Szókratészi oktatás és a jó tanító mint AI-modell

Milyen hosszú távú következményei lehetnek az AI munkaerőpiacra gyakorolt hatásának?

Az oktatási szektornak az utóbbi időben több diszruptív jelenséggel kellett szembenéznie. Alig ocsúdtunk fel a távolléti oktatásból, amikor az OpenAI ChatGPT nagy nyelvi modellje berobbant a köztudatba. Ez egy fontos mérföldkő, ám a mesterséges intelligencia és az oktatás már a kezdetektől, az 50­‑es évektől szorosan összefonódott. A mai diskurzusban vészharangokat kongatva jelennek meg olyan félelmek, hogy „a mesterséges intelligencia elveszi a munkámat”. Nyilván van alapja ezeknek a félelmeknek, vannak erre vonatkozó felméréseink az AI-szorongás kapcsán, de ez egy összetettebb kérdés. Talán érdemes konkrét képességekben és feladatokban gondolkozni, nem egész munkakörökben, ezáltal árnyaltan tekinteni arra, hogy mire jó és mire nem jó az AI. Egyáltalán mi is az az AI? Ennek meghatározása (szakértői csoport munkája alapján): emberek által tervezett szoftveres (vagy hardveres) rendszerek, amelyek fizikai vagy digitális dimenzióban cselekszenek egy összetett cél alapján. Ennek során adatgyűjtés révén érzékelik környezetüket, értelmezik az összegyűjtött strukturált vagy strukturálatlan adatokat, érvelnek az ezekből az adatokból származó tudás alapján, vagy feldolgozzák az információkat, és döntenek az adott cél eléréséhez szükséges legjobb cselekvés(ek)ről. A mesterségesintelligencia-rendszerek képesek adaptálni a viselkedésüket azáltal, hogy elemzik, hogyan befolyásolják a környezetet a korábbi cselekvéseik. Tehát itt sokkal többről van szó, mint amikor a természetes nyelvi feldolgozásra épülő nagy nyelvi modellekkel csetelünk (mint pl. a ChatGPT). A generatív AI-modellek kapcsán nemcsak szöveg-szöveg átalakításról beszélünk, hanem léteznek szövegből képet (pl. DALL-E), szövegből hangot/zenét (pl. Suno) vagy szövegből videót (pl. Sora) előállító modellek is, amelyek például jelentősen érintik a kreatív ipart. Egy, a Nature-ben nemrég megjelent kutatás szerint az emberek számára szimpatikusabbak voltak és pozitívabban értékelték az AI által generált verseket, mint valós költők verseit, illetve nem tudták megkülönböztetni a mesterséges tartalmat az ember által készített anyagoktól. Több modell jól alkalmazható programozási feladatok végrehajtására, kódok írására, így például az informatikai szakmát is erősen érintik. A technológia mai lehetőségeivel gyakorlatilag bárki számára hozzáférhetővé váltak olyan eszközök, amelyek segítségével rövid idő alatt létrehozható saját fotó alapján 3D-s avatar, klónozható a hangunk és a ChatGPT által generált szövegeket felolvasó programok segítségével már elő is állíthatunk a saját hangunkkal, arcunkkal előadott prezentációt. Erre szoktam azt mondani, hogy vannak olyan tanárok, akiket már most is lehet a technológiával helyettesíteni és vannak olyanok, akiket sohasem lehet majd. De ugyanilyen egyszerűséggel lehet hamis tartalmat is generálni, deepfake videókat létrehozni, így az ehhez szükséges erőfeszítés is minimálisra csökkent, ami további fontos problémákat vet fel.

De visszakanyarodva a munkaerőpiaci dinamikákra, ahogy említettem, érdemes inkább konkrét feladatokban, képességekben gondolkozni. A Deloitte által készített tanulmányban egy jól használható keretrendszert találhatunk, amely segíti az erről való gondolkodást. A keretrendszer megkülönbözteti azokat a feladatokat, amelyek már most jól automatizálhatók. A gépek már most sokkal jobban és hatékonyabban el tudják végezni ezeket a feladatokat, mint az emberek, így célszerű élni ezzel a lehetőséggel (pl. egyszerű adatrendezési, elemzési feladatok, rutin-előrejelzések, fordítási feladatok stb.).

Vannak olyan tevékenységek, amelyeket a gép önállóan nem, de az emberi felhasználóval együtt hatványozottan jobban tud végezni. Ebben az esetben a gép kiegészíti az emberi munkaerőt, de a döntés, a szakértelem, az emberi kontroll megmarad. Ezek a kreativitást, az analitikus gondolkodást igénylő feladatok, a stratégiai tervezés stb. Ilyen lehet például az AI képelemző algoritmusok használata az orvosi diagnosztikai eljárásokban. Az AI bizonyítottan jobb ezeknek az elemzésében, de szükséges az emberi szakértelem a végső döntés meghozatalára, a kontextus figyelembevételére, illetve a konkrét beavatkozás meghatározásához. Egy következő kategória ebben a rendszerben azok a képességek, amelyek korábban nem voltak jelen, de az AI-nak köszönhetően felértékelődtek vagy új elvárásként jelennek meg. Ilyen lehet például az etikai és jogi szabályozás kérdése vagy a generatív AI-jal való együttműködés. Végül az utolsó kategória azokat a képességeket tartalmazza, amelyek (még) megmaradnak humánspecifikus területként, mint a motiváló vezetés, együttérzés, empátia, emberi kapcsolatok ápolása vagy fizikai ügyesség.

Ez utóbbi sem feltétlen marad meg mindig. A PwC a magyar munkaerőpiacra vonatkozó előrejelzésében például kiemeli, hogy az AI munkaerőpiaci hatásainak harmadik hulláma (az első az algoritmusok fejlődésével az adatvezérelt szektorokra vonatkozik, a második az augmentáció kapcsán elsősorban a pénzügyi és biztosítási szektorra hat) az autonómia felerősödésével a fizikai munka automatizációját hozza el a robotika olyan szintű fejlődésével, ami elsősorban az építőipar, raktári és egyéb fizikai munkaterületeket fogja érinteni. Ebből a szempontból az oktatásnak is fontos feladata van az átképzés, továbbképzés területén.

Hogyan változtatja meg az AI a tanári és tanulói szerepeket? Milyen kihívásokat jelent ez az oktatók számára?

Igen, logikus következő kérdés, hogy mindezek alapján akkor az AI fejlődése hogyan hat az oktatási szektorra, hogyan változtatja meg a tanári és tanulói szerepeket. Itt is érzékelhetjük azokat a vészharangokat, miszerint az AI helyettesíti a tanárokat és megoldást jelent majd a globális tanárhiányra. Mérsékeltebb hangok inkább úgy fogalmaznak, hogy az AI potenciálisan gazdagíthatja a diákok tanulását és kiegészítheti az (emberi) tanárok munkáját, anélkül, hogy nélkülözni kellene őket. Egyrészről ez egy kényszerű változás, amelyre az oktatási rendszernek reagálnia kell, másrészről egy olyan változás, amely alapvetően írja át a tradicionális hatalmi dinamikákat és decentralizálja a tanári szerepkört. A pedagógiai munkában jelentős súllyal vannak jelen az adminisztrációs kötelezettségek. Ezen a területen az AI jól használható, de oda kell figyelni a személyes adatok védelmére és az adatbiztonsági kérdésekre. A McKinsey vizsgálata szerint az AI segítségével a tanárok az adminisztrációra, felkészülésre, értékelésre fordított idejük 20–30%-át spórolhatják meg az AI segítségével, amit adott esetben fordíthatnak szakmaibb, pedagógiai feladatokra. A visszajelzés területén például jól működött már korábban is a kvízek automatikus értékelése, de a természetes nyelvi feldolgozás segítségével lehetőség van szöveges tartalmak értékelésére és tartalmas visszajelzések generálására is. Fontos azonban kiemelni, mint az orvosi szakma esetén is, hogy nem szerencsés teljes mértékben az AI-ra bízni minden feladatot, fontos, hogy a pedagógus továbbra is ott legyen szakértőként a folyamatban, ellenőrizve a generált tartalom érvényességét. Az óratervezés, tananyagok és háttéranyagok, feladatok generálása, személyre szabott feladatok generálása is ilyen területek, ahol a pe­da­gó­giai munkát az AI-jal támogatva, hatékonyabban tudunk működni. Új képességigények is megjelennek, hiszen a pedagógusoknak fontos szerepe van a technológia etikus és transzparens használatának modellezésére. Az olyan területeken viszont, mint a tanulók motiválása, a tanulás-tanítás társas-érzelmi oldalának támogatása, az AI kevésbé releváns.

Ezek alapján az AI szerepe az oktatásban több szempontból is értelmezhető. Egyrészt tekinthetjük direkt közvetítőnek az oktató és tanuló között, hiszen támogathatja a személyre szabott visszajelzést, a tanulói teljesítmény értékelését, a személyre szabott tartalom létrehozását. Tekinthetjük az AI-t egyfajta kiegészítő asszisztensnek is, ami jó szolgálatot tud tenni az erőforrások biztosítására. Egy izgalmas új lehetőségként is tekinthetünk rá, mint egyfajta tanulótársra, például egy tanítva tanulási szituációban, ahol a diákok az AI-t „tanítják” egy adott lecke kapcsán, elmagyarázva neki a definíciókat, legfontosabb összefüggéseket. Az AI kérdéseket tesz fel az anyag kapcsán, további magyarázatot kérve a diákoktól, így egyfajta szókratészi kérdve kifejtés módszerrel támogatja a diákok tanulását.

Visszatérve a tanári szerepre, fontos kiemelni, hogy az AI hatékony működése adatokra épül, tehát akkor lesz hasznos, ha megfelelő adatok/modellek vannak mögötte. Tehát jó minőségű oktatáskutatásra van szükségünk, hogy további adatbázisokat biztosítsunk, és ebben a pedagógusoknak fontos szerepe van, hiszen ők a forrásai és modelljei a hatékony tanításnak. Továbbá ők biztosítják azt a szakértelmet, amely adott esetben a pedagógiai szempontokat képviseli tartalmak kiválasztásánál, differenciálási döntések meghozatalánál.

Az AI oktatásra gyakorolt hatása kapcsán számos kihívással is szembesülünk. Ehhez fontos megértenünk, hogy egy ChatGPT például hogyan működik, mit csinál. Aki már használta, látta, tudja, hogy milyen gyorsan, milyen emberi választ tud adni a feltett kérdésekre. Aki már sokat használta, felismerni véli azokat a sajátos jegyeket, amiben megmutatkozik, hogy generált tartalomról van szó, de alapesetben nagyon könnyű „elhinni”, hogy olyan, mintha egy emberrel beszélgetnénk. Mintha megértené, mit akarunk, hiszen tényleg a kérdésünkre válaszol, ha pontosítjuk azt, akkor a kéréseinknek megfelelően átalakítja a produktumot, elnézést kér, ha téved… A modell mögött azonban matematikai statisztikai számítások állnak, egy óriási adatbázis alapján próbálja megjósolni a legvalószínűbb következő kifejezést. Arra programozták (megerősítéses tanulás), hogy maximalizálja a helyes/értelmes válasz után járó „jutalmat”. Ennek a gyakorlatban több következménye is van. Egyrészt az úgynevezett hallucináció, vagyis amikor olyan tartalmat hoz létre, ami nem valós vagy éppen tévedésen alapul. Előfordulhat, hogyha tudományos cikkeket kérünk tőle egy témában, akkor „hallucinál” egy ismert szerző adott témájában egy igen valószínű címmel rendelkező cikket, de ha rákeresünk, nem fogunk ilyet találni. Ezt másképpen ’botshitnek’ is nevezhetjük. A másik probléma, hogy mindenképpen „akar” valamilyen választ adni, tehát ha éppenséggel nincs is meg az a bizonyos tartalom az adatbázisában, hajlamos ennek ellenére is teljesíteni a kérésünket, és az esetek többségében megerősítő, pozitív válaszokat ad, kedvezve a felhasználó előzetes gondolatainak. Ez az úgynevezett ’yes-bot’-probléma. Ilyen hatások között igazán nehéz érvényesítenünk a kritikai gondolkodási képességeinket, de ahogyan azt az előbbi példák is alátámasztják, ez az egyik legfontosabb fejlesztendő terület.

Az AI transzparens és etikus felhasználására vonatkozóan milyen iránymutatásokat dolgoztak ki? Hogyan fogadták ezeket az oktatók és hallgatók?

Az előbbiek alapján talán érthető, hogy a felhasználók nagyon könnyen elkényelmesednek a chatbotok használata közben. A közel emberi kommunikáció, a gyors válasz, az egyetértési hajlam mind segítik a rászokást és csökkentik a kritikai hajlamot. Nehéz vagy szinte lehetetlen megállapítani, hogyha egy szöveget generatív AI-megoldásokkal hoztunk létre. Persze, ha benne marad a szövegben, hogy „én, mint egy nagy nyelvi modell…”, akkor az gyanús. Vannak olyan szófordulatok, strukturális elemek, amelyekről szintén fel lehet ismerni az egyszerű használatot. Például különböző kutatások is kimutatták, hogy bizonyos szavak a ChatGPT megjelenése óta ugrásszerűen megnövekedtek a publikált tanulmányokban (például a ’delve’ – elmerülni egy témában kifejezés). Vannak kifejezett technikák, pl. ’echowriting’, ahol úgy promptoljuk (utasítjuk) a modellt, hogy egy adott minta alapján (pl. korábbi írásaink) utánozza a stílusunkat és ennek megfelelően generáljon szöveget. Az Anthropic a Claude.AI-ba gyakorlatilag funkcióként építette be az egyedi stílusok hozzáadásának lehetőségét.

Láthatjuk, hogy számos, korábban jól bevált tanulási-tanítási tevékenység borul fel ennek hatására. Az otthon megírt esszék, dolgozatok, fogalmazások területén számtalan felhasználási lehetőség adódik, amelyek széles skálán mozognak az értelmes felhasználástól egészen a csalásig. Ennek megítélése viszont sok esetben a tanulási eredményektől függ. Mondjuk egy angol nyelvórán egy fogalmazás készítésének a célja, hogy gyakoroljuk egy igeidő használatát és ehhez felhasználjuk az AI-t, praktikusan, hogy javítsa fel a szövegünket, akkor ezzel „megspóroltuk” azt a tanulási tevékenységet, ami lényegében értelme volt a feladatnak. Viszont ha csak valamilyen témáról kell esszét írnunk, a nyelvtani rész nem releváns, akkor ennek javítása nem feltétlen jelent „csalást”. Értelemszerűen ekkor sem cél, hogy a teljes esszét a gép generálja, viszont jól lehet használni ötletelésre, az írói blokk feloldására, vázlat és struktúra kialakítására vagy visszajelzésekre.

Nálunk, az ELTE Pedagógiai és Pszichológiai Karán egy útmutatást adtunk közre a kollégák és a hallgatók számára, amelyet a University College London mintája alapján, az engedélyükkel adaptáltunk. Ennek lényege, hogy ösztönözze a generatív tartalomgenerálást, hiszen úgy gondoljuk, később a munkaerőpiacon is használni fogják ezeket a megoldásokat a hallgatóink, nálunk pedig biztonságos környezetben, tudatosan tapasztalhatják meg a használatát. Az útmutató leírja a támogatott, engedélyezett, illetve a kerülendő használati formákat, illetve felhívja a figyelmet arra, hogy minden esetben pontosan hivatkozni kell a felhasználás tényét és módját. Alapvetően arra építünk, hogy oktatóink jó példát mutatnak és saját gyakorlatukon keresztül ösztönzik a tudatos, transzparens és etikus használatot. A fogadtatás értelemszerűen vegyes. Vannak hallgatók, akik felismerik, hogy nem érdemes a feladatokat ChatGPT segítségével megoldani, mert általában felületes, pontatlan válaszokat ad, ezért megpróbálnak értelmesen együttműködni az eszközzel és folyamatosan iterálva tulajdonképpen végigmennek azon a tanulási úton, amelyet az oktató a feladattal kitűzött. Ha problémás használatot sejtek, egyszerűen felhívom a figyelmet arra, hogy hivatkozzanak az AI alkalmazására, ez általában elég szokott lenni ahhoz, hogy átgondolják és újraírják a beadandót. Ha pedig nem, akkor a visszajelzés alapján egyértelmű lesz, hogy a generált tartalom sokszor nem elégséges a követelmények teljesítéséhez. Ehhez persze olyan feladatokat is kell adni, amelyek nem oldhatóak meg egyszerűen, igénylik a komplex, analitikus gondolkodást, kontextuális tényezők figyelembevételét, az órán elhangzottakhoz való kapcsolódást vagy éppen a személyes reflexiót.

Az szinte biztos, hogy ez egy nagyon gyorsan változó környezet, nehéz lépést tartani. Amit tehetünk, hogy felkészítjük a tanulókat az alkalmazkodásra, amelynek a jövőben, úgy látszik, egyre fontosabb eleme, hogy értsük és tudjuk használni a különböző megoldásokat. Erre a területre vonatkozóan indítottunk nemrég egy kutatást a hallgatók körében, hogy felmérjük, mit tudnak az AI-ról, illetve milyen félelmek kapcsolódnak a használathoz, valamint mindez hogyan befolyásolja a használati gyakoriságot.

Mesélne részletesebben arról az AI-alapú applikációról, melyet jelenleg fejlesztenek? Mik a legfontosabb célkitűzéseik ezzel a projekttel?

A Digitális Oktatási Kompetencia Központban működő Mesterséges Intelligencia az Oktatásban Labor egyik fő célkitűzése a pedagógiai tervezés támogatása AI segítségével. Egy olyan applikáción dolgozunk, amely különböző pedagógiai forrásokra, modellekre, bizonyítékokon alapuló stratégiákra építve támogatja az oktatók pedagógiai tervezési munkáját. Nem az a lényeg, hogy a program generáljon nekünk egy óratervet, hanem hogy egy coaching jellegű folyamatban végigvezesse az oktatót az óratervezés lépésein. Segít a tanulási célokhoz illeszkedő tanulási-tanítási tevékenységeket adaptálni, megtalálni a megfelelő értékelési stratégiákat, ezzel tudatosítva a pedagógiai munkát. A projekt még az első fázisában tart, ütemezés szerint jövőre készül el egy működő prototípus.

Milyen jövőbeli kutatási irányokat lát ígéretesnek az AI és az oktatás metszetében?

Ez a terület számos lehetőséget rejt, éppen erre vonatkozóan vezetek egy négyéves OTKA-kutatást, illetve nemrég alapítottunk egy kutatócsoportot az ELTE PPK-n, ami tágabban, a digitális transzformáció tükrében vizsgálja, hogy az oktatási szektor szereplői, intézményei hogyan alkalmazkodnak a változásokhoz, hogyan integrálják a digitális oktatási innovációkat a pedagógiai munkába és szervezeti működésbe. Ennek a területnek megkerülhetetlen fókusza az AI. Jelenleg is több hallgatóval számos izgalmas projekten dolgozunk. Vizsgáljuk a nemzeti mesterségesintelligencia-stratégiákat, az intézményi szabályozó dokumentumokat és útmutatókat, a korábban említett használati szándékot befolyásoló tényezőket elemezzük, de vizsgáljuk az AI által generált óratervek pedagógiai aspektusait is vagy éppen azt, hogyan lehet használni a tanulás támogatására ezeket az eszközöket.