Generatív AI a felsőoktatásban

Miért éppen most kerül ez terítékre

A generatív AI néhány év alatt jutott el a kutatói kísérletektől az egyetemi folyosókig. Ma egy oktató percek alatt kaphat vázlatot egy előadáshoz, egy kutató átfuttathat egy hosszú tanulmányt egy összefoglalón, egy doktorandusz pedig kérdezhet a saját adathalmazáról. Ez a hozzáférhetőség az igazi újdonság. Nem az, hogy a gép szöveget ír, hanem hogy bárki, bármikor, előképzettség nélkül tud vele beszélgetni a saját szakterületéről. A felsőoktatásban ez egyszerre jelent lehetőséget és felelősséget. A lehetőség az idő, amit fel lehet szabadítani az ismétlődő munkából. A felelősség az, hogy a szakmai minőségért továbbra is az ember felel, nem a rendszer.

Fontos tisztázni, mit értünk generatív AI alatt. Olyan rendszerekről beszélünk, amelyek nagy mennyiségű szövegen, kódon vagy adaton tanultak, és ez alapján új tartalmat állítanak elő. Nem adatbázisból keresnek elő kész választ, hanem a legvalószínűbb folytatást fogalmazzák meg. Ez a működés magyarázza az erősségeiket és a gyengeségeiket is. Gyorsan és folyékonyan fogalmaznak, de nincs valódi fogalmuk arról, mi igaz és mi nem.

Hol segít az oktatónak

Az oktatói munka nagy része nem maga a tanítás, hanem a körülötte lévő előkészület. Óravázlatot kell írni, feladatot kell kitalálni, példát kell keresni, visszajelzést kell fogalmazni, anyagot kell a hallgatók szintjéhez igazítani. Ezekben a lépésekben a generatív AI valódi gyorsítás. Egy jól megfogalmazott kéréssel az oktató kaphat több változatot ugyanarra a feladatra, kaphat egy nehezebb és egy könnyebb verziót, vagy megkérheti a rendszert, hogy egy bonyolult fogalmat magyarázzon el háromféle megközelítésből. A tananyag ettől nem lesz kész, de a kiindulópont ott lesz percek alatt, és az oktató a saját szakmai tudásával formálja véglegessé.

A kulcs itt a szereposztás. Az AI adja a nyersanyagot és a variációkat, a tanár pedig azt a réteget, amit egy gép nem tud pótolni. Ismeri a csoportját, tudja, hol szoktak elakadni a hallgatók, érzi, mi az, ami az adott évfolyamon átjön és mi nem. Ez a helyi tudás teszi a nyersanyagból használható órát. Egy egyszerű példa jól mutatja a különbséget. Ha megkéred a rendszert, hogy magyarázza el a kamatos kamat fogalmát háromféleképpen, kapsz egy hétköznapi, egy grafikus és egy képletes megközelítést percek alatt. Hogy ezek közül melyik illik a te csoportodhoz, és milyen sorrendben érdemes felépíteni, azt viszont csak te tudod eldönteni. Az AI a lehetőségeket teríti eléd, a választás és a felelősség a tiéd.

Hol segít a kutatónak

A kutatásban a generatív AI hasonló logika szerint segít, csak más feladatokon. Egy irodalomáttekintés elején több tucat tanulmányt kell átnézni, hogy kiderüljön, melyik releváns. Az AI itt előszűrőként dolgozhat, összefoglal, kiemeli a fő állításokat, csoportosít téma szerint. Az adatelemzésben segíthet a kód megírásában vagy egy elemzési terv felvázolásában. Az íráskor javasolhat szerkezetet, finomíthatja a nyelvet, felhívhatja a figyelmet a homályos részekre. Egy nem angol anyanyelvű kutató számára a nyelvi támogatás önmagában is komoly segítség lehet.

Van azonban egy határ, amit érdemes az első leckétől tudni. A generatív AI meggyőzően fogalmaz akkor is, amikor téved. Kitalálhat nem létező hivatkozásokat, félreidézhet egy szerzőt, összekeverhet két fogalmat. A kutatói munkában a tényekért, az idézetekért és a következtetésekért a kutató felel, ezért minden AI-tól kapott állítást vissza kell vezetni egy megbízható forrásra. Az AI gyorsít, de nem hitelesít.

Mit ne bízz a gépre

Ahhoz, hogy tudd, hol segít a generatív AI, azt is látni kell, hol nem szabad rá támaszkodni. Három dolgot nem tud átvenni. Az első az igazság megítélése. Az AI a legvalószínűbb folytatást fogalmazza meg, nem azt, ami tényszerűen helyes, ezért a szakmai állítások helyességét mindig embernek kell ellenőriznie. A második a valódi kontextus értése. A rendszer nem ismeri a te évfolyamodat, a kutatásod belső logikáját, a szakterületed íratlan szabályait, csak azt, amit szövegként betáplálnak neki. A harmadik a felelősség. Egy tévedésért, egy hibás adatért, egy félreidézett szerzőért nem a gép felel, hanem az, aki a munkát a nevével vállalja.

Ezek nem elméleti aggályok, hanem mindennapi helyzetek. Ha az AI meggyőzően leír egy nem létező tanulmányt, az csak akkor derül ki, ha valaki utánanéz. Ha egy magyarázat elegánsan hangzik, de a lényeget elhibázza, azt csak a szakértő szeme szűri ki. A tananyag ezért nem azt tanítja, hogyan add át a munkát a gépnek, hanem azt, hogyan használd úgy, hogy a végső megítélés a tiéd maradjon. Ez a különbség teszi a generatív AI-t hasznos eszközzé a felsőoktatásban ahelyett, hogy kockázati forrás lenne.

Amit a tananyag felépít

A következő hét leckében sorra vesszük a felsőoktatás jellemző helyzeteit. Először az oktatói oldalt, az óratervezést és a feladatkészítést, majd a hallgatói tanulás támogatását, a chatbotokat és a felkészülést. Utána a kutatói oldal következik, az irodalomfeldolgozás és a szintézis, az adatelemzés és a kódolás, végül a pályázat- és tudományos írás. A záró lecke az etikáról, az integritásról és a felelős használatról szól, mert ezek nem egy külön téma, hanem minden korábbi lecke keretei. Ha egyetlen gondolatot kell magaddal vinned az áttekintésből, az ez legyen. A generatív AI nem veszi át a felelősséget, csak a munka egy részét könnyíti meg, és a különbség attól függ, mennyire tudatosan használod.