2025 - Máté István – Tanulás újragondolva: a mesterséges intelligencia és a jövő tanulási élménye (LxD)
Abstract
Az előadás áttekinti, hogyan alakítja át a mesterséges intelligencia (AI) és a kapcsolódó technológiai fejlődés a tanulási környezeteket és a tanulói élményt. A bemutató az ismeretszerzés történeti tágulásának és radikális rövidülésének ívétől indul, majd feltárja azokat a jelenleg is elérhető technológiai innovációkat – okostankönyvek, automatizált ügynökök, multimodális tanulási eszközök, nagy nyelvi modellek, illetve a küszöbön álló nagy világmodellek és agy-számítógép interfészek –, amelyek új minőséget hoznak a pedagógiai gyakorlatba. Az előadás bemutatja a környezeti-társadalmi változásokat (generációs sajátosságok, SNI-létszám növekedése, kognitív terhelések), valamint azt, hogy ezek miként indokolnak új pedagógiai paradigmákat és differenciált, adaptív tanulásszervezést. A végső rész egy szemléletbeli és módszertani keretet ajánl – a MIDI-modellt –, amely a motiváció, az innováció, a differenciálás és az implementáció négy pillérén keresztül biztosít jövőálló, tanulásieredmény-alapú, technológiakompatibilis oktatási környezetet. Az előadás célja annak felvázolása, hogyan tudják az intézmények és a pedagógusok a gyorsuló AI-evolúciót saját gyakorlatukban fenntartható, reziliens és inkluzív módon befogadni.
Szép jó reggelt kívánok mindenkinek, és köszönöm, hogy jelenlétükkel megtisztelnek. Olyan témáról szeretnék beszélni, amelyet sokan körbejártak már, én azonban egy szélesebb, rendszerszintű perspektíván keresztül igyekszem bemutatni mindazt, ami jelenleg a szemünk előtt formálódik. Egy nagyságrendi átalakulás küszöbén állunk: az AI-vezérelt oktatási fordulatéban, ahol a tanulási élmény már nem pusztán új eszközöket, hanem teljes működésmódváltást jelent. A célom egy jövőálló gondolkodási keret felvázolása, amely később akár az Önök szakmai gyakorlatának szerves részévé is válhat.
Ha visszatekintünk az ismeretszerzés évszázados ívére, jól látszik, hogy a tudáshoz vezető út mindig hosszú, időben és térben kiterjedt folyamat volt. Valamikor heteket vagy napokat kellett utazni lóháton vagy más – ma már nem használt – közlekedési módokon ahhoz, hogy valaki tanulhasson, később elegendő volt eljutni a helyi iskolába, majd az internet megjelenésével az út drámaian rövidült: az e-learning révén már a szobánkat sem kellett elhagyni. Az elmúlt húsz év digitalizációs gyorsulása tovább tömörítette ezt a távolságot, és ma oda érkeztünk, hogy lassan már nemcsak térben, de kognitív értelemben sem kell „kimozdulnunk”, hiszen az olyan Brain–Computer Interface technológiák, mint az Attentivity V1 és V2 EEG-szemüvegek, már képesek közvetlenül érzékelni az agyi aktivitást, és ezek egy része kereskedelmi forgalomban elérhető, akár két napon belüli házhoz szállítással. A mesterséges intelligenciával kombinálva ezek az eszközök olyan fejlődési tendenciát vetítenek előre, amely a kommunikáció és a tanulás szerkezetét is gyökeresen átalakítja.
A jelen oktatási környezetet már most is olyan technológiák formálják, mint az okostankönyvek, amelyek QR-kódokat, kiterjesztett valóság rétegeket és 3D-objektumokat tartalmaznak, továbbá az automatizáció, amely ma már a mindennapi munka része. Egy egyszerű példán keresztül: egy AI-ügynök képes egy beérkező e-mailt önállóan kezelni, a Google-naptárba beírni, értesítést küldeni, ugyanígy rendszerezni egy tanulói feladatot, kiértékelést készíteni, és akár egyéni tanulási útvonalat generálni multimodális – vagyis képi, hangi, videós – formában. A kiberbiztonság tudatossága ezzel párhuzamosan növekszik, hiszen a kiberfenyegetések száma és komplexitása az AI fejlődése miatt egyre jelentősebb. A technológiai fejlődés csúcspontján pedig ott állnak a nagy nyelvi modellek, mint a ChatGPT, a Perplexity vagy a Claude AI, amelyek több milliárd paraméterük révén működnek, és amelyek szerepe mindennapossá vált.
A következő nagy korszakot azonban az összetett, multimodális rendszerek és az azokon is túlmutató Large World Model (LVM), vagyis a nagy világmodellek megjelenése jelentheti, amelyek bármelyik pillanatban publikusan elérhetővé válhatnak. Ezek a rendszerek nem csupán szöveges választ adnak egy prompt alapján, hanem egy komplett, bejárható, narratívára épülő, játékszerű és interaktív virtuális világot hoznak létre, amelyben a felhasználó – legyen diák vagy felnőtt – végighaladhat egy tanulási útvonalon. Ha azt kérem a rendszerrel, hogy szeretnék Velencében hajózni, közben megismerni a város történelmét, különböző információs pontokat elhelyezni, interaktív döntési lehetőségekkel együtt, akkor az LVM ezt egyetlen, akár több ezres szókészletű prompt alapján generálja le, és a tér azonnal bejárhatóvá válik. Ez az oktatásban egy teljesen új, gamifikált és rendkívül hatékony tanulási formát jelent.
A környezeti változások is indokolják a paradigmaváltást. A Z- és az Alfa-generáció figyelmi szerkezete lényegesen eltér az előző generációkétól: rövidebb figyelmi ciklusokkal dolgoznak, gyors ingerfeldolgozást igényelnek, a multimodális tartalmakra – vagyis a hangra, a képre, a mozgóképre és az immerzív környezetekre – 40–60%-kal jobb bevésődési arányt mutatnak. Ezzel párhuzamosan az SNI-tanulók száma folyamatosan növekszik, ami részben a diagnosztikai fejlődésnek, részben a társadalmi tényezőknek köszönhető, ugyanakkor a tanulási lemaradás veszélye jelentős, így olyan módszertani és technológiai megoldásokra van szükség, amelyek képesek őket individuális szinten támogatni.
A mesterséges intelligencia által támogatott differenciált oktatás realitása már látszik. A következő években olyan eszközök válnak általánossá, amelyek a tanulás közben valós időben elemzik a gyermek figyelmi állapotát, terhelését, mikroelakadásait, és amikor a rendszer érzékeli, hogy a tanuló bizonyos fogalmi különbségeket – például a „hieroglifa” és a „hieroglifikus írás” viszonyát – nem tudja elkülöníteni, akkor a szemüvegben vagy AR-felületben megjelenő multimodális magyarázattal azonnal segít, majd visszakapcsolja őt a megfelelő tanulási ritmusba. Ez mikroszintű differenciálás, amely valós időben támogatja a tanárt anélkül, hogy a pedagógusnak külön erőfeszítést kellene tennie. Mindezt tovább erősítik az AI-ügynökök, amelyek önálló tevékenységeket indítanak, adatot rendszereznek, kommunikálnak és tanulnak, és amelyek felhasználhatók például heti AI-összefoglalók készítésére, a tananyag frissítésére vagy az adminisztratív terhelés csökkentésére. A kormányzati szféra is reagál erre a változásra: a legutóbbi közlöny szerint minden kormányhivatalnak, egyetemnek és főispánságnak AI-biztost kell kijelölnie.
Ahhoz azonban, hogy az oktatási intézmények mindezt be tudják fogadni, szemléletváltásra van szükség. A behaviorista paradigmák – amelyek az alsóbb évfolyamokon továbbra is indokoltak – mellett nagyobb teret kell kapnia a szociokonstruktivista és a konnektivista megközelítésnek, különösen a felsőbb évfolyamokon és a felnőttképzésben, hiszen ezek a paradigmák jobban illeszkednek a jelenlegi technológiai környezethez és tanulói igényekhez. A mesterséges intelligencia integrációját egy nyitott, megoldáskereső
szinten –, akkor az jó gyakorlatnak minősíthető, és érdemes a szigetszerű alkalmazásból szélesebb bevezetésre bővíteni. E szemlélet támogatására jött létre a MIDI-módszertan, amely a motiváció, az innováció, a differenciálás és az implementáció gyakorlatias szűrési attitűdre épülő pedagógiai kultúrának kell kísérnie.
Az új tanulási élmény kialakítását tanulásieredmény-alapú szemléletnek kell kísérnie, amely a tudás, készség, attitűd, autonómia és felelősség dimenzióiban méri az eredményt. Ha egy technológia képes ezek mindegyikét fejleszteni – stratégiai, taktikai vagy technikai kritériumain keresztül olyan tanulási környezetet teremt, amely képes befogadni a mesterséges intelligencia által kínált új tanulási élményt. A módszertanra már tanfolyami kurzust is építettünk a Köznevelési Szakértők Országos Egyesületével közösen.
