A hallgatók visszaélésszerű MI-használata a szakdolgozatkészítés folyamatában és a problémakezelés módjai

 

A generatív mesterséges intelligencia megjelenése a hallgatói dolgozatkészítésben egyszerre ígér hatékonyságot és hoz létre új kockázatokat: miközben valós segítséget adhat a tájékozódásban és a szerkesztésben, könnyen a megtévesztés eszközévé válik, ha a hallgató kész szöveget generáltat, rejtett parafrázissal „átír” idegen tartalmakat, vagy gépi fordítást emel be saját teljesítményként. Ebből a feszültségből kiindulva a tipikus visszaélési mintázatok feltárása után annak igazolására teszünk kísérletet, hogy az etikus használat nem pusztán szabályzati kérdés: a tanulási folyamat integritását kellene biztosítania. A megoldás kulcsa a helyes MI-használat célzott megtanítása, az MI-alkalmazások ismerete, a kutatásmódszertani követelmények MI-vel támogatott, de emberi kontroll alatt tartott alkalmazása és a megengedett asszisztensi műveletek világos elhatárolása. Az MI által generált tartalmak felismerése azonban már ma is szinte lehetetlen: az új, 2025 utáni modellek már a természetes emberi nyelvhasználatot szinte tökéletesen követő szövegeket hoznak létre, s vannak külön alkalmazások a szöveg humanizálására, meghatározott szempontok szerinti újraírására is. A hangsúlynak így a szöveg „előállításáról” a benne lévő tudás megértésére, alkalmazására és bemutatására kell áttevődnie: az MI az etikus és jogszerű egyetemi használat feltételeinek keretei között elfogadható alkotópartner, de a hallgató szakmai jelenlétét és felelősségét nem helyettesítheti.

A generatív mesterséges intelligencia egyre elterjedtebb használata az egyetemi tanulmányok során számos új lehetőséget kínál a hallgatók számára. Az, hogy az MI az egyetemi beadandó munkák elkészítéséhez is használható, közismertté vált, az MI hallgatói használatára vonatozó egyetemi szabályok még mindig sok helyen hiányoznak, s úgy a hallgatók, mint az oktatók részéről sokszor még hiányzik a helyes, etikus és jogkövető alkalmazáshoz szükséges tudás is. Általánosan elmondható, hogy a ChatGPT-t (annak is elsősorban az ingyenes, szabadon elérhető, viszont funkcionalitásában korlátozottabb változatát), a nagyobb volumenű dolgozatok, például projektmunkák vagy szakdolgozatok esetében nem csak segédeszközként, hanem tartalmat előállító forrásként alkalmazzák. Ebben az esetben a mesterséges intelligencia eszközként szolgál egy teljes dokumentum, vagy annak jelentős részei automatikus létrehozásához, amit aztán a hallgató sajátjaként nyújt be – anélkül, hogy abban érdemi, értelmező vagy kritikai munka megjelenne.

Ebben nem feltétlenül a csalás vagy egy nehéz feladat könnyű letudásának szándéka vezeti őket: a teljes szöveg generáltatása gyakran olyan helyzetekhez kapcsolódik, amikor a hallgató úgy érzi, nem képes egyedül megfelelni a tanulmányi követelményeknek. Ezt az érzést kiválthatja a határidők halmozódása, a párhuzamosan teljesítendő kurzusok túlterhelése, valamint munkahelyi vagy magánéleti nehézségek. A mesterséges intelligencia ebben a helyzetben egyfajta kiút, amely lehetővé teszi, hogy a hallgató látszólag megfeleljen az elvárásoknak anélkül, hogy a feladathoz valódi erőfeszítést társítana. A szakszerűtlen, és nem megfelelő eszközzel történő használat azonban szükségszerűen rossz minőségű szövegek előállításához vezet, melyek az elérni kívánt célra alkalmatlanok lesznek – az oktatók számára pedig plusz munkaterhet jelentenek (szöveges visszajelzések részletes megfogalmazása, visszautasítás indokolása).

Teljes dolgozatgenerálás – a „késztermék” illúziója és a hallucinált tudományosság

A gyakorlatban ez a típusú használat általában közvetlen, céltudatos utasítások révén történik. Az üzleti-gazdasági képzésekből vett példával a hallgató olyan promptokat ad meg a ChatGPT számára, mint: „Írj egy 38 oldalas szakdolgozatot a fejlesztő állam koncepciójáról, történeti és kortárs példák felhasználásával”, vagy „Kérlek, állíts össze egy projektmunkát a magyar állami gazdasági beavatkozások hatásairól az elmúlt húsz évben, irodalmi hivatkozásokkal kiegészítve”. Erre a ChatGPT, vagy más generatív mesterséges intelligencia a működési elveiből adódóan „alapból” nem lesz képes: nagyobb terjedelmű anyagok generálása csak több lépésben, folyamatos emberi ellenőrzés és irányítás mellett lehet sikeres. Az eredmény színvonala függ a használt alkalmazástól és annak modelljétől is: az ingyenes- vagy próbaváltozatok jóval kevesebbet tudnak, mint a fizetősök, és nem rendelkeznek valós idejű, webes keresési funkciókkal sem. Az ilyen szövegek még stílusjegyek, szóhasználat, mindenekelőtt azonban a szakmai tartalom hiányosságai miatt még viszonylag könnyen felismerhetők, különösen egy nagy gyakorlattal rendelkező tanárnak.

Az első eredményeket látva aztán a kérés így aztán sok esetben tovább pontosodik: a hallgató felszólítja a mesterséges intelligenciát arra, hogy a szöveg megfeleljen egyetemi dolgozatra jellemző stílusnak, tartalmazzon bevezetést, tartalomjegyzéket, és alkalmazza például az APA hivatkozási rendszert. Ezek a kiegészítések azt a célt szolgálják, hogy a mesterségesen létrehozott szöveg formai szempontból minél inkább hasonlítson a hallgatói munkák tipikus megjelenésére.

Az így létrejött szövegek struktúrája általában logikus, stilárisan egységes és felületesen tekintve tudományos jellegű. Ugyanakkor tartalmilag többnyire középszerűek: olyan általános megállapításokat tartalmaznak, amelyek nem építenek szaktudományos diskurzusra, nem reflektálnak a primer szakirodalomra, nem fogalmaznak meg eredeti álláspontot, és/vagy nem a konkrét vizsgált üzleti probléma összefüggéseit érintik. Különösen gyakori jelenség, hogy a szövegben elvétve vannak hivatkozások, vagy azok nem létező művekre, esetleg olyan forrásokra utalnak, amelyek a megadott formában nem lelhetők fel – ez a mesterséges intelligencia „hallucinációs” működésének következménye. A nyelvezet sima, szinte már túlzottan is kifinomult, tankönyvszerű, és sok esetben felismerhetően „gépi” karaktert mutat: a szöveg jól hangzó fordulatokat tartalmaz, de hiányzik belőle a szerzői szándék, az érvelés finomhangolása, a nyelv és a tartalom közti személyes kapcsolat.

Egy ilyen szöveg például az alábbi mondattal kezdődhet: „A fejlesztő állam koncepciója a II. világháború utáni kelet-ázsiai gazdasági csodák kapcsán került a közgazdasági gondolkodás fókuszába. E modell kulcseleme az erős, célzottan beavatkozó állam, amely a piaci logikával párhuzamosan iparpolitikai célokat valósít meg.” Bár ez a bevezetés első ránézésre tartalmilag helytállónak és nyelvtanilag korrektnek tűnik, valójában nem tartalmaz sem forráskritikát, sem kutatási kérdést, sem értelmező keretet. Hiányzik belőle minden olyan szerkezeti és tartalmi elem, amely a hallgató egyéni gondolkodására, koncepcionális jelenlétére utalna.

Pedagógiai szempontból ez a típusú felhasználás különösen káros. A hallgató nem vesz részt a tudás konstruálásában, nem tanulja meg az érvelés, a szintézis vagy a forrásfeldolgozás alapvető módszereit. A mesterséges intelligencia nem csupán kiváltja ezeket a lépéseket, hanem elfedi a tanulási folyamat hiányát is. Ez félrevezetheti az oktatót, aki a benyújtott szöveg alapján azt feltételezi, hogy a hallgató teljesítette az elvárt gondolati és módszertani műveleteket. Amennyiben azonban az oktató érzékeli a stílusbeli, vagy tartalmi inkoherenciát, felismeri az MI nem megengedett használatára utaló stílusjegyeket, helytelen tényállításokat, nem létező forrásokat stb. az eset súlyos következményekkel járhat. A hallgató ekkor nemcsak a beadott munka visszautasításával, hanem fegyelmi eljárással, sőt akár tanulmányi felfüggesztéssel is szembesülhet.

A teljes szöveg automatikus generálása tehát nem csupán etikai és jogi szempontból elfogadhatatlan, hanem a tanulás, a tudásépítés és az egyéni fejlődés szempontjából is kontraproduktív. A felsőoktatás célja nem a látványos szövegek előállítása, hanem az önálló gondolkodás, a kritikai érzék és a tudományos párbeszédbe való bekapcsolódás képességének fejlesztése. Ez pedig kizárólag emberi munkával érhető el – a mesterséges intelligencia nem helyettesítheti az értelmező, reflektív jelenlétet, amely minden tudományos szöveg hitelességének alapja. Ezt hallgatóinkban a hallgatói konzultációk során is tudatosítani kell.

Rejtett átvétel módjai – a „rewrite”, a fordításátvétel és humanizálás, mint plágiumkerülő technikák

A generatív mesterséges intelligencia helytelen alkalmazásának második, ugyancsak elfogadhatatlan formáját azok az esetek alkotják, amikor a hallgató nem egy teljes dolgozatot vagy fejezetet írat meg a ChatGPT-vel, hanem külső, már meglévő tartalmakat ültet át a saját szövegébe úgy, hogy azt parafrazálással, vagy gépi fordítással teszi. Ehhez több, kifejezetten erre kifejlesztett (részben ingyenes) rewrite alkalmazás és fordítóprogram állhat a hallgatók rendelkezésére – pl. a cudek.ai, ahrefs.com, Google Translate, DeepL), és a ChatGPT vagy más nagy nyelvi modellek ingyenes verziója is kiválóan alkalmas rá. Ezekben a helyzetekben a mesterséges intelligencia nem önállóan generálja a dolgozat egészét, hanem a hallgató számára már elérhető szövegeket dolgoz fel és alakít át olyan módon, hogy azok formailag illeszkedjenek a saját munkába, miközben a gondolati struktúra és a tartalmi vezérfonal eredete megmarad. Noha ezek a műveletek a hallgató részéről bizonyos technikai beavatkozást (és tudást) feltételeznek, a szerzői jelenlét ezekben az esetekben is illuzórikus marad: a tartalom idegen, a gondolkodásmenet nem a hallgatóé, és az értelmező aktivitás legfeljebb a gépi szövegmanipuláció irányítására korlátozódik.

A parafrázis célú felhasználás során a hallgató olyan szövegeket visz be a ChatGPT-be, amelyek vagy korábban már feldolgozásra kerültek – például egy előadási diasor szövege, egy tankönyv fejezete vagy egy cikk kivonata, jogi dolgozat esetében a jogszabály szövege –, vagy más hallgatók által készített dolgozatokból, internetes forrásokból származnak. Ezeket a tartalmakat a hallgató azzal a céllal adja meg az MI-nek, hogy azokat stílusában és szókincsében újrafogalmazva visszakapja, elkerülve így az esetleges plágiumvádakat. A promptolás gyakran általános nyelvi utasításokra épül: „Kérlek, fogalmazd át ezt a szöveget más szavakkal”, „Írd át ezt a bekezdést akadémikusabb nyelvezetűre, de ne legyen azonos az eredetivel”, vagy „Készíts belőle egy új szöveget, amely ugyanazt fejezi ki, de máshogy van megfogalmazva”. A cél tehát nem a szöveg jelentésének megváltoztatása, hanem az eredeti tartalom láthatóságának csökkentése, formális átalakítása révén.

A parafrazált szövegek jellemzője, hogy bár nyelvileg eltérnek az eredeti forrástól, tartalmi struktúrájuk gyakran teljes egészében megmarad. A bevezetés felveti ugyanazokat a kérdéseket, az alfejezetek sorrendje változatlan, a logikai lépések egymást követő érvei azonos sorrendben bukkannak fel, és még az alátámasztásként felhozott példák is megegyezhetnek az eredeti dokumentuméval. A ChatGPT által generált parafrázis emellett egy sajátos stiláris homogenitást eredményez: a szöveg gördülékeny, retorikailag jól szerkesztett, de steril, mentes a személyes állásfoglalás nyomaitól. Így az írásmű – bár formálisan eredeti – tartalmilag továbbra is más szerzők gondolatvilágát közvetíti, anélkül, hogy a hallgató ténylegesen értelmezte volna azt.

Hasonló problémát jelent, ha a hallgató idegen nyelvű szakirodalmat – például angol vagy német nyelvű tanulmányokat, disszertációkat vagy külföldi hallgatók dolgozatait – fordíttat le magyar nyelvre fordító alkalmazás segítségével. Ez történhet a fordítás teljes egészében történő átvételével (egy fejlett fordító program az eredeti szövegképpel- és szerkezettel mindenben egyező, lábjegyzetekkel ellátott anyagot is képes előállítani), vagy pl. a ChatGPT használatával: utóbbi esetben a gyakorlat lényege itt is az, hogy a tartalom készen rendelkezésre áll, és azt a hallgató nem saját maga dolgozza fel, hanem a mesterséges intelligencia által történő nyelvi átalakításon keresztül integrálja azt saját munkájába. A megadott utasítások itt például így hangozhatnak: „Fordítsd le ezt a szöveget magyarra úgy, hogy az megfeleljen egy tudományos dolgozat stílusának”, vagy: „Alakítsd át ezt a tanulmányt magyar nyelvű szakdolgozattá, bevezetővel, alfejezetekkel és irodalomjegyzékkel”. Gyakori, hogy a hallgató több rövidebb angol nyelvű szöveget dolgoztat át így, majd ezeket egy közös keretbe illesztve egyfajta „összeollózott” dolgozatot készít.

A gépi fordítás utóbbi módon történő felhasználása nem tekinthető szöveghű fordításnak, hiszen célja nem a jelentés pontos közvetítése, hanem az idegen tartalom beemelése egy magyar nyelvű munkába, úgy, hogy az annak szerzőjeként nevesített hallgató munkájaként jelenjen meg. Ilyen esetekben nem ritka, hogy a fordított szöveg stílusa és terminológiája élesen elüt a dolgozat más részeitől, különösen, ha azok ténylegesen a hallgató saját fogalmazásában születtek. Ez különösen feltűnő lehet a magyar akadémiai írásművek esetében, ahol a stílusváltozatosság, a szóhasználat és a mondatszerkezetek különbségei gyorsan szemet szúrhatnak. Az ilyen szövegrészek gyanút kelthetnek az oktatóban, különösen, ha azok aránytalanul fejlettek a dolgozat többi részéhez képest, vagy ha a magyarra fordított kifejezések és szakkifejezések szokatlan, „szótárszerű” formában jelennek meg. Ebben a körben gyakoriak a terminológiai hibák, amikor a program nem a megfelelő magyar műszót használja, hanem kreatív módon újat teremt („hungarianizálja” az angol megjelölést). Árulkodó lehet a források használata is: bár pontosak, konzisztensek, de aligha kapcsolódnak a hallgatói munka indulásakor megjelölt releváns szakirodalomhoz, a nem open acess/online elérhetőségű irodalomhoz való hozzáférés kérdése pedig azonnal felmerülhet az oktatóban. Mindezekről a kérdésekről korábban ebben bejegyzésben írtunk részletesebben.

A parafrázis és a gépi fordítás átvétele is egyaránt azt a célt szolgálják, hogy a hallgató tartalmat emeljen át idegen forrásból, miközben formailag elrejti ennek nyomait. A hallgatói kreativitás, gondolkodás és szakmai fejlődés szempontjából ezek a technikák végső soron kontraproduktívak. A tanulási folyamat láthatatlanná válik, a szöveg stilárisan esetleg sima, tartalmilag viszont gyakran idegen testként van jelen. A tudományos munkának azonban éppen az a lényege, hogy a szerző értelmező módon viszonyuljon a világ tudásanyagához – nem csupán közvetítse azt, hanem új szempontokat emeljen be, kapcsolatokat hozzon létre, kérdéseket tegyen fel, és reflektáljon az összefüggésekre. A parafrázison vagy fordításon alapuló, gépi közvetítéssel végzett „tartalomkivonás” ezt a szerepet nem tölti be – legfeljebb illúzióját nyújtja annak.

Etikai szempontból ezek az eljárások a megtévesztés különböző formáit képviselik. Az intézményi szabályzatok egyre gyakrabban nevesítik is ezeket az eljárásokat a plágium tágabb értelmezési körében: a „gondolati lopás”, illetve a „rejtett forráshasználat” éppen ebbe a kategóriába tartozik. A megelőzés kulcsa azonban nem egyszerűen a tiltás, hanem annak tudatosítása, hogy a tudományos munka értéke a tanulási folyamatban keletkezik. A hallgató számára az etikus MI-használat határvonalai ott válnak érthetővé, ahol felismeri: az MI nem „megoldja” helyette a feladatot, hanem legfeljebb támogatja a saját kérdésfeltevést, az ellenőrzést és a módszertani döntéseket – mindazt, ami a kompetenciafejlődés magja. Vagyis az etikai megfelelés nem önállóan lebegő normarendszer, hanem a tanulás integritásának védelme: annak biztosítása, hogy a dolgozat mögött valódi megértés, saját érvelés és vállalt felelősség álljon.

Ebből következik, hogy a helyes MI-használatot nem elég deklarálni, hanem tanítani kell, mégpedig úgy, hogy a hallgató számára világos legyen, milyen alkalmazások, mely kutatásmódszertani lépések és milyen megengedett asszisztensi műveletek férnek bele a szakmai és intézményi keretekbe. A tanítás ezért speciális hallgatói felkészítés formájában valósul meg – minikurzusként vagy a szakmódszertani bevezető részeként –, amely nem általános elveket ismétel, hanem a tényleges dolgozatírási helyzetekhez kötött, gyakorlati döntési pontokat dolgoz fel. Ennek fókusza az, hogy a hallgató konkrét példákon és feladatokon keresztül megtanulja: az MI hol segíti érdemben a kutatási munkát (például kérdésfinomítás, ellenőrző szempontok, szerkezeti kontroll), és hol lépi át azonnal a megtévesztés határát (például kész szöveg előállítása, rejtett parafrázis, ellenőrizetlen „források” beemelése).

A hallgatói és oktatói felkészítés folyamatának kulcsponti kérdései

A hallgatói „helyes MI-használat” megtanítása akkor lehet csak sikeres, ha a hallgató pontosan érti, milyen MI-alkalmazáscsaládok léteznek, és melyik mire való a tudományos munkában. Ennek megfelelően a képzés elejére érdemes beépíteni egy rövid, kötelező „alkalmazásismereti” mini-modult, amelyben a hallgató ugyanazon témán kipróbálja a szöveggeneráló rendszert, a kereső/összegző jellegű MI-t és a kutatási célú eszközöket, majd az oktatóval közösen megfogalmazza, miben más a kimenet megbízhatósága és ellenőrizhetősége. A cél itt nem a „tudj mindent az MI-ről”, hanem az, hogy rögzüljön: a generált szöveg valószínűségi eredetű, forrásai nem automatikusan azonosíthatók, ezért a hallgató csak olyan választ fogadhat el, amelyet képes hiteles adatbázisokból ellenőrizni.

A második, érdemi tanítási pillér a kutatásmódszertani helyes használat. A hallgatókat nem „promptolni” kell megtanítani általában, hanem módszertani döntéseket hozni MI-támogatással: hogyan pontosítják a kutatási kérdést, milyen adatgyűjtés illeszkedik hozzá, majd milyen statisztikai vagy kvalitatív eljárás alkalmas az adott adatra, és milyen előkészítő lépések szükségesek az adattisztítástól az értelmezésig. Ezt egy konkrét gyakorlat viszi át a valóságba: a hallgató hoz egy tervezett kutatási kérdést és egy vázlatos adatforgatókönyvet, az MI-től pedig nem „írj fejezetet” jellegű kérést kérünk, hanem módszertani javaslatot az adatok típusához és a célhoz illeszkedő elemzési lehetőségekről, majd az oktató kötelezően visszakérdez: melyik javaslat miért releváns, hol a torzítási kockázat, mi az a pont, ahol az MI nem helyettesíti a statisztikai szoftvereket és az emberi elemzést. Így a hallgató megtanulja, hogy az MI legfeljebb előzetes keretrendszert adhat, de az eredmények kritikátlan átvétele és a „kitalált források” hivatkozása módszertani zsákutca.

A harmadik pillér a megengedett asszisztensi alkalmazások kijelölése úgy, hogy azok ténylegesen csökkentsék a visszaélések terét. Az MI a témaválasztástól a véglegesítésig támogathatja a folyamatot, de a teljes vagy jelentős terjedelmű generált szöveg átvétele plágium, és a hallgató nem spórolhatja meg a kutatási kérdés, a szakirodalom-feldolgozás, a módszertan és a saját eredmények kidolgozását. Ezt a gyakorlatban úgy lehet tanítani, hogy a hallgató ugyanarra a fejezetre két „terméket” készít: egy vázlatot, amelyben az MI csak szerkezeti és ellenőrző kérdés-segítséget ad, majd egy rövid, saját szövegrészt, amelynél az MI legfeljebb nyelvi és stiláris simítást végez már meglévő hallgatói tartalmon. Az oktató itt nem detektort használ, hanem a szakmai koherenciát kéri számon: a dolgozat fejezetei illeszkednek-e a template-hez, a módszertan levezethető-e a kutatási kérdésből, és az érvek visszavezethetők-e a valóban megismert szakirodalomra.

Nem maradhat el az oktatók felkészítése sem az MI-használat felismerésére és a plágiumproblémák kezelésére; ez azonban akkor lehet eredményes, ha a fókusz nem a „lebuktatás” technikáin, hanem a tanulási folyamat védelmén és a helyes használat támogatásán van. Ennek első eleme egy közös, intézményi szinten egységesített értelmezési keret: az oktató pontosan lássa, milyen tipikus visszaélési útvonalak léteznek (teljes generálás, rejtett parafrázis, fordításátvétel, humanizálás), és miért nem megbízhatóak a detektorlogikák a 2025 utáni modellek mellett. Írásunkban – csak a legfőbb kérdéseket érintve – ennek megalapozására tettünk kísérletet, a későbbi részletesebb kibontás reményében. A felkészítés második eleme a gyakorlat: az oktató ne stílusjegyeket „vadásszon”, hanem tartalmi koherenciát és módszertani következetességet ellenőrizzen, mégpedig úgy, hogy a konzultációkon és a beadási folyamatban rendszeresen rákérdez a kutatási kérdés indokaira, a választott szakirodalom relevanciájára, az alkalmazott módszertan logikájára és az eredmények értelmezésére. A harmadik elem a kezelési protokoll: gyanú esetén a beszélgetés ne vádként induljon, hanem támogató tisztázásként („mutasd meg, hogyan jutottál ide, és mi a saját álláspontod”), majd csak akkor következzen formális lépés, ha a hallgató nem tudja a munka szakmai tartalmát megvédeni. Így az oktató egyszerre tudja csökkenteni a megtévesztés ösztönzőit, és megerősíteni azt az üzenetet, hogy az MI a megengedett keretek között hasznos partner lehet - de a hallgató megértését, módszertani döntéseit és felelősségét nem helyettesítheti.

Az MI a dolgozatírásban való megjelenésének köszönhetően a hallgatói értékelés gyakorlata szükségszerűen átalakul, de az otthon elkészített, nagy szöveges munkák (szakdolgozatok) szerepe továbbra is megmarad a felsőoktatásban, hiszen ezek nélkülözhetetlen eszközei annak, hogy a hallgató strukturáltan gondolkodjon, érveljen és szaknyelven fogalmazzon. A hangsúly azonban eltolódik magáról a szövegről arra a tudásra, amely a szövegben megjelenik: arra, hogy a hallgató valóban érti-e az általa használt fogalmakat, képes-e azokat új helyzetekben alkalmazni, és képes-e saját kutatási döntéseit, módszertani választásait és következtetéseit világosan bemutatni és megvédeni.

Ebben a megközelítésben a mesterséges intelligencia nem tiltott eszköz, hanem – a megengedett keretek között – elfogadott és hasznos alkotópartner, amely hozzájárulhat a gondolkodás tisztázásához, az érvelés ellenőrzéséhez vagy a prezentáció minőségének javításához. Ugyanakkor világos határ marad, hogy az MI nem válhat a tudás hordozójává a hallgató helyett: nem érthet meg, nem dönthet, nem vállalhat felelősséget, és nem képviselheti hitelesen a dolgozat szakmai tartalmát. A felsőoktatási értékelés lényege ezért továbbra is az, hogy láthatóvá váljon az emberi megértés, az önálló gondolkodás és az elsajátított tudás alkalmazása.

Mindez az oktatói szerepet is újrasúlyozza: az oktató nem „detektor”, hanem a tudományos munka minőségi kapuőre, aki a megértést, a módszertani következetességet és a felelős szerzőséget kéri számon, miközben a megengedett MI-használatot tanulástámogatóan keretezi. Ehhez az oktatókkal szemben új, kifejezett követelmény jelenik meg: az MI-eszközök ismerete, a tipikus visszaélési mintázatok felismerése, valamint a gyanú esetén alkalmazható, arányos és dokumentálható eljárásrend biztonságos használata. Éppen ezért az oktatói felkészítés nem opcionális kiegészítő, hanem az értékelés hitelességének és a hallgatói tanulási integritásnak a feltétele: nélküle sem a korrekt támogatás, sem a következetes elvárásrendszer nem tartható fenn.

Az írás és az illusztrációk a mesterséges intelligencia közreműködésével készültek. A képek háttereként szolgáló módszertani prezentációk itt és itt érhetők el.