveket dolgozzanak ki az MI-eszközök alkalmazásával kapcsolatban, különös tekintettel a vizsgák és értékelési folyamatok területére.

A hallgatók körében felmerült elvárások arra mutatnak, hogy az egyetemeknek nemcsak szabályozniuk kell az MI-rendszerek használatát, hanem aktívan támogatniuk is kell a hallgatók technológiai készségeinek fejlesztését. Az MI-rendszerek etikus és hatékony használatához szükséges képzések és oktatási programok bevezetése fontos lépés lehet a technológia integrációjában. Ezek a programok segítenének a hallgatóknak abban, hogy kihasználják az MI által nyújtott előnyöket, miközben minimalizálják a technológiával kapcsolatos kockázatokat.

Az eredmények alapján az MI-rendszerek fejlesztésének is kulcsszerepe van a technológia elfogadottságában és hatékony alkalmazásában. A hallgatók által megfogalmazott kritikák, például az MI-rendszerek pontosságával és adatbiztonságával kapcsolatos problémák, fontos iránytűként szolgálhatnak a fejlesztők számára. Az MI-rendszerek megbízhatóságának és átláthatóságának növelése hozzájárulhat a technológia szélesebb körű elterjedéséhez, miközben erősíti a felhasználói bizalmat.

Összességében a német kutatások eredményei rávilágítanak arra, hogy az MI-rendszerek felsőoktatásban való alkalmazása már ma is alapvetően formálja az oktatási folyamatokat. A technológia előnyei, különösen a tanulási és vizsgafelkészülési folyamatok támogatásában, jelentősek, ugyanakkor az adatvédelem, az akadémiai integritás és az etikai szempontok kérdései sürgős megoldást igényelnek. Az egyetemek és az oktatáspolitikai döntéshozók felelőssége, hogy biztosítsák a mesterséges intelligencia rendszerek felelős és etikus integrációját, amely egyszerre szolgálja a hallgatók érdekeit és az akadémiai normák fenntartását. Ma Magyarországon az MI felsőoktatási integrációjának tekintetében lényegében „vakon repülünk”: átfogó hazai felmérések hiányában azonban a német kutatások értékes alapot, kutatásmódszertani segítséget nyújthatnak az MI-rendszerek jövőbeni hazai alkalmazásához és fejlesztéséhez is, miközben elősegítik a technológia által kínált lehetőségek és kihívások mélyebb megértését is.

A cikk emberi és mesterséges intelligencia együttműködésével jött létre. 

Generatív mesterséges intelligencia stratégiák az ausztrál felsőoktatásban

 

Az elmúlt években az ausztrál felsőoktatás is példátlan kihívásokkal és lehetőségekkel szembesült a generatív mesterséges intelligencia gyors fejlődése miatt. Az olyan eszközök, mint a ChatGPT, alapvetően megváltoztatták az oktatási folyamatokat, az értékelési rendszereket és az akadémiai integritás hagyományos kereteit. Ausztrália felsőoktatási szabályozója, a TEQSA (Tertiary Education Quality and Standards Agency, Ausztrál Felsőoktatási Minőségbiztosító Ügynökség) 2024 júniusában információkérést küldött minden ausztrál felsőoktatási intézménynek. Az intézményeknek egy olyan intézményi akciótervet kellett benyújtaniuk, amely a generatív mesterséges intelligencia (GMI) által a diplomák integritására jelentett kockázatok kezelésére irányult. A megkeresésre 100%-os válaszadási arány érkezett. Az elemzés alapján készült el a GMI stratégiák az ausztrál felsőoktatásban: az alakuló gyakorlat című eszköztár, azzal a szándékkal, hogy segítse a felsőoktatási intézményeket a GMI technológiák etikus és hatékony integrálásában - a tanulmányi eredmények hitelességének és a diplomák értékének megőrzése biztosítása mellett.

A szakmai anyag keletkezésének háttere és célja

A 2024 novemberében megjelent szakmai anyag előszavában Adrienne Nieuwenhuis, a TEQSA megbízott főbiztosa, hangsúlyozza, hogy a generatív mesterséges intelligencia nem csupán technológiai innováció, hanem alapvető változást hozott az oktatásban. Nieuwenhuis szerint a GMI képes arra, hogy írott szövegeket, videókat, interjúkat és egyéb multimédiás tartalmakat hozzon létre, amelyek egyaránt kihívást jelentenek az oktatási folyamatokban és az értékelési rendszerekben. A főbiztos megfogalmazása szerint „a generatív mesterséges intelligencia térnyerése megköveteli az oktatási intézményektől, hogy gyorsan és hatékonyan alkalmazkodjanak, miközben megőrzik a tanulók tanulmányi eredményeinek érvényességét és hitelességét.” A TEQSA 2024 júniusában felhívást intézett az összes ausztrál felsőoktatási intézményhez, hogy dolgozzanak ki intézményi akcióterveket a GMI kockázatainak kezelésére. Az intézmények példás válaszadási aránya – 100% – tükrözi, hogy a felsőoktatási szektor elkötelezett a kihívásokkal való szembenézés és a lehetőségek kiaknázása iránt.

Az e visszajelzések alapján elkészült dokumentum célja kettős: egyrészt gyakorlati iránymutatást nyújt az intézmények számára, másrészt bemutatja azokat az innovatív megközelítéseket, amelyeket a különböző intézmények már bevezettek vagy terveznek alkalmazni. A GMI technológiák széles körű elterjedése nem csupán kockázatot jelent az oktatási díjak hitelességére, hanem lehetőséget is kínál a tanítási-tanulási folyamatok megerősítésére. A dokumentum a kihívások közül kiemeli az értékelési rendszerek átalakításának szükségességét, különös tekintettel az olyan esetekre, amikor a GMI eszközök képesek hitelesnek tűnő, de mesterségesen generált munkákat előállítani.

A GMI technológiák elterjedése ugyanakkor azt is jelenti, hogy a diplomásoknak fel kell készülniük ezen eszközök etikus és hatékony használatára a munkaerőpiacon. Ahogy az előszóban olvasható: „A GMI térnyerése nem csak kihívásokat jelent, hanem alapvető fontosságú, hogy biztosítsuk a hallgatók számára azokat a készségeket, amelyekkel etikus és felelős módon használhatják ezeket az eszközöket.” Az útmutató felhívja a figyelmet arra, hogy az intézményeknek rugalmasnak kell maradniuk, és folyamatosan alkalmazkodniuk kell a technológiai fejlődés üteméhez. A dokumentum szerzői hangsúlyozzák, hogy a GMI nemcsak az oktatásban, hanem a társadalom és a munkaerőpiac minden szegmensében is átalakító erőként van jelen, ezért az oktatási intézményeknek fel kell készíteniük hallgatóikat ezeknek a technológiáknak a használatára.

Az útmutató három fő dimenziót tárgyal: folyamatokat, embereket és gyakorlatokat. Ezek az elemek szorosan összefüggenek, és együttesen biztosítják, hogy az intézmények képesek legyenek megfelelően kezelni a GMI által jelentett kihívásokat. A „folyamatok” dimenzió az intézményi irányítási mechanizmusokat és a stratégiai tervezést tárgyalja, amelyek az intézkedések végrehajtását támogatják. Az „emberek” dimenzió az oktatók, hallgatók és partnerek szerepére összpontosít, míg a „gyakorlatok” az oktatási és értékelési rendszerek átalakítására helyezik a hangsúlyt.

A dokumentum hangsúlyozza, hogy az MI-integráció sikeressége nemcsak a technológiai infrastruktúra fejlettségén múlik, hanem az intézményi kultúra nyitottságán és az érintettek aktív részvételén is. Az útmutató bemutatja azokat a legjobb gyakorlatokat, amelyeket az ausztrál intézmények alkalmaznak a GMI integrálására. Az előszó külön kiemeli, hogy „az MI-eszközök megfelelő használata csak úgy biztosítható, ha az intézmények holisztikus megközelítést alkalmaznak, amely magában foglalja a tanítás, tanulás és értékelés minden aspektusát.”

Az útmutató célja tehát nem csupán az, hogy bemutassa a már alkalmazott stratégiákat, hanem az is, hogy iránymutatást adjon a jövőbeni fejlődéshez. A GMI technológiák hatásának és lehetőségeinek alapos megértése, valamint az etikus és innovatív megoldások kidolgozása kulcsfontosságú az ausztrál felsőoktatási szektor jövője szempontjából. Az útmutató alapvető szerepet játszik abban, hogy az intézmények képesek legyenek megfelelni ezeknek a kihívásoknak, és olyan környezetet teremtsenek, amely egyszerre támogatja a hallgatói fejlődést és biztosítja az oktatási díjak hitelességét. Újszerűsége és összegző, áttekintő jellege révén nemcsak az ausztrál felsőoktatás, hanem a globális oktatási közösség számára is értékes forrás lehet a GMI által teremtett új világban – a mesterséges intelligencia magyar felsőoktatási integrációs folyamatai szempontjából is.

Stratégiai folyamatok a generatív mesterséges intelligencia bevezetéséhez

A dokumentum „Folyamatok” fejezete hangsúlyosan foglalkozik azzal, hogy az intézmények miként alakíthatnak ki olyan stratégiákat, amelyek egyszerre reagálnak a generatív mesterséges intelligencia által jelentett kihívásokra és használják ki annak lehetőségeit. A cél, hogy az oktatási díjak hitelessége és a tanulmányi eredmények integritása megmaradjon, miközben az intézmények innovatív módon alkalmazkodnak a változó technológiai környezethez. E cél eléréséhez kulcsfontosságú a stratégiai tervezés, a kockázatkezelés és a rendszeres önellenőrzés beépítése az intézményi gyakorlatba.

GMI intézményi stratégia és akcióterv

Az intézményi stratégiák kialakítása során az első lépés a GMI használatának általános céljainak és kereteinek meghatározása. Az útmutató hangsúlyozza, hogy ezek a célok csak akkor érhetők el, ha azokat az intézmény legfelsőbb vezetése is támogatja. Ez nemcsak az erőforrások biztosítása miatt fontos, hanem azért is, hogy az egész intézmény közössége elköteleződjön a célok megvalósítása mellett. Az előrelátó tervezés az egyik alappillére a sikeres integrációnak, különösen egy olyan gyorsan változó technológiai környezetben, mint amilyen a generatív mesterséges intelligencia világa.

Példa a hiteles cselekvési terv intézkedéseire (9. oldal)

A dokumentum felhívja a figyelmet arra, hogy a stratégiai célkitűzések mellett az intézményeknek gondoskodniuk kell az irányelvek és eljárások átfogó felülvizsgálatáról. A meglévő szabályzatokat gyakran módosítani kell, hogy figyelembe vegyék a GMI által jelentett kockázatokat, különösen az értékelési rendszerek terén. Az akadémiai integritás megőrzése érdekében például szükséges lehet az értékelési folyamatok teljes újragondolása. A hagyományos, főként írásbeli dolgozatokra és tesztekre épülő módszerek ugyanis egyre kevésbé képesek garantálni a hallgatók önálló munkájának hitelességét, mivel a GMI eszközök könnyedén képesek előállítani olyan anyagokat, amelyek nehezen különböztethetők meg az emberi munkától.

Az átláthatóság szintén kulcsfontosságú szempont az intézményi stratégiák kialakításában és megvalósításában. Az útmutató hangsúlyozza, hogy az új szabályzatokat és irányelveket minden érintett számára elérhetővé kell tenni, hogy az oktatók, hallgatók és adminisztratív dolgozók egyaránt megértsék azok céljait és jelentőségét. Az információkhoz való hozzáférés megkönnyítése érdekében az intézményeknek olyan kommunikációs csatornákat kell kiépíteniük, amelyek elősegítik az új eljárások átláthatóságát és érthetőségét.

Kockázatértékelés és kockázatkezelés

A stratégiai tervezés egyik alapvető része a kockázatkezelés, amely nélkülözhetetlen az intézmények számára ahhoz, hogy azonosítsák és kezeljék a GMI által jelentett potenciális veszélyeket. Az útmutató hangsúlyozza, hogy a kockázatkezelési folyamatnak széles körűnek és alaposnak kell lennie. Ennek keretében az intézményeknek elemezniük kell, hogy mely kurzusok és értékelési módszerek a leginkább sebezhetőek a GMI eszközök által okozott visszaélésekkel szemben. Ezután prioritásokat kell felállítaniuk, hogy a legnagyobb kockázatú területeken azonnali intézkedéseket hajthassanak végre.

A Christian Heritage College GMI kockázati hőtérképe (16. oldal)

Az egyenlőség és hozzáférhetőség kérdése szintén kiemelt szerepet kap a kockázatkezelésben. Az MI eszközök alkalmazása során biztosítani kell, hogy minden hallgató számára egyenlő esélyek álljanak rendelkezésre, függetlenül társadalmi-gazdasági helyzetüktől vagy technológiai hozzáférésük szintjétől. Az útmutató felhívja a figyelmet arra, hogy az intézményeknek proaktív lépéseket kell tenniük annak érdekében, hogy minimalizálják az MI technológiákhoz való hozzáférés terén fennálló különbségeket.

A munkacsoportok szerepe

A dokumentum kiemeli, hogy az intézményi stratégiák sikeressége jelentős mértékben függ a munkacsoportok szerepétől. Ezek a csoportok, legyenek akár formálisak, akár informálisak, alapvető fontosságúak az MI integrációjához szükséges döntéshozatali folyamatokban. A formális munkacsoportok például stratégiai tanácsokat adnak a vezetőségnek, míg az informális csoportok inkább az innováció és az együttműködés előmozdítására összpontosítanak. Az útmutató példákon keresztül bemutatja, hogy egyes ausztrál intézmények hogyan hoztak létre multidiszciplináris csoportokat, amelyek az MI hatásainak elemzésével és az intézményi stratégia frissítésével foglalkoznak.

A Monash University mesterséges intelligencia irányítási struktúrája - hivatalos tanácsadó és felügyeleti csoportok (22. oldal)

Az „Intézményi stratégiák és akciótervek” fejezet egyértelmű üzenete, hogy a GMI integrációja átfogó, rugalmas és dinamikus stratégiákat igényel. Ezek a stratégiák nemcsak a technológiai kihívások kezelésére alkalmasak, hanem az oktatás minőségének és hitelességének megőrzésére is. Az intézményeknek folyamatosan figyelemmel kell kísérniük a technológiai fejlődést, és rendszeresen frissíteniük kell stratégiáikat annak érdekében, hogy megfeleljenek a változó környezet követelményeinek. Ez a megközelítés nemcsak az ausztrál felsőoktatásban, hanem a globális oktatási közösségben is irányadó lehet a GMI által teremtett új kihívások kezelésében.

Emberek: Támogatás és elköteleződés

A generatív mesterséges intelligencia alkalmazása nemcsak technológiai, hanem emberi tényezőktől is nagymértékben függ. Az oktatók, adminisztratív dolgozók, hallgatók, valamint külső partnerek – például szakmai akkreditációs testületek és iparági képviselők – aktív részvétele nélkül a mesterséges intelligencia integrációja nem lehet sikeres. Az útmutató „Emberek” fejezete azt hangsúlyozza, hogy az MI technológiák etikus és hatékony használata érdekében minden érintett szereplőnek meg kell értenie a technológia jelentőségét, kockázatait és lehetőségeit, miközben képesek együttműködni az új rendszerek kialakításában és alkalmazásában.

Az emberek dimenziója három fő területet ölel fel: a hallgatók támogatását és elköteleződését, a dolgozók képzését és fejlődését, valamint az iparági és szakmai partnerekkel való együttműködést. Ezek a területek szorosan összefonódnak, hiszen a hallgatók és az oktatók közötti dinamikus interakció, az adminisztratív háttértámogatás, valamint az iparági elvárások figyelembevétele mind hozzájárul az MI technológiák sikeres integrációjához.

Emberközpontú megközelítés a mesterséges intelligencia oktatásában (28. oldal)

A fejezet rámutat arra, hogy a GMI integrációja csak akkor lehet sikeres, ha az intézmények képesek mobilizálni az érintett szereplőket, és támogatják őket a technológia etikus és hatékony használatában. A hallgatók, dolgozók és iparági partnerek közötti együttműködés, a képzési programok kialakítása és az egyenlő hozzáférés biztosítása mind hozzájárulnak ahhoz, hogy az intézmények megfeleljenek a GMI által teremtett új kihívásoknak. Ez a megközelítés nemcsak az ausztrál felsőoktatásban, hanem globálisan is irányadó lehet, és hasznos iránymutatásként szolgálhat a GMI a magyar felsőoktatásba való integrációs folyamatai számára is.

Hallgatók támogatása és elköteleződése

Az útmutató szerint a hallgatók támogatása elengedhetetlen ahhoz, hogy a GMI eszközöket felelősségteljesen és hatékonyan használják tanulmányaik során. Az intézmények feladata, hogy világos iránymutatásokat nyújtsanak a hallgatók számára az MI technológiák etikus használatáról, miközben biztosítják számukra a szükséges eszközöket és képzéseket.

Az egyik alapvető lépés a hallgatók tájékoztatása az intézményi irányelvekről és eljárásokról. Ez magában foglalja az akadémiai integritás politikájának frissítését és az olyan anyagok elérhetővé tételét, amelyek részletesen ismertetik a GMI eszközök alkalmazásának etikai normáit. A hallgatóknak nemcsak azt kell tudniuk, hogy milyen keretek között használhatják az MI-t, hanem azt is, hogy milyen következményekkel járhat annak helytelen alkalmazása. Az intézmények gyakran használnak erre a célra bevezető kurzusokat, képzési modulokat vagy online tananyagokat, amelyek segítik a hallgatókat abban, hogy tisztában legyenek a szabályokkal és elvárásokkal.

A hallgatói visszajelzések beépítése szintén alapvető fontosságú az MI stratégiák kialakítása során. Az útmutató hangsúlyozza, hogy az intézményeknek aktívan be kell vonniuk a hallgatókat a GMI-vel kapcsolatos politikák és gyakorlatok fejlesztésébe. Ennek egyik hatékony módja, ha a hallgatók képviselői részt vesznek az MI munkacsoportokban, ahol közvetlenül megoszthatják tapasztalataikat és javaslataikat. Ez nemcsak a stratégiák relevanciáját növeli, hanem erősíti a hallgatók elköteleződését is.

Az egyenlő hozzáférés biztosítása különösen fontos szempont a hallgatók támogatásában. Az MI eszközök széles körű elérhetősége és használata nem lehet akadálya annak, hogy a különböző társadalmi-gazdasági helyzetű hallgatók egyenlő esélyeket kapjanak. Az intézményeknek gondoskodniuk kell arról, hogy az MI technológiákhoz való hozzáférés ne függjön a hallgatók anyagi helyzetétől vagy technológiai lehetőségeitől. Ezt intézményi licenszek biztosításával, közösségi MI eszközök elérhetőségével és célzott támogatási programokkal lehet elérni.

Dolgozók képzése és fejlődése

Az MI technológiák integrációjának sikeressége nagyban múlik az oktatók és adminisztratív dolgozók felkészültségén. Az útmutató hangsúlyozza, hogy az intézményeknek átfogó képzési és fejlesztési programokat kell kialakítaniuk, amelyek lehetővé teszik a dolgozók számára, hogy megértsék az MI technológiák működését és alkalmazásuk módját. Az oktatóknak például nemcsak azt kell tudniuk, hogyan integrálják az MI-t a tanítási gyakorlatukba, hanem azt is, hogy hogyan kezeljék a technológia által jelentett kockázatokat, például a plágium vagy a visszaélések terén.

Az intézményeknek biztosítaniuk kell, hogy az MI-vel kapcsolatos ismeretek és készségek fejlesztése minden dolgozó számára elérhető legyen, beleértve az új belépőket is. Az onboarding folyamatok során kiemelt figyelmet kell fordítani arra, hogy az új dolgozók megismerjék az intézmény GMI stratégiáját és a technológia alkalmazásával kapcsolatos elvárásokat. Ezen túlmenően a dolgozók folyamatos szakmai fejlődését is támogatni kell, például célzott képzésekkel, workshopokkal vagy mentorprogramokkal.

Az útmutató kiemeli, hogy a dolgozók közötti együttműködés elősegítése szintén kulcsfontosságú az MI technológiák sikeres integrációjában. Az informális munkacsoportok és közösségi gyakorlatok lehetőséget teremtenek arra, hogy a dolgozók megosszák egymással tapasztalataikat, ötleteiket és legjobb gyakorlataikat. Az ilyen típusú együttműködések nemcsak az innovációt ösztönzik, hanem hozzájárulnak az intézményi kultúra fejlődéséhez is.

Együttműködés iparági és szakmai partnerekkel

Az iparági és szakmai partnerekkel való együttműködés szintén kiemelt szerepet kap az MI technológiák integrációjában. Az útmutató hangsúlyozza, hogy az intézményeknek szoros kapcsolatot kell ápolniuk a szakmai akkreditációs testületekkel és iparági szereplőkkel annak érdekében, hogy biztosítsák, hogy a végzős hallgatók rendelkezzenek a szükséges MI-ismeretekkel és készségekkel. Ez különösen fontos olyan területeken, ahol az MI technológiák már jelentős hatással vannak a szakmai gyakorlatokra, például az egészségügyben, az üzleti szférában vagy a kreatív iparágakban.

Az iparági partnerek visszajelzései segítenek az intézményeknek abban, hogy tananyagaik és képzési programjaik megfeleljenek a munkaerőpiac elvárásainak. Az útmutató példákon keresztül bemutatja, hogy egyes ausztrál intézmények hogyan vonták be iparági szakértőket és akkreditációs testületeket a GMI stratégiák kidolgozásába. Ezek az együttműködések lehetővé teszik, hogy az intézmények folyamatosan frissítsék képzési programjaikat, és biztosítsák, hogy a hallgatók naprakész ismeretekkel rendelkezzenek.

Gyakorlatok: Oktatás és értékelés átalakítása

A generatív mesterséges intelligencia megjelenése alapvetően alakítja át az oktatási gyakorlatokat és az értékelési rendszereket. Az oktatási intézmények számára nem csupán technológiai kihívás, hanem egyúttal lehetőség is, hogy olyan innovatív módszereket alkalmazzanak, amelyek megfelelnek a modern kor követelményeinek. Az útmutató „Gyakorlatok” fejezete részletesen bemutatja, hogyan tudnak az ausztrál felsőoktatási intézmények a GMI technológiákat beépíteni a tanítási, tanulási és értékelési folyamatokba.

A „gyakorlat” kifejezés a dokumentum szóhasználatában a tanítási, tanulási és értékelési tevékenységek mindazon megközelítéseit magában foglalja, amelyeket a szolgáltatók a tanulás, tanulás és értékelés során alkalmaztak vagy módosítottak annak biztosítása érdekében, hogy a hallgatók jobban bizonyítsák az oklevelükben foglalt tanulási eredményeket. A cél nem csupán a technológia beillesztése az oktatási folyamatokba, hanem az is, hogy az MI eszközök használata révén a hallgatók kompetenciái fejlődjenek, és képessé váljanak a technológia felelősségteljes és kreatív alkalmazására.

Az oktatási gyakorlatok átalakítása során kiemelt szerepet kap az autentikus és folyamatorientált tanulási környezetek létrehozása. Ezek a megközelítések nemcsak a GMI alkalmazását teszik lehetővé, hanem hozzájárulnak ahhoz is, hogy a hallgatók mélyebb megértést szerezzenek a tanult anyagokról, miközben kritikusan viszonyulnak az MI eszközök által generált tartalmakhoz. Az értékelési gyakorlatok átalakítása szintén központi eleme a fejezetnek, különös tekintettel azokra a módszerekre, amelyek képesek biztosítani a tanulmányi eredmények hitelességét egy olyan környezetben, ahol az MI már alapvető szerepet játszik.

 Edith Cowan University: A tanterv átalakítása (48. oldal)

Oktatási gyakorlatok: Autentikus és folyamatorientált tanulás

Az oktatás terén a GMI eszközök számos új lehetőséget kínálnak. Az útmutató hangsúlyozza, hogy az intézményeknek arra kell törekedniük, hogy a tanulási folyamatokat a valós életből vett példákra és autentikus helyzetekre alapozzák. Ez a megközelítés különösen fontos olyan területeken, mint az üzleti menedzsment, az egészségügy, a mérnöki tudományok vagy a kreatív iparágak, ahol az MI alkalmazása már jelen van a mindennapi gyakorlatban. Az autentikus tanulási helyzetekben a hallgatók olyan problémákkal szembesülnek, amelyek valós környezetben is előfordulhatnak, és ezáltal nemcsak elméleti ismereteiket, hanem gyakorlati készségeiket is fejleszthetik.

A folyamatorientált tanulási környezetek kialakítása szintén fontos szerepet kap az útmutatóban. Az ilyen környezetek célja, hogy a hallgatók ne csupán a végeredményre koncentráljanak, hanem a tanulási folyamat minden lépésére figyelmet fordítsanak. Ez különösen fontos a GMI eszközök használata során, ahol a hallgatóknak meg kell érteniük, hogyan működnek ezek az eszközök, milyen adatokat használnak fel, és hogyan lehet azokat etikus módon alkalmazni. Az útmutató szerint a folyamatorientált megközelítés hozzájárulhat a hallgatók kritikai gondolkodásának és problémamegoldó képességeinek fejlesztéséhez, miközben csökkenti a plágium és az MI által generált tartalmak nem etikus felhasználásának kockázatát.

Műszaki Egyetem, Sydney: Az értékelési gyakorlat felülvizsgálata (48. oldal)

Az értékelési gyakorlatok átalakítása

Az értékelési rendszerek átalakítása kulcsfontosságú ahhoz, hogy az intézmények megőrizhessék a tanulmányi eredmények hitelességét a GMI által dominált környezetben. Az útmutató hangsúlyozza, hogy a hagyományos értékelési módszerek, például az esszék vagy a tesztek, egyre kevésbé képesek megfelelni az MI által teremtett új kihívásoknak. Az MI eszközök könnyedén képesek olyan tartalmak előállítására, amelyek hitelesnek tűnnek, de nem tükrözik a hallgatók valós tudását és készségeit. Ennek megfelelően az intézményeknek új, innovatív értékelési módszereket kell alkalmazniuk, amelyek képesek mérni a hallgatók tanulási eredményeit, miközben minimalizálják a visszaélések lehetőségét.

Az autentikus értékelési módszerek különösen hatékonynak bizonyulnak a GMI alkalmazásának környezetében. Az ilyen módszerek során a hallgatók olyan feladatokat kapnak, amelyek valós problémák megoldására irányulnak, és amelyek megkövetelik a kritikai gondolkodást, a kreativitást és az együttműködést. Az autentikus értékelések nemcsak a hallgatók tudását mérik, hanem azt is, hogy képesek-e alkalmazni a tanultakat valós helyzetekben. Az útmutató példaként említi az esettanulmány-alapú értékeléseket, ahol a hallgatóknak egy adott problémára kell megoldást találniuk, miközben figyelembe veszik az MI technológiák által kínált lehetőségeket.

A szóbeli vizsgák és prezentációk szintén hatékony alternatívát kínálnak a hagyományos írásbeli értékelések mellett. Az ilyen típusú vizsgák során a hallgatóknak nemcsak az ismereteiket kell bemutatniuk, hanem képesnek kell lenniük arra is, hogy válaszoljanak a tanárok által feltett kérdésekre, ami csökkenti az MI által generált tartalmak használatának lehetőségét. A szóbeli vizsgák lehetőséget teremtenek arra, hogy a tanárok közvetlenül mérjék a hallgatók megértését és képességeit, miközben hozzájárulnak a tanulási folyamat személyesebbé tételéhez.

Az útmutató kiemeli, hogy az értékelési rendszerek átalakításának része kell legyen az MI technológiák alkalmazása is. Az MI eszközök például felhasználhatók a hallgatók fejlődésének nyomon követésére, a tanulási eredmények elemzésére, valamint személyre szabott visszajelzések nyújtására. Az ilyen technológiák azonban csak akkor használhatók hatékonyan, ha az intézmények biztosítják, hogy az értékelési folyamat átlátható és etikus maradjon.

 Griffith University - az értékelés újratervezése és a tanulási eredmények újragondolása (51. oldal)

Az oktatási kultúra átalakítása

Az oktatási és értékelési gyakorlatok átalakításának sikere nagymértékben függ az intézményi kultúra nyitottságától és rugalmasságától. Az útmutató hangsúlyozza, hogy az MI technológiák integrációja nem csupán technológiai kérdés, hanem alapvetően átalakítja azt, ahogyan az intézmények a tanulásra, tanításra és értékelésre tekintenek. Az oktatási kultúra átalakítása magában foglalja az oktatók és hallgatók közötti együttműködés erősítését, a tanulási folyamat központba helyezését, valamint a technológiai eszközök kreatív és felelősségteljes használatának előmozdítását.

Egyetemi példák, innovatív gyakorlatok

Az ausztrál felsőoktatás generatív mesterséges intelligenciával kapcsolatos stratégiái számos innovatív gyakorlatot mutatnak be, amelyek célja az oktatási minőség fenntartása és az akadémiai integritás biztosítása. Az alábbiakban néhány kiemelt példa olvasható, amelyek bemutatják, hogyan alkalmazzák az intézmények a GMI-t az oktatásban és az értékelésben.

Ezek a példák azt mutatják, hogy az ausztrál felsőoktatási intézmények nemcsak alkalmazkodnak a generatív mesterséges intelligencia kihívásaihoz, hanem proaktív módon kihasználják annak lehetőségeit. Az autentikus értékelési módszerek, a folyamat-orientált tanulás, az MI-eszközök alkalmazása és az iparági együttműködések mind azt bizonyítják, hogy az oktatás és az értékelés átalakítása nemcsak szükséges, hanem előremutató is lehet. Ezek a gyakorlatok példát mutatnak más országok számára is arra, hogyan lehet a GMI-t felelősségteljesen és innovatív módon integrálni az oktatási rendszerekbe.

Southern Cross University: Autentikus értékelés

A Southern Cross University Egészségtudományi Kara autentikus értékelési módszereket alkalmaz, amelyek a valós szakmai helyzeteket tükrözik. Az autentikus értékelés egyik kiemelt példája a viva voce, azaz szóbeli vizsgák, ahol a hallgatók közvetlenül kommunikálnak az oktatóval vagy vizsgáztatóval. Ez lehetőséget ad arra, hogy a hallgatók ne csupán ismertessék tudásukat, hanem bemutassák, hogy hogyan gondolkodnak, miként oldanak meg problémákat, és hogyan reagálnak a váratlan kérdésekre. Az ilyen típusú vizsgák minimalizálják az MI-eszközök használatával járó visszaélések lehetőségét, mivel az interaktív környezetben azonnal kiderül, ha a hallgató nem saját maga készítette el a feladatot.

Az objektív, strukturált klinikai vizsgák (OSCE) szintén a valós szakmai gyakorlatot utánozzák. Ezek a vizsgák különböző állomásokra oszlanak, ahol a hallgatók konkrét feladatokat hajtanak végre, például betegvizsgálatot szimulálnak, diagnosztikai döntéseket hoznak vagy kezelési terveket készítenek. Az OSCE-k előnye, hogy a vizsgáztatók pontosan mérhetik a hallgatók gyakorlati készségeit és szakmai kompetenciáit, miközben az értékelési folyamat átlátható és szabványosított marad. Ezek a módszerek nemcsak a hallgatók tudását teszik próbára, hanem felkészítik őket a szakmai kihívásokra is.

Curtin College: Folyamat-alapú értékelés

A Curtin College folyamat-alapú értékelési megközelítése a tanulási folyamat minden szakaszát figyelembe veszi. Ez azt jelenti, hogy a hallgatók nemcsak a végső eredményt nyújtják be az értékelés részeként, hanem részletes dokumentációt készítenek arról, hogyan jutottak el a megoldáshoz. Például egy projekt során a hallgatóknak be kell mutatniuk a kutatási kérdéseiket, a választott módszertan indoklását, a források elemzését és a megoldás iteratív fejlesztési lépéseit.

Az osztálytermi visszaigazolási ellenőrzések révén az oktatók rendszeresen nyomon követik a hallgatók előrehaladását. Ez lehetővé teszi, hogy az oktatók azonosítsák azokat a pontokat, ahol a hallgatóknak további támogatásra lehet szükségük, miközben segít feltárni az esetleges visszaéléseket. Az ilyen típusú ellenőrzések megnehezítik az MI által generált tartalmak használatát, mivel a hallgatóknak folyamatosan be kell mutatniuk saját munkájukat.

Monash University: MI-felkészültségi önértékelő eszköz

A Monash University által kifejlesztett MI-felkészültségi önellenőrző eszköz lehetővé teszi az oktatók számára, hogy felmérjék, mennyire alkalmasak az MI technológiák integrálására az oktatásban. Ez az eszköz részletes kérdéseket tartalmaz, például arról, hogy az oktatók tisztában vannak-e az MI használatának etikai kérdéseivel, tudják-e, hogyan lehet az MI-t támogató eszközként alkalmazni az értékelések során, és képesek-e biztonságosan használni a technológiát a tanulási eredmények eléréséhez.

Az eszköz eredményei alapján az oktatók személyre szabott visszajelzést kapnak arról, hogy mely területeken van szükségük további képzésre. Ez az önértékelési folyamat támogatja az intézményeket abban, hogy célzott képzéseket és forrásokat biztosítsanak, miközben segít az oktatóknak jobban megérteni az MI technológiák lehetőségeit és korlátait.

University of Southern Queensland: Rendszerszintű kockázatelemzés

A University of Southern Queensland egy átfogó kockázatelemzési rendszert vezetett be, amely az értékelési módszerek alapos vizsgálatára és azonosítására épül. Ez a megközelítés segít feltárni azokat a kurzusokat, amelyek különösen érzékenyek az MI által generált tartalmak használatára. Például egyes szövegalapú feladatokat, amelyek könnyen generálhatók MI segítségével, magasabb kockázati kategóriába sorolnak.

Az elemzések eredményei alapján az intézmény képzéseket biztosít az oktatók számára, hogy növeljék az értékelési biztonságot. Emellett az egyetem olyan szabályzatokat dolgozott ki, amelyek lehetővé teszik a hallgatók számára, hogy egyértelműen megértsék az elvárásokat és a következményeket az MI használatával kapcsolatban. Ez a rendszerszintű megközelítés elősegíti az értékelési integritás fenntartását és minimalizálja a visszaélések lehetőségét.

Western Sydney University: Átalakuló értékelési gyakorlat

A Western Sydney University átalakította az értékelési gyakorlatokat, hogy a hallgatók tanulási folyamatát helyezze előtérbe. Az új értékelési formák közé tartozik a progresszív benyújtási rendszer, amelyben a hallgatók az egyes munkafázisokat – például a vázlatokat, jegyzeteket vagy kutatási terveket – külön benyújtják az oktatóknak. Ez a módszer lehetővé teszi, hogy az oktatók folyamatosan figyelemmel kísérjék a hallgatók munkáját és fejlődését, miközben visszajelzést adnak, ami elősegíti a tanulás javítását.

A nyitott végű projektek és multimédiás prezentációk szintén a gyakorlat részét képezik. Ezek a feladatok arra ösztönzik a hallgatókat, hogy kreatív módon mutassák be tudásukat, miközben különböző technológiákat használnak a tartalmak előállítására. Az ilyen típusú értékelések nemcsak a hallgatók képességeit mérik, hanem fejlesztik a gyakorlati készségeiket is, amelyek a munkaerőpiacon elengedhetetlenek.

Összegzés

Az ausztrál felsőoktatási intézmények tapasztalatai világosan mutatják, hogy a generatív mesterséges intelligencia (GMI) nem csupán technológiai kihívást jelent, hanem óriási lehetőséget is kínál az oktatás minőségének fejlesztésére és az akadémiai integritás megőrzésére. Az ausztrál gyakorlatok a magyar felsőoktatás számára is hasznos segítséget nyújthatnak egy átfogó, új, integrált megközelítés kialakítására, amely az oktatási rendszer stratégiai tervezésére, az érintettek aktív bevonására és az oktatási gyakorlatok jelentős átalakítására épül.

Stratégiai tervezés és szabályozási környezet kialakítása

A magyar felsőoktatás szereplői számára az egyik legfontosabb lépés egy átfogó intézményi stratégia kidolgozása lenne, amely választ ad a GMI technológiák által támasztott kihívásokra és lehetőségekre. Ennek az alapja egy részletes kockázatelemzés, amely feltárja az oktatási és értékelési rendszerek azon területeit, amelyek a leginkább ki vannak téve a GMI eszközök használatának.

Ezen az alapon kellene kidolgozni egy intézményi akciótervet, amely világosan meghatározza az elérendő célokat és az ezekhez vezető lépéseket. Ez a stratégia azonban csak akkor lehet sikeres, ha a legfelsőbb intézményi vezetés is teljes mértékben támogatja azt, és (nyilván a lehetőségekhez képest) megfelelő erőforrásokat biztosít a megvalósításhoz.

A szabályozási környezet átalakítása szintén kulcsfontosságú. A meglévő szabályzatok és irányelvek nem mindig veszik figyelembe a GMI technológiák által jelentett új típusú kockázatokat, különösen az értékelési rendszerek hitelességét illetően. Az ausztrál példákból kiindulva elengedhetetlen a szabályzatok frissítése, amelyek meghatározzák az MI technológiák etikus használatának kereteit, miközben biztosítják az akadémiai integritás megőrzését.

Az érintettek aktív bevonása és támogatása

A GMI sikeres integrációjához az érintettek – oktatók, hallgatók és iparági partnerek – bevonása alapvető fontosságú. A hallgatók támogatása különös figyelmet igényel, hiszen ők azok, akik közvetlenül használják majd a technológiát tanulmányaik során. Az ausztrál tapasztalatok szerint fontos, hogy világos iránymutatásokat és etikai normákat ismertessünk velük a GMI használatáról, miközben biztosítjuk számukra az ehhez szükséges képzéseket. A hallgatók bevonása a szabályozások kidolgozásába növeli a szabályozások relevanciáját és erősíti az elköteleződésüket. Az intézményeknek figyelmet kell fordítaniuk arra is, hogy egyenlő hozzáférést biztosítsanak a technológiákhoz minden hallgató számára, függetlenül társadalmi-gazdasági helyzetüktől.

Az oktatók képzése szintén kiemelt fontosságú. Az ausztrál intézmények példája alapján átfogó programokat kell indítani, amelyek során az oktatók megismerhetik a GMI működését, alkalmazási lehetőségeit és az azzal kapcsolatos etikai kérdéseket. Az oktatók szerepe kulcsfontosságú a hallgatók megfelelő irányításában, és abban, hogy a technológia ne csupán eszköz, hanem a tanulási folyamat integrált része legyen. A képzéseken túl érdemes lehet munkacsoportokat kialakítani, amelyek az oktatók közötti együttműködést és tapasztalatcserét segítik elő.

Az iparági partnerekkel való együttműködés nélkülözhetetlen. Az ausztrál példák jól mutatják, hogy az intézmények szoros kapcsolatot ápolnak szakmai akkreditációs testületekkel és iparági szereplőkkel annak érdekében, hogy a képzések megfeleljenek a munkaerőpiaci követelményeknek. Az iparági elvárások figyelembevétele biztosítja, hogy a végzős hallgatók piacképes, releváns tudással rendelkezzenek.

Oktatási gyakorlatok és értékelési rendszerek átalakítása

Az ausztrál példák egyik legnagyobb tanulsága az, hogy a GMI integrációja alapvető változásokat követel meg az oktatási és értékelési gyakorlatok terén. A hagyományos értékelési módszerek, mint az esszék és tesztek, egyre kevésbé alkalmasak a hallgatók valós tudásának mérésére egy olyan környezetben, ahol a GMI könnyedén előállíthat hitelesnek tűnő, de mesterségesen generált tartalmakat.

Az ausztrál gyakorlatból kiindulva érdemes lenne Magyarországon is autentikus értékelési módszereket bevezetni, mint például esettanulmányok, szóbeli vizsgák és folyamatorientált feladatok. Ezek nemcsak a hallgatók tudását mérik, hanem fejlesztik a kritikai gondolkodást, a kreativitást és a problémamegoldó képességet is.

A tanulási folyamat középpontba helyezése szintén alapvető fontosságú. Az autentikus és valós helyzetekre építő tanulási környezetek, amelyeket a GMI technológiák támogatnak, lehetőséget teremtenek a hallgatók számára, hogy mélyebb megértést szerezzenek, miközben valós problémákat oldanak meg. A folyamatorientált értékelési rendszerek, amelyek során a hallgatók munkájuk minden lépését dokumentálják, segítenek az MI által generált tartalmak visszaélésének csökkentésében, miközben lehetőséget adnak az oktatóknak a hallgatók fejlődésének nyomon követésére.

Az MI-technológiák használata a tanulási eredmények elemzésében és személyre szabott visszajelzések nyújtásában szintén fontos szerepet kaphat. Az ilyen technológiák segítségével az intézmények hatékonyabban támogathatják a hallgatók fejlődését, miközben biztosítják az értékelési folyamat átláthatóságát és hitelességét.

Az intézményi kultúra szerepe és a jövő kihívásai

Az ausztrál tapasztalatokból az is kiderül, hogy a sikeres integráció nagymértékben függ az intézményi kultúra nyitottságától és rugalmasságától. A technológia alkalmazása nem csupán technikai kérdés, hanem alapjaiban változtatja meg az oktatásról alkotott elképzeléseket. Ezért elengedhetetlen a tanulási folyamat középpontba állítása, az oktatók és hallgatók közötti együttműködés erősítése, valamint a technológiai eszközök kreatív és felelősségteljes használatának elősegítése.

Összességében az ausztrál felsőoktatás tapasztalatai értékes tanulságokat kínálnak Magyarország számára. A technológia lehetőségeinek kiaknázása nemcsak az oktatás versenyképességét növeli, hanem hozzájárul a hallgatók gyakorlati tudásának fejlesztéséhez és az akadémiai integritás fenntartásához. Ahhoz azonban, hogy ez megvalósulhasson, elengedhetetlen a stratégiai szemlélet, a szabályozási környezet átalakítása, az érintettek aktív bevonása, valamint a nyitott és alkalmazkodó intézményi kultúra kialakítása. Csak így érhetjük el, hogy a magyar felsőoktatás megfeleljen a 21. század technológiai kihívásainak és lehetőségeinek és arra készítse fel a hallgatókat, amelyre – bármely területen is dolgoznak majd diplomásként – a GMI által átformált világban a munkaerőpiac joggal vár el tőlünk.

 A cikk emberi és mesterséges intelligencia együttműködésével jött létre.