Az ELTE kutatói olyan MI-alapú tutort fejlesztenek, amely nem az internet általános tudásából próbál választ adni, hanem az adott kurzus oktatói által kiválasztott tananyagra támaszkodik. A különbség azért érdekes, mert megmutatja, hogy a tanulásban nem feltétlenül az a leghasznosabb MI, amelyik a legtöbb dologról tud beszélni.
Állítsd be a mivagyunk.hu-t kedvenc forrásként a Google-benUgyanaz a kérdés, másfajta segítség
Szeptember 25-én az ELTE Társadalomtudományi Karán ezt szó szerint ki is lehet próbálni. A Kutatók Éjszakája programján egy, az Odüsszeia magyar fordítására támaszkodó AI-tutor és a szabadon elérhető ChatGPT kapja ugyanazokat a kérdéseket. A résztvevők összehasonlíthatják, melyik válaszol meggyőzőbben, és főleg azt, melyik segíti jobban a tanulást.
A kísérlet mögött azonban már több évnyi fejlesztés és kutatás áll. Az ELTE kutatói 2025-ben publikáltak egy pilotvizsgálatot egy retrieval-augmented generation, röviden RAG-alapú AI-tutorról. Ennek lényege, hogy a nyelvi modell válaszadás közben az oktató által kijelölt tananyagból keres releváns információt.
Ez fontos különbség. Egy általános chatbot rengeteg témáról képes magyarázatot adni, de az oktató kevéssé tudja meghatározni, pontosan milyen szakirodalomból épüljön fel a válasz. A RAG-alapú tutor esetében a kurzus készítője kontrollálhatja ezt a tudásbázist.
A válasz forrása is a tanulás része
A kutatásban négy kurzus vett részt három különböző képzési programból. Mindegyikhez külön AI-tutort hoztak létre, amely az adott tárgy tananyagára támaszkodva válaszolt a hallgatók kérdéseire.
A véletlenszerűen kiválasztott válaszok szakértői értékelése szerint 1,5 százalék volt hibás, miközben 16,5 százalék olyan információt is tartalmazott, amely kívül esett a modell számára megadott tananyagon. A kutatók arra jutottak, hogy a RAG csökkentette a téves válaszok előfordulását azoknál a kérdéseknél, amelyeket a rendelkezésre álló oktatási anyag megfelelően lefedett. Ez pilotkutatás, ezért az eredményeket nem érdemes minden egyetemre, tárgyra vagy MI-rendszerre automatikusan kiterjeszteni.
A fontosabb felismerés talán mégsem a hibaarány. A kutatók szerint az AI-tutor közvetítővé válhat a hallgató, az oktató és a tananyag között. Ugyanaz az eszköz ráadásul eltérően működött a különböző kurzusokon, vagyis önmagában a technológia nem határozza meg, hogyan tanulnak vele az emberek.
Miért számít ez annak is, aki már nem egyetemista?
Az AI-tutor gondolata könnyen felsőoktatási kérdésnek tűnik, pedig ugyanennek a modellnek komoly szerepe lehet a munkahelyi továbbképzésben is.
Képzeljünk el egy pénzügyi munkatársat, aki új belső szabályzatot tanul, vagy egy új belépőt, akinek több száz oldalnyi céges dokumentációt kell megértenie. Egy általános chatbot nyilván tud magyarázni a témáról. Egy jól kialakított szakmai tutor viszont kizárólag a jóváhagyott tananyagból dolgozhat, visszakérdezhet, példát adhat, vagy segíthet gyakorolni az adott szervezet saját szabályai alapján.
Itt kapcsolódik össze az oktatás a karrierrel. Az MI miatt egyre gyorsabban változó munkakörökben folyamatosan új tudást kell megszereznünk. Korábban már írtunk arról, hogy az MI átalakítja a munkakörökön belüli feladatokat. Ha a munka változik, a szakmai tanulás infrastruktúrájának is változnia kell.
A jó tutor nem gondolkodik helyetted
Egy forrásokhoz kötött MI-rendszer sem oldja meg automatikusan a tanulás problémáját. Attól, hogy pontosabb magyarázat érkezik, még nekünk kell felismerni az összefüggést, alkalmazni a tudást és észrevenni, amikor valamit nem értünk.
Ezért érdekes az ELTE kísérlete a ChatGPT és az AI-tutor összehasonlításával. Nem pusztán két rendszer válaszait teszi egymás mellé. Azt a kérdést is felveti, milyen mesterséges intelligenciát érdemes építeni akkor, amikor a cél nem egyszerűen egy válasz megszerzése, hanem az, hogy a használója a végén többet tudjon, mint előtte.
