Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

Az AI személyre szabhatja a tanulást, de az értékelésben kockázatokat rejt

2026. szeptember 10. 17:25Forrás: CIFAR
Az AI személyre szabhatja a tanulást, de az értékelésben kockázatokat rejt
Kép: CIFAR

Az adaptív mesterséges intelligencia segíthet a tanároknak felismerni, melyik diáknak milyen támogatásra van szüksége, miközben az automatikus értékelés komoly méltányossági kérdéseket vet fel. A CIFAR Carrie Demmans Epp kutatásán keresztül mutatja be, hogyan változtathatja meg az AI az osztálytermi munkát.

A lényeg röviden
  • Az adaptív AI a diákok teljesítménye alapján módosítja a feladatokat és a segítséget.
  • Egy albertai, két hónapos kísérletben minden résztvevő fejlődött az előzetes eredmények szerint.
  • A leggyengébben teljesítő diákoknál nem jelentkezett nyári tanulási visszaesés.
  • Az automatikus esszéértékelők nyelvi elfogultságot mutathatnak.
  • A generatív AI miatt az iskoláknak a tanulási folyamatot is értékelniük kellhet.

Az adaptív rendszerek a tanulási hiányokat térképezik fel

A Canadian Institute for Advanced Research, vagyis CIFAR szeptember 10-i cikke szerint a nagyjából 2010 és 2024 között született Alfa generáció alkotja a kanadai K, 12 oktatásban részt vevő diákok jelentős részét. Sokuk számára természetes közeg az okostelefon, a táblagép és a közösségi média, egyesek pedig már AI-val támogatott osztálytermekben tanulnak.

A témát Carrie Demmans Epp, az Albertai Egyetem számítástechnikai tanszékének docense és az Amii Canada CIFAR AI Chair kutatója vizsgálja. Az általa vezetett EdTeKLA Research Group oktatási szoftvereket fejleszt, miközben az emberi kognitív folyamatokat is kutatja.

A megközelítés különösen nagy osztályokban lehet hasznos. A Canadian Teachers’ Federation adatai szerint Kanadában az átlagos osztálylétszám 22 és 26 diák között van, egyes óvodai, illetve első és hatodik évfolyam közötti osztályokban pedig 40, 50 vagy akár 60 tanuló is lehet.

Az adaptív gépi tanulási rendszerek a diákok feladatmegoldási pontosságát és sebességét követik, majd digitális képet készítenek arról, mit tudnak. Ez alapján módosíthatják a feladatok nehézségét, célzott segítséget adhatnak, vagy új témát vezethetnek be. Demmans Epp szerint a rendszer a tanár munkáját egészíti ki, és heti 20, 60 percben kiválthatja a hagyományos önálló gyakorlást.

Az albertai kísérletben a leggyengébben teljesítők is javultak

Demmans Epp két hónapos kísérletet vezetett Alberta vidéki részén, ahol fiatal diákokkal használtak adaptív tanulási rendszert. A kutatók közben három alkalommal ellenőrizték a tanulók fejlődését. A hivatalos eredményeket még nem tették közzé, az előzetes adatok szerint azonban minden diák mérhetően javult.

A legnagyobb változást azoknál a gyerekeknél látták, akiknek a kognitív képességei a legalacsonyabbak voltak. Ők nem szenvedtek el nyári tanulási visszaesést, vagyis nem veszítettek a június és szeptember közötti időszakban megszerzett tudásukból. Szeptemberi felmérési eredményeik ráadásul meghaladták a júniusi pontszámaikat. Az iskolai körzet ezért kibővítette a programot.

A kutató szerint hasonló adaptív technológiákat már több országban is nagy léptékben alkalmaznak. Az Egyesült Államokban több ezer iskolában használják őket, Brazíliában pedig alacsony erőforrású térségek támogatására is bevetik ezeket a rendszereket.

A generatív AI használata pedagógiai kérdéssé válik

Az AI iskolai alkalmazása kockázatokat is hordoz. Demmans Epp szerint helytelen, ha az oktatók mindent a rendszerre bíznak. A technológiát az oktatási környezetbe tudatosan beillesztve hasznos eszközként lehet használni, de a feladat jellegétől is függ, mekkora veszélyről van szó.

A matematika objektív feladatai viszonylag alacsony kockázatúak, az automatikus esszéértékelés azonban méltányossági és rendszerszintű elfogultsági problémákat vet fel. A nagy nyelvi modelleket használó értékelők vizsgálatai szerint a rendszerek a kanadai és brit angol nyelvváltozatban írt szövegeket gyakran magasabbra értékelik, míg az afroamerikai angolt hátrányosan kezelik. A kutató szerint ezért a szövegek automatikus osztályozása előtt szigorúan vizsgálni kell az elfogultságot, különösen azoknál a gyerekeknél, akiknek otthon használt nyelve hatással van az írására.

A diákok ChatGPT-hez és más generatív AI-eszközökhöz való viszonyát Demmans Epp elsősorban pedagógiai, nem technikai problémának látja. Az iskoláknak a kész produktum helyett a tanulási folyamatot is értékelniük kellene. Ezt szolgálhatják a külön beadandó ötletelési naplók, első változatok és javítási jegyzetek. A kutató szerint bizonyos esetekben az is elfogadható lehet, ha a diák az ötleteléshez ChatGPT-t használ, és benyújtja az erről készült naplót.

Ez a megközelítés új tanári készségeket igényelhet, mivel a diákokat meg kell tanítani az AI-eszközök produktív használatára. A CIFAR szerint az adaptív rendszerek rövid, célzott gyakorlással támogathatják a tanárok munkáját, a generatív AI iskolai jelenléte pedig az értékelési módszerek és a tanárképzés átalakítását teheti szükségessé.

CIFARCarrie Demmans EppAmiiUniversity of AlbertaEdTeKLA Research Groupoktatáskutatási eredmény
Kövesd az AI Hírek oldalát a FacebookonA legfontosabb MI-hírek magyarul, rögtön a megjelenés után a hírfolyamodban.Követem

Kapcsolódó hírek

Afrikai nyelveket és titkos kéziratokat vizsgál az Amii mesterséges intelligenciája
Kutatás2026. október 2.

Afrikai nyelveket és titkos kéziratokat vizsgál az Amii mesterséges intelligenciája

Az Alberta Machine Intelligence Institute, vagyis az Amii kutatói mesterséges intelligenciával dolgoznak az afrikai nyelvek digitális megőrzésén és több évszázados…

Egymillió dolláros támogatást kapott egy IBD-diagnosztikai AI-projekt
Kutatás2026. szeptember 23.

Egymillió dolláros támogatást kapott egy IBD-diagnosztikai AI-projekt

1 040 400 kanadai dolláros támogatást kapott a University of Alberta kutatócsoportja egy olyan mesterségesintelligencia-eszköz fejlesztésére, amely segíthet a…

Négy AI-projekt nyert díjat a társadalmi célú innovációért
Kutatás2026. szeptember 10. 20:27

Négy AI-projekt nyert díjat a társadalmi célú innovációért

Négy, társadalmi problémákra AI-eszközökkel reagáló projekt nyerte el az AI4Good Lab Accelerator Awards díjait. A fejlesztések között manipulációt felismerő…