Az MI az iskolában 3.
By knauszi on 2026. máj. 11. - 17:04
Az MI és a pedagógus autonómia. Tanári döntések egy algoritmikusan strukturált térben. Bessenyei István és Apáti Balázs írása
Egy tanóra sokáig ismerős, biztonságos koreográfia szerint zajlott. A tanár megtervezte az ívet, kiválasztotta a feladatokat, megadta a tempót, az osztály pedig együtt haladt végig ezen az úton. Lehettek benne kanyarok, lehetett differenciálni, de a tanulási folyamat alapvetően egyetlen közös mederben áramlott.
Ez a kép nem múlt el nyomtalanul. De egyre kevésbé írja le pontosan azt, ami az osztálytermek falai között ma lüktet.
Az előző rész abból indult ki, hogy a Nemzeti alaptanterv (NAT) és a mesterséges intelligencia viszonya nem szükségszerűen konfliktusos, ha megtanuljuk őket külön szinten értelmezni. A Nat kijelöli a legitim célokat és tartalmakat, az MI pedig ezek között képes differenciált tanulási utakat szervezni. Ez az elképzelés azonban csak addig működik, amíg feltételezzük, hogy a pedagógus képes a híd szerepét betölteni: átlátni és irányítani azt a folyamatot, amelyben ezek az utak egyáltalán létrejönnek.
A tanulási folyamat szövete közben finoman, szinte észrevétlenül átalakul.
Már nem egyetlen, előre kitaposott ösvényen halad, hanem tucatnyi, egymással párhuzamosan futó pályán. A feladatok kiosztása, az ismétlések ritmusa, a visszajelzések formája és sűrűsége nem minden esetben a tanár közvetlen döntése, hanem egy mögöttes rendszer működésének eredménye. A pedagógus ehhez a lüktetéshez viszonyul: követi, finomhangolja, időnként megállítja, máskor pedig egyszerűen hagyja futni.
Ez a helyzet már nem fér bele abba a fogalomkészletbe, amivel eddig dolgoztunk.
A tanári autonómiát hagyományosan három sarokpont mentén szokás leírni: mit tanít a pedagógus? hogyan tanítja azt? és hogyan értékel? A magyar közoktatásban ezek a döntések eleve egy szigorúan szabályozott keretben mozognak, hiszen a NAT és a kerettantervek adják a kottát. Az osztálytermi valóság szintjén mégis mindig megmaradt egy olyan mozgástér, amelyben a tanár ténylegesen a saját képére formálhatta a folyamatot. A gyakran emlegetett „20% szabadság” ezt a sávot teszi láthatóvá: egy kijelölt tisztást, ahol a pedagógus eltérhet, szabadon kísérletezhet, hangsúlyokat tologathat.
Ez a hagyományos modell abból indul ki, hogy a döntések helye egy térképen egyértelműen jelölhető.
Az adaptív rendszerek működése pontosan ezt az egyszerűséget bontja meg.
A tanulási folyamat egy része úgy alakul, hogy közben finoman elmosódik a határvonal: hol végződik a tanári szándék, és hol veszi át a szót a rendszer által generált javaslat? A feladatok sorrendje módosul, egyes elemek visszatérnek, mások eltűnnek, majd hetekkel később váratlanul újra felbukkannak. A tanár látja az eredményt, de a teljes döntési láncolat már nem áll össze egyetlen, egy pillantással befogadható képpé.
Ez nem drámai, látványos fordulat. Sokkal inkább egy csendes eltolódás.
Az osztálytermi gyakorlatban mindez hús-vér helyzetekben ölt testet.
Egy matematikaórán az adaptív gyakorlórendszer minden tanulónak saját, személyre szabott feladatsort oszt. Az egyik diák már törteket egyszerűsít, a másik még az alapműveletekkel küzd – ugyanabban a padsorban. A tanár már nem egy statikus feladatsorhoz viszonyítja az osztályt, hanem tucatnyi, egymástól eltérő, folyamatosan alakuló tanulási pályát próbál egyszerre a szeme sarkában tartani. Időnként belenyúl, máskor csak figyel.
Egy irodalomórán a diákok rövid szöveget írnak, amelyre az algoritmus azonnali reflexiót ad. Megszólal a mondatok szerkezetéről, a szóhasználat ívéről, az érvelés logikájáról. A tanár a monitoron látja ezeket a sugalmazásokat, de nem mindegyikkel ért egyet. Van, amit megerősít, van, amit egyetlen mozdulattal elenged. Néha pedig egyszerűen hagyja, hogy a gép „beszéljen” helyette.
Egy történelemórán a forráselemzést MI-alapú keresőeszközök segítik. A rendszer magától ajánl, kiemel, összefoglal. A tanár már nem az üres lapról építkezik, hanem egy előszűrt, algoritmikusan előkészített anyaggal dolgozik. A kérdés már nem az, hogy beemeli-e ezt a tartalmat, hanem az, hogy hol vágja el a szálat, és mit emel a fénybe.
Ezekben a mikropillanatokban a pedagógus folyamatosan dönt.
De már korántsem minden döntés nála fogan meg.
Ha nem lép közbe, a rendszer már döntött is helyette.
Ez a döntéshullám nem zárható be egy jól körülhatárolható tartományba. A „szabad sáv” határai elmosódnak. A döntések szétaprózódnak a térben.
Ezzel együtt a tanulás belső ritmusa is átalakul. A tantervben rögzített lineáris sorrend nem feltétlenül fedi le azt az utat, ahogyan a tanulók a valóságban, percről percre haladnak. Bizonyos tartalmak hamarabb bukkannak fel, mások késnek. Egyes készségek jóval nagyobb súlyt kapnak, mint amit az eredeti kottából kiolvashatnánk.
A felszín alatt lassan összeáll egy második rend.
Nincs dokumentálva. Nincs hivatalosan jóváhagyva. Mégis lélegzik és működik.
Ez az árnyéktanterv.
Amíg a NAT a hivatalosan kifüggesztett keret, addig a rendszer a háttérben – a feladatok lüktetésével, az ismétlések rejtett hálózatával, a csendes kihagyásokkal – egy teljesen új tanulási logikát kötöz össze. A pedagógus ebből pont annyit lát, amennyit a digitális felület hajlandó megmutatni neki.
A többi a gépház titka marad.
Ez a jelenség nem áll meg a határoknál. Az Egyesült Államokban egyre több iskola támaszkodik adaptív tutorrendszerekre, az Egyesült Királyságban intenzíven zajlanak a kísérletek az automatikus esszéértékeléssel, Észtországban pedig a digitális oktatási ökoszisztéma már rendszerszinten táplálkozik a tanulási adatokból.
A közös nevező ezekben nem a nyers technológia jelenléte, hanem a tanulás szervezésének mélyreható átrendeződése.
A rendszer, láthatatlanul is, működik.
A nemzetközi szakpolitikai iratok ezt a feszültséget az emberi kontroll hangsúlyozásával próbálják feloldani. Az UNESCO az emberi döntés primátusát, az OECD a tanári cselekvőképességet, az amerikai oktatási minisztérium pedig az értelmező, felülbíráló funkciót emeli pajzsra.
Ez a megnyugtató kép azonban egy olyan pedagógust feltételez, aki kristálytisztán átlátja az őt körülvevő algoritmusok működését.
A valóságban ez ritkán adott.
A háttérfolyamatok nem mindenhol transzparensek. A kódok logikája rejtett maradhat, a mindennapi tanári munkaidő pedig végképp nem ad teret a folyamatos mélyfúrásra. A pedagógus így egy olyan térben kénytelen navigálni, amelynek egy része szükségszerűen a vakfoltjába esik.
Ebben az új ökoszisztémában a régi „20% szabadság” egyszerűen elveszíti az értelmét. Nem azért, mert a mozgástér drasztikusan eltűnne, hanem mert a szabadság többé nem egy térképen kijelölhető rezervátum.
A döntések nincsenek egyetlen helyre zárva.
Szétáradnak a mindennapi működésben.
Ez a szétáradás pedig csendes. A tanulás látszólag a megszokott mederben zajlik: a csengő szól, az órák eltelnek, az érdemjegyek bekerülnek a naplóba. A különbség csupán annyi, hogy nem minden sorsfordító döntési pont azonosítható tiszta tekintettel.
Ennek a következménye végső soron nem is módszertani.
Hanem mélyen felelősségi.
A pedagógus továbbra is a saját bőrével felel a tanulási folyamat kimenetéért. Ő az, aki értékel, aki minősít, akinek a neve ott áll a bizonyítványon.
Csakhogy a tanulás tényleges irányítása már egy megosztott, hibrid térben történik, ahol a döntések egy része már régen nem az ő asztalán születik meg.
A döntés megosztott.
A felelősség azonban nem oszlik meg vele.
A tanári autonómia nem vész el.
Csak egy olyan hálózatban kell újradefiniálnia magát, amelynek a szálait már nem kizárólag ő mozgatja.
Annotált bibliográfia
OECD (2026): OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, Paris.
A generatív mesterséges intelligencia oktatási hatásait vizsgálja rendszerszinten. Rámutat arra, hogy az MI önmagában nem javítja a tanulást; hatása a pedagógiai beágyazottságtól függ. A cikk azon állításához kapcsolódik, hogy a rendszer működése nem azonos a pedagógiai értékkel.
Miao, F. – Holmes, W. – Huang, R. – Zhang, H. (2021): AI and Education: Guidance for Policy-Makers. UNESCO, Paris.
Az UNESCO iránymutatása az oktatási MI használatának etikai és pedagógiai kereteit rögzíti. Kiemeli az emberi kontroll (human-in-the-loop) szükségességét, az átláthatóságot és az elszámoltathatóságot. A jelen tanulmány azon állítását támasztja alá, hogy a pedagógus döntési szerepe nem szűnik meg, hanem új környezetben, részben átalakult feltételek között működik tovább.
UNESCO (2023): Guidance for Generative AI in Education and Research
A dokumentum a generatív mesterséges intelligencia oktatási alkalmazásának pedagógiai és etikai kérdéseit tárgyalja, külön hangsúlyozva a kritikai validáció és az emberi pedagógiai döntés szerepét.
Miao, F. – Cukurova, M. (2024): AI Competency Framework for Teachers. UNESCO, Paris.
A dokumentum a pedagógusok számára szükséges új kompetenciákat rendszerezi MI-környezetben. Hangsúlyozza a kritikai értelmezést, az algoritmikus működés alapvető megértését és az adatérzékenységet. Közvetlenül kapcsolódik a cikk „vakfolt” fogalmához: ahhoz a helyzethez, amikor a tanár döntési térben mozog, de annak teljes szerkezetét nem látja át.
Buda András (2024): A sokszínű mesterséges intelligencia. Educatio, 33 (2).
A mesterséges intelligencia oktatási alkalmazásainak típusait és funkcióit mutatja be. Segít elhelyezni az adaptív rendszereket a tágabb MI-ökológiában, amelyben a tanári döntések már nem egyetlen eszközhöz kötődnek.
Kárpáti Andrea (2023): Digitális pedagógia és tanári szerepek. Iskolakultúra, 33 (4–5).
A tanári szerep átalakulását elemzi digitális környezetben. Kiemeli, hogy a pedagógus szerepe nem szűnik meg, hanem átalakul: közvetítőből egyre inkább értelmezővé és tanulásszervezővé válik. A jelen szöveg autonómiaértelmezésének egyik alapja.
Molnár Gyöngyvér (2024): Az MI hatása a mérés-értékelésre. Educatio, 33 (2).
Az automatizált értékelési rendszerek lehetőségeit és korlátait tárgyalja. Rávilágít arra a feszültségre, amely az azonnali MI-visszajelzés és a pedagógiai értelmezés között alakul ki.
Nahalka István (2020): A tanulás értelmezései. Pedagógiai Szemle, 70 (1–2).
A tanulás különböző elméleti modelljeit mutatja be. Segít értelmezni, hogy az adaptív, nem lineáris tanulási utak milyen pedagógiai paradigmába illeszkednek.
Z. Karvalics László (2024): A mesterséges intelligencia mint tudáskörnyezet és tudásprotézis. Educatio, 33 (2).
Az MI-t komplex tudáskörnyezetként írja le, amely nem pusztán eszköz, hanem a tudás szerveződésének új közege. Az „árnyéktanterv” fogalmához ad elméleti hátteret.
Ez a cikk – a sorozat korábbi részeihez hasonlóan – mesterséges intelligencia támogatásával készült.
| Csatolmány | Méret |
|---|---|
| 101.83 KB | |
| 63.04 KB | |
| 63.83 KB |
