Mesterséges intelligencia az iskolában – elméleti alapok és gyakorlati példák egy most megjelent német szakmai tanulmányban

 

A 2025 májusában közzétett, a Német Szövetségi Oktatási és Kutatási Minisztérium megbízásából készült Mesterséges intelligencia az iskolában - Áttekintés a tudományos álláspontról, a gyakorlati helyzetről és a jövőbeli kilátásokról című tanulmány célja, hogy a mesterséges intelligencia iskolai alkalmazásáról megalapozott, tudományos és gyakorlati ismereteket ötvöző útmutatót nyújtson pedagógusok, döntéshozók és az oktatás jövője iránt érdeklődők számára. A dokumentum abból a felismerésből indul ki, hogy a generatív MI-eszközök – különösen a ChatGPT – rövid idő alatt váltak a tanulók mindennapi eszközévé, és ezzel alapvetően átalakították a tanulás és tanítás megszokott kereteit. A tanulmány hangsúlyozza, hogy nem a tiltás, hanem a tudatos keretalkotás jelentheti a pedagógiai választ: olyan szabályozási, etikai és didaktikai feltételrendszert kell kialakítani, amely lehetővé teszi az MI felelős és célzott beágyazását az oktatásba. A tanári kompetenciák fejlesztése, az adatvédelmi tudatosság és a kritikai technológiai gondolkodás kulcsszerepet játszanak ebben a folyamatban. A német példa értékes kiindulópontot jelenthet a magyar oktatási rendszer számára is, ahol hasonló kérdések kerültek előtérbe a digitális eszközhasználat szabályozásával kapcsolatban.

A munka 2025 márciusában nyilvánosságra hozott első változata akkor „gyors reagálású szakmai állásfoglalásként” készült. Célja az volt, hogy a mesterséges intelligencia iskolai térnyerésére mielőbb reflektáljon, és iránytűként szolgáljon a tanárok, iskolavezetők és oktatáspolitikai döntéshozók számára. A szöveg már ekkor felvetette, hogy az MI nem csupán technológiai eszköz, hanem nevelési és társadalmi kihívás is, amely mélyen átalakítja a tanítás, tanulás és értékelés folyamatait. A dokumentum még inkább az elméleti megközelítésekre és stratégiai kérdésekre koncentrált, szemben a májusi változattal, amely már részletes gyakorlati példákat, alkalmazási javaslatokat és konkrét ajánlásokat is tartalmazott. Már a márciusi előzetes kiadás is jelezte: az MI iskolai bevezetése nem technikai döntés, hanem pedagógiai és társadalmi felelősség, amely alapos tudományos megalapozást igényel.

Prof. Dr. Katharina Scheiter (Universität Potsdam) és Regina Schulz (Gymnasium Grootmoor) 2025. márciusában egy bonni oktatáskutatási konferencián mutatták be a munka első változatát – a szemlecikkünkhöz használt illusztrációk egy részét ebből vettük át

A projektet a DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation koordinálta, amely Németország egyik legjelentősebb oktatáskutató intézménye. A vezető szerzők közé tartozik Prof. Dr. Andreas Scheiter, aki a tanulási technológiák és a kognitív tanuláselméletek nemzetközi szinten elismert kutatója, valamint Prof. Dr. Stefan Aufenanger, a digitális média pedagógiai és társadalmi hatásainak szakértője. A szakmai csapatban részt vett továbbá Susanne Günther, aki az oktatástechnológiai fejlesztések gyakorlati alkalmazhatóságát vizsgálja, valamint Frederik Derkau, aki az etikai, adatvédelmi és szabályozási szempontokat integrálta az elemzésbe. A tanulmány társadalomtudományi és didaktikai megalapozását olyan munkatársak biztosították, mint Kira Rogge, Julian Seifert és Vanessa Stark, akik elsősorban az iskolai terepkutatásért és az oktatási környezetek empirikus vizsgálatáért feleltek. Ez az interdiszciplináris háttér biztosította, hogy a tanulmány nem pusztán technológiai útmutatóként, hanem neveléselméleti és oktatáspolitikai tájékozódási pontként is működjön.

A véglegesített szöveg a mesterséges intelligenciával kapcsolatos kutatásokra nagy súlyt helyező Német Szövetségi Oktatási és Kutatási Minisztérium (Bundesministerium für Bildung und Forschung – BMBF) „Bildung | Forschung | Innovation” programjának keretében látott napvilágot, amely a digitális átalakulás oktatási és tudományos vonatkozásait vizsgálja, s a tudományos szakirodalom és a gyakorlati példák szisztematikus feltérképezése alapján átfogó képet ad a mesterséges intelligencia iskolai alkalmazásáról.  A tanulmány megjelenése egyértelműen jelzi, hogy a mesterséges intelligencia iskolai alkalmazása stratégiai kérdéssé vált a német oktatáspolitikában, és a szaktárca célja, hogy a technológiai fejlesztéseket pedagógiailag megalapozott módon illessze be az oktatási rendszerbe.

A dokumentum célja, hogy az MI pedagógiai integrációjához a német oktatási rendszer szereplői számára megalapozott, átgondolt kiindulópontokat kínáljon, figyelembe véve a 2025 nyarán kirajzolódó helyzetet és kilátásokat. A tanulmány nem technológiai kézikönyv, hanem egy didaktikai, etikai és szabályozási keretrendszert kínáló háttérelemzés, melyből azonban jelentős, a gyakorlati alkalmazásra vonatkozó következtetések is levonhatók. A szöveg öt fő területet dolgoz fel: a bevezető rész az MI pedagógiai jelentőségét és fogalmi kereteit tisztázza, a második rész az iskolai tanulásra vonatkozó lehetséges oktatási megközelítéseket mutatja be, a harmadik rész a tanulási formák és az MI kapcsolatát elemzi, a negyedik rész a tanári szerep és kompetenciák változását tárgyalja, míg az  ötödik fejezet gyakorlati következtetéseket fogalmaz meg a jövő oktatáspolitikája számára.

A mesterséges intelligenciával összefüggő alapvető fogalmak rendszere

A tanulmány bevezető része hangsúlyozza, hogy a mesterséges intelligencia nemcsak technológiai újítás, hanem olyan társadalmi kihívás, amelyre az iskolarendszernek rendszerszinten kell választ adnia. Az MI az oktatásban nem egy távoli jövőkép, hanem már jelen van: a tanulók dolgozatok írásához, házi feladatok megoldásához, információszerzéshez használják – sok esetben tanári iránymutatás nélkül. Ez az állapot hosszú távon nem fenntartható: a reflektált, kritikai és didaktikailag megalapozott MI-használat kialakítása a pedagógusok és oktatáspolitika közös felelőssége.

A második fejezet a MI működésének és elérhetőségének iskolai szempontú vizsgálatát adja. A szerzők világosan elhatárolják egymástól a különböző MI-típusokat: míg az ún. szűk MI speciális oktatási célokra (pl. adaptív feladatgenerálás, automatikus esszéértékelés) alkalmas, a generatív MI (pl. ChatGPT) nem oktatásra fejlesztett, mégis jelentős pedagógiai hatással bíró technológia. A tanulmány kiemeli, hogy az adatvédelmi aggályok és a technológiai hozzáférés korlátai nem lehetnek elhárító érvként használva – ehelyett az iskoláknak olyan biztonságos és transzparens megoldásokat kell keresniük, amelyek megfelelnek az EU AI Act és a GDPR előírásainak. A szerzők példaként hozzák fel a licencelt hozzáférésű oktatási célú MI-alkalmazásokat (pl. a tanulói teljesítményre egyedi visszajelzéseket  adó FelloFish, az olvasását segítő LaLeTu alkalmazás), illetve a tanári API-hozzáféréssel működő, tanulói adatokat nem gyűjtő rendszereket (pl. fAIrChat).

Kiemelt szerepet kap annak tudatosítása, hogy a tanároknak nem csupán technológiai ismeretekre, hanem didaktikai mérlegelésre is szükségük van. Az MI használata nem lehet semleges: minden eszköz és alkalmazás tanulási folyamatokat formál, elvárásokat alakít ki, és (rejtetten) értékeket közvetít. Az MI-alapú rendszerek bevezetése előtt ezért érdemes mérlegelni azok transzparenciáját, adatbiztonságát és nevelési hatását. Ez a gyakorlat szintjén azt jelenti, hogy a tanárok tanítsák meg a tanulókat arra, hogyan használjanak MI-t etikus, adatvédelmi szempontból helyes módon, például úgy, hogy ne írjanak be személyes adatokat a nyílt felületekre.

A tanulmány harmadik fejezete a mesterséges intelligencia és a tanulás kapcsolatát járja körül, öt alapvető viszony mentén. Joscha Falck oktatási szakértő nyomán a szerzők öt tanulási dimenziót határoznak meg, amelyek révén a mesterséges intelligencia integrálható az iskolai tanulásba: tanulás MI-vel, tanulás MI-ről, tanulás MI által, illetve tanulás MI ellenére és tanulás MI nélkül. Ez az elméleti keret világos irányt mutat a tanároknak a tanórai tervezéshez, a tanulók kompetenciafejlesztéséhez és a digitális eszközök pedagógiai értékeléséhez.

A mesterséges intelligencia iskolai oktatásba való integrálásának öt dimenziója – Joscha Falck nyomán

A tanulás MI-vel a tanulók azon képességeit fejleszti, hogy a mesterséges intelligenciát tudatosan és hatékonyan használják fel saját tanulási folyamataikban – például a prezentációk, szövegelemzések vagy esszéírás során. A gyakorlatban ez a következő tevékenységekhez kapcsolható: promptolás tanítása, a különféle MI-eszközök célzott összehasonlítása, vagy a felhasználói visszacsatolások minőségének értékelése. A tanulók így képesek lesznek az MI-t nem, mint „megoldógépet”, hanem mint tanulási segédeszközt használni.

A tanulás MI-ről dimenzióban az MI működésének technológiai, társadalmi és etikai aspektusai kerülnek előtérbe. A tanulmány több ajánlott anyagot is felsorol – például a Fobizz „Die Welt der KI” programját általános iskolásoknak vagy a SoekiaGPT szimulációt –, amelyek révén a tanulók megérthetik, hogyan működik egy szöveggenerátor, milyen adatokat használ, és hol húzódnak az algoritmikus döntések határai.

A tanulás MI által az adaptív, tanulóhoz igazodó rendszerek pedagógiai szerepét vizsgálja. A tanulmány gyakorlati példaként említi a FelloFish automatikus esszéértékelőt, a Meister Cody fejlesztőprogramot vagy a bettermarks matematikai ITS-rendszert. Ezek olyan alkalmazások, amelyek nem helyettesítik a tanárt, hanem egyénre szabott tanulási útvonalakat javasolnak, és visszajelzésekkel támogatják a diákok fejlődését. A tanárok szerepe itt nem csökken, hanem új tartalommal bővül: az egyéni tanulási adatok értelmezésére és az automatizált ajánlások emberi kontextualizálására van szükség.

A tanulás MI ellenére dimenzió célja a kritikai tudatosság fejlesztése. A diákokat rá kell vezetni, hogy az MI-használat nem minden esetben előnyös – az önálló gondolkodás, az érvelési készség és az etikai megfontolás nem automatizálható. Az ilyen órákon olyan kérdések vethetők fel, mint például: „Hogyan befolyásolja az MI a kreativitást vagy a tanulói autonómiát?”, „Milyen hatása van a deepfake technológiáknak a valóságérzékelésre?”

Végül a tanulás MI nélkül dimenzió hangsúlyozza a klasszikus pedagógiai eljárások, az érzelmi, motorikus és közösségi tanulás szerepét. Különösen az alsó tagozatban elengedhetetlen a mozgásos, érzékszervi és személyes jelenlétre építő tanítás – itt az MI legfeljebb kiegészítő eszköz lehet. A szerzők szerint az MI nem válthatja ki a tanári kapcsolatot, az empátiát, a játékos tanulást vagy a művészi kifejezést.

A tanulmány világosan rávilágít: az MI nem helyettesíti, hanem kiegészíti a tanulást, és csak akkor lehet hatékony, ha a pedagógusok tudatosan építik be az oktatásba. A különböző tanulási formák közötti egyensúly biztosítása, valamint az MI előnyeinek és korlátainak tanórai megjelenítése jelenti a valódi didaktikai kihívást. Ez a fejezet olyan eszköztárat ad a tanárok kezébe, amelynek segítségével világos tanulási célokat, kritikai hozzáállást és etikai tudatosságot építhetnek tanítványaikban a mesterséges intelligencia korában.

A mesterséges intelligencia iskolai térhódításával egy időben újra kell gondolnunk a tanárok szerepét és kompetenciáit. A tanulmány negyedik fejezete arra keres választ, hogy mi marad a pedagógus feladata a mesterséges intelligencia mellett, hogyan változik a tanári munka jellege, és milyen kompetenciafejlesztésre van szükség ahhoz, hogy a tanárok aktív alakítói legyenek a MI-alapú oktatási innovációnak.

Az első kérdés, amely a közbeszédben is gyakran felmerül: „Mi szükség van tanárra, ha az MI gyorsabb, pontosabb és mindig rendelkezésre áll?” A szerzők egyértelmű választ adnak: az MI nem rendelkezik azokkal a személyes, kapcsolati, motivációs és érzelmi készségekkel, amelyek a pedagógus hivatását jellemzik. A tanárok nem csupán információközvetítők, hanem olyan nevelési szereplők, akik értéket, példát, visszajelzést és támogatást nyújtanak. Az MI nem képes egy osztály hangulatára, tanulási dinamikáira, egyéni szükségleteire komplex módon reagálni. Az MI tehát nem kiváltja, hanem átalakítja a tanári szerepet.

A tanulmány második fókuszpontja a tanári kompetenciák kérdését érinti. A szerzők hangsúlyozzák, hogy a mesterséges intelligencia felelősségteljes és hatékony beépítése az oktatásba nem kevesebb, hanem éppenséggel több tudást kíván meg a pedagógusoktól. A tanároknak olyan összetett, egymásra épülő készségekre van szükségük, amelyek révén képesek az MI-eszközöket tudatosan, tanulási céljaikhoz illesztve alkalmazni.

A mesterséges intelligencia tanári és tanulói kompetenciáinak rendszere Falck és társai nyomán

Elsőként a technológiai kompetencia emelhető ki, amely magában foglalja a mesterséges intelligencia működésének alapvető megértését, a generatív rendszerekkel való munkavégzés (pl. promptolás) alapismereteit, valamint az egyes alkalmazások funkcióinak ismeretét. Ez a tudás a technológiai eszközökkel való magabiztos bánásmódot alapozza meg.

Második szinten jelenik meg a didaktikai kompetencia, amely azt jelenti, hogy a tanárok képesek az MI-t célzottan, a tanulási célokkal összehangoltan beépíteni a tanórákba. Ez nem csupán eszközhasználatot, hanem a tanulási folyamat átfogó újratervezését is feltételezi, ahol az MI a tanulói aktivitás és a megértés támogatását szolgálja.

A harmadik szintet az etikai és adatvédelmi kompetencia jelenti, amely a tanulók személyes adatainak védelmére, a digitális visszaélések megelőzésére, valamint a kritikai gondolkodás fejlesztésére irányul. E kompetencia révén a tanárok nemcsak védelmet biztosítanak, hanem etikai mércét is állítanak a diákok számára a technológia használatában. A három kompetenciaszint szoros kapcsolatban áll egymással, és együtt alkotják azt a professzionális tudásalapot, amelyre a jövő tanári munkája épülhet a mesterséges intelligencia korában.

A tanulmány példákkal is illusztrálja, miként válhat az MI tanári eszközzé. A generatív MI használható például szövegek differenciált átdolgozására, tanulói visszajelzések előkészítésére, vagy tananyagtervezésre, különösen időigényes rutinfeladatok esetén. Ugyanakkor mindig szükséges a tanári kontroll, azaz az MI által javasolt tartalmak validálása, finomítása. Egy tapasztalt tanár például használhatja az MI-t inspirációként egy új tanóra összeállításához, de ő dönti el, mi kerül be a tanterembe és milyen formában.

A tanulmány hangsúlyozza a Human-in-the-Loop megközelítés fontosságát. Ez azt jelenti, hogy az MI által generált értékelések, ajánlások vagy diagnózisok sohasem lehetnek önállóak, hanem egy szakmailag kompetens pedagógus közreműködésével válnak érvényes és neveléspedagógiailag elfogadható elemmé. A tanári döntéshozatal így kiterjesztett és információkkal támogatott lesz, nem pedig kiváltott vagy automatizált.

A tanári értékelés és mesterséges intelligencia öt dimenziója az iskolában – Joscha Falck nyomán

A tanulmány gyakorlati példákon keresztül mutatja be, hogy az MI a tanári munkafolyamatok átgondolására is ösztönöz. Ilyen például egy generatív MI használata a tanulói esszék előértékelésére, amely után a pedagógus célzottabban tud visszajelzést adni. Vagy olyan digitális portfólió-rendszerek, amelyek MI-alapú elemzéseket kínálnak a tanulói fejlődésről. Ezek azonban csak akkor hoznak valódi előrelépést, ha a tanár érti, miként jöttek létre ezek az értékelések, és képes kritikusan viszonyulni hozzájuk.

A negyedik fejezet fő üzenete az, hogy az MI-t nem kell fenyegetésként értelmezni, hanem lehetőségként, amely kibővíti a pedagógiai eszköztárat. Ehhez azonban elengedhetetlen a tanári autonómia megerősítése, a folyamatos továbbképzés és a biztonságos infrastruktúra kialakítása, amely lehetővé teszi az MI felelős iskolai integrációját. A mesterséges intelligencia csak akkor válhat valódi taneszközzé, ha az oktatási rendszer és a pedagógusok együtt dolgoznak a tudatos, etikus és tanuláscentrikus felhasználáson.

A tanulmány zárófejezete világos és praktikus konklúziókkal szolgál az oktatási rendszer valamennyi szereplője számára. A szerzők szerint a mesterséges intelligencia iskolai alkalmazása nem technológiai, hanem pedagógiai kérdés: nem az MI léte vagy hiánya számít, hanem az, hogyan tudjuk a tanulók fejlődésének szolgálatába állítani. A dokumentum ezért nem eszközöket ajánl, hanem szemléletet formál, és azt üzeni: a tanárok tudása, érzékenysége és etikai hozzáállása kulcsfontosságú az MI használatának sikeréhez.

A jövő tanárai számára elengedhetetlen, hogy kritikusan értelmezni tudják az MI nyújtotta adatokat, ajánlásokat, tartalmakat, és képesek legyenek pedagógiai célok szerint értékelni azok alkalmazhatóságát. Ehhez elméleti ismeretekre és gyakorlati példákra egyaránt szükség van – ezért is fontos, hogy a tanulmány rendszeresen frissülő útmutatóként szolgáljon, ne statikus szabályozásként.

A szerzők szerint az MI csak akkor válhat az iskolai innováció motorjává, ha a tanárok kompetenciáit megerősítjük, a jogi és adatvédelmi környezetet tisztázzuk, és egyértelmű, országosan is összehangolt irányelveket alakítunk ki. A dokumentum külön hangsúlyt fektet a tanulók védelmére is: az MI nem válthatja ki az emberi kapcsolatot, és nem mentesíti az iskolát a nevelői felelősség alól.

Az MI hazai oktatási célú bevezetése szempontjából a tanulmány több szempontból is hasznos iránymutatásokkal szolgálhat. Bár az intézményi szabályozás más jogi környezetben zajlik, a némethez hasonló infrastrukturális háttér pedig még nem áll rendelkezésre, a dokumentum által képviselt szemlélet – a didaktikai integráció, etikai tudatosság, technológiai transzparencia hármasa – idehaza is alkalmazható irányelv lehet. Különösen az MI alapú tanulásértékelés, a differenciált tanulási utak támogatása, vagy az oktatási esélyegyenlőség kérdéseiben jelenthet ez fontos szakmai támpontot a magyar tanárképzés, továbbképzés és iskolafejlesztés számára.

A hazai oktatáspolitikai és szakmai vitákban egyre markánsabban körvonalazódik az a közös álláspont, hogy a mesterséges intelligencia iskolai jelenlétére nem tiltással, hanem tudatos keretfeltételek kialakításával kell válaszolni. Széles körű egyetértés mutatkozik abban, hogy az MI nem kizárandó tényező, hanem olyan eszköz, amely megfelelő szabályozás és pedagógiai irányítás mellett értéket teremthet a tanulásban. Ugyanakkor a szándék és a megvalósítás között még jelentős a távolság: a keretrendszerek gyakorlati kidolgozása, a pedagógusok támogatása, a jogi és etikai útmutatók rögzítése, valamint a mindennapi iskolai működésbe való integrálás még komoly fejlesztéseket és összehangolt erőfeszítéseket igényel. A hangsúly tehát nem az MI „engedélyezésén”, hanem annak a szakmailag megalapozott és felelősségteljes használatát lehetővé tévő környezet kialakításán van, amelyben a technológia valóban a tanulók javát és a tanárok munkáját szolgálja.

A cikk emberi és mesterséges intelligencia együttműködésével jött létre. 

Mesterséges intelligencia a tudománykommunikációban

A generatív mesterséges intelligencia már nem csupán technológiai újítás, hanem a tudománykommunikáció jövőjének egyik kulcstényezője. Képes szövegeket, képeket, multimédiás tartalmakat előállítani, fordítani, átalakítani – és ezzel új kapukat nyit a tudomány társadalmi elérésében. Ugyanakkor számos etikai, szakmai és társadalmi kérdést is felvet: mi marad az emberi felelősségből, ha a gép ír? Hogyan biztosítható a hitelesség és az átláthatóság? Az elmúlt évek német tapasztalatai és szakmai eredményei, és különösen egy 2025 májusában megjelent munkaanyag alapján hét fejezetben mutatjuk be azokat a legjobb gyakorlatokat, amelyek mentén a mesterséges intelligencia nem fenyegetést, hanem lehetőséget jelenthet a demokratikus, értékalapú és közérthető tudománykommunikációban.

A generatív mesterséges intelligencia megjelenése a tudománykommunikáció területén Németországban is átfogó szakmai reflexiót indított el. A diskurzus központi szervezete a Wissenschaft im Dialog (WiD), amely 2020 óta koordinálja a Factory Wisskomm elnevezésű kezdeményezést. A legfrissebb, 2025 májusában megjelent ajánlásgyűjteményüket a Taskforce KI in der Wissenschaftskommunikation szakértői csoport dolgozta ki, amely a kommunikációs, etikai és jogi szempontokat egyaránt figyelembe vevő gyakorlati útmutatást nyújt az MI bevezetéséhez.

E dokumentum előzményeit olyan korábbi munkák képezik, mint a 2019-es Siggener Impuls, amely az MI alkalmazásának társadalmi és értékalapú kérdéseit vetette fel; a Roter Faden 5. (2023), amely az egyéni kutatók kommunikációs kompetenciáit helyezte előtérbe; a Jan-Hendrik Passoth, Maryam Tatari és Niels G. Mede által jegyzett,  a  Berlin-Brandenburgische Akademie der Wissenschaften által 2021-ben kiadott Wissenschaftskommunikation in der digitalen Welt, amely a közösségi média és új kommunikációs formátumok szerepét elemezte; valamint a Wisskomm korábbi kiadványa, a 2022-es Handlungsperspektiven für die Wissenschaftkommunikation és a Wissenschaftskommunikation mit generativer KI (2025. március) című tanulmányok, melyek strukturált elemzést nyújtanak az MI-típusok és kommunikációs célok összefüggéseiről. A vizsgált dokumentumokat olyan tudományos, állami és nonprofit szereplők készítették, mint a NaWik, a DZHW, az Institut für Zukunftsstudien und Technologiebewertung (IZT), illetve több egyetemi tudástranszfer központ. Munkájuk összessége nem csupán ajánlásokat kínál, hanem egy formálódó normarendszert is, amely a tudományos hitelesség, nyitottság és társadalmi felelősség egyensúlyán alapul.

A bemutatott német tapasztalatok – különösen a Factory Wisskomm keretében kidolgozott ajánlások – nem pusztán a technológiai alkalmazás mikéntjére adnak választ, hanem világos mintát kínálnak a felelős intézményi gyakorlat kialakítására. A hangsúly a szabályozott, etikai elvekre épülő, mégis nyitott és kísérletező szemléletmódon van, amelyhez folyamatos párbeszéd, kompetenciafejlesztés és a közönség bevonása is társul.

Az MI a tudománykommunikációban való alkalmazási lehetőségei iránt egyre erőteljesebb érdeklődést mutató magyar egyetemek számára ezek a példák jól hasznosíthatók lehetnek, különösen az intézményi tudománykommunikáció megerősítése szempontjából. A kutatások terén az ELTE eddig is vezető szerepet töltött be, az egyetemi vezetés a tudománykommunikációt kiemelt, stratégiai kérdésként kezeli és támogatja, a karokat, de az oktatókat és kutatókat is ösztönzi az elért tudományos eredmények megosztására – ehhez központi információs felület is rendelkezésre áll az egyetemi portálon.

A hazai egyetemek, így az ELTE előtt is álló kihívás, hogy hogyan tudnak egyszerre reagálni a digitalizáció jelentette változásokra, fenntartani a tudományos hitelességet, és új közönségeket megszólítani – legyen szó hallgatókról, középiskolásokról vagy a tágabb társadalomról. Ehhez elengedhetetlen a generatív MI tudatos, átlátható és intézményesített alkalmazása, melyek az egyetemi kommunikációs folyamatokba való beépülést, az MI által támogatott tartalmak célirányos, akár a korosztályi igényekhez igazított fejlesztését teszik lehetővé. A tudományos integritás megőrzése érdekében azonban nagyon fontos, hogy mindez szakmailag szabályozott keretek között menjen végbe, figyelemmel a generatív mesterséges intelligencia rendszerek működési sajátosságaira, különösen tévedések, hallucinációk gyakori előfordulására, a generált szövegek gépi jellegének felismerhetőségére s a kutatási, publikációs követelményeknek való etikus megfelelőségre.

A német irányelvek mintájára a magyar egyetemek számára is hasznos lehet, ha a kommunikációs egységeken belül „MI-irányelveket” alakítanak ki, minőségbiztosítási protokollokat fogadnak el, vagy akár képzéseket indíthatnak munkatársaik számára. Mindezek olyan lépések, amelyek lehetővé teszik, hogy a mesterséges intelligencia ne pusztán technológiai eszköz, hanem a nyilvánosság felé nyitott, korszerű és társadalmilag felelős tudományos jelenlét támogatója legyen. Mindez azonban nem képzelhető el az MI lehetőségeinek készségszintű elsajátítása és a kommunikációs folyamatokba való beépítése nélkül. Munkánk – a német gyakorlatban kialakult elvek és megoldások adaptív alkalmazására építve - ehhez kíván támpontokat nyújtani.

I. A mesterséges intelligencia, mint új szereplő a tudománykommunikációban

A tudománykommunikáció az elmúlt évtizedekben alapvető átalakuláson ment keresztül. A digitalizáció és a közösségi média megjelenése után most a generatív mesterséges intelligencia hoz új korszakot. Már nem csupán a tartalom terjedésének sebessége vagy a formátumok sokfélesége jelenti a kihívást, hanem az a tény, hogy a tudományos kommunikáció szereplői közé immár nem emberi, hanem gépi ágensek is belépnek. A kérdés ma már nem az, hogy használjuk-e ezeket az eszközöket, hanem az, hogy miképp használjuk őket úgy, hogy a tudomány nyilvános értelmezése és társadalmi szerepe ne sérüljön, hanem gazdagodjon.

Az első és legfontosabb kiindulópont, hogy a mesterséges intelligencia — bármilyen fejlett is legyen — nem rendelkezik valóságértelmezéssel, nem értelmez, nem érez, nem gondolkodik, csupán statisztikai mintázatok alapján dolgozik. Ez azt jelenti, hogy nem válthatja ki az emberi ítélőképességet, és nem tekinthető a tudományos diskurzus autonóm szereplőjének. A tudománykommunikációban betöltött szerepe tehát csakis akkor lehet legitim, ha azt világos cél mentén, emberi felügyelettel és felelősségvállalással alkalmazzák.

Ugyanakkor a mesterséges intelligencia jelenléte nem pusztán problémaforrás, hanem komoly lehetőség is lehet. Segítségével gyorsabban lehet tartalmat előállítani, új formátumokat lehet kipróbálni, és olyan közönségekhez is el lehet jutni, akik korábban nem kapcsolódtak a tudományhoz. A generatív MI képes témák strukturálására, szövegek egyszerűsítésére, fordítására, sőt az olvasói figyelem mérésére is. Ezzel a kommunikáció hatékonysága növelhető, az elérés kiszélesíthető.

A jó gyakorlat szerint a mesterséges intelligencia használatát nem szabad öncélúan kezelni. A technológia célja nem lehet csupán a tartalomgyártás gyorsítása vagy költségcsökkentés, hanem az, hogy a tudomány közérthetőbbé, hozzáférhetőbbé és relevánsabbá váljon a társadalom számára. Minden alkalmazásnál érdemes feltenni a kérdést: támogatja-e az adott MI-megoldás a tudomány hitelességét? Javítja-e az állampolgárok tudáshoz való hozzáférését? Hozzájárul-e a közös gondolkodáshoz?

Fontos stratégiai irány, hogy az MI-eszközök ne váljanak átláthatatlanná a használók és a közönség számára. Az egyik legjobb gyakorlat az, ha a tudománykommunikációs szereplők transzparensen kommunikálnak arról, mikor és hogyan használnak mesterséges intelligenciát. Ez nemcsak technikai kérdés, hanem bizalmi viszony: az olvasó vagy hallgató csak akkor fogadja el hitelesnek a tartalmat, ha tudja, ki és hogyan állította elő.

Az MI-alkalmazások társadalmi hasznosságát akkor lehet a leginkább biztosítani, ha az intézmények előzetesen megfogalmazzák a saját etikai és tartalmi irányelveiket, és ezekhez következetesen tartják is magukat. Ezek az irányelvek kijelölhetik, hogy milyen tartalmaknál elfogadható az automatizált generálás, hol szükséges emberi kontroll, hogyan kell jelölni az MI-részvételt, és milyen tartalmi minőségi szinteket kell teljesíteni.

A tudománykommunikáció jövője tehát nem abban áll, hogy helyettesíthetővé válik-e az ember. Sokkal inkább abban, hogy az ember képes-e felelősségteljesen beépíteni a mesterséges intelligenciát saját munkájába, és ezzel nem kiiktatja, hanem megerősíti a saját szerepét. A technológia használata így nem gyengíti, hanem hitelesebbé, elérhetőbbé és interaktívabbá teheti a tudományos kommunikációt.

II. Tartalom-előállítás mesterséges intelligencia segítségével – módszerek és irányelvek

A tudománykommunikációban a tartalom előállítása mindig is kulcskérdés volt: mit, hogyan, kinek és milyen formában közvetítünk? A generatív mesterséges intelligencia ebben a folyamatban új eszközt kínál: képes szövegek, képek, videók, hanganyagok, sőt interaktív formátumok automatikus létrehozására is. Ez nemcsak a munka hatékonyságát növeli, hanem teljesen új típusú megszólalási lehetőségeket is megnyit. A kérdés az: hogyan tehetjük ezt tudatosan, felelősen és hitelesen?

A legfontosabb alapelv, hogy a generatív MI nem helyettesíti, hanem kiegészíti az emberi munkát. Jó gyakorlatnak számít, ha az MI-t nem önálló tartalomszerzőként, hanem asszisztensként alkalmazzuk – például ötletgenerálásra, szerkezeti javaslatokra, nyelvi egyszerűsítésre vagy különböző formátumok (pl. poszt, podcast, videófelirat) közötti átdolgozásra. A cél nem az, hogy a gép írjon meg egy teljes cikket, hanem az, hogy a szakember számára új nézőpontokat és kifejezési lehetőségeket kínáljon.

A szöveggenerálás során bevett eljárás, hogy emberi vázlat alapján történik a tartalom generálása, majd az MI által létrehozott szöveget mindig szakmai felülvizsgálat követi. Ennek során a szerző nemcsak a ténybeli pontosságot, hanem a stilisztikai és etikai megfelelést is ellenőrzi. Ez különösen fontos olyan területeken, ahol a félreértésnek, a túlzott leegyszerűsítésnek vagy az árnyalatok elvesztésének komoly következményei lehetnek – például orvosi, környezeti vagy társadalmi kérdések bemutatásakor.

A multimediális tartalom-előállítás – például képek és videók generálása – során kiemelt figyelmet kell fordítani a vizuális torzítások és deepfake-szerű jelenségek kiszűrésére. A legjobb gyakorlat szerint minden ilyen tartalomhoz hozzá kell rendelni egyértelmű jelölést, amely utal az MI-származásra, valamint meg kell határozni a használat kontextusát: informatív, illusztratív vagy szatirikus célból készült-e. Így elkerülhető, hogy a közönség félreértelmezze a gépi tartalmat valóságként.

A fordítás és nyelvi adaptáció is gyakori MI-felhasználási terület. A többnyelvű tudománykommunikációban nagy segítséget jelenthetnek az automatikus fordítók, de ezek használata során mindig ajánlott anyanyelvi vagy szaknyelvi kontroll beépítése, különösen ott, ahol pontos jelentésátvitel vagy kulturális érzékenység szükséges. A cél itt sem a teljes automatizálás, hanem az, hogy a nyelvi akadályokat lebontva szélesebb közönségekhez juthasson el a tudományos tartalom.

Különösen innovatív alkalmazási terület a tartalom-újracélzás és személyre szabás. A generatív MI segítségével egy tudományos blogbejegyzés átdolgozható közösségi média poszttá, egy ismeretterjesztő cikkből interaktív chatbot-párbeszéd, vagy egy kutatási eredményből vizuális infografika készülhet. Itt a legjobb gyakorlat az, ha az MI által javasolt formátumváltás mindig összhangban áll az adott közönség elvárásaival, digitális jártasságával és információs szükségleteivel.

A tartalomgyártás során emellett fontos a belépési pontok és kontextus tudatos kezelése. Jó gyakorlat, ha nemcsak azt nézzük, hogy mit mond az MI, hanem azt is, hogy mikor és milyen platformon közvetítjük azt. Egy laikus közönségnek szánt poszt más retorikát kíván, mint egy szakterületi interjú összefoglalója vagy egy egyetemi hírlevél.

Összességében tehát a generatív MI tartalom-előállítási képességei csak akkor szolgálják a tudománykommunikáció céljait, ha emberi döntéshozással és szakmai felelősségvállalással egészülnek ki. A legjobb gyakorlat lényege nem a gépi teljesítmény maximalizálása, hanem a minőség és hitelesség fenntartása egy új technológiai környezetben.

III. Etikai normák és a felelősségteljes MI-használat alapelvei a tudománykommunikációban

A generatív mesterséges intelligencia alkalmazása a tudománykommunikációban nem pusztán technológiai kérdés. Sokkal inkább etikai felelősségvállalást, transzparenciát és társadalmi érzékenységet igénylő folyamat, amelynek során nemcsak az a kérdés, mire képes az MI, hanem az is: szabad-e és hogyan élnünk ezekkel a képességekkel? A hiteles és megbízható tudományos diskurzus megőrzéséhez elengedhetetlen, hogy világos normarendszerek szabályozzák a MI-vel generált tartalmak létrehozását, közzétételét és kontextusba helyezését.

Az egyik legkritikusabb kérdés az, amikor a mesterséges intelligencia valótlan vagy torzított információkat állít elő, miközben formailag meggyőző és hiteles megjelenésű tartalmat közöl. Ezek az úgynevezett „hallucinációk” veszélyesek lehetnek, különösen akkor, ha a közönség nem tudja megkülönböztetni az MI által generált tartalmat az ember által írtól. A legjobb gyakorlat az, ha minden MI által készített tartalmat egyértelműen megjelölünk, és a fogyasztót előzetesen tájékoztatjuk arról, hogy a tartalom gépi közreműködéssel készült.

Ezzel összefüggésben kiemelt fontosságú az átláthatóság és a nyomonkövethetőség. Jó gyakorlat, ha a szervezetek belső irányelveket dolgoznak ki az MI használatára vonatkozóan, és ezekben rögzítik, hogy milyen típusú tartalmaknál engedélyezett a gépi generálás, ki viseli a felelősséget a végső publikációért, és milyen ellenőrzési protokollokat alkalmaznak. Ezek az irányelvek nemcsak az etikai önszabályozás eszközei, hanem bizalomépítő elemek is a közönség szemében.

Külön etikai kockázatot jelent a szerzőség és szellemi tulajdon kérdése. Amikor egy tudományos tartalom részben vagy egészben MI segítségével jön létre, fel kell tenni a kérdést: kinek tulajdonítható a szöveg? A legjobb gyakorlat szerint minden olyan tartalomnál, ahol az MI érdemi módon járult hozzá az anyaghoz – például szövegrészleteket generált vagy képet állított elő –, kötelező az MI-részvétel megjelölése, akár lábjegyzetként, akár formailag beépítve a tartalomba.

Etikai szempontból kritikus az is, hogy milyen adatokat használunk az MI tanításához és működtetéséhez. Ha ezek az adathalmazok torzítást hordoznak – például nemi, faji, társadalmi előítéleteket –, akkor az MI által generált tartalom is ezek mentén reprodukálhatja a meglévő egyenlőtlenségeket. A jó gyakorlat ebben az esetben az, hogy a fejlesztők és használók kritikusan értékelik a tanítóadatokat, lehetőség szerint nyílt, átlátható és diverzifikált forrásokból dolgoznak, és rendszeresen auditálják a rendszer működését torzítások kiszűrésére.

Fontos kérdés az is, hogy a mesterséges intelligencia használata ne manipulálja rejtetten a közönség viselkedését vagy attitűdjeit. Különösen érzékeny ez a kérdés például egészségügyi, klímaváltozási vagy társadalmi igazságossággal kapcsolatos kommunikációban. A legjobb gyakorlat az, ha az MI nem dönt egyoldalúan arról, milyen narratívákat jelenít meg, hanem több szempontot is érvényesít, és az interakciót támogató, kérdésfelvető kommunikációs módot részesíti előnyben az egyirányú meggyőzéssel szemben.

Végül, minden etikai szabályozás középpontjában annak a felismerése áll, hogy az MI-vel kapcsolatos felelősség mindig emberi. Nem a gép dönt, nem a gép ért, nem a gép vállal felelősséget. Ezért minden generált tartalom esetében az emberi közreműködő – a kutató, a kommunikátor vagy a szerkesztő – felelős a közzétett információért. Ennek megfelelően a legjobb etikai gyakorlat az, ha a tartalmak nemcsak ellenőrzöttek, hanem aláírtak, vállaltak és követhetőek.

IV. Intézményi szabályozás és MI-stratégiák a tudománykommunikáció szervezeti környezetében

A mesterséges intelligencia tudománykommunikációs alkalmazása nemcsak egyéni döntésekből, hanem szervezeti stratégiákból és működési kultúrából is épül. Az intézmények felelőssége, hogy olyan környezetet alakítsanak ki, ahol a MI-eszközök használata átlátható, etikus és célirányos módon történik. Ehhez világos szabályozási keretek, tudatos szoftverválasztás, képzési programok és belső kommunikációs protokollok szükségesek.

Az egyik legfontosabb kiindulópont a szervezeti MI-irányelvek létrehozása. Jó gyakorlat, ha egy tudományos intézmény, kutatóközpont vagy kommunikációs egység saját szabályzatot dolgoz ki arra, hogy milyen területeken és hogyan alkalmazható generatív mesterséges intelligencia. Ezek az irányelvek nemcsak a technikai használatot szabályozzák, hanem kijelölik azokat az etikai és minőségi standardokat is, amelyekhez minden munkatársnak igazodnia kell. Az irányelvek lefedhetik a szerzőség kérdését, az automatizálható folyamatok típusait, a publikációs jóváhagyás rendjét és a transzparencia kötelezettségét is.

Külön figyelmet érdemel a szoftverhasználat tudatossága. Az intézmények számára ajánlott olyan megoldásokat választani, amelyek lokálisan telepíthetők, nyílt forráskódúak vagy jól dokumentált működésűek. Ez nem csupán adatbiztonsági kérdés, hanem egyben függetlenségi és szuverenitási szempont is. Ha egy intézmény kizárólag kereskedelmi, zárt MI-rendszerekre épít, akkor kiszolgáltatja magát a piaci szereplők döntéseinek, átláthatatlan algoritmusainak és költségmodelljeinek. A legjobb gyakorlat ezért a nyílt, auditálható rendszerek előnyben részesítése, különösen akkor, ha közpénzből finanszírozott tudományos munkáról van szó.

Egy másik kulcsterület a munkatársak képzése és kompetenciafejlesztése. A MI-eszközök hatékony és etikus használata nemcsak technikai tudást, hanem kritikai gondolkodást és tartalmi érzékenységet is igényel. Jó gyakorlat, ha az intézmények belső workshopokat, szimulációkat, etikai beszélgetéseket és módszertani képzéseket szerveznek, amelyek során a munkatársak nemcsak a használatot sajátítják el, hanem meg is értik annak társadalmi és kommunikációs következményeit.

A szabályozás nem lehet statikus. A MI technológiája gyorsan fejlődik, ezért az intézményeknek folyamatosan monitorozniuk kell a saját használatukat, visszajelzéseket kell gyűjteniük a közönségtől, és frissíteniük kell a belső irányelveket. A legjobb gyakorlat szerint az MI-stratégiát nem adminisztratív szabálykönyvként, hanem élő dokumentumként kezelik, amely képes reagálni az új kihívásokra és lehetőségekre.

Kiemelendő az is, hogy az MI-alkalmazás nemcsak belső, hanem társadalmi elszámoltathatósággal is jár. Érdemes olyan transzparens platformokat létrehozni, ahol a közönség betekintést nyerhet a MI-eszközök használatába, visszajelzést adhat, kérdéseket tehet fel. Ez nemcsak bizalmat épít, hanem elősegíti a nyilvános reflexió kultúráját is, amely a tudománykommunikáció egyik alapelve.

Végezetül fontos, hogy a szervezeti stratégiák ne csak korlátozó, hanem fejlesztő irányba is hassanak. A legjobb gyakorlatok nemcsak azt mondják meg, mit nem szabad csinálni, hanem támogatják az új ötleteket, az interdiszciplináris kezdeményezéseket, a prototípusok kipróbálását. Az MI nemcsak technológia, hanem innovációs tér is lehet, ahol a tudománykommunikációs szervezetek új formátumokat, új közönségkapcsolati modelleket és új tartalmi kísérleteket próbálhatnak ki – természetesen etikai keretek között.

V. Társadalmi részvétel és digitális tudatosság a MI-közvetítette tudománykommunikációban

A tudománykommunikáció legfontosabb célja mindig is az volt, hogy értelmezhető kapcsolatot teremtsen a tudás világai és a társadalmi tapasztalat között. Ebben a folyamatban a közönség sosem csupán passzív befogadó: kérdez, értelmez, megkérdőjelez, visszacsatol. A generatív mesterséges intelligencia belépésével ez a viszony átalakulhat – pozitív és negatív irányban egyaránt. A legjobb gyakorlatok szerint ezért az MI-alapú kommunikációt nem önálló eszközként, hanem a közösségi részvétel új formáinak támogatásaként kell értelmezni.

Az egyik alapelv, hogy a generatív MI használatával ne csökkenjen, hanem növekedjen a párbeszéd lehetősége. A gépi válaszadás, az automatizált tartalom vagy a chatbot-interakciók nem helyettesíthetik a valódi társadalmi jelenlétet, de kiváló kiindulópontjai lehetnek annak. Jó gyakorlatnak számít, ha az MI-eszközöket olyan módon építik be a kommunikációs folyamatba, hogy azok bátorítsák a kérdezést, ösztönözzék az interakciót és helyet adjanak az egyéni értelmezéseknek.

A digitális közönség ma már sokkal többet vár el, mint információt: transzparenciát, autonómiát és részvételt. Ennek alapja a digitális tudatosság, vagyis annak felismerése, hogy milyen forrásból származik egy információ, milyen algoritmus választotta ki, milyen célból lett generálva. A legjobb gyakorlatok szerint a tudománykommunikációs intézmények tudatosan dolgoznak a közönség digitális kompetenciáinak fejlesztésén, például információs kampányokkal, médiaműveltségi anyagokkal, transzparens tartalomjelöléssel és nyílt kommunikációval.

Kiemelkedően hasznosak lehetnek az úgynevezett közösségi tesztkörnyezetek, ahol a résztvevők nemcsak megismerkednek az MI-eszközökkel, hanem visszajelzést is adhatnak róluk. Ezek lehetnek tudományos kávéházak, digitális laboratóriumok vagy online platformok, ahol a felhasználók valós időben kipróbálhatják a MI-funkciókat, és javaslatot tehetnek a továbbfejlesztésre. A tudománykommunikáció ilyen formában nemcsak a tudás közléséről, hanem a tudásformálás közös aktusáról szól.

A társadalmi bevonás szempontjából kulcskérdés a különböző célcsoportok eltérő igényeinek felismerése és kiszolgálása. A tudományos közösség tagjai, a véleményformálók és a tömegkommunikáció munkatársai, az egyetemisták, a nyugdíjasok, a középiskolások, a tudomány iránt érdeklődő laikusok – mind más nyelvezeten, más platformon, más formátumban közelíthetők meg. A generatív MI éppen azt teszi lehetővé, hogy a kommunikációs tartalom alkalmazkodjon ezekhez az igényekhez – de csak akkor, ha az MI használatát megelőzi egy tudatos célcsoport-elemzés és kommunikációs stratégia.

Fontos figyelembe venni, hogy az MI-alapú rendszerek önmagukban nem teremtenek közösséget. Az interaktivitás csak akkor válik valódi részvétellé, ha van visszacsatolás, van következménye a felhasználói reakciónak, és ha a felhasználók érzik: számít, amit mondanak. Jó gyakorlatnak tekinthető, ha a tudományos tartalmak mögött valódi párbeszédstruktúrák működnek – például moderált kommentfelületek, kérdés-válasz szekciók, közönségtalálkozók, véleményvezérekkel folytatott közös tartalomalkotás.

A társadalmi részvétel és a digitális tudatosság erősítése egyben etikai védelem is a visszaélések ellen. Ha a közönség képes felismerni a gépi tartalmat, ha ismeri az MI működési logikáját, ha tud kérdezni és vitatkozni, akkor sokkal kisebb az esélye annak, hogy manipulálják, félrevezessék vagy kizárják a tudásból. Ebben a közegben az MI nem dominálja a kommunikációt, hanem eszközzé válik a demokratikus diskurzusban.

VI. A tudománykommunikáció társadalmi haszna: az egyetemi kutatások beépülése a gazdaságba, oktatásba és közéletbe

A tudományos kutatások nyilvánossága nem pusztán akadémiai kérdés, hanem a társadalmi értékteremtés egyik legfontosabb alapfeltétele. Az egyetemek és kutatóintézetek által létrehozott új tudás akkor válhat valóban hatékonnyá, ha az nemcsak publikációkban és konferenciákon jelenik meg, hanem elérhetővé és értelmezhetővé válik a gazdaság, az oktatás, a közszféra és a társadalom többi szereplője számára is. A tudománykommunikáció ebben a folyamatban nem egyszerű közvetítő szereplő, hanem olyan szervező erő, amely összeköti az akadémiai világot az iparral, a közpolitikai döntéshozókkal és az állampolgárokkal.

Különösen az egyetemek esetében válik nyilvánvalóvá, hogy a kutatási eredmények társadalmi hasznosulása nem automatikusan következik be: tudatosan megtervezett, célcsoport-specifikus, értékteremtő kommunikációra van szükség ahhoz, hogy a tudományos tudás valóban beépüljön az élet gyakorlati rendszereibe.

A német kutatási és felsőoktatási gyakorlatban ennek számos sikeres példáját találjuk. A Wissenschaft im Dialog kezdeményezés éppen azért jött létre, hogy intézményesített keretet biztosítson a tudományos eredmények széles körű társadalmi megosztásához. A Max Planck Társaság, a Fraunhofer Intézet vagy a Helmholtz Szövetség mind olyan modellt működtet, amelyben a kutatások kommunikációja nem utólagos PR, hanem a projektekbe szervesen integrált stratégiai elem. A kutatók már a pályázatok tervezési szakaszában figyelmet fordítanak arra, hogy eredményeik milyen célcsoportokhoz juthatnak el, milyen formátumban, milyen nyelvezettel, milyen időzítésben. A tudományos érték így nem csupán a szakmai újdonságtartalom révén válik jelentőssé, hanem azáltal is, hogy nyilvánosan működő, visszacsatolható és alkalmazható rendszerekbe illeszkedik.

Az ipari és gazdasági hasznosulás az egyik legkézzelfoghatóbb következménye ennek a kommunikációnak. Ha egy egyetemi kutatás – például egy új anyagtudományi eljárás vagy egy mesterséges intelligencia alapú prediktív rendszer – nemcsak szakcikk formájában, hanem közérthető kivonatokkal, bemutató anyagokkal és nyilvános rendezvényeken keresztül válik ismertté, akkor valós esély van rá, hogy ipari partnerek felfigyelnek rá, és a fejlesztés átlép a technológia-transzfer fázisába. Németországban számos egyetem működtet technológia-transzfer központokat, amelyek célja éppen az, hogy az egyetemen létrejövő szellemi termékeket piacképes megoldásokká formálják, licencelési tárgyalásokat bonyolítsanak le, vagy akár spinoff vállalkozások létrejöttét támogassák. E folyamatok első lépése mindig az, hogy a tudományos közlés kikerül a zárt akadémiai térből, és belép az ipari figyelem látómezejébe.

Az oktatás területén a tudományos eredmények hasznosulása szintén kommunikációs feltételekhez kötött. Egy egyetemi kutatás csak akkor épülhet be a tananyagba, ha ahhoz hozzáférnek az oktatók, ha a tartalmat a tanulók számára értelmezhető formában lehet tálalni, ha léteznek tananyag-kiegészítő anyagok, példák, gyakorlatok, amelyek a kutatási eredmények oktathatóságát lehetővé teszik. A Humboldt Egyetem gyakorlata jól mutatja, hogyan lehet az új kutatások eredményeit kurzusokká formálni, és hogyan segíthet a tudományos kommunikáció abban, hogy ezek a kurzusok más intézmények számára is elérhetővé váljanak.

A közpolitikai döntéshozatalban is egyre nagyobb szerepet játszanak az egyetemi és kutatóintézeti eredmények. A klímapolitikától a digitális átállásig, a várostervezéstől a közegészségügyig számos terület van, ahol csak akkor születhet megalapozott döntés, ha a rendelkezésre álló tudás eljut a döntéshozókhoz. A Max Planck Társaság vagy a WZB olyan kommunikációs gyakorlatokat alakított ki, amelyek célzottan készítenek politikai döntéshozóknak szóló összefoglalókat, policy briefeket, adatelemzéseket és nyilvános jelentéseket. Ezek nem egyszerűsítik le a tudományos tartalmat, hanem újraformálják azt: a tudományos tudás átalakul a társadalmi cselekvés nyelvévé.

A tudománykommunikáció szerepe abban is meghatározó, hogy az egyetemi kutatásokhoz közvetlen tőkebevonás társulhasson. Amikor egy kutatási projekt világosan kommunikálja céljait, módszereit, várható eredményeit és társadalmi-gazdasági relevanciáját, az nemcsak a tudományos közösség érdeklődését keltheti fel, hanem a vállalati befektetők, kockázatitőke-alapok, sőt akár nemzetközi fejlesztési programok figyelmét is. A világosan strukturált, vizuálisan is jól tálalt, nyilvános kutatási anyagok, kutatói bemutatkozók, videós magyarázatok vagy eredményismertető platformok azt a célt szolgálják, hogy a kutatás ne csupán tudományos érték, hanem potenciális gazdasági befektetési lehetőség is legyen. Az egyetemek tudománykommunikációs kapacitása így nem csupán reputációt, hanem anyagi forrásokat is képes mozgósítani. Különösen fontos ez a kutatásfejlesztési forrásokért zajló versenyben, ahol egy-egy projekt jövője múlhat azon, képes-e világosan láttatni a benne rejlő innovációs lehetőséget. A kutatásokat bemutató pitch-ek, befektetői prezentációk és kutatói portfóliók kommunikációja a legtöbb nyugat-európai egyetemen már külön szakmai stáb feladata. Magyarországon ennek a működésnek a kiépítése még gyerekcipőben jár, holott az akadémiai-gazdasági együttműködések elmélyítése nem történhet meg valódi tudáspiaci jelenlét nélkül. A tudománykommunikáció tehát közvetlenül is előmozdítja, hogy a kutatási projektek pénzügyi fenntarthatósága biztosított legyen.

Ugyancsak kulcsfontosságú szerepet játszik a tudománykommunikáció abban, hogy a folyamatban lévő kutatások összhangba kerüljenek a nemzetgazdasági prioritásokkal és a közpolitikai célkitűzésekkel. A kutatás, mint tudástermelési forma önmagában érték, de társadalmi beágyazottsága akkor teljesedik ki, ha a meglévő kutatási irányok válaszokat tudnak adni olyan kérdésekre, mint a zöld átállás, a digitális transzformáció, a versenyképességi kihívások vagy az egészségügyi ellátás fenntarthatósága. Ehhez azonban a tudománynak láthatóvá kell válnia a stratégiai döntéshozatal szintjén is: nem elég, ha a tudás rendelkezésre áll, annak kommunikációja és interfésze is szükséges a tervezők, elemzők, állami tanácsadók számára. A német gyakorlatban mindez intézményesült formában is megvalósul, például az úgynevezett „Zukunftspanel” és Innovationsrat típusú testületek révén, ahol a kutatói közösségek és a közpolitikai stratégák közös kommunikációs nyelvet használnak. A tudománykommunikáció ezáltal nemcsak informál, hanem irányt is képes szabni: segít abban, hogy a gazdasági és társadalmi célkitűzésekhez igazodva, azokkal összhangban formálódjanak a kutatási irányok, így a tudomány nemcsak a múltra reflektál, hanem aktívan hozzájárul a jövő építéséhez. Ha a kutatásokat már futásuk alatt visszacsatolják a közpolitikai igényekhez, a végtermék nem csupán publikáció lesz, hanem valódi társadalmi innováció, mérhető hozzáadott érték, amely megerősíti a kutatási rendszer relevanciáját és hitelességét is. Ez a funkció ma már nem extra lehetőség, hanem alapfeltétel egy tudásalapú, jövőorientált társadalomban.

A magyar egyetemek számára mindezek a gyakorlatok komoly tanulságokkal szolgálnak. A mesterséges intelligenciával támogatott tudománykommunikációt többé már nem célszerű a PR egyik alágazataként kezelni: ez ma már külön szakma, amely a tudományos tudás szakszerű, céltudatos és értékorientált megosztására épül. Az ELTE vagy a Szegedi Tudományegyetem kiváló példákat nyújtanak arra, hogyan lehet az egyetemi kommunikációban egyensúlyt teremteni a szakmai hitelesség és a közérthetőség között, hogyan lehet a kutatók munkáját támogató kommunikációs struktúrákat kiépíteni, és hogyan válhat az egyetemi tudás a társadalmi párbeszéd részévé.

A tudománykommunikáció társadalmi haszna így kettős természetű. Egyrészt közvetlenül hozzájárul ahhoz, hogy a tudományos eredmények beépüljenek az ipar, az oktatás és a közélet működésébe. Másrészt közvetetten megerősíti a tudományba vetett társadalmi bizalmat, amely nélkül a kutatás elveszíti legitimációját és jövőbeli támogatottságát. A nyilvánosság nemcsak tér, ahol a tudomány jelen van – hanem a feltételrendszer, amelyben a tudomány értékké válik.

VII. Stratégiai jövőképek: a mesterséges intelligencia értékalapú integrációja a tudománykommunikációba

A generatív mesterséges intelligencia a tudománykommunikációban már nem pusztán kísérleti technológia, hanem egy új korszak jele, amely alapjaiban alakítja át az információáramlás, a tartalomgyártás és a társadalmi párbeszéd kereteit. Ahhoz azonban, hogy ez az átalakulás valóban szolgálja a tudomány nyilvános szerepét, hosszú távú, értékalapú stratégiai gondolkodásra, és a stratégiát valóra váltani tudó szervezeti koncepcióra van szükség. Ennek kiemelten fontos részét jelentik a képzések, melyek a kommunikációs munkatársakat az MI – elérhető – eszköztárának felhasználási lehetőségeivel ismertetik meg.

A cél nem az, hogy gépekkel helyettesítsük az emberi kommunikációt, hanem hogy a technológia az emberi kreativitás, etika és közösségi felelősség kibontakozását segítse elő. Az egyik legfontosabb stratégiai alapelv, hogy a MI használatának soha nem technológiai, hanem emberi célból kell kiindulnia. Mit szeretnénk elérni? Kit kívánunk megszólítani? Milyen tudásformát szeretnénk közvetíteni? Milyen gazdasági, társadalmi hatások érhetők el a tudás hasznosításával? A legjobb gyakorlatok szerint a technológiai döntések mindig az ezekre a kérdésekre adott válaszokból következnek – nem fordítva. Ez a szemlélet biztosítja, hogy a MI ne váljon öncélú eszközzé, hanem a tudományos gondolkodás társadalmi relevanciáját szolgálja.

Második stratégiai pillérként a komplexitás és árnyaltság megőrzése emelhető ki. A tudománykommunikáció célja nem az egyszerűsítés önmagáért, hanem a megértés elősegítése. A generatív MI hajlamos leegyszerűsíteni, összemosni, sztereotípiákra építeni – ezért csak akkor használható felelősen, ha mellette tudatosan megőrizzük a tudományos érvelés sokszínűségét és mélységét. Ez különösen fontos akkor, amikor társadalmilag érzékeny vagy vitatott témákról kommunikálunk. Ugyanakkor viszont az MI segíteni tud a problémák társadalmi-gazdasági vetületének feltárásában, elemezni tudja egy-egy új megoldás bevezetésének előnyeit és kockázatait, forgatókönyveket tud javasolni a bevezetés mentrendjére, a stratégia értékteremtő gyakorlati koncepcióvá való átformálására.

Harmadik stratégiai irányként kiemelhető a nyitott, tanuló szervezeti kultúra kialakítása. A tudománykommunikációval foglalkozó intézményeknek rugalmas, adaptív módon kell reagálniuk a MI fejlődésére. A legjobb gyakorlat szerint a stratégiát nem egyszeri dokumentumként, hanem folyamatos reflexióként és közös tanulási folyamatként értelmezik. Ez magában foglalja a technológiai teszteléseket, a felhasználói visszacsatolások beépítését, valamint a kommunikációs módszerek rendszeres újragondolását.

Ezzel összefüggésben elengedhetetlen a közös tudásmegosztás intézményesítése. A különböző szereplők – egyetemek, kutatóintézetek, múzeumok, médiaplatformok – közösen tudják megalkotni azokat a gyakorlatokat, amelyek a MI használatát transzparenssé és felelőssé teszik. Jó példa erre a közösen fejlesztett protokollok, ellenőrző listák, esettanulmányok és módszertani anyagok megosztása. A MI-vel való munkát nem belső versennyé, hanem szakmai együttműködéssé kell alakítani.

Stratégiai szempontból kulcsfontosságú az is, hogy a mesterséges intelligencia alkalmazása ne erősítse a társadalmi egyenlőtlenségeket, hanem éppen azok csökkentéséhez járuljon hozzá. Ez csak akkor lehetséges, ha a tartalomgyártás során figyelembe vesszük a marginalizált csoportok igényeit, a nyelvi akadályokat, a digitális hozzáférés különbségeit. A MI akkor válik valóban hasznossá, ha segíti a tudás demokratikus elosztását, nem pedig újabb szűrőként épül a meglévő rendszerekre.

Végül, minden jövőbe mutató stratégia középpontjában annak a felismerése áll, hogy a tudománykommunikáció nemcsak ismeretterjesztés, hanem értékek közvetítése, társadalmi párbeszéd és demokratikus részvétel lehetősége. A mesterséges intelligencia nem dönthet ezekről az értékekről, de segíthet bennük eligazodni. Ha így tekintünk rá, nem fenyegetés, hanem partner lehet a tudomány közös újragondolásában.

Mindez egyetemi szinten természetesen leghatékonyabban egy komplex mesterséges intelligencia stratégia formájában valósulhat meg. Erre a német egyetemi világban kiemelkedően jó példa a Müncheni Műszaki Egyetem (Technische Universität München, TUM) 2025. februárjában nyilvánosságra hozott stratégiai dokumentuma, amely a kutatás, oktatás és adminisztráció teljes spektrumára kiterjed. A stratégia három alapelvet fogalmaz meg: felelős keretrendszert biztosít, ösztönzi az egyetemi közösség aktív használatát, és minimalizálja a kockázatokat. Kiemelt cél a KI-technológiák integrálása a tantervbe, az intelligens, adaptív tanulási környezetek fejlesztése, a tudományos innovációk előmozdítása, valamint a hatékonyabb működés támogatása az adminisztrációban. A stratégia, melyben a tudománykommunikáció kérdései horizontális elemként jelennek meg, hangsúlyozza az etikai normák, a transzparencia és a képzés fontosságát is, hogy a TUM közössége biztonságos és produktív módon használhassa az MI-t 2030-ig.

E stratégia megalkotása azonban időigényes és felelősségteljes folyamat, nagyfokú koordinációt, tervezést, irányított végrehajtást igényel, és szükség szerint források hozzárendelését követeli meg. Kommunikálni azonban már most kell, és maga a kommunikáció is az egyik legfontosabb komponense a stratégiakészítés folyamatának: ennek révén válnak ismertté annak irányai, s nyílik meg a lehetőség a véleménynyilvánításra – úgy az egyetemi közösség, mint az érintett külső aktorok és a fenntartó számára. Ebben a folyamatban különösen felértékelődik a tudománykommunikáció szerepe.

Indokolt tehát, hogy ezen a területen máris előrehaladás történjen. A tudománykommunikáció jövője nem az automatizálásban, hanem az érzékeny, reflektív és közösségi MI-integrációban rejlik. Ez nem könnyű út, de az biztos: a hiteles, elérhető és értékalapú tudományos párbeszéd csak ezzel az iránnyal tartható fenn – és tehető élővé a jövő generációi számára is.

Ez az írás az ELTE Gazdaságtudományi Karán folyó, a mesterséges intelligencia oktatási célú bevezetését célzó kutatás keretében,  emberi és mesterséges intelligencia együttműködésével jött létre.