Amitől félnek a tanárok
Minden új félévben az egyetemi oktatók ugyanazzal a kérdéssel szembesülnek valamilyen formában: vajon a hallgatók tanulnak, vagy csak a diploma megszerzésének folyamatán mennek keresztül? Idén ez a kérdés új kontextusba került. Az Amerikai Főiskolák és Egyetemek Szövetsége (American Association of Colleges and Universities) és az Elon Egyetem által 2025 novemberében, 1,057 oktató bevonásával végzett felmérés szerint a válaszadók 90%-a úgy véli, hogy a generatív mesterséges intelligencia csökkenteni fogja a hallgatók kritikai gondolkodási képességeit, 83%-uk úgy véli, hogy lerövidíti a figyelmüket, és 95%-uk arra számít, hogy növeli majd az eszközökre való túlzott támaszkodásukat. A megkérdezettek közel háromnegyede, 73%-a, személyesen is szembesült már mesterséges intelligenciával kapcsolatos akadémiai integritási problémával. Ezek nem egy ellenálló kisebbség marginális aggodalmai. Ezek a szakma többségi nézetét tükrözik, és konkrétak: nem az, hogy „a mesterséges intelligencia diszruptív”, hanem az a közös érzés, hogy valami mérhető történik a hallgatók gondolkodásmódjával.
Amit a diákok már csinálnak
A diákok sem rejtőznek el ez elől. A HEPI 2026-os, 1,054 brit egyetemi hallgató bevonásával készült hallgatói generatív mesterséges intelligenciával kapcsolatos felmérése szerint a megkérdezettek 95%-a valamilyen formában használ mesterséges intelligenciát, és 94%-a értékelt munkához. Csupán 12%-uk ismeri el, hogy közvetlenül MI által generált szöveget küld be, bár ez a szám megnégyszereződött 2024 óta, amikor még 3% volt, ami arra utal, hogy a „MI segítségnyújtás” és a „MI-re hagyás” közötti határ gyorsan elmosódik. A felmérésben szereplő két idézet egymás mellé helyezése saját történetet mesél el. Az egyik diák arról beszélt, hogy MI-t használt sűrű olvasmányok összefoglalására, hogy „a kritikai elemzésre és a mélyebb megértésre koncentrálhasson”. Egy másik egyszerűen csak annyit írt: „Egyáltalán nem használom az agyamat”. Ugyanaz az eszköz, ugyanaz a kifejezés, két teljesen különböző tanulási élmény, és a felmérés semmi sem utal arra, hogy bármelyik diák is bármi szokatlant tett volna.
Miért nem változott a mechanizmus
Ami megkülönbözteti ezt a két diákot, az nem az eszköz. Hanem az, amit az osztályteremben kértek tőlük, miután használták. A mesterséges intelligencia gyorsabban tudja megválaszolni a „mit” kérdést, mint bármelyik előadás, gyorsabban, mint bármelyik tankönyv, gyorsabban, mint a fogadóóra. Amit viszont nem tud megtenni, az az, hogy helyettesítse a diákot abban a pillanatban, amikor arra kérik, hogy jósoljon meg egy kimenetelt, védjen meg egy választást, vagy magyarázzon el valamit a saját szavaival, mert ezek a pillanatok csak akkor működnek, ha a diák az, aki előhívja az információt. Ez a régebbi elképzelés rejlik mindezek mögött: az előhívási gyakorlat, amelyet néha tesztelési hatásnak is neveznek, az a jól bevált felfedezés, hogy az információk aktív előhívása a memóriából sokkal erősebb, tartósabb megértést épít, mint ha egyszerűen újra megkapnánk az információt. Ez nem új, és nem a mesterséges intelligenciáról szól. Csak az a helyzet, hogy a mesterséges intelligencia szokatlanul könnyűvé teszi az átugrást.
Egy 2025-ös Drexel Egyetemi tanulmány számszerűsíti ezt a különbséget. A kutatók az adattudományi hallgatóknak mesterséges intelligencia által generált gyakorló kérdéseket adtak az előadások szüneteiben, alacsony téttel bíró feladatokat, amelyek arra kényszerítették a hallgatókat, hogy felidézzék és alkalmazzák a tanultakat, majd összehasonlították későbbi tesztteljesítményüket egy kontrollcsoportéval, amely nem kapott ilyen gyakorlást. Az előidéző csoport 89%-ot ért el. A kontrollcsoport 73%-ot ért el. A kutatók 16 pontos különbséget neveztek mind statisztikailag, mind gyakorlatilag szignifikánsnak, mivel a tartalomban semmit sem változtattak, csak azt, hogy a hallgatókat rákényszerítették-e az előhívásra. Ez a megállapítás nem változott, mert a mesterséges intelligencia létezik. Sőt, inkább pontosan megmagyarázza, hogy mi forog kockán: a valódi tanulást előállító mechanizmus továbbra is az erőfeszítést igénylő felidézésen alapul, és a mesterséges intelligencia hasznossága a hallgató számára teljes mértékben attól függ, hogy az erőfeszítés ösztönzésére vagy helyettesítésére használják-e.
Ahol a politika kifut
Ezért válhat a felsőoktatás leginkább kihasznált eszközévé a kérdezés technikája, nem pedig a mesterséges intelligencia irányelve. Az AAC&U felmérésében az oktatók 87%-a mondta azt, hogy írt explicit MI-használati irányelveket, mégis 59%-uk mondta, hogy intézményük nincs felkészülve arra, hogy segítsen a hallgatóknak szembenézni a rájuk váró kihívásokkal. Az irányelvek szükségesek, de szabályozzák, hogy a hallgatók mit adnak be utólag. Nagyon keveset tesz a benyújtás előtti kilencven percben, magában az előadóteremben vagy a szemináriumi teremben, ahol a tényleges gondolkodás vagy megtörténik, vagy nem, és ahol egyetlen irányelvi dokumentum sem késztetett még senkit komolyabb gondolkodásra.
Mindez nem érv a mesterséges intelligencia osztálytermi alkalmazásának elutasítására, és az adatok sem támasztják alá ezt a következtetést; rengeteg diák már jól használja. Ez egy érv amellett, hogy sokkal tudatosabban kellene megfontolni, mely pillanatok tartoznak még kizárólag a diáknak, és az előadásokat, szemináriumokat és értékeléseket szándékosan úgy kellene megtervezni, hogy ezeket a pillanatokat védjék, ahogyan a jelen szám „A diák mögötti történetek” című rovata is mutatja, hogy egy oktató már most is ezt teszi, egyszerre egy előhívási kérdéssel.
Referenciák
Amerikai Főiskolák és Egyetemek Szövetsége, valamint az Elon Egyetem „Elképzeljük a Digitális Jövőt” Központja. (2026. január 21.). Országos felmérés: az egyetemi oktatók 95%-a attól tart, hogy a diákok túlzottan támaszkodnak a mesterséges intelligenciára, és csökken a kritikai gondolkodás a generatív MI-eszközöket használó tanulók körében. AAC&U. https://www.aacu.org/newsroom/national-survey-95-of-college-faculty-fear-student-overreliance-on-ai-and-diminished-critical-thinking-among-learners-who-use-generative-ai-tools
An, Y., Liu, J., Acharya, N. és Hashmi, R. (2025). A hallgatók tanulásának fejlesztése LLM által generált visszakeresési gyakorló kérdésekkel: Empirikus tanulmány adattudományi kurzusokon. arXiv. https://arxiv.org/abs/2507.05629
Stephenson, R., & Armstrong, C. (2026. március 12.). Diákgeneratív Mesterséges Intelligencia Felmérés 2026 (HEPI Jelentés 199). Felsőoktatáspolitikai Intézet. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/
