Prof. Dr. Charaf Hassan

A digitális tartalmak szerepe az oktatásban,
a mesterséges intelligencia korában

Az előadás prezentációja pdf formátumban 

Tisztelettel üdvözlök mindenkit, pontosabban fogalmazva, kedves kollegák, hiszen a közoktatás és a felsőoktatás egy vonulatot jelent, hasonló tevékenységet végzünk. Kicsit más a korosztály, de ugyanazt a feladatot látjuk el.

Amikor megkaptam ezt a felkérést, meglepődtem, mert a közoktatásnak legfeljebb haszonélvezője vagyok, mint szülő. Úgy gondolom azonban, hogy a felsőoktatásban, a digitális világot illetően felmerülő kérdések a közoktatásban is relevánsak.

A konferencia címében szerepel a mesterséges intelligencia kifejezés, így beszéljünk pár szót a mesterséges intelligenciáról. Senki se ijedjen meg, nem lesznek benne képletek, sem bonyolult tudományos dolgok, néhány tanulságos ábra csupán. Az ábrák azt a fejlődést mutatják, ahogyan az 50-es évektől idáig jutottunk. Az előző ábrának két üzenete van. Elég idős ez a szakma és hullámok jellemzik.

„Megérkezett” a mesterséges intelligencia a klasszikus vagy szimbolikus értelemben. Ezt követte a gépi tanulás, majd a mélytanulás. Ezeket a szavakat halljuk nap, mint nap. Nézzük meg, mit tud a gonosz mesterséges intelligencia, amely sok embernek a munkáját akarja elvenni!

A lényeg az, hogy a gép nem kreatív, a gép annyit tud, amennyit megtanítunk neki. Ember nélkül ez még nagyon messze van attól, hogy magától működjön. Miért került mégis előtérbe a mesterséges intelligencia? Gondoljanak bele, hogy mennyi adatot generálunk csupán azzal, hogy fotózunk, és elküldjük a gyerekünknek, vagy kiküldjük az e-mail-ben, ha unatkozunk, ha unalmas az előadás.

1992-vel szoktam kezdeni, akkor végeztem az egyetemen, nekem ezért fontos ez az év. Akkor 100 gigabit adatmennyiséget generáltak a felhasználók naponta az internetes hálózatokon. Eltelt öt év és 100 gigabitet generáltunk óránként. Eltelt újabb öt év: 100 gigabitet generáltunk másodpercenként. Napjainkban horribilis mennyiséget, 140 000 gigbitet termelünk másodpercenként, globálisan mi, az internet használói. Azért most beszélünk a mesterséges intelligenciáról, mert nagyon sok az adat, nagyon sok a szenzor (például a telefonunkban is van néhány), ami körülvesz bennünket és adatot szolgáltat rólunk, a tevékenységünkről az állapotunkról. Rendelkezésre áll tehát az az adatmennyiség, amiből taníthatjuk a gépet. Ezzel párhuzamosan jelentősen csökkentek az adattárolás költségei.

A gépi tanulás, nagyon leegyszerűsítve, egy példatár, amit megtanítunk a gépnek. Alkalmazunk egy egyszerű vagy hagyományos, majd egy mélyebb, haladó analitikát. Meg tudjuk mondani például, hogy egy diák milyen tanuló, mert ez leíró jellegű adat. Láthatjuk az összefüggéseket a természettudományos, illetve a humán tárgyakban elért eredményei között.

Ehhez nem kell mesterséges intelligencia, ehhez egy adatbázis kell, és az ún. üzleti intelligencia eszközeivel elvégezhetjük az elemzést. Az előrejelzés viszont már nehéz. Megjósolni azt, hogy ez a diák, hogyan fog fejlődni a későbbiek során. Ez egy komolyabb kihívás az analitikában. Ez már a gépi tanulás feladatai közé sorolható.  Az oktatásban például nagyon jól használható lehet, mert

• rendelkezésre áll sok múltbeli adat (például: dolgozatok eredményei, osztályzatok);
• a problémák megoldásában nagy jelentőségű az előrejelzés (például: nem tud olvasni, nem fogja megérteni a feladatot).

Láttunk egy példát a gépi tanulás jól használható esetére, de a mérleg billenhet a negatív irányba is. A gépi tanulás rosszul használható, amikor

• az előrejelzés csak egy kis része a megoldásnak;
• nincs elég múltbéli adat;
• túl sok szabály irányítja az adat forrásának rendszerét.

Nem az a cél, hogy a mesterséges intelligencia mindent meg tudjon oldani. Van egy fontos kérdés, ami sokszor felmerül: Miért így vagy úgy dönt a gép? Amennyiben a gépi döntéssel szemben felmerül a „miért hoztad meg ezt a döntést” kérdése, akkor fontos, hogy össze tudja rakni az elemekből, miért döntött így. A miért lesz a fontos. Hogy komolyabb döntéseket bízzunk a gépi tanulással „ellátott” gépre, akkor meg kell tudni válaszolni a miérteket. Új időszakot élünk 2017-től kezdődően: a válasz a miértre. Ebben lesz remélhetőleg segítségünkre a mesterséges intelligencia egy új korszaka.

Néhány gondolat a digitális tartalomról

Az, hogy elérhető az interneten a tartalom, az nagyon jó szerintem is, mert én nem szeretem a papír alapú világot. Az ilyen digitális tartalom jó és hasznos, de még messze van a digitalizációtól. Ez csupán egy másfajta reprezentáció, amely környezetvédő, nincs papírköltsége, elérhető több helyről, gyorsan módosítható. Ha nem tud többletélményt nyújtani a tanulásban a digitális tananyag, akkor nem ad többet, mint a papír alapú. Ezért a digitalizáció nemcsak arról szól, hogy másként publikál tartalmakat.

Bizonyára sokak számára ismert a Moodle vagy az Ilias által reprezentált elektronikus tanulási környezetek valamelyike. Legtöbben a beépített számonkérési lehetőségek – a tesztekben használható kérdéstípusok – sokfélesége alapján ítélik meg ezek használhatóságát. E területen is egyre nagyobb teret kap a mesterséges intelligencia, ezáltal a hosszabb szövegek kiértékelésében is egyre nagyobb gépi segítséget kaphat a pedagógus.

A Műegyetemen is régóta és rendszeresen használunk automatikus (például matematikai) teszteket kiértékelő rendszereket, amivel a hallgatói létszám megnövekedésével járó oktatói terheket kívánjuk csökkenteni. Nyilván segítség az is, amikor az egyszerű tesztfeladatok, a nagyon egyszerűen értékelhető megoldások javításában működik közre a gép, de szerencsére már a nehezebb, a szöveges válaszok esetére is vannak megoldások. A mesterséges intelligenciának az alkalmazása már képes nagy pontossággal elemezni a szöveges válaszokat is, tehát egyre nagyobb területeken vesz le terhet a pedagógusok válláról. A túlterhelt pedagógus nem tud jól teljesíteni, ami ellenkezik a céljainkkal és az elvárásainkkal, tehát megpróbáljuk a túlterheltséget csökkenteni.

Zárásként egy saját példát említek, aminek nálunk is nehezen halad a bevezetése, mert mi is konzervatívak vagyunk az oktatás terén. Karunkon a programozás oktatását több mint 1200 fő részére végezzük. Ez nagyon nagy létszám, amit a korlátozott oktatói kapacitás mellett csak új eszközöket bevonva, bizonyos feladatokat az oktatók válláról levéve tudunk megoldani. A tananyagokat – verziókövetéssel – az oktatók készítik el. A mechanikus feladatokhoz azonban az értékelés már a mesterséges intelligencia segítségével készül. A hallgató a – digitális környezetben megkapott, segédletekkel is kiegészített – feladat megoldását az oktatási környezetbe tölti fel, amely elvégzi annak értékelését (javítását) és az eredményt is megadja érdemjegy vagy pontszám formájában. (A kapott eredmény természetesen adhat okot oktatói beavatkozást igénylő tisztázó kérdésekre, de az a kevésbé automatizált folyamat során is előfordulhat.) Azt mondhatjuk tehát, hogy az oktatási tartalom elkészítésétől a számonkérésig teljes egészében digitalizáltuk oktatásunk bizonyos részeit.

Köszönöm szépen a figyelmet.