Árulkodó nyomok az MI használatáról: vízjelek, címkék, eredetigazolás - és az új európai átláthatósági rend

 

2026 augusztusában az Anthropic bejelentése tette igazán kézzelfoghatóvá azt a változást, amelyre az európai MI-szabályozás már korábban kijelölte az irányt. A jövőbeni Claude-modellek szövegei olyan láthatatlan digitális vízjelet (invisible digital watermark) hordoznak, amelyet az olvasó nem érzékel, megfelelő technikai eszközzel azonban statisztikailag kimutatható. Nem rejtett karakterek kerülnek a mondatokba, és nem valamilyen titkos azonosító kapcsolódik a felhasználóhoz. A jel magában a nyelvi generálás folyamatában keletkezik. Az Anthropic ezzel kifejezetten az EU MI-rendelet 50. cikkének 2026. augusztus 2-től alkalmazandó követelményeire reagált.

A változás jelentőségét könnyű félreérteni. Az Európai Unió ugyanis nem egyszerűen azt rendelte el, hogy minden MI-vel készült tartalom mellett jelenjen meg egy „AI generated” felirat. Az 50. cikk két egymástól lényegesen eltérő átláthatósági réteget hozott létre: a szolgáltatóknak egy technikai eredetjelző rendszert kell biztosítaniuk, míg bizonyos esetekben az MI-rendszert használó szervezeteknek, vagyis az alkalmazóknak (deployers) az emberek számára is érthetően közölniük kell az MI közreműködését. E kettő elválasztása különösen fontos a közérdekű tájékoztatásban, az oktatásban és a tudományos kommunikációban.

Mit követel valójában az 50. cikk?

Az 50. cikk (2) bekezdése szerint a szintetikus hangot, képet, videót vagy szöveget generáló MI-rendszerek szolgáltatóinak – ideértve az általános célú MI-rendszereket is – biztosítaniuk kell, hogy a rendszer kimenete géppel olvasható formátumban jelölt (machine-readable marking) és mesterségesen generáltként, vagy manipuláltként felismerhető legyen. Ennél is fontosabb a következő mondat: a technikai megoldásoknak a technika állásához mérten hatékonynak, interoperábilisnak, robusztusnak és megbízhatónak (effective, interoperable, robust and reliable) kell lenniük. A rendelet figyelembe engedi venni az egyes tartalomtípusok sajátosságait, a technikai korlátokat és a megvalósítás költségeit.

Ez tehát elsősorban szolgáltatói kötelezettség. Nem az iskola, az egyetem, az újságíró vagy egy kutató feladata saját vízjelezési algoritmust fejleszteni. Az ilyen funkciót már a generatív rendszernek kell biztosítania.

Fontos az is, hogy a szabály nem terjed ki minden MI-segítségre. A rendelet kivételt enged, ha a rendszer pusztán szokásos szerkesztési funkciót (standard editing) lát el, illetve nem változtatja meg lényegesen a felhasználó által megadott bemenetet vagy annak szemantikáját. A Bizottság 2026-os iránymutatása tovább pontosította a határt: például rövid szám- és karaktersorok, forráskód, tisztán gép–gép kommunikációra szolgáló kimenetek, valamint egyes zárt ipari folyamatok is kieshetnek a jelölési kötelezettségből.

Van még egy lényeges időbeli különbség. Az 50. cikk 2026. augusztus 2-től alkalmazandó, az e dátum előtt forgalomba hozott rendszerek szolgáltatói azonban az 50. cikk (2) szerinti technikai jelölést 2026. december 2-ig vezethetik be (grace period). Ez magyarázza azt is, hogy 2026 augusztusának végén még nem minden szolgáltatónál látunk azonos technikai megoldást.

A Bizottság időközben az 50. cikkhez külön gyakorlati kódexet (Code of Practice on Transparency of AI-Generated Content) és részletes iránymutatást is elkészített. A kódexhez való csatlakozás önkéntes, maga az 50. cikk viszont kötelező. A Bizottság és az AI Board a kódexet megfelelő megfelelési eszköznek minősítette; 2026 júliusának végére mintegy 190 szervezet csatlakozott hozzá.

Claude: a vízjel magába a nyelvbe kerül

A szöveg jelölése informatikailag sokkal nehezebb probléma, mint egy képé. Egy JPEG-fájlhoz lehet metaadatokat csatolni, illetve a pixelekbe szabad szemmel láthatatlan jelet kódolni. A szöveg azonban kimásolható egy másik dokumentumba, újratördelhető, PDF-be exportálható vagy egyszerűen újragépelhető. A fájlmetaadat ebben a pillanatban elveszne.

Az Anthropic ezért a Google DeepMind által kidolgozott SynthID-Text egyik változatát alkalmazza. Egy nagy nyelvi modell minden új token előállításakor több lehetséges folytatás között választ. Sokszor több, jelentésében és minőségében egyaránt elfogadható szó áll rendelkezésre. A Claude vízjelezése ezeknél a „kis tétű” választásoknál avatkozik be: egy titkos kulcs és az előző szövegrész alapján finoman módosítja azt, miként történik a következő token kiválasztása. Sok ilyen döntés együtt statisztikai mintázatot hoz létre. Az olvasó ebből semmit nem lát, a kulcsot ismerő detektor viszont meg tudja becsülni annak valószínűségét, hogy a szöveg létrehozásában Claude vett részt.

Ez nem klasszikus rejtett karakteres vízjel, és nem plusz adatmező. Éppen ezért a Wordbe másolás vagy PDF-be exportálás önmagában nem tünteti el: amíg a szavak megmaradnak, a statisztikai minta is megmaradhat. Erőteljes átírás, parafrázis vagy teljes újrafogalmazás viszont fokozatosan lerombolja, ahogy a fordítás-visszafordítás is. Rövid szövegeknél eleve kevés adat áll rendelkezésre, szigorúan tényszerű mondatoknál pedig kevés szabadsága van a modellnek a szóválasztásra. Ugyanezért gyengébb a jel egyszerű korrektúránál és a pontos szintaxist követelő programkódnál. Az Anthropic készül egy vízjeldetektáló API-val (watermark detection API), de a jel önmagában még ekkor sem fogja bizonyítani a szerzőséget: legfeljebb azt, hogy Claude valószínűleg részt vett a szöveg előállításában vagy jelentősebb átdolgozásában.

Ez az oktatás és a tudomány szempontjából alapvető különbség. A vízjel nem azt mondja, hogy „ezt nem a tanuló/hallgató írta”, és azt sem, hogy „a gondolatot az MI alkotta”. Eredetre vagy közreműködésre utaló technikai jel, nem szerzőségi ítélet. Arra azonban mindenképpen alkalmas, hogy az elkészült szöveg egyéni-eredeti, emberhez kötődő jellegét kérdésessé tegye – a tudományban pedig, ahol nem elég tisztességesnek lenni, de mindig tisztességesnek kell látszani, ez talán a legrosszabb, ami a szerzőkkel történhet.

Képnél más a technika: SynthID és C2PA

A képek esetében jelenleg egyre inkább többrétegű eredetigazolás (multi-layered provenance) válik iparági mintává. Ennek egyik rétege maga a tartalomba ágyazott láthatatlan vízjel. A Google SynthID technológiája képekben, videókban, hangban és szövegben egyaránt használható. Képeknél a jel a pixelekbe kerül úgy, hogy ne legyen érzékelhető, ugyanakkor bizonyos mértékben túlélje például a tömörítést, vágást vagy színmódosítást.

A másik réteg a C2PA Content Credentials, vagyis kriptográfiailag igazolható származási metaadat. A C2PA-manifeszt állításokat tartalmazhat arról, milyen eszköz hozta létre a fájlt, milyen műveleteket végeztek rajta, és milyen korábbi tartalmakból épült fel. A manifesztet digitális aláírás védi, a tartalomhoz pedig kriptográfiai kötés kapcsolja. Így az ellenőrző program meg tudja állapítani, hogy a származási állításokat ki írta alá, és változtak-e azóta.

A C2PA azonban nem ugyanaz, mint a vízjel. A metaadat részletesebb információt hordozhat, viszont fájlkonverzió, közösségi platform vagy képernyőkép eltávolíthatja. Egy közvetlenül a pixelekbe kódolt vízjel kevésbé informatív, viszont ellenállóbb lehet. Emiatt a két módszer együtt erősebb.

Pontosan ebbe az irányba mozdult az OpenAI is. 2026 májusától a támogatott OpenAI-képek esetében a C2PA Content Credentials mellett Google SynthID-vízjel is megjelent, július 31-től pedig támogatott hangkimenetekre is kiterjesztették a SynthID használatát. Az OpenAI nyilvános ellenőrző eszközt és ellenőrző API-t is kialakít. A jelenlegi hivatalos dokumentáció ugyanakkor képet és hangot nevez meg; szöveghez alkalmazott, élesben működő vízjelezési eljárást nem ismertet. Ez nem jelenti azt, hogy ilyen megoldás ne készülne, és a 2026. december 2-ig tartó átmeneti időszakot is rendszerre lebontva kell értékelni.

A Microsoft ugyancsak kombinálja a módszereket. A Microsoft 365 MI-vel létrehozott képeihez, videóihoz és hangjaihoz metaadat kapcsolható, bizonyos környezetekben pedig látható „AI-generated” vagy Copilot-vízjel is bekapcsolható. A Paint Cocreator képei C2PA-manifesztet tartalmaznak, a Microsoft Foundry pedig támogatott modelleknél már láthatatlan vízjelet és kriptográfiailag aláírt C2PA-adatokat együttesen alkalmaz.

A Meta eközben részben már a következő láncszemet építi: Facebookon és Instagramon a rendszer képes felismerni például C2PA- és más iparági jeleket, majd ezekből felhasználónak szóló címkét létrehozni. Vagyis a technikai eredetjelző jelből platformszintű kommunikáció születhet. A Meta 2026 júliusában az uniós átláthatósági kódexhez is csatlakozott.

A legfontosabb jogi különbség: a technikai jel még nem látható tájékoztatás

Az 50. cikk (2) és (4) bekezdésének szétválasztása itt válik igazán fontossá. Minden, hatály alá tartozó generált szövegnél és képnél szolgáltatói oldalon fennállhat a géppel olvasható jelölési kötelezettség, de ebből nem következik, hogy minden MI-vel készült szöveg vagy kép mellé az intézménynek látható „MI-generált” feliratot kell tennie.

A felhasználói oldali, ember számára érzékelhető közzététel jóval szűkebb. Kép, hang és videó esetén az 50. cikk (4) kifejezetten a deepfake-ekre ír elő tájékoztatást. Egy mesterséges intelligenciával rajzolt sematikus iskolai illusztráció tehát önmagában nem válik deepfake-ké. Ha azonban létező személyt, eseményt vagy helyszínt oly módon imitál, hogy az hitelesnek tűnhet, más a helyzet. A Bizottság egyértelműen hangsúlyozza: ilyen esetben a szolgáltató által beágyazott gépi vízjel nem helyettesíti az ember számára látható vagy hallható tájékoztatást.

Szövegnél a határ még érdekesebb. Látható közlés akkor szükséges, ha az MI által generált vagy manipulált szöveget a nyilvánosság tájékoztatása céljából, közérdekű ügyben teszik közzé. A Bizottság ide sorolja többek között a politikai, közigazgatási, közegészségügyi, környezetvédelmi, gazdasági, tudományos és kulturális fejleményeket, amennyiben azok a nyilvános vita releváns tárgyai.

Van azonban egy nagyon jelentős kivétel. Nem szükséges az 50. cikk (4) szerinti MI-címke, ha a szöveg érdemi emberi felülvizsgálaton vagy szerkesztői ellenőrzésen ment keresztül, és természetes vagy jogi személy szerkesztői felelősséget visel érte. A Bizottság még az akadémiai szakértői lektorálást (academic peer review) is kifejezetten az érdemi emberi kontroll példájaként említi. A puszta helyesírás-ellenőrzés vagy formális korrektúra viszont nem elég.

Mit változtat mindez az iskolában, az egyetemen és a tudományban?

A közoktatásban mindebből nem következik az, hogy 2026. augusztus 2-től minden MI-vel készült feladatlapot, prezentációt vagy tanári háttéranyagot kötelező „MI-generált” felirattal ellátni. A szolgáltatói technikai jelölés ettől függetlenül jelen lehet a fájlban vagy a szövegben. A tanulói dolgozatokra sem keletkezik automatikusan uniós „MI-címkézési” kötelezettség, hiszen ezek rendszerint nem a nyilvánosság közérdekű tájékoztatására közzétett szövegek. Az iskolai tanulmányi és etikai szabályok természetesen ennél szigorúbb MI-használati nyilatkozatot követelhetnek.

Más a helyzet egy iskola honlapján automatikusan publikált, közérdekű tájékoztatóval, például egészségügyi, gyermekvédelmi, felvételi vagy intézményi szabályokat ismertető szöveggel. Ha ezt lényegében az MI állítja elő és nincs valódi emberi szerkesztői kontroll, az 50. cikk (4) már releváns lehet. Ha viszont egy felelős munkatárs tartalmilag ellenőrzi, javítja, jóváhagyja és az intézmény felelősséget vállal érte, működésbe léphet a kivétel.

A felsőoktatásban még fontosabb lesz különválasztani az MI használatának technikai kimutathatóságát az akadémiai szerzőség kérdésétől. Egy Claude-vízjel például jelezheti, hogy a szövegen a rendszer dolgozott, de önmagában nem mutatja meg, ki fogalmazta meg az érvelést, milyen mértékű volt az MI közreműködése, vagy megsértett-e a hallgató bármilyen szabályt. Ezért a vízjel-detektálás nem válhat egyszerűen a mai, sokat vitatott „MI detektorok” új változatává. Az Anthropic maga figyelmeztet arra, hogy a jel közreműködést, nem szerzőséget bizonyít; rövid szövegben ráadásul még bizonytalanabb lehet.

A tudományos kutatásban pedig különösen érdekes következmény áll elő. Egy MI-vel részben készített tudományos szöveg technikai vízjele megmaradhat, miközben az EU MI-rendelete alapján látható AI-címke egyáltalán nem feltétlenül szükséges, ha a tanulmány érdemi szakmai ellenőrzésen, lektoráláson és felelős szerkesztésen ment keresztül. Ettől persze a kiadói gyakorlat, a folyóirat, az egyetem, a kutatásfinanszírozó vagy a szakmai etikai szabályzat továbbra is előírhatja (és a nemzetközi tudományos kiadók világában elő is írja) az MI használatának részletes feltüntetését. Az EU MI-rendelet minimumszabály, nem az akadémiai szerzőség teljes szabályozása.

Ugyanez igaz a közcélú tájékoztatásra. Minden MI-vel megérintett mondatra a jövőben sem kell figyelmeztető címkét kell ragasztani. Sokkal mélyebb infrastruktúraváltás kezdődött: a digitális tartalom egyre gyakrabban hordozhat eredetinformációt (provenance information), és a platformok, keresők, kiadói rendszerek vagy intézményi informatikai eszközök ezt automatikusan értelmezhetik. A jövőben tehát egy kép vagy szöveg „származása” részben géppel ellenőrizhető tulajdonsággá válhat.

Ez azonban csak akkor működik jól, ha nem tévesztjük össze az eredetet, az MI-közreműködést, a szerzőséget és a megbízhatóságot. Egy C2PA-aláírás nem bizonyítja, hogy a kép igaz, egy vízjel sem, hogy a szöveg hamis. Egy Claude-jel vagy Gemini jel nem bizonyítja, hogy nem az ember gondolkodott. Az új technikai infrastruktúra arra ad egyre jobb választ, hogy milyen eszköz vett részt a tartalom létrehozásában. Arra, hogy a tartalom igaz-e, szakmailag helyes-e, ki a szerzője és ki vállal érte felelősséget, továbbra is embereknek és intézményeknek kell válaszolniuk. Éppen ezért az EU új rendszere akkor lesz valóban hasznos, ha a vízjel nem a gyanú bélyegévé, hanem a digitális eredet átlátható jelzésévé (transparent content provenance) válik.

A súlypontok áttevődnek

A technikai jelölés terjedésével egyre világosabbá válik, hogy az MI-használat átláthatóságának kérdése nem oldható meg pusztán vízjelekkel, metaadatokkal és detektálási eljárásokkal. Felértékelődik az intézményi és kiadói szabályozás (institutional and publishing governance) szerepe: annak pontos meghatározása, hogy egy adott közegben mire használható az MI, milyen közreműködést kell feltüntetni, mely alkalmazások megengedettek, és melyek minősülnek etikátlannak. A nagy nemzetközi tudományos kiadók erre részletes szerzői, szerkesztői és lektori előírásokkal válaszoltak, miközben a magyar tudományos kiadói gyakorlat jelentős részében ez a szabályozási réteg továbbra is hiányzik vagy esetleges.

A felsőoktatásban az egyetemi szabályzatok egyre gyakrabban rendezik az MI használatának megengedett és tiltott formáit, a közoktatásban azonban jóval nagyobb a lemaradás. Az általános és középiskolák többségében ma még nincs olyan intézményi MI-szabályzat, amely világosan rögzítené, hogy a pedagógus és a tanuló milyen feladatoknál, milyen feltételekkel és milyen jelölési kötelezettség mellett használhat generatív rendszereket. A szakképzés egyes területein az MI oktatása már korlátozottan megjelent, és ehhez mintaszabályozási megoldások is társultak, ez azonban még nem vált a teljes közoktatási rendszer általános gyakorlatává. Pedig éppen az iskolában lenne különösen fontos, hogy a tanuló ne pusztán azt tanulja meg, hogyan lehet MI-t használni, hanem azt is, mikor szabad, mikor nem szabad, hogyan kell a használatot feltüntetni, és hol húzódik a segítség és a megtévesztés határa.

A döntő kérdés ezért itt sem egyszerűen az etikai alapelvek deklarálása. Önmagában kevés egy olyan szabály, amely kimondja, hogy az MI-t „felelősen” vagy „etikusan” kell használni. Ehhez olyan intézményi kultúrára (institutional culture) és működő feltételrendszerre van szükség, amelyben pedagógusok, diákok, hallgatók, kutatók, szerkesztők és intézményvezetők képzés keretében sajátítják el az etikus, átlátható és jelölt MI-használat (ethical, transparent and disclosed AI use) gyakorlatát. Ugyanilyen világosnak kell lennie annak is, mi történik akkor, ha valaki ettől eltér: mikor beszélünk szabálytalan segítségnyújtásról, mikor megtévesztésről, mikor sérül a tudományos vagy tanulmányi integritás, és ezekhez milyen előre ismert következmények kapcsolódnak.

A technikai vízjelek és eredetjelzők ebben fontos, de korlátozott szerepet töltenek be. Jelezhetik, hogy egy MI-rendszer részt vett egy szöveg vagy kép létrehozásában, de nem mondják meg, hogyan, milyen mértékben és milyen célból történt a közreműködés. Erről továbbra is a szerzőnek, hallgatónak, diáknak, pedagógusnak vagy kutatónak kell a helyi szabályok szerint számot adnia. A jövő kulcsa ezért nem önmagában a detektálás, hanem az oktatás, az ellenőrizhetőség, a világos felelősségi rend, az egységes intézményi eljárások és az előre ismert következmények együttes kialakítása lehet.

Mesterséges intelligencia az osztályteremben: kognitív és pedagógiai kihívások – a közoktatás előtt álló változások két uniós szakpolitikai háttéranyag tükrében

 

A mesterséges intelligencia oktatási alkalmazása körüli vita 2026-ra lényegesen túllépett azon a kérdésen, hogy szabad-e a tanulóknak ChatGPT-t vagy más generatív MI-eszközt használniuk. Az Európai Parlament Kulturális és Oktatási Bizottsága, a CULT Committee számára 2026 márciusában készült két szakpolitikai háttértanulmány már abból indul ki, hogy a mesterséges intelligencia jelenléte az oktatásban lényegében adottság. A valódi kérdés ezért az lett, hogy milyen tanulás történik akkor, amikor a tanulási folyamatba mesterséges intelligencia lép be, és milyen pedagógiai, intézményi és szabályozási feltételek szükségesek ahhoz, hogy az MI a gyermek fejlődését támogassa ahelyett, hogy gyengítené.

A két dokumentum egymást kiegészítő nézőpontból vizsgálja ezt a problémát. Az Artificial Intelligence in Classrooms: Cognitive Dimensions szerzője Prof. Dr. Irene-Angelica Chounta, míg az Artificial Intelligence in Classrooms: Pedagogical Dimensions tanulmányt Dr. Vasiliki Charisi készítette. Mindkettő az Európai Parlament szakpolitikai háttéranyagaként, a CULT bizottság felkérésére született 2026 márciusában. A kognitív elemzés kimondott célja az volt, hogy a képviselők számára áttekintse a fő tendenciákat, kockázatokat és szakpolitikai lehetőségeket, különös tekintettel a kiskorúakra és a tanköteles korosztályra, valamint előkészítse a kérdéssel foglalkozó szakmai műhely munkáját.

A dokumentumok megszületését az MI rendkívül gyors társadalmi terjedése indokolta. A kognitív tanulmány idézett európai adatai szerint 2025-ben a 16–24 évesek 63,8 százaléka használt generatív mesterséges intelligenciát, közülük pedig 39,3 százalék jelezte, hogy valószínűleg használ MI-eszközöket a formális oktatáshoz is. Vagyis az oktatáspolitikának már nem egy jövőbeni technológia várható hatásaira kell felkészülnie. A tanulók az eszközöket jelenleg is használják házi feladatokhoz, szövegalkotáshoz, információkereséshez és problémamegoldáshoz, részben az iskola ellenőrzött környezetén kívül. A pedagógiai dokumentum ezért rendszerszintű átalakulásról beszél: az MI az oktatási módszereket, a tanulási stratégiákat és az értékelést egyszerre változtatja meg.

A probléma középpontjában: teljesítmény vagy tanulás?

A kognitív elemzés legfontosabb fogalma az egy korábbi munkánkban már részletesen tárgyalt  OECD 2026-os Digital Education Outlook jelentéséből átvett „AI learning paradox”, az MI-tanulási paradoxon. Ennek lényege, hogy az általános célú mesterséges intelligencia segítségével javulhat a tanuló által előállított produktum és mérhető rövid távú teljesítmény, miközben maga a tanulás gyengülhet. Egy jobb esszé, pontosabb megoldás vagy gördülékenyebb prezentáció ezért önmagában már nem bizonyítja, hogy a tanuló többet tud, jobban gondolkodik vagy mélyebben érti a tananyagot.

Ez alapvető változást jelent az oktatás számára. Az iskola hagyományosan nagyrészt a tanuló által elkészített produktumból következtet a mögötte álló tudásra. Ha azonban egy dolgozat, otthon megírt esszé, programkód vagy feladatmegoldás jelentős részét egy MI-rendszer hozhatja létre, megszakad a korábbi kapcsolat a látható teljesítmény és a belső tudás között. A pedagógus előtt fekvő jó szöveg immár nem feltétlenül a tanuló jó szövegalkotási képességének bizonyítéka.

Chounta elemzésében ezért különösen fontos a kognitív erőfeszítés szerepe. A tanulás nem egyszerű információátvétel: figyelmet, előhívást, ismétlést, összekapcsolást, problémamegoldást, hibázást és korrekciót igényel. Éppen azok a mozzanatok járulnak hozzá a tartós tudássémák kialakulásához, amelyek a tanuló számára gyakran nehéznek vagy lassúnak tűnnek. Ha a mesterséges intelligencia ezeket rendszeresen kiiktatja azzal, hogy kész választ, kész érvelést vagy kész összefoglalást állít elő, akkor a látszólagos könnyítés mögött bizonyos esetekben a tanulási folyamat lényegi része tűnik el.

A tanulmány négy egymással összefüggő kognitív kockázati területet emel ki: a túlzott ráhagyatkozást és függőséget, az alapvető készségek – az írás, olvasás, számolás és problémamegoldás – gyakorlásának csökkenését, a metakogníció és önállóság gyengülését, valamint a figyelem és a memória megszilárdulásának zavarait. A gyermek- és serdülőkor azért különösen érzékeny időszak, mert a munkamemória, a végrehajtó funkciók és a kritikai gondolkodás még fejlődésben vannak.

Ennek egyik legkomolyabb következménye az episztemikus tekintély átruházása (episztemikus delegálás). A tanuló megszokhatja, hogy az állításokról a véleményt, az érvek mérlegelését és a források megbízhatóságának eldöntését a rendszer végzi el helyette. A probléma így jóval mélyebb a „puskázásnál”, meg nem engedett segédeszközök használatánál: a hosszú távon jelentkező veszély az, hogy a gyermek éppen azokat a mentális műveleteket nem gyakorolja eleget, amelyek nélkül később nem tudja megítélni az MI által adott válasz minőségét.

Különösen fontos ezért a dokumentum megkülönböztetése az általános célú generatív MI és a pedagógiai célra tervezett mesterségesintelligencia-rendszerek között. A tanulásra kialakított rendszer nem feltétlenül mondja meg a választ: kérdezhet, segítséget adagolhat, visszakérdezhet, reflektálásra késztethet, és a segítség mértékét a tanuló tényleges tudásához igazíthatja. Az elemzés szerint ezek tartósabb tanulási eredményekhez vezethetnek, mint az olyan általános chatbotok, amelyek egyszerűen elkészítik a feladatot.

A pedagógiai válasz: a technológia helyett ismét a tanulásból kell kiindulni

Charisi pedagógiai tanulmányának központi tétele ugyanezt más oldalról fogalmazza meg: a technológia használatát az oktatási célokhoz kell igazítani és megtervezni, a technológia képességei helyett. A tanulóközpontú MI ezért olyan rendszer és alkalmazási mód, amely a gyermek jóllétét, autonómiáját, kognitív és szocioemocionális fejlődését, kritikus gondolkodását, kreativitását és felelős társadalmi részvételét helyezi előtérbe.

Ez magyarázza, hogy a dokumentum nem valamiféle új, „MI-pedagógia” kialakítását sürgeti. Éppen ellenkezőleg: visszanyúl az aktív tanulás jól ismert pedagógiai hagyományaihoz. A projektalapú, tapasztalati, kollaboratív, kutatásalapú, szókratészi és konstrukcionista tanulás az MI korában felértékelődik, mert ezekben a tanulónak kérdeznie, vitatkoznia, hipotézist alkotnia, választását indokolnia, produktumot létrehoznia és saját gondolkodására reflektálnia kell.

Különösen érdekes a dokumentum által javasolt irányváltás az MI-fogyasztástól az MI vizsgálata és építése felé. Ha a tanuló csak promptot ír és átveszi a választ, fogyasztói szerepben marad. Ha viszont egyszerű modelleket, osztályozókat vagy adatfeldolgozási eljárásokat vizsgál, összehasonlítja saját következtetését az MI eredményével, hibákat keres és megpróbálja feltárni a modell elfogultságát, aktív tudásépítővé válik. A projektalapú alkalmazás így egyszerre fejlesztheti az episztemikus ágenciát, a fogalmi megértést, a kreativitást és az etikai érzékenységet.

Ezzel összhangban az MI-műveltség fogalma is jóval többet jelent a promptírás megtanításánál. A diáknak értenie kell a rendszerek alapvető működési logikáját, korlátait és torzításait, képesnek kell lennie az MI által generált tartalom ellenőrzésére, valamint annak eldöntésére, hogy mikor érdemes és mikor nem érdemes MI-t használni. A dokumentum kifejezetten hangsúlyozza, hogy az AI literacy kognitív, etikai, társadalmi és állampolgári kompetencia is.

Az értékelés válsága

A két elemzés egyik legmesszebbre vezető következménye az értékelési rendszer – korábban általunk is számos alkalommal tárgyalt, a Modern Iskola két sorozatában is feldolgozott - újragondolásának szükségessége. A hagyományos házi dolgozat, esszé vagy otthoni projekt egyre kevésbé alkalmas önmagában annak megállapítására, hogy mit tud a diák. Az MI korában ezért a tanulási folyamat láthatóvá tétele válik fontossá.

Ez nem jelenthet egyszerűen több ellenőrzést. A pedagógiai dokumentum külön figyelmeztet az MI-alapú mérésből kialakuló datafikáció és pedagógiai megfigyelés kockázatára. Az automatizált értékelés, tanulásanalitika és folyamatos viselkedéskövetés személyre szabott visszajelzést adhat, ugyanakkor olyan környezetet teremthet, amelyben a gyermek folyamatos megfigyelés alatt érzi magát. Ez csökkentheti a kísérletezési kedvet, az intellektuális kockázatvállalást és a kreativitást. Az automatizált rendszerek ráadásul hajlamosak arra, hogy azt értékeljék, ami könnyen számszerűsíthető, miközben a kreativitás, az etikai ítélőképesség vagy az együttműködés sokkal nehezebben alakítható adattá.

A pedagógiai anyag logikájából az következik, hogy az értékelés a jövőben várhatóan több helyben végzett, folyamatközpontú és reflektív elemet kíván majd: szóbeli indoklást, műhelymunkát, vitát, prezentációt, verziók összehasonlítását, forráskritikát, az MI-válasz hibáinak feltárását és annak bemutatását, hogyan jutott el a tanuló a végeredményhez. A döntő kérdés egyre kevésbé az lesz, hogy „használt-e MI-t?”; sokkal inkább az, hogy melyik kognitív műveletet végezte el maga, melyiket támogatta az MI, és képes-e önállóan megvédeni az eredményt.

A pedagógus szerepének felértékelődése

Mindkét dokumentum határozottan elutasítja azt az elképzelést, hogy a mesterséges intelligencia szükségszerűen háttérbe szorítja a pedagógust. Éppen ellenkezőleg: minél nagyobb szerepet kap az MI, annál fontosabb a tanár, mint kognitív közvetítő és pedagógiai döntéshozó. A pedagógus feladata annak meghatározása, mikor segíti az MI a tanulási célt, mikor helyettesíti a gondolkodást, mikor kell segítséget adni, visszakérdezni vagy éppen kikapcsolni a technológiát.

Ez különösen az életkori differenciálás miatt fontos. A kognitív tanulmány egyértelműen kimondja, hogy egy hétéves és egy tizenhat éves tanuló MI-használata nem kezelhető azonos szabályok szerint. Az alsóbb életkorokban sokkal erősebb felnőtt közvetítés indokolt, míg idősebb korban fokozatosan növelhető az önálló, reflektált használat. A „mindenkinek engedjük” és a „mindenkinek megtiltjuk” ezért egyaránt pedagógiailag elégtelen modell.

Mit jelent mindez a magyar közoktatás számára?

A dokumentumok következtetéseinek a magyar oktatási környezetre történő alkalmazása összefüggésében világos, hogy a magyar közoktatás előtt álló változás sem oldható meg egyetlen tantárgy bevezetésével és egy általános MI-használati keretrendszer kiadásával.

Elsőként tantervi változásra van szükség. Az MI-műveltséget horizontális kompetenciaként érdemes kezelni, amely megjelenik a magyar nyelv és irodalom, történelem, természettudományok, matematika, informatika és társadalomismeret oktatásában is. A forráskritika, az érvelés, az információ eredetének ellenőrzése, az algoritmikus torzítás felismerése és az MI-válaszok bizonytalanságának értelmezése nem különálló technikai ismeretek: a művelt gondolkodás új alapkompetenciái. Minderről a 2026 júliusában bemutatott szakpolitikai javaslatunkban szóltunk részletesebben.

Másodszor: újra kell tervezni az iskolai feladatokat. Az olyan házi feladat, amelyre egy általános célú chatbot néhány másodperc alatt elfogadható kész választ ad, pedagógiailag egyre kevésbé értékes. A feladatnak személyes indoklást, forrásértékelést, összehasonlítást, problémamegoldási folyamatot, helyi tapasztalatot, csoportmunkát vagy reflexiót kell kérnie. Az MI használható ötletelésre vagy visszajelzésre, de célszerű úgy megszervezni a tanulási folyamatot, hogy bizonyos lépések kötelezően megelőzzék az MI bevonását. Erre utal a pedagógiai tanulmány is, amikor kiemeli: az MI által generált megoldások és a saját gondolkodás összehasonlítása akkor támogatja a metakogníciót, ha az önálló gondolkodás előbb történt meg.

Harmadszor: át kell alakítani a számonkérés rendszerét. A beadott produktum hitelességének rendőrszerű ellenőrzése helyett a tudás demonstrációjára van szükség. Több szóbeli elem, helyben végzett problémamegoldás, vita, prezentáció és reflektív magyarázat indokolt. A tanuló számára természetessé kell váljon annak dokumentálása is, hogy milyen MI-eszközt, mire és a munkafolyamat melyik pontján használt.

Negyedszer: országos pedagógus-továbbképzési programra van szükség. Nem elegendő megtanítani a tanároknak néhány alkalmazás használatát. A továbbképzés középpontjában a kognitív terhelés, az önszabályozó tanulás, az MI-re támaszkodás veszélyei, az életkori sajátosságok, az új értékelési módszerek, az adatvédelem és az eszközök pedagógiai minőségének megítélése kell álljon. A két dokumentum logikájából az következik, hogy a pedagógusnak MI-felhasználóból MI-használatot tervező szakemberré kell válnia.

Ötödször: a közoktatási célokat szolgáló MI-alkalmazások jövőbeni beszerzésének tervezésekor azt kell vizsgálni, hogy az adott rendszer bizonyítottan támogatja-e a tanulást, azt kell értékelni, hogy hogyan kezeli a gyermekek adatait, milyen kognitív feladatokat vesz át, és milyen pedagógiai ellenőrzést enged a tanárnak. A kognitív tanulmány ennek érdekében kognitív hatásvizsgálatot, a pedagógiai hatékonyságot igazoló minimumkövetelményeket és az oktatási célú MI-rendszerek beszerzés előtti pedagógiai értékelését javasolja – ennek előnyei nyilvánvalóak lennének a magyar gyakorlat szempontjából is.

Végül mindez oktatásszervezési változást is feltételez. Az iskola önmagában nem tudja eldönteni, hogy a gyorsan változó, többnyire kereskedelmi vállalatok által fejlesztett MI-rendszerek közül melyik biztonságos és pedagógiailag megfelelő. Központi vagy országos minőségértékelésre, szakmai ajánlásokra, kipróbálási környezetekre és folyamatos kutatásra van szükség. A pedagógiai dokumentum ezért szabályozási „sandboxokat”, vagyis ellenőrzött kísérleti környezeteket javasol, ahol az oktatási intézmények, kutatók, fejlesztők, hatóságok, pedagógusok és tanulók együtt vizsgálhatják az MI-eszközök hatását. Az állami oktatásirányítás feladata ebben a modellben a tantervi követelmények, beszerzési szabályok, pedagógusképzés és értékelési mechanizmusok összehangolása.

A szemléletváltás szükségessége

A két 2026-os európai parlamenti háttértanulmány legfontosabb üzenete végső soron az, hogy a mesterséges intelligencia, mint technológia képes belépni azokba a mentális folyamatokba, amelyek korábban magának a tanulásnak a bizonyítékai voltak: fogalmaz, összegez, érvel, számol, programoz, keres és értékel. Emiatt az iskola már nem elégedhet meg a tanulói produktum értékelésével; egyre inkább a mögötte álló gondolkodási folyamatot kell megszerveznie és értékelnie. A kognitív elemzés kifejezetten hangsúlyozza, hogy pedagógiai célra kialakított eszközökkel, metakognitív támogatással, erős tanári közvetítéssel és életkor szerint differenciált alkalmazással az MI valódi tanulási segítséggé válhat. A szakpolitikai kérdés így semmiképpen nem a tiltásról vagy az öncélú korlátozásról szól; a valódi feladat a tervezés és a feltételek megteremtése.

Mindez a magyar közoktatás számára is azt jelenti, hogy az MI alkalmazására történő felkészülést pedagógiai reformként, és csak másodsorban informatikai modernizációként érdemes értelmezni. Az eddiginél nagyobb jelentőséget kell kapjon az önálló gondolkodás, a kérdezés, a memória tudatos működtetése, az érvelés, a forráskritika, az együttműködés, a kreativitás és a saját tanulási folyamatra történő reflektálás. Paradox módon tehát minél többet tud majd elvégezni helyettünk a mesterséges intelligencia, annál tudatosabban kell az iskolának megvédenie azokat a feladatokat, amelyeket a gyermeknek magának kell elvégeznie ahhoz, hogy fejlődjön.

Ez valószínűleg a következő évek egyik legfontosabb oktatáspolitikai kihívása, egyben választóvonala is lesz. Az az iskola, az az oktatási rendszer lesz sikeres, amely képes pontosan meghatározni, mikor kell a tanulónak egyedül gondolkodnia, mikor segítheti ebben egy ember, és mikor érdemes belépnie a folyamatba a mesterséges intelligenciának. Ebben az értelemben az MI megjelenése minden korábbinál fontosabbá teszi a pedagógiát.

Mesterséges intelligencia az iskolában – Bajorország így készül a 2026-27-es tanévre

 

A Bajor Oktatási és Kulturális Minisztérium 2026 nyarán új szabályozási keretek közé helyezte rendezte a mesterséges intelligencia iskolai használatát: a vizsgakultúráról, az MI iskolai megjelenéséről és a pedagógiai gyakorlat cselekvési útmutatójáról. A 2026. augusztus 1-jén hatályba lépett szabályozáshoz kapcsolódó dokumentumok közös üzenete, hogy a mérés-értékelés megújítása és az MI beépülése ugyanannak a folyamatnak a két oldala. A megközelítés a tiltás és a korlátlan engedékenység helyett a feltételekre kérdez rá: milyen keretek között válik az eszköz pedagógiailag értelmessé, jogilag védhetővé és a tanuló fejlődését szolgálóvá.

Minderre annak az integrációs folyamatnak részeként került sor, mely 2022-ben előbb a kiválasztott iskolákban, majd iskola-csoportokban indult, s melynek keretében a tanári felkészítéssel összekapcsolva próbálták ki az alkalmazás lehetőségeit. Ez jelentős technikai fejlesztésekkel is együtt járt: 2025 decemberében két minőségileg ellenőrzött, ingyenes eszközt tett minden iskola számára elérhetővé: a ByCS-platform KI-funkcióit és a telli nevű iskolai chatbotot. Mindez szükségszerűen vezetett át a 2026/2027-es tanévben induló vizsgakultúra-reformba.

Az új szabályozási keret alapja két dokumentum: a Prüfungskultur a vizsgakultúra kérdéseire összpontosít, a Künstliche Intelligenz a mesterséges intelligencia az iskolai használatára. Ezt egy már 2024 óta folyamatos továbbfejlesztés alatt álló, legutóbbi változatában 2026 májusában kiadott útmutató, a Handlungsleitfaden Künstliche Intelligenz in der pädagogischen Praxis, a mesterséges intelligencia pedagógiai gyakorlatáról szóló cselekvési útmutató és több jogi segédlet teljessé.

Az újszabályozás középpontjában annak felismerésé áll, hogy a mérés-értékelés megújítása és a mesterséges intelligencia iskolai megjelenése ugyanannak a folyamatnak a két oldala – azok egymástól nem választhatók el és külön-külön nem is értelmezhetők Az MI az iskolában nem elszigetelten, s nem technológiai kérdésként jelentkezik, hanem áthatja a tanulásszervezést, a visszajelzések és a számonkérések egész rendszerét. A bajor anyagok ezért az MI iskolai használatában a feltételekre kérdeznek rá: milyen keretek között válik az eszköz pedagógiailag értelmessé, jogilag védhetővé és a tanulók fejlődését szolgálóvá. Ez a megközelítés a puszta tiltás vagy a korlátlan engedékenység helyett kínál használható középutat – a hazai integrációs folyamatok számára is.

A pedagógusok felkészítése, mint szakmai és jogi előfeltétel

A bajor rendszer első alapelve, hogy az MI iskolai bevezetése a pedagógusok kompetenciájával kezdődik. Az anyagok szerint a tanárnak értenie kell az MI működésének alapjait és korlátait, képesnek kell lennie a generált eredmények szakmai és didaktikai minőségének megítélésére, valamint azok hatásának etikai szempontú mérlegelésére. Ez a követelmény nem pusztán szakmai ajánlás: az EU AI Act (a mesterséges intelligenciáról szóló uniós rendelet) előírja, hogy a felhasználók előzetesen megfelelő használati-hozzáértési kompetenciát szerezzenek. A bajor gyakorlatban ezt egy önálló alapozó kurzus teljesítése igazolja, amelynek elvégzése után a tanár a rendelet továbbképzési kötelezettségét teljesítettnek tekintheti.

A magyar felkészülés szempontjából fontos üzenet, hogy az intézményvezetőnek elsőként a tantestület felkészültségét érdemes rendeznie, mielőtt bármely tanulói használatról döntene. Bár a gyakorlatban ez inkább éppen fordítva szokott előfordulni: a spontán tanulói használatot a spontán tanári kezdeményezések engedik meg, ám a szakszerű, hatékony és etikus használatra sem a tanulók nem kapnak szervezett felkészítést, sem a tanárok arra, hogy az MI-t hogyan használják saját szakmai munkájukban biztonsággal és hatékonyan.  E megközelítésen praktikus kezdet a fokozatosság: néhány érdeklődő kolléga, vagy egy-egy munkaközösség kipróbálja az eszközt, tapasztalatot gyűjt, majd a kollégák egymás közti tapasztalatcseréje teszi biztossá a szélesebb bevezetést. A bajor útmutató kifejezetten azt tartja a legjobb továbbadható jó tapasztalatnak, amelyet a tanár a saját óráján próbált ki. A cél ugyanakkor egységes iskolai gyakorlat kialakítása kell, hogy legyen – ez pedig a használat szabályok alá rendezését követeli meg.

A bajor gyakorlat konkrét támogató elemeket is kínál, amelyek a magyar tervezésben ma még nem állnak rendelkezésre, de a jövő tervezése során már rövid távon mintaként szolgálhatnak: önálló alapozó öntanuló kurzus a jogi, technikai és pedagógiai alapokhoz, egy erre szakosodott kompetenciaközpont mélyítő kínálata, valamint regionális és iskolán belüli szaktanácsadói hálózat. A pedagógusoknak biztosított, továbbképzési célú MI-alkalmazás lehetővé teszi a saját dokumentumok feltöltését és az önálló elmélyülést. A hazai integráció szempontjából is kézenfekvő a tanulság: a felkészítés akkor működik, ha az alapozó tájékoztatáshoz (a hazai működő, néhány órás blended, vagy távolléti képzések ennél többet még nem kínálnak) gyakorlatközeli, szakmai-pedagógiai hátteret biztosító, mélyítő kínálatnak és a kollégák közötti támogató hálónak is társulnia kell, az egészet pedig az intézmény továbbképzési tervezésébe kell (kellene) beilleszteni.

Eszközválasztás és jogszerű bevezetés

A bevezetés második pillére az eszközök tudatos kiválasztása. Bajorországban a döntést a tantestület közösen készíti elő: tisztázzák a pedagógiai célokat és a valós igényeket, és ezekhez rendelik hozzá az eszközt. A választás során a jogi és adatvédelmi szempontok egyenrangúak a pedagógiaiakkal. Bajorország konkrétan két állami, minőségileg ellenőrzött rendszert tesz ingyenesen elérhetővé – a tanulási platformba integrált MI-funkciókat és egy iskolai chatbotot –, amelyekre a meglévő jogi keret kiterjed, így külön jogi vizsgálat és külön hozzájárulás nélkül használhatók. Emellett önálló médiakeret szolgál a helyi igényekhez illő további eszközök beszerzésére. Ez a megoldás  a központi, jogilag rendezett kínálat rendelkezésre állásával érdemben  tudja csökkenti az iskolai kockázatot, míg a kereskedelmi beszerzés lehetősége az intézményi sajátosságokhoz igazodva önálló jogi mérlegelést tesz lehetővé, saját szerződéskötési jogosultsággal.

A jogszerű használat feltételeit az útmutató világosan rögzíti. A rendszert a szolgálati, azaz iskolai feladatokra kell korlátozni; a felhasználókat – tanárokat, tanulókat, szülőket – előzetesen tájékoztatni kell a technológia alapjairól és a használat feltételeiről. A személyes adatok kezelése külön figyelmet kíván: az ideális megoldás, ha a regisztráció és a használat során a tanuló egyáltalán nem ad meg azonosítható adatot, a szabadon elérhető chatbotba pedig semmilyen személyes tartalom nem kerül be. Ahol a személyes adat kezelése az iskolai feladat teljesítéséhez ténylegesen szükséges, ott az a GDPR szabályai szerint, külön hozzájárulás nélkül is elvégezhető, feltéve, hogy adattakarékosan és biztonságosan történik. Minden más esetben az érintettek önkéntes, tájékozott hozzájárulása az irányadó, és a hozzájárulás hiánya a tanulónak nem okozhat hátrányt.

Külön kiemelést érdemel a kereskedelmi szolgáltatóknál kötendő adatfeldolgozási szerződés (Auftragsverarbeitungsvertrag): ennek biztosítania kell, hogy a bevitt adatokat a szolgáltató ne használja saját céljaira, a betáplált tartalmakat ne fordítsa a modell tanítására, és ne kerüljön sor adattovábbításra olyan országokba, ahol a GDPR nem érvényes. A forrásként feltöltött idegen tartalmaknál az iskolai felhasználásra vonatkozó szerzői jogi korlátok is irányadók.

A tanulói használat pedagógiai keretei

Az útmutató a tanulói használatot négy lehetséges főirány szerint rendezi, és mindegyikhez más felügyeleti és pedagógiai szintet társít. Az MI működéséről szóló tanulás (a technológia megismerése) még nem igényel alkalmazást; a tanári demonstráció a vezetés által engedélyezett rendszert használ; a tanulók órai önálló használata alapkompetenciát, felügyeletet és a chatbot viselkedését szabályozó rendszerpromptot feltételez; az otthoni, önkéntes használat pedig a szülők tájékoztatását és a korlátozott hozzáférés megteremtését is megkívánja.

A tanulói használat előfeltétele a médiakompetencia kialakítása: a tanulónak értenie kell az MI működésének alapjait és korlátait, felelősen kell bánnia az adatokkal, és képesnek kell lennie a generált eredményekkel kritikusan tovább dolgozni. A gyermek- és ifjúságvédelem jelentős szempont. A nyelvi modellek beépített szűrői nem garantálják az életkornak megfelelő válaszokat, a gyermekek pedig a felnőtteknél befolyásolhatóbbak, ezért nagyobb a veszélye, hogy kritikátlanul elfogadják a chatbot válaszait, vagy érzelmi függőségbe kerülnek egy vélt digitális „beszélgetőpartnertől”. A cél a védelem és a reflektált használatra való felkészítés életkorhoz igazított egyensúlya, úgy, hogy a szükséges védelem ne menjen a részvétel és a fejlődés rovására.

A didaktikai súlypont egyértelmű: az MI ne vegye át a tanuló feladatait. Az eszköz akkor segíti a tanulást, ha a folyamat közepén, a gondolkodás támogatására – strukturálásra, összehasonlításra, reflexióra – kap szerepet, és nem a munka legelején vagy legvégén, kész eredmény gyanánt. A generált tartalom kritikus ellenőrzése alapkövetelmény, ehhez pedig a tanulónak elegendő tárgyi tudással és reflexiós képességgel kell rendelkeznie. A visszajelzés adás területén a bajor álláspont határozott: a tanuló lássa, hogyan keletkezik a visszajelzés és mire használható, a szakmai felelősség azonban a tanárnál marad.

Vizsgakultúra és MI: a mérés kettős funkciója

A vizsgák és más iskolai teljesítménymérések szerepe ma már jóval tágabb annál, mint hogy egyszerűen eldöntsék, ki milyen jegyet kap. A bajor oktatáspolitikai megközelítés szerint a mérésnek két egyformán fontos feladata van. Egyrészt meg kell mutatnia, hogy a tanuló egy adott pillanatban hol tart: mit értett meg, mit tud önállóan alkalmazni, és mely területeken van még szüksége segítségre vagy gyakorlásra. A vizsga ebben az értelemben a tanulás része, mert eredménye alapján a tanár és a diák is pontosabb képet kap a következő lépésekről. Másrészt az iskolának továbbra is szüksége van olyan értékelésre, amely alapján a teljesítmények összehasonlíthatók, és amely megbízható alapot ad a bizonyítványokhoz, továbbtanuláshoz vagy az iskolai előrehaladás megítéléséhez. A megújuló vizsgakultúra ezért nem akarja eltörölni a hagyományos számonkérést vagy az osztályzatokat. A cél inkább az, hogy ezek mellett nagyobb szerepet kapjon az érthető, rendszeres és fejlesztő visszajelzés. A tanuló ne csak azt tudja meg, hogy teljesítménye milyen jegyet ér, hanem azt is, hogy mit csinált jól, min kell változtatnia, és hogyan tud továbblépni. A hivatalos bajor anyagok ezt a szemléletet a minőség, a teljesítmény, a méltányosság és az egyéni fejlődés együttes érvényesítésével kapcsolják össze.

A változás másik fontos eleme, hogy sokszínűbbé válnak a vizsgák és a számonkérés formái. A hagyományos dolgozat, felelet vagy teszt mellett egyre nagyobb szerepet kaphatnak olyan feladatok, amelyek közelebb állnak a való életben előforduló helyzetekhez. Ilyen lehet például egy projekt elkészítése, egy vita, egy prezentáció, egy portfólió vagy valamilyen digitális tanulási produktum. A cél az, hogy a tanuló ne csupán felidézze a megtanult ismereteket, hanem meg is tudja mutatni, hogyan használja őket: képes-e problémát megoldani, érvelni, együtt dolgozni másokkal, önállóan dönteni vagy saját munkáját értékelni. A bajor szabályozás ezért teret enged többféle, a hagyományos formákkal azonos követelményszintű vizsgatípusnak. Fontos ugyanakkor, hogy az új forma ne jelentsen könnyebb vizsgát. A tanárnak előre világosan meg kell határoznia, mit vár el, mit és hogyan értékel, és az egyes tanulók saját teljesítményének továbbra is felismerhetőnek kell maradnia. Ezzel együtt a vizsgák egyre inkább olyan készségeket is mérnek, amelyekre a fiataloknak a későbbi tanulásban és a munka világában szükségük lesz: kommunikációt, együttműködést, kreativitást, kritikus gondolkodást és önálló problémamegoldást. A digitális eszközök és a mesterséges intelligencia ebbe a folyamatba illeszkednek. Használhatók gyakorlásra, egyéni támogatásra, információkeresésre, feladatkészítésre vagy visszajelzésre, de csak akkor, ha alkalmazásuk átlátható, ellenőrizhető és pedagógiailag indokolt.

A modern vizsgakultúra egyik legfontosabb változása ezért talán az, hogy a számonkérés kevésbé egyszeri eseményként, inkább a tanulási folyamat egyik állomásaként jelenik meg. A tanár folyamatosan figyeli a fejlődést, a tanuló pedig rendszeresen kap visszajelzést arról, hol tart és mi lehet a következő cél. A hibák ebben a szemléletben nem pusztán levonást jelentenek, hanem információt is adnak: megmutatják, mely területen van szükség további gyakorlásra. A visszajelzés lehet szóbeli vagy írásbeli, kapcsolódhat egy dolgozathoz, projekthez vagy hosszabb tanulási folyamathoz, és digitális eszköz is támogathatja. Az MI például segítséget adhat gyakorlófeladatok összeállításában, egy szöveg javításában vagy az egyéni fejlődéshez igazodó visszajelzésben. A döntés és az értékelés szakmai felelőssége azonban továbbra is a pedagógusé.

A digitalizációval együtt ezért a szabályozásnak is alkalmazkodnia kell az új helyzetekhez: egyértelműen rendezni kell a digitálisan készült munkák kezelését, tárolását, az adatok védelmét és azt, hogy milyen eszközöket lehet egy vizsga során használni. A módosított bajor szabályozás a digitálisan tárolt teljesítményméréseket is az iskolai dokumentáció részének tekinti, és ezek megőrzésére is szabályokat állapít meg. Az egész átalakulás központi gondolata mégsem a technológia, hanem a tanuló fejlődése: olyan vizsgakultúra kialakítása, amely egyszerre őrzi meg a teljesítmény mérhetőségét és az értékelés hitelességét, miközben több segítséget ad ahhoz, hogy a diák megértse saját erősségeit, tanuljon a hibáiból és egyre önállóbban tudjon továbbhaladni.

Biztonság és méltányosság: a MI-vel támogatott, meg nem engedett segítség

A leggyakorlatiasabb kérdést a felügyelt írásbeli vizsgákon felmerülő Unterschleif (meg nem engedett segédeszköz használata, azaz a puskázás) MI-alapú változatai vetik fel. A miniaturizálás új helyzeteket teremt: a bajor anyag részletesen számba veszi a rejtett okostelefonokat, okosórákat, alig látható fülhallgatókat, okosszemüvegeket, szkennelő tollakat, viselhető kitűzőket és gyűrűket, valamint az internetkapcsolattal bíró tudományos számológépeket. A közös vonás, hogy ezek az eszközök egy rejtett végponton keresztül teszik lehetővé a tiltott kommunikációt a tanuló és egy MI-modell között.

A technikai ellenintézkedéseknek egyértelmű korlátai vannak. A mobiltelefonos jelzavaró (Handy-Jammer) használata jogszerűtlen és biztonsági kockázatot jelent, a frekvenciadetektor pedig csak azonosításra alkalmatlan módon vethető be, az iskolai WLAN lekapcsolása pedig aránytalan és a mobiladat miatt hatástalan. A hangsúly ezért az emberi tényezőn van: az aktív, következetes felügyeleten, az egységes intézményi eljáráson és a megelőzésen. Jogilag lényeges, hogy a szabálysértés analóg vagy digitális volta közömbös – a meglévő házirendi és vizsgaszabályzati rendelkezések az MI-re is érvényesek –, továbbá, hogy a gyanú a beadás után is kezelhető: a rendelkezésre álló tapasztalati tudás alapján, úgynevezett látszatbizonyíték (Anscheinsbeweis) útján is megállapítható a jogsértés, például feltűnő, megmagyarázhatatlan teljesítményugrás esetén, amelyet a tanulóval való megbeszélés és célzott visszakérdezés követhet.

Az adatvédelmi útmutató itt kapcsolódik a vizsgákhoz: a záró jellegű teljesítménymérések MI általi javítása és osztályozása nagy kockázatú (Hochrisiko-KI) felhasználásnak minősül, ezért szigorú feltételekhez kötött. Alapelvként rögzül, hogy a jegyről és a teljesítmény értékeléséről szóló döntés mindig a pedagógusnál marad; az MI legfeljebb támogató, tanulást kísérő visszajelzést adhat, amely nem folyik be a záró osztályzatokba.

A működő jó gyakorlat: felkészülésre épülő, lépcsőzetes modell

A magyar iskolai környezetnek leginkább ajánlható jó gyakorlat a bajor anyagok legerősebb közös eleme: a strukturált, lépcsőzetes bevezetés és a hozzá kapcsolódó felkészülési kultúra. A folyamat a tantestület kompetenciájának megteremtésével kezdődik, a célok és igények tisztázásával folytatódik, majd egy szűk körű pilotszakaszban – kiválasztott osztályokban vagy tantárgyakban – gyűjt tapasztalatot, és csak a rendszeres visszajelzés fényében terjeszti ki a használatot. Ezt egészíti ki a szülők tájékoztatása és a belső, iskolai szintű szabályozás, amely rögzíti, mely évfolyamokon, mely funkciókkal, milyen keretek között használható az eszköz.

A felkészülés szempontjából kulcsfontosságúak a vizsgakultúra anyagában szereplő „Lernstark” modulok. Ezek rövid, több tantárgyban bevethető gyakorlati építőelemek, amelyek a tanulót a vizsgára való hatékony felkészülésre, a nyugodt teljesítményhelyzetre és az eredményekkel való konstruktív továbbdolgozásra tanítják meg. Ide tartozik a személyes reziliencia erősítése is. Ez a megközelítés a tanulási- és vizsgakompetenciákat éppúgy fejleszthető képességként kezeli, mint a tárgyi tudást, és fokozatosan, életkorhoz igazítva vezet be a teljesítményhelyzetekbe – már az alsóbb évfolyamoktól.

A cselekvési útmutató a folyamatot ellenőrzőlistává is sűríti, amely a magyar intézményi felkészülésben közvetlenül átvehető logikát ad. Hat lépés adja a gerincét: a tantestület kvalifikálása és professzionalizálása; a célok tisztázása és a fenntartóval való egyeztetés a beszerzési forrásról; az eszközök pedagógiai és jogi vizsgálata, engedélyezése, szükség szerinti dokumentálása; a tanulók érzékenyítése és a pedagógiai kísérés rutinjainak kialakítása; az órai integráció fokozatos, tantárgyankénti kiterjesztése; végül a rendszeres felülvizsgálat és a visszajelzés begyűjtése. Ez a keret a magyar iskolában is működőképes vázat kínálhat a bevezetéshez.

A modell harmadik, önálló pillére a tanulást támogató visszajelzési kultúra. A bajor anyagok a rendszeres, folyamatba ágyazott visszajelzést – fejlesztő beszélgetéseket, ön- és társértékelést, tanulási naplót – a jegyek mellett a mérés egyenrangú részévé teszik. A felkészülés így a felkészítés részévé válik: a tanuló nemcsak számot ad a tudásáról, hanem közben tanulja is, hogyan készüljön, hogyan kezelje a nyomást és hogyan használja a visszajelzést.

Alkalmazás a magyar környezetben: feladatmeghatározási szempontok

Az 1405/2025. (XI. 4.) Korm. határozat 2026. december 31.-i határidővel írta elő kötelezően a mesterséges intelligencia oktatási integrációjának a köznevelés, a szakképzés és a felsőoktatás területén történő megvalósítását, a köznevelésben előrelépés a területen nem történt, sem a tanárok, sem a tanulók képzésének feltételei nem kerültek kialakításra. A Mesterséges Intelligencia alapjai című, a Kérta DKT felületén elérhető képzései anyag sem áll minden évfolyam és iskola rendelkezésére: csak kiválasztott intézményi kör 9. osztályos technikumi tanulói férnek hozzá – a digitális kultúra tárgy órakeretének terhére (12), de önálló értékeléssel.

Mindez azonban – ahogy korábban nyilvánosságra hozott szakpolitikai javaslatunkban részletesen kifejtettük - távolról sem elegendő: a probléma minden évfolyam esetében felmerül, eltérő, a korcsoporthoz igazodó megközelítést igényel, a gyerekek, tanárok felkészítését meg kell oldani, az MI iskolai használatát pedig megfelelő módon szabályozni kell. A bajor keret esetleges hazai adaptációjához néhány alapvető feladatmeghatározási szempont kínálkozik, amelyek az intézményi felkészülés konkrét lépéseivé fordíthatók.

Az első a sorrend: a tantestület felkészítése és a célok tisztázása megelőzi a tanulói használatot; az eszközválasztás pedagógiai és adatvédelmi mérlegelés együttese. A második a használat pedagógiai kerete: minden feladatnál tisztázni kell, hogy az MI a gondolkodás támogatására szolgál, és nem veszi át a tanuló munkáját – ezt a feladat kiírása is fejezze ki, például a folyamat és a reflexió beépítésével.

A harmadik szempont a méltányosság és az összehasonlíthatóság: az innovatív formátumokhoz világos, a tanterv kompetenciaelvárásaihoz igazított kritériumrendszer szükséges, hogy az új és a bevált feladatok teljesítményigénye egyenértékű maradjon. A negyedik a számonkérés integritása: a vizsgahelyzetek előkészítése (a digitális eszközök leadása, a munkaterület korlátozása, az aktív felügyelet, az egységes intézményi eljárás) éppolyan része a feladatmeghatározásnak, mint maga a feladat. Az ötödik a felkészülés beépítése: érdemes a hazai viszonyokra szabott, rövid modulokat kidolgozni a vizsgára készülés, a teljesítményhelyzet kezelése és az eredménnyel való továbbdolgozás támogatására, valamint a visszajelzést a tanulási folyamat állandó elemévé tenni.

Végül a felelősség egyértelmű rögzítése ad tartást az egésznek: a jegyről és az értékelésről szóló döntés a pedagógusnál marad, az MI pedig támogató eszköz. Ezekkel a szempontokkal a bajor jó gyakorlat nem átemelendő minta, hanem tájékozódási pont: a magyar iskola a saját jogi és tantervi kereteihez igazítva alakíthatja ki belőle a maga bevezetési és felkészülési útját, amelynek első és legfontosabb lépése minden esetben a tantestület felkészültségének megteremtése.

Az MI-műveltség helye és szerepe a nyelvek tanításában - Menyhei Zsófia és Szőke Johanna könyve az MI jó használatának elsajátítására, továbbadására készíti fel

 

A generatív mesterséges intelligencia 2022 utáni gyors elterjedése rövid idő alatt állította új helyzet elé a nyelvtanárokat. A mindennapi gyakorlatban kell választ találniuk arra, mire használható egy chatbot a nyelvórán, hol húzódik a határ a tanulást támogató segítség és az önálló teljesítményt kiváltó használat között, továbbá miként ellenőrizhetők a rendszer sokszor meggyőzően megfogalmazott válaszai. Ezek a kérdések már túlmutatnak az eszközkezelésen: azt érintik, hogyan tud a tanuló tudatosan, kritikusan és felelősen kapcsolatba lépni az MI-vel egy olyan közegben, ahol maga a nyelv egyszerre a tanulás tárgya és a technológia működtetésének eszköze.

Ekaterina Tour, Mark Pegrum és Shem Macdonald ezt a kettős helyzetet úgy ragadják meg, hogy az MI-műveltséget sajátos képességeként határozzák, melynek segítségével a tanuló „a technológia és a célnyelv találkozási pontján” tud kapcsolatba lépni az MI-vel (Tour et al., 2025). E felkészültség hiányában nehezebben igazodik el az algoritmusok által közvetített világban, kevésbé tudja kihasználni a személyre szabott tanulás lehetőségeit, és védtelenebb marad a pontatlan, torzított vagy félrevezető tartalmakkal szemben. Az alapvető digitális készségek ezért már nem elegendők. A nyelvtanulóknak olyan összetett kompetenciára van szükségük, amely a technológia használatát összekapcsolja a megfelelő nyelvi megfogalmazással, a kommunikációs helyzet felismerésével, a válaszok kritikai értékelésével és az etikai mérlegeléssel. Az általános MI-műveltségi modellek ugyanakkor többnyire kevés figyelmet fordítanak a nyelvtanulók sajátos szükségleteire és a nyelv–technológia kapcsolatára. Éppen ezt a módszertani hiányt teszi láthatóvá a nyelvoktatás jelenlegi helyzete.

A nyelvtanároknak ki kell használniuk a személyre szabott gyakorlás, az azonnali visszajelzés, az ötletelés és a beszédhelyzetek szimulációjának lehetőségeit, közben meg kell tanítaniuk a válaszok ellenőrzését, a torzítások, kulturális pontatlanságok és hallucinációk felismerését. Weiming Liu kutatási áttekintése szerint ehhez olyan készségekre van szükség, amelyek „sok tanárból jelenleg hiányoznak”; a technikai jártasság mellett pedagógiai megújulás, etikai tájékozottság és intézményi támogatás is szükséges (Liu, 2025).  A problémát mélyíti, hogy az MI magabiztos nyelvezete könnyen elfedi a hibákat. Egy osztálytermi vizsgálat szerint az MI-műveltség központi kihívása „nem az eszközök használatának megtanítása, hanem a produktív kételkedés” kialakítása.

Erre a módszertani hiányra válaszol Menyhei Zsófia és Szőke Johanna 2025-ben megjelent könyve, az AI Literacy in the Language Classroom. Szűcs Marcell László recenziója joggal emeli ki, hogy a kötet a pedagógust az MI jó használatának elsajátítására és továbbadására készíti fel (Szűcs, 2026, 88. o.): a könyv a kritikus, etikus és felelős használat tanítható gyakorlatát rendezi rendszerbe. Nyelvórai feladatai és tanári döntési szempontjai révén az MI beszédpartnerként, alkotótársként és tanulást támogató eszközként jelenhet meg, miközben az értelmezés, az ellenőrzés és a felelősség az ember kezében marad.

A kötet felépítése és a szerzők MI-műveltség-rendszere

A könyv három, egymásra épülő egységből áll. Az A rész a fogalmi és pedagógiai alapozást végzi el, a B rész öt fejezetben közöl tanórai tevékenységeket, a C rész pedig a bevezetés során jelentkező intézményi, értékelési és tanári kihívásokra irányítja a figyelmet. Az olvasó előbb megérti, milyen technológiáról beszél, ezt követően kipróbálható óravázlatokat kap, végül saját gyakorlatát és iskolai környezetét is mérlegre teheti. Szűcs recenziója ezt olyan pedagógiai ívként mutatja be, amely a „Mit?”, a „Hogyan?” és a „Miért?” kérdéseit kapcsolja össze, majd a tanári magabiztosság fejlesztéséig jut el (Szűcs, 2026).

Az elméleti rész a nyelvtanár számára szükséges mélységben tisztázza az MI alapfogalmait. Elkülöníti a classical, rule-based AI (klasszikus, szabályalapú MI) és a machine learning (gépi tanulás), a predictive AI (prediktív MI) és a generative AI (generatív MI), továbbá a weak, narrow AI (gyenge, szűk MI) és az artificial general intelligence (általános mesterséges intelligencia) fogalmát. A működést az adathalmaz–algoritmus–predikció hármasával magyarázza, majd bemutatja a gépi tanulás, a természetesnyelv-feldolgozás és a nagy nyelvi modellek kapcsolatát. A leírás az automatikus javításhoz, a prediktív szövegbevitelhez, a diktáláshoz és a személyre szabott ajánlásokhoz kötődik. Ez jó belépőt ad, mert az MI-t a diákok által ismert szolgáltatások felől teszi megbeszélhetővé.

A kötet részletesen tárgyalja a hallucináció, a szerzői jog, az adatvédelem, a mélyhamisítvány, a torzítás és az emberi döntési felelősség kérdését. Közben megmutatja, hogy az MI differenciált szövegek, nyelvi gyakorlatok, képek, szerepjátékhelyzetek és visszajelzési minták előállítását gyorsíthatja. Hasznos óratervezési partner lehet, amikor ugyanahhoz a témához több nehézségi szintű anyagra vagy eltérő típusú gyakorlásra van szükség. A rutinszerű előkészítő feladatok egy része átadható az eszköznek, miközben a tanár kezében marad a célok meghatározása, a kimenet ellenőrzése és a tanulócsoporthoz igazítás (Szűcs, 2026): ez a pedagógiai kontroll a könyv egyik legerősebb vezérfonala.

A fejezet fogalmi csúcspontja a szerzők MI-műveltség-modellje, amely a tudást, a készségeket, valamint az attitűdöket és értékeket rendezi közös rendszerbe. A modell az AI4K12 öt nagy gondolatára, Long és Magerko keretére, továbbá az UNESCO tanulói MI-kompetencia-keretére támaszkodik. A nyelvórai cél elsősorban a Understand (Megértés) és az Apply (Alkalmazás) szintje, miközben több feladat a Create (Létrehozás) irányába is továbbvezet. A könyv világossá teszi, hogy az MI-műveltség fejlesztése nem igényel programozói előképzettséget. A nyelvóra szövegértéssel, beszéddel, érveléssel, fordítással, kreatív szövegalkotással és reflexióval járulhat hozzá a tanulók felkészítéséhez.

Az AILit-keretrendszer és a nyelvórai gyakorlat kapcsolata

A kötet jelentősége különösen jól látható a 2026 júniusában közzétett Európai Bizottság–OECD AILit-keretrendszer felől olvasva. Az Empowering Learners for the Age of AI (A tanulók felkészítése az MI korára) négy doménbe rendezi az MI-műveltséget: Engage with AI (kapcsolódás az MI-hez), Create with AI (alkotás MI-vel), Manage AI (az MI kezelése) és Shape AI (az MI alakítása). A könyv kompetencia-felfogása a - 2025-ben munkaváltozatban nyilvánosságra hozott - keretrendszerhez közeli: a technikai megértést etikai ítélőképességgel, kritikai használattal és emberközpontú döntéssel kapcsolja össze. A keret megnevezi a fejlesztendő területeket, Menyhei és Szoke kötete pedig tanórai helyzetekké alakítja őket.

Az MI-alapok és az MI-eszközök használata című fejezetek az AILit kapcsolódási doménjéhez állnak közel. A diákok tapasztalatait felmérő kérdőívet az MI képességeit, korlátait és mindennapi jelenlétét feltáró tevékenységek követik. A személyre szabott és önálló tanulás az alkotáshoz kapcsolódik, mert a tanuló saját céljaihoz igazított gyakorlási tervet vagy digitális tanulótársat alakíthat ki. Az MI-etika és kockázatok a kezelési domént fordítja le a nyelvóra nyelvére, a projektek pedig a társadalmi hatások átgondolásáig vezetnek. A feladatok megadják az életkort, a nyelvi szintet, az időkeretet, az eszközöket, az MI-műveltségi fókuszt és a differenciálás lehetőségeit. Ettől válnak valódi tanári munkaeszközzé.

Mit építhet be a tanár a következő nyelvórába?

Számos tevékenység rövid előkészítéssel átvehető. A Who can do it better? (Ki tudja jobban?) feladatban a tanulópárok kognitív, kreatív és elemző tevékenységekről döntik el, hogy azokat inkább ember vagy MI végzi eredményesebben, majd érvekkel támasztják alá választásukat. A könyv 12 éves kortól, A2 szinttől, körülbelül harminc percre ajánlja. A tanár összekapcsolhatja az összehasonlító szerkezetekkel, a képességet kifejező fordulatokkal és az udvarias ellenvélemény nyelvével. A Shark Tank: AI Version (Cápák között – MI-változat) B1 szinten fejleszti a meggyőző beszédet: a diákok MI-alkalmazásokat párosítanak funkcióikkal, majd vállalkozóként bemutatják ötletüket a „befektetőknek”. Egyetlen feladatban gyakorolják a termékleírást, a prezentációt, a kérdezést és az előnyök, kockázatok mérlegelését.

A Prompt it (Promptold meg) a promptolást nyelvi tudatossági feladattá alakítja. A tanulók válaszokat párosítanak kérdésekkel és utasításokkal, megfigyelik a kérdő és felszólító formák különbségét, majd hétköznapi helyzetekhez többféle promptot írnak. Ezután összevetik, melyik megfogalmazás adott pontosabb kimenetet. A tanár egyszerű keretet vezethet be: szerep, cél, célcsoport, feladat, forma, terjedelem, ellenőrzési szempont. Idegen nyelven a diákok túl általános utasításokat javíthatnak, majd megindokolhatják változtatásaikat.

Az Agony Aunt (Tanácsadó rovat) a tanácsadás nyelvét és az etikai mérlegelést kapcsolja össze. A tanulók egymásnak adnak tanácsot egy hétköznapi problémára, majd ugyanazt a helyzetet egy chatbotnak is bemutatják, végül összevetik a válaszok hangnemét és használhatóságát. A beszélgetés elvezet ahhoz, mikor lehet az MI ötletadó, és mikor szükséges felnőtt vagy szakember segítsége. A Taste Explorer: AI Recipe Adventures (Ízkutató – MI-receptkalandok) az étkezés témaköréhez kínál órát: a diákok kedvelt hozzávalókból receptet terveztetnek, ellenőrzik az elkészíthetőséget, összevetik a változatokat, majd bemutatják választásukat. Az imperatívusz, a mennyiségkifejezések, az ételnevek és a véleményalkotás közös kommunikációs helyzetben jelenik meg.

A kritikai szövegértéshez jól használható a Lost in Translation (Elveszve a fordításban), a Data Detective (Adatnyomozó) és a Bias Spotter (Torzításkereső). A fordítási feladatban a diákok gépi és emberi megoldásokat vetnek össze, keresik a kétértelműségeket, a regiszterhibákat és a természetellenes megfogalmazásokat. Az adatnyomozó többforrású ellenőrzésre tanít. A torzításkeresőben szakmákról vagy hétköznapi helyzetekről kérnek szöveget és képet, majd megfigyelik a visszatérő sztereotípiákat. A könyv a „tipikus reggeli” leírásával is érzékelteti a nyugati adatok túlsúlyát. Szűcs ezt magyarórai lehetőséggé tágítja: egy irodalmi mű MI-generált összefoglalójában a tanulók az elhallgatott nézőpontokat, a túlhangsúlyozott szereplőket és a pontatlanságokat azonosíthatják.

A Can you really correct me? (Tényleg ki tudsz javítani?) a javítást és a visszajelzést teszi vizsgálat tárgyává. A tanulók saját rövid szövegükre kérnek visszajelzést, majd legfeljebb három elfogadható és három vitatható javaslatot választanak ki, mindegyikhez indoklást írnak, végül egy másik eszköz válaszával is összevetik az eredményt. Ez a passzív elfogadás helyett visszajelzési műveltséget fejleszt. A tanár egyetlen fókuszra is szűkítheti a munkát, például az igeidőkre, a kötőszavakra vagy a szövegkohézióra. A My Private Tutor (Saját magántanárom) és a Study Compass (Tanulási iránytű) személyes tanulási cél, gyakorlási terv és ellenőrzési pontok megfogalmazására ösztönöz. A pontos prompt, a feladatok naplózása és a heti önreflexió együtt valódi tanulói autonómiát fejleszt.

Az etikai szabályok bevezetésére a recenzióban ismertetett „tud–muszáj–tilos” keret kínál egyszerű megoldást. A „tud” mezőbe kerülhet az ötletgyűjtés, a nyelvi gyakorlás és az önellenőrző kérdések készítése. A „muszáj” körébe tartozhat a tényellenőrzés, az MI-használat jelölése, a személyes adatok védelme és annak indoklása, mely javaslatokat fogadta el a tanuló. A „tilos” kategóriába sorolható a kész fogalmazás saját munkaként való beadása, a hamis hivatkozások átvétele és az önálló gondolkodás teljes kiváltása. A szabályokat érdemes a csoporttal közösen, a célnyelven megfogalmazni, tipikus órai helyzetekkel kiegészítve. Szűcs hangsúlyozza, hogy a közös normaalkotás erősíti a tanulói autonómiát, a belső motivációt és a szabályok elfogadottságát.

A hosszabb projektek közül a Class Magazine (Osztálymagazin) különösen jól átültethető. A csoportok hírek, kulturális ajánlók, tanácsadó rovatok vagy interjúk elkészítését vállalják. Az MI az ötletelésben, a szövegváltozatok finomításában és a vizuális anyagok előkészítésében segíthet, miközben a tanár főszerkesztőként ellenőrzi a forrásokat, a nyelvi színvonalat és az etikai megfelelést. A News Segments (Hírblokkok) projektben valós vagy hihetően kitalált hírekhez készül forgatókönyv, kép- és hanganyag, majd a többiek felismerik, melyik történet megbízható. A záró elemzés feltárja, milyen jelek segítették vagy vezették félre őket. Mindkét projekt egyesíti a nyelvi készségeket, a médiatudatosságot, az együttműködést és a forráskritikát.

A tanárnak nem szükséges teljes fejezeteket változtatás nélkül átvennie. Tíz percben összehasonlíthat két MI-választ, húsz percben javíttathat promptokat, egy teljes órán közös etikai kódexet alkothat, több héten át pedig magazint vagy hírprojektet szervezhet. A bevezetés előtt tisztázni kell az iskola szabályait, az életkori feltételeket és a személyes adatok kezelését. Alacsonyabb évfolyamon a tanár saját eszközéről vetítheti ki a válaszokat, így nincs szükség tanulói regisztrációra. A gyengébb csoport mondatkezdőket és szókészletet kaphat, a haladók a kimenetek összevetését, újrapromptolását és forrásellenőrzését végzik. A könyv praktikus ereje ebben a fokozatosságban rejlik.

A tanári reflexió, a folyamat láthatóvá tétele és az értékelés

A C rész a pedagógust is tanulóként kezeli. A kihívások feltérképezését olyan reflexiós tevékenységek követik, mint a prioritások rangsorolása, a nézőpontváltó „forró szék”, a diákmunkák közös értékelése, az MI-detektorok kipróbálása és a cselekvési terv elkészítése. Ezek szakmai munkaközösségi foglalkozáson is jól használhatók. Egy tantestület összevetheti, mely feladatokban engedhető meg az MI, milyen jelölést vár el, hogyan kezeli a fiókhoz kötött szolgáltatásokat, és milyen bizonyítékok alapján értékeli hitelesen a tanulói teljesítményt.

Különösen fontos a könyv óvatossága az MI-detektorokkal kapcsolatban. Ezek statisztikai mintázatokból következtetnek a szöveg eredetére, ezért emberi szöveget is jelölhetnek MI-generáltnak, és MI-vel készült munkát is emberinek ítélhetnek. A megbízhatóbb megoldás a munkafolyamat láthatóvá tétele: a tanuló őrizze meg a vázlatot, a promptokat, a fontosabb szövegváltozatokat és a forrásellenőrzés nyomait, majd röviden reflektáljon arra, mit végzett önállóan, miben kapott segítséget, és mely javaslatokat utasította el. Egy rövid szóbeli bemutatás többet árul el a megértésről, mint egy detektorszázalék.

Az értékelés így a kész produktum mellett a döntések minőségére is kiterjedhet. A tanár pontozhatja a prompt pontosságát, a kimenet ellenőrzését, a javítások indoklását, a célnyelvi teljesítményt és a felhasználás átláthatóságát. A reflexióhoz néhány kérdés elegendő: mi volt a saját célom, mire használtam az MI-t, milyen hibát találtam, mit módosítottam, mit tanultam? Ez az akadémiai integritást a felelős munkafolyamat felől közelíti meg. A kötet záró, How We Used AI in Creating This Book (Hogyan használtunk MI-t a könyv elkészítéséhez) című fejezete ugyanezt az átláthatóságot példázza: a szerzők bemutatják, mely munkafázisokban és milyen korlátok között vettek igénybe generatív eszközöket.

Értékek és ajánlás

A könyv legfőbb értéke az eszközfüggetlenség, a közvetlen tanórai alkalmazhatóság és a humán-etikai szemlélet egysége. Egy szolgáltatás gyorsan változhat, a jó kérdés megfogalmazása, a válasz ellenőrzése, a torzítás felismerése, a forráskritika, az adatvédelem és a szerzői felelősség tartós kompetenciák maradnak. A feladatok széles nyelvi szinttartományban használhatók, és könnyen alakíthatók saját témakörökhöz. Korlátként említhető, hogy a technikai rendszeralkotás kevésbé hangsúlyos, ám ez tudatos döntés: a kötet a nyelvtanár szakmai terepére, a kommunikációra, a kritikai szövegértésre, az alkotásra és a reflektív tanulásra összpontosít.

Menyhei és Szőke kötete azt teszi láthatóvá, hogy az MI-műveltség nem különálló technológiai tananyag. A nyelvórán a kérdezés, az értelmezés, az érvelés, az együttműködés és az önreflexió részeként fejleszthető, miközben a tanár megőrzi szakmai döntéshozói szerepét, a diák pedig felelősséget vállal saját tanulási folyamatáért. A magyar szakmai közegben a könyv kézikönyvként, feladatgyűjteményként, továbbképzési alapanyagként és módszertani útmutatóként egyaránt használható. Segítheti az óratervezést, a munkaközösségi műhelyeket, a tanárképzést és az intézményi MI-szabályok kidolgozását. Megközelítése, gyakorlatorientált munkamódszerei más tantárgyak esetében is hasznosak lehetnek a generatív MI a tanórai munkába való bevezetésének megtervezéséhez, saját tárgyi programok kialakításához.

A kötet egyes hazai könyves portálokon keresztül - pl. Bookline - is megrendelhető.

Hivatkozott művek

Liu, W. (2025). Language teacher AI literacy: Insights from collaborations with ChatGPT. Journal of China Computer-Assisted Language Learning, 5(2), 287–316. https://doi.org/10.1515/jccall-2024-0030 

Tour, E., Pegrum, M., & Macdonald, S. (2025). Engaging English language learners in AI literacy practices: A conceptual framework and practical strategies for educators. English Australia Journal, 41(1), 27–46. https://doi.org/10.61504/YBUY9086 (English Australia)

Szűcs, M. L. (2026). Zsófia Menyhei − Joanna Szoke: AI Literacy in the Language Classroom. Facilitating critical, ethical and responsible use: Mesterséges intelligencia a tanteremben – keretek és kihívások. Anyanyelv-pedagógia, 19(1.), 88–93. https://doi.org/10.21030/anyp.2026.1.9