VII. Oktatásinformatika a felsőoktatásban konferencia és szakkiállítás

Az Anyagismeret a gyakorlatban tárgy egyik legnagyobb kihívása, hogy a hallgatók számára akkor válik igazán érthetővé az anyagvizsgálat, ha ténylegesen mérnek, próbálnak, hibáznak, összehasonlítanak és következtetéseket vonnak le. Ehhez azonban nem mindig áll rendelkezésre elegendő gép, mérőeszköz, idő, laborhozzáférés vagy oktatói kapacitás.

A rövid input-előadásban azt a dilemmát szeretném felvetni, hogyan lehet gyakorlati szemléletű műszaki tárgyakat úgy oktatni, hogy a hallgatók ne csak elméletben találkozzanak az anyagvizsgálati módszerekkel, hanem valamilyen módon mégis megéljék a vizsgálati logikát, a döntési helyzeteket és az eredmények értelmezését.

A téma fókusza nem az, hogy az AI kiváltsa a laboratóriumi gyakorlatot, hanem az, hogy hogyan tudná támogatni annak előkészítését, kiegészítését és feldolgozását. Például virtuális mérési szituációkkal, szimulált vizsgálati eredményekkel, képi példák elemzésével, adaptív gyakorlófeladatokkal, esettanulmányok generálásával vagy olyan digitális tanulási környezettel, ahol a hallgatók döntéseket hozhatnak, értelmezhetnek és visszajelzést kaphatnak.

A felvetés célja, hogy közösen gondolkodjunk arról: hol van az AI helye a műszaki gyakorlati képzésben, mit érdemes rábízni, mit nem, és hogyan lehet úgy használni, hogy ne gyengítse, hanem erősítse a gyakorlati tanulást.

2031-et írunk. Az egyetemi autonómia összeomlott, a hallgatói kritikai gondolkodás elsorvadt, a MI-infrastruktúra környezeti, biztonsági és társadalmi kríziseket okoz. Mi vezetett idáig? Ez a rendhagyó szekció szakít a hagyományos prezentációkkal: egy fiktív, de ijesztően reális jövőkutató szimulációba hívja a résztvevőket. Egy provokatív, 8 perces helyzetjelentést követően a résztvevők nyomozócsoportokká alakulnak. Feladatuk, hogy a jövőből visszatekintve feltárják a 2026-os év mulasztásait. Lépjen ki a jelen kényelméből, és segítsen kidolgozni azt a radikális akciótervet, amellyel még elkerülhető a rendszerszintű katasztrófa!

Az egyetem a tudás átadásának és a gondolkodás fejlesztésének a terepe. Ha a válaszokat már készen kapják a hallgatóink, mi marad a tanulásból? Az AI mint automatizált gyors válaszadó veszélyeket rejt, a „kész tudás” illúzióját keltheti és a kritikai gondolkodás gyengülését eredményezheti. A jó kérdésfeltevés mint tudományos alapkompetencia kérdését és a hallgatók AI használatának tudatosítását vizsgálom meg AI segítségével készült szemináriumi dolgozatok alapján, a „válaszfogyasztás” helyett a kérdések minőségére koncentrálva.

Mi az a HEDGIE? A HEDGIE (Higher Education Game for Innovation Expertise) egy felsőoktatási oktatóknak és jövőbeli oktatóknak fejlesztett online játék. Egy történet szereplőjeként különböző helyzetekben kell döntéseket hoznod, miközben egy pedagógiai újítás megvalósításán dolgozol. A játék segít felismerni az innováció sikerét befolyásoló tényezőket, fejleszti a stratégiai gondolkodást, és új nézőpontokat ad az oktatásfejlesztéshez a felsőoktatásban.
Gondolkodjunk és játsszunk közösen! A résztvevőket a játék egy részletének kipróbálására és közös reflexióra invitáljuk, ami mellett megosztjuk a HEDGIE létrehozása mögötti kutatói és fejlesztői munka fontosabb tanulságait is.

A mesterséges intelligencia ma már része a hallgatók tanulási, írási és információkeresési gyakorlatainak. Az input-előadás azt a dilemmát járja körül, hogy a felsőoktatásnak elsősorban szabályoznia kell-e az AI-használatot, vagy tudatos, kritikus és etikus AI-műveltséget kell fejlesztenie. Saját kutatási és tanárképzési tapasztalatokra építve a felvetés a tanulástámogatás, a digitális tartalomfejlesztés és az önálló gondolkodás kapcsolatát vizsgálja. A cél közös gondolkodás indítása arról, hol húzódik a határ a támogatás és a gondolkodás kiszervezése között.

Az input-előadás a felsőoktatás módszertani megújulásának lehetőségeit vizsgálja a mesterséges intelligencia térnyerésének kontextusában. Kiindulópontja, hogy az MI-használat nem pusztán technológiai kérdés, hanem a tanulásszervezés, az oktatói szerep és az értékelési gyakorlat újragondolását is szükségessé teszi. A PIQ & Lead modell szemléleti keretként szolgál annak elemzéséhez, hogyan kapcsolható össze a professzionalizmus, az innováció, a minőség, a fejlesztés és az értékelés a kompetenciaalapú felsőoktatási gyakorlattal. Az előadás külön figyelmet fordít a szakmai gondolkodás, a kommunikáció, az etikai felelősség és az interdiszciplináris problémamegoldás értékelésére.

A generatív mesterséges intelligencia új helyzetet teremtett a felsőoktatási értékelésben. Az előadás abból a feltevésből indul ki, hogy az AI nem elsősorban problémát jelent, hanem láthatóvá teszi a produktumközpontú értékelés korlátait. Röviden bemutatom a SHIELD keretrendszert mint AI-kompatibilis értékelési jó gyakorlatot, valamint egy fejlesztés alatt álló rubrikaszemléletet, amely a hallgatói gondolkodás bizonyítékainak azonosítására épül. A közös diszkusszió célja annak megvitatása, hogy milyen értékelési szempontok tehetik hitelesebbé a kritikai gondolkodás fejlesztését és értékelését a felsőoktatásban.

A Z és az alfa generáció felsőoktatási tanulási sajátosságait vizsgáljuk az oktatói elvárások, a tananyagszervezés és a vizsgateljesítmények feszültségterében. A provokatív kérdésfelvetés nem a hallgatói „képtelenséget”, hanem az egyetemi tanításmódszertan alkalmazkodóképességét állítja középpontba. A tananyag csökkentése helyett a tudásstruktúrák újrarendezése, a lexikális ismeretek funkcionális beágyazása, az aktív, problémaközpontú tanulásszervezés, valamint az IKT-eszközök lehetőségeinek kihasználása kerül előtérbe. Érveljünk és keressünk elméleti kereteket és jó gyakorlatokat arra, hogy a 21. századi egyetemi képzésben nem a tudás ethoszának feladása, hanem annak korszerű, értelmező és alkalmazásorientált újrafogalmazása szükséges. A második szakaszban a Think – Pair – Share együttműködési stratégia mentén haladunk tovább, annyival módosítva a technikát, hogy a Pair szakaszban nem páros, hanem mikrocsoportos formában gondolkodnak tovább az adott témán a csoportok. A flexibilitás érdekében valós egyetemi kurzusok tematikája mentén dolgoznak egyéniben és mikrocsoportban a résztvevők. Mit kell(ene) megtanítani, mi a realitás, mely részterületek esetében a készségfejlesztés domináljon a lexikális tananyagátadás helyett. Ezt követően a Share szakaszban egy közös „jó gyakorlat” feladatbankot és szemléletet állítunk össze a vizuális térbeli technika, a „élő” táblakép készítése metodikáját alkalmazva. 

2024 második felében 40 egyetemi oktatóval készített interjúk a mesterséges intelligenciával kapcsolatos attitűdöket vizsgálták. Az eredmények szerint az oktatók tapasztalatai vegyesek, az MI-integráció komplex, sokrétű támogatást igényel. A félelmek az állásvesztéstől és szerepátalakulástól a kompetenciahiányig terjednek, kiemelt nehézség a technológiai lépéstartás és az ebből fakadó egyéni felelősség. Az etikai aggályok főként a hallgatói MI-használat ellenőrizhetőségének problémáira és a szabályozás hiányára vezethetők vissza. Az oktatók többsége fontosnak tartja a hallgatók etikus MI-használatra nevelését, amit saját felelősségének tekint. Az attitűdöket a technológiai infrastruktúra, az egyéni motiváció és az intézményi támogatás egyaránt befolyásolja.

Mitől lesz egy MOOC résztvevőiből szakmai tanulóközösség, és hogyan vezethet ez valódi módszertani megújuláshoz? A PROFFORMANCE programban azt vizsgáltuk, hogy a nemzetközi MOOC-ot élő online konzultációkkal, szakmai tapasztalatcserével, jó gyakorlatok megosztásával és reflektív közösségi tanulási folyamatokkal kiegészítve hogyan támogatható a felsőoktatási oktatók szakmai fejlődése. Az előadás arra keresi a választ, hogy ezek a kiegészítő elemek miként járulhatnak hozzá a résztvevők motivációjához, a nemzetközi szakmai közösségek kialakulásához, valamint a tanulási eredmények oktatási gyakorlatban történő hasznosulásához. A bemutatott tapasztalatok közös gondolkodásra hívnak arról, milyen feltételek szükségesek ahhoz, hogy egy komplex tanulási tér valódi, fenntartható oktatásfejlesztési hatást érjen el.

Az egyetemek missziójukból adódóan hatalmas tudástömeget halmoznak fel a működésük során, nem csak a tudományterületek mentén, hanem az oktatásmódszertan területén is. Bár a keretek és a mindennapi működés egyetemként más és más, mégis elmondható, hogy közösek, azonosak az intézmények oktatásmódszertani nehézségei és kihívásai (ld. MI az oktatásban; előadások interaktívvá tétele; projektmunkák megvalósítása… stb.). Az ezekre adott egyetemi szintű válaszok megosztásának nincsen kultúrája a hazai felsőoktatásban, pedig meggyőződésünk, hogy az oktatásmódszertani tudásmegosztás komoly erőforrásként szolgálhatna az intézményeknek. Ezért hoztuk létre az Edumod nevű portált, amelynek célja a kőfalak lebontása, azaz egy olyan online tér biztosítása, ahol a módszertani jógyakorlatok az egyetem falain túl korlátlanul megoszthatók és terjeszthetők – képviselve az adott egyetem erősségeit is.

A generatív mesterséges intelligencia alapjaiban alakítja át az egyetem szerepét és azt, ahogyan a tudásról gondolkodunk. Amikor az információ mindenki számára azonnal hozzáférhetővé válik, felértékelődik annak hitelessége, értelmezése és kontextusa. Az input-előadás fő kérdésfelvetése az, hogy ez a változás megerősítheti-e a tudományos közösségek szerepét, valamint az oktatók és hallgatók közötti személyes kapcsolatok jelentőségét. Vajon lehetséges, hogy az MI térnyerése nem az egyetemek hanyatlását, hanem az universitas eredeti eszményének újjáéledését hozza el?

Az előadás az ágens alapú mesterséges intelligencia felsőoktatási alkalmazásának paradigmaváltását járja körül: miként válik az MI passzív eszközből autonóm, célorientált tanulási partnerré. Rövid elméleti bevezetőt követően a résztvevők interaktív csoportmunkában konkrét alkalmazási lehetőségeket dolgoznak ki oktatói, hallgatói, kutatási és adminisztratív kontextusokban. A közös gondolkodás célja nemcsak a lehetőségek feltérképezése, hanem kritikai reflexió és gyakorlati javaslatok megfogalmazása az ágens alapú MI felelős és hatékony felsőoktatási integrációjára.

Melyek azok a felsőoktatás különböző területein már megszokott e-learning-keretrendszer- (pl. Moodle) használati módok, amelyeket a hagyományos mester-tanítvány viszonyra épülő művészeti felsőoktatásban is alkalmazni lehet? 

Vannak-e a területen innovatív jógyakorlatok, amelyeket szaktól függetlenül lehet implementálni? 

A felsőoktatás különböző területein egyre több oktatásinformatikai innováció és bevált gyakorlat van. A hagyományos mester-tanítvány viszonyra épülő művészeti felsőoktatásban az oktatásinformatikai eszközök viszont nehezen terjednek. Kérdés, hogy a művészeti felsőoktatásban lehet-e alkalmazni a felsőoktatás különböző területeinek tapasztalatait. Ehhez ideális terepet nyújt a konferencia heterogén résztvevői köre. A gyakorlott oktatásinformatikai szakemberek számára nyilvánvaló lehet, hogy az innovatív és kreatív oktatásinformatikai eszközök és platformok – különösen a jelenlegi diszkusszió középpontjában álló e-learning keretrendszer (pl. Moodle) – nemhogy korlátoznák az oktatói szabadságot, hanem új, kreatív irányokat nyithatnak meg. Kérdés, hogy miként lehet ezt a meglátást a művészeti felsőoktatásban is nyilvánvalóvá tenni. 

A diszkusszió során olyan meglátásokat, véleményeket, bevált gyakorlatokat szeretnénk felszínre hozni a felsőoktatás különböző szakjait képviselő kollégák segítségével, amelyek megismerésével megfelelő stratégiát lehet kialakítani arra, hogy a művészeti felsőoktatásban ugyanolyan nyíltan lehessen alkalmazni ezeket az eszközöket, mint más területeken.