AIEd TudásbázisAIEd KB
Ezen az oldalon

Olvassa el ezt az oldalt angolul

Fogalmak

Kognitív tehermentesítés

Létrehozva 2026-10-27 · Frissítve 2026-10-27

Ennek az angol oldalnak a gépi fordítása, amelyet még nem ellenőrzött anyanyelvi beszélő.

Kognitív tehermentesítés - külső eszközök (köztük a MI) használata a belső kognitív igénybevétel csökkentésére, a szellemi munka átmozgatása a tanulóról a rendszerre. Az MI az oktatásban területén a kognitív tehermentesítés az a központi mechanizmus, amelyen keresztül a MI-eszközök vagy támogathatják, vagy alááshatják a tanulást: a megfelelő tehermentesítés kognitív erőforrásokat szabadít fel a magasabb rendű gondolkodás számára, míg a túlzott tehermentesítés megkerüli a tartós tanuláshoz szükséges feldolgozást. A túlzott támaszkodás ennek a spektrumnak a káros vége - az a nem produktív minta, amikor a tehermentesítés a stratégiai támogatásból a tanulás kiszorításába fordul át.

Megfontolandó kérdések

  • A kognitív tehermentesítés külső eszközök - köztük a MI - használata a belső kognitív igénybevétel csökkentésére. Az oldal egyértelműen kimondja, hogy a tehermentesítés önmagában nem káros: a jegyzetfüzetek, a számológépek és a keresőmotorok mind tehermentesítenek. Ön szerint mi teszi a MI által közvetített tehermentesítést mássá, és esetleg következményesebbé, mint ezek a megszokott eszközök?
  • Gyakori feltevés, hogy a probléma a MI túlzott használata. Ez az oldal azonban elválasztja a túlzott támaszkodást a puszta gyakoriságtól: a kérdés a használatnak az a módja, amely a tanulást helyettesíti, nem pedig az, hogy milyen gyakran használják a MI-t. Tudna leírni egy gyakori, de egészséges MI-használati módot, és egy ritka, de károsat?
  • A „felgyorsulás illúziója” abban áll, hogy a MI-támogatással végzett munka gyorsabbnak és könnyebbnek érződik, ami a produktivitás félrevezető benyomását kelti, és elfedheti a csökkent tanulást - a diákok összekeverik a feladat befejezésének sebességét a tanulással. Mikor érezte magát produktívnak valaminek a gyors elvégzése közben, és később jött rá, hogy keveset tanult belőle?
  • A kutatás szerint a tehermentesítés kára feltételes, nem eredendő: „a MI, amely tanít, megőrzi vagy növeli a készséget; a MI, amely helyettesít, a leépülés kockázatát hordozza.” Mi a gyakorlati különbség az ön gondolkodását állványozó MI és az azt helyettesítő MI között - és hogyan tudná megállapítani, melyiket kapja?
  • Egy kutatás szerint pusztán az, hogy az emberek hozzáfértek MI-tanácshoz, szinte teljesen megszüntette a hajlandóságukat arra, hogy azt mondják: „nem tudom” - még akkor is, ha a tanács hibás volt -, miközben a magabiztosságuk csaknem a kétszeresére nőtt, a pontosságuk pedig a harmadára esett. Mit sugall ez arról, hogyan változtatja meg a MI a saját tudatlanságunkról való tudásunkat?
  • Az oldal bevezeti a metakognitív esélyegyenlőségi szakadékot - a „MI-vel működő Máté-effektust”: mivel a produktív MI-használat előzetes tudást és metakogníciót igényel, a már eleve előnyben lévő diákok többet profitálnak, miközben azok, akiknek a legnagyobb szükségük lenne a gyakorlásra, a legvalószínűbben adják át a tanulást. Hogyan reagáljon egy oktató vagy tervező arra a tényre, hogy ugyanaz az eszköz szélesítheti a meglévő szakadékokat?

Bevezetés

A kognitív tehermentesítés önmagában nem káros - az emberek mindig is használtak külső eszközöket (jegyzetfüzeteket, számológépeket, keresőmotorokat) a kognitív terhelés csökkentésére. A MI által közvetített tehermentesítést az teszi mássá, hogy átfogó: az LLM-ek teljes megoldásokat, magyarázatokat és elemzéseket állíthatnak elő, és ezzel potenciálisan megszüntethetik maguknak a tanulást létrehozó kognitív folyamatoknak az igényét.

Hogyan jelenik meg a kognitív tehermentesítés az AIED-kutatásban

A tudásbázis cikkei a kognitív tehermentesítést több dimenzióban dokumentálják:

  • Az önreflexió műszerezése egy tulajdonság mérése helyett: a PAUSE (Patterns of AI Use: Self-Examination) a 2023-2026 közötti tehermentesítési szakirodalmat négydimenziós önellenőrzéssé alakítja - érvelés és kritikai gondolkodás, kreativitás és eredetiség, kutatás és tanulás, társas és kommunikációs képesség -, fordított pontozású viselkedési tételekkel, minden tételnél hivatkozási horgonyokkal, összpontszám nélkül és érvényességi igény nélkül (Alam, 2026). Tervezési álláspontja szerint a tehermentesítésre adható hasznos beavatkozás a reflexió ösztönzése, nem pedig diagnózis felállítása, mivel egyetlen eszköz sem rendelkezik még olyan megalapozottsággal, amely egy személyre vonatkozó következményes döntést igazolhatna.

  • Promptminták mint a tehermentesítés nyomai: Misiejuk és mtsai. (2026) együtt-előfordulási Network Analysis segítségével kimutatják, hogy a reaktív promptok (szakterületi kontextus nélküli egyet nem értés) nagyobb tehermentesítésre utalnak, míg a kontextusban gazdag, beépített instrukciót tartalmazó promptolás elkötelezett gondolkodást tükröz. A MI-használat hogyanja - nem csupán az, hogy használják-e - határozza meg a tehermentesítés mértékét.

  • A promptolás mennyisége nem azonosítja, mit tehermentesítenek: Poquet és mtsai. (2026) 97 tanulót klasztereztek promptmennyiség szerint, és azt találták, hogy a mennyiségi klaszterek nem különböztek szignifikánsan a helyi és globális, illetve az aktív szerepű promptolás arányában - ugyanaz a mennyiség írt le irányított átadást (12,9 prompt, 36% aktív) és szinte teljes irányítatlanságot is (4% aktív).

  • Naturalisztikus, üzenetszintű bizonyíték nagy léptékben - megfigyelt, nem feltételezett tehermentesítés: Piatnitckaia és mtsai. (2026) 3 047 ChatGPT-üzenetet kódoltak 46 egyetemi hallgatótól egy európai egyetemen, egy hét hetes vizsgafelkészülési időszakban; GPT-4o-minit használtak kikényszerített gondolatmenet-indoklással, és a folyamatot 200 üzeneten betanított emberi kódolóhoz validálták (Cohen-féle κ = 0,76 a kérdéstípusra, 0,75 a Bloom-szintre). Az Analyze kategória vezette ezt az eloszlást 27,28%-kal (831 üzenet), megelőzve az Understand 23,76%-át; ez az első finom felbontású bizonyíték arra, hogy a naturalisztikus diák-MI használat rendszeresen magasabb rendű munkára irányul, nem pedig memorizálásra. Egy 16 diákot tartalmazó részminta, amelyhez jegyek is kapcsolódtak, és amelynek 1 140 üzenetét kézzel kódolták, azt nyújtja, amit a promptszintű nyomok nem tudnak: a 125 párbeszéd 49,6%-a egyáltalán nem mutatott tehermentesítést, 34,4%-a könnyű, 16,0%-a pedig erős tehermentesítést mutatott egy olyan rubrika szerint, amely az erős kategóriát azokra az esetekre tartja fenn, amikor a MI készíti az első vázlatot és építi fel a fő szellemi terméket. Az erős tehermentesítés túlnyomórészt Create-jelenség volt (a 20 erős párbeszéd 80%-a, az összes Create-párbeszéd 42%-a), amit a szerzők annak bizonyítékaként olvasnak, hogy a tehermentesítés mértéke és a Bloom-szint külön dimenziók, amelyeket érdemes külön mérni. A jegyek szerinti minta csak leíró jellegű volt - 17,6% erős a felső sávban, 17,5% a középsőben és 5,9% az alsóban (χ² = 5,80, df = 4, p = 0,215) -, és részben egyetlen, programozásra összpontosító diákra támaszkodik, akinek kivételével a felső sáv aránya 8,9%-ra esik; a szerzők ezért amellett érvelnek, hogy a tehermentesítési szokásokat inkább a tudományterület alakítja, mint a teljesítmény, és hogy a tiltás helyett a tényleges használati mintákról adott metakognitív visszajelzést érdemes javasolni.

  • A felgyorsulás illúziója: A felgyorsulás illúziójáról szóló kutatás kimutatja, hogy a MI-támogatással végzett munka gyorsabbnak és könnyebbnek érződik, ami a produktivitás félrevezető benyomását kelti, és elfedheti a csökkent tanulást. A diákok összekeverik a feladat befejezésének sebességét a tanulással - ez metakognitív vakfolt.

  • Tanulási veszteségek irányítás nélküli MI mellett: Középiskolai matematikai RCT-k azt mutatják, hogy a korlátok nélküli generatív MI rosszabb tanulási eredményeket hoz, mint a hagyományos tanítás. A csökkent tanulási idő a csökkent tanulással korrelál - a diákok gyorsabban végeznek a feladatokkal, de kevesebbet jegyeznek meg.

  • A tehermentesítési előrejelzés randomizált tesztje 45 napos késleltetéssel - és a hiány nem csupán a megspórolt idő: Barcaui (2025) 120 egyetemi hallgatót randomizált MI/ML-témák tanulására vagy korlátlan ChatGPT-vel (GPT-4 webes felület, promptútmutatás nélkül), vagy hagyományos, MI nélküli módszerekkel, majd 45 nappal később egy váratlan, 20 kérdéses fogalmi tesztet adott nekik. A MI-támogatott csoport 57,5%-ot ért el 68,5%-kal szemben (t(83) = -3,19, p = 0,002, Cohen-féle d = 0,68), és a hátrány egy olyan ANCOVA-ban is fennmaradt, amely a maguk által jelentett tanulási időt állandó értéken tartotta (F(1, 82) = 7,89, p = 0,006; kiigazított átlagok 6,50 vs. 5,85), tehát nem csupán az idő mennyiségének műterméke volt. A cikk tehermentesítési érve az, hogy a ChatGPT szintézist és magyarázatot kész formában szolgáltat, ami minőségileg másfajta átadás, mint egy számológép esetében - olyan, amely a megértést is magába szívhatja, nem csupán az előhívást.

  • A tehermentesítés nem mindig káros - a „tanár” határeset: Lira és mtsai. (2025) kimutatják, hogy a MI csökkentheti a gyakorlási erőfeszítést és javíthatja a tanulási környezetet, „kevesebb munkát, több tanulást” eredményezve. Azok a felnőttek, akik MI-eszközzel gyakorolták az írást, jobb MI nélküli leveleket írtak, mint akik egyedül gyakoroltak - még a humán szerkesztők személyre szabott visszajelzését is felülmúlták -, és az elsajátítás illúziója sem fúvódott fel. A fenti károkkal való összhang a tehermentesítés formájában rejlik: Lira és mtsai. MI-je állványozott (példákat és visszajelzést hozott felszínre, miközben a tanulót a folyamatban tartotta), ahelyett hogy helyettesítette volna a kognitív cselekvést. A készségek és alapképességek szempontja ugyanerre a határvonalra jut: a MI, amely tanít, megőrzi vagy növeli a készséget; a MI, amely helyettesít, a leépülés kockázatát hordozza. Kilinc és mtsai. (2026) számokat is adnak erre a határvonalra egy középiskolai agrár-STEM tanteremben. Tizenkét csoport 42 nyolcadikos diákja körében a modellhasználat a kódolt együttműködési elköteleződési fordulók 74,1%-át tette ki a Legtöbbet fejlődött profilban, míg a kognitív tehermentesítés és az együttműködési holtpont együtt 80,8%-ot ért el a Küszködő profilban. A tehermentesítés tanulásra gyakorolt hatása tehát feltételes, nem eredendő.

  • Kritikai elköteleződés a tehermentesítéssel szemben: Favero és mtsai. a MI-tutorokat vagy felszabadítóként (az aktív gondolkodást támogató), vagy rabszolgatartóként (a passzív tehermentesítést lehetővé tevő) keretezik, és ezt a kritikai gondolkodás kutatásához kapcsolják.

  • Metakognitív tudatosság: A metakognitív tudatosságról szóló vizsgálatok azt elemzik, felismerik-e a diákok, mikor tehermentesítenek és mikor tanulnak -, és hogy az oktatási beavatkozások javíthatják-e ezt a kalibrációt.

  • A megtestesült intelligencia mint a kiszervezés alternatívája: Az E3-HOT keretrendszer amellett érvel, hogy a MI által kiváltott kognitív kiszervezéssel és a hiteles kontextusoktól elszakadt tanulással szemben a MI-t a megtestesült intelligencia köré kell tervezni (szituációs beágyazás, megtestesült részvétel, kognitív alkotás), hogy a tanulók megőrizzék kognitív önállóságukat és magasabb rendű gondolkodásukat, ahelyett hogy kiszerveznék azt. Ez a megtestesült, szituált MI-tervezést a tehermentesítési kockázat pozitív ellenpontjaként keretezi, és a elosztott kognícióhoz és a megtestesült tanuláshoz kapcsolódik.

  • Az elosztott kogníció hatékonyság és szabályozás közötti kompromisszuma: Hao és mtsai. kimutatják, hogy az ember-MI együttműködésben az a mód, amely a legtöbbet adja át a MI-nek (átadott érvelés), teljesít a legjobban a feladatokon, de a csökkent önszabályozással korrelál - empirikus bizonyíték arra, hogy a tehermentesítés hatékonyságnövekedése a tanuló szabályozási elköteleződésének rovására mehet, ami egybevág a önszabályozó tanulás aggályaival.

  • Fáradtság és kognitív teher: A MI-fáradtság kutatása dokumentálja, hogyan teremt a folyamatos MI-interakció maga is kognitív terhet - paradoxon, amelyben egy feladat tehermentesítése megnöveli a kognitív terhelést a MI-kimenetek kezelése miatt.

  • A metakognitív hiedelmek és tapasztalatok keretrendszere: Guo és Ye (2026) Nelson és Naren dinamikus metakognitív modelljét alkalmazzák, hogy összeegyeztessék a terület ellentmondásos beavatkozási eredményeit. Megkülönböztetik a metakognitív hiedelmeket (stabil, önmagára vonatkoztatott önképek, amelyek a feladat előtt horgonyozzák a tehermentesítési döntéseket) a metakognitív tapasztalatoktól (dinamikus, feladatspecifikus érzések, amelyek a feladat közben hajtják a hiedelmek frissítését), és ebből az időzítés és komponens párosításának elvét vezetik le: a hiedelmekre irányuló visszajelzés a feladat előtt a leghatékonyabb, míg a tapasztalatokra irányuló visszajelzés (azonnali helyességi jelzők) a feladat közben. Formalizálják továbbá a helyettesítő tehermentesítést (a belső feldolgozás külső segédeszközökkel való helyettesítése) a duplikáló tehermentesítéssel szemben (a feldolgozás kiegészítése): amikor a külső tár eltűnik, a helyettesítő tehermentesítők teljesítménye élesen visszaesik, míg a duplikálóké megőrzi a pontosságát -, és az emlékeztető-torzítás mutatójával számszerűsítik az optimális tehermentesítéstől való eltérést. Ez egybevág a „tanár vagy mankó” határvonallal: az állványozó tehermentesítés megőrzi a készséget; a helyettesítő tehermentesítés a leépülés kockázatát hordozza.

  • Formális problematikus használati modell a MI-függésre a tudományos írásban (I-PACE): Liu, Zhuang és Wang (2026) kiterjesztik a függőséget okozó technológiák használatának I-PACE modelljét a generatív MI-től való függésre az egyetemi tudományos írásban. Egy kínai vegyes módszertanú mintában a tanulmányi stressz a MI-függés legerősebb előrejelzője, az MI-írástudatosság védő tényező (alacsonyabb írástudatosság → nagyobb pszichológiai függés), és az észlelt bizalom közvetíti a társas befolyástól a függésig vezető utat -, tehát a függés társas befolyás → bizalom → viselkedés útvonalon alakul ki, nem csupán egyéni eszközhasználat révén. Kvalitatív adataik egy politikai dimenziót is hozzáadnak: a diákok beszámolnak a plágiumkeresés stratégiai megkerüléséről, és arra hivatkoznak, hogy a szabályok homályosak abban, mi számít szabálykövető MI-használatnak, ami improvizálásra ösztönöz; ez a tehermentesítést az akadémiai integritáshoz kapcsolja.

  • Kognitív adósság, valamint az epizodikus és szokásos tehermentesítés megkülönböztetése: Lin és Al-Hada (2026) formalizálják a „kritikai gondolkodás paradoxonát” - javuló termékek a csökkent kognitív elköteleződés mellett - egy differenciált, háromszintű keretrendszerrel (felszíni, középső és mély MI-szerepek) és a kognitív adósság konstruktumával: a metakognitív kalibráció és a segítség nélküli magasabb rendű teljesítmény lehetséges halmozódó hanyatlása, amely túlél egy MI-támogatott epizódot. Fő fogalmi újításuk az epizodikus tehermentesítés (szándékos, feladatspecifikus átadás megőrzött tudatossággal) megkülönböztetése a szokásos tehermentesítéstől (rutinszerű, gyengén monitorozott támaszkodás), azzal az előrejelzéssel, hogy az utóbbi a mély feldolgozást igénylő feladatokon termék és folyamat szétválását eredményezi - jobbra értékelt beadandók, de gyengébb segítség nélküli, késleltetett transzfer.

  • A kiszervezéstől az újraelosztásig terjedő spektrum: a tehermentesítés újraoszthatja az erőfeszítést ahelyett, hogy csökkentené. Yan és mtsai. (2026) Biggs előzetes folyamat és termék (presage-process-product) modelljét alkalmazták 38 japán és kínai egyetemi hallgatóra, akik felügyelet nélküli érvelő esszéket írtak, és a diák-generatív MI elköteleződést egy kognitív kiszervezés és kognitív újraelosztás által határolt spektrumon helyezték el - ez a felszíni és mély megközelítés generatív MI-korszakbeli megfelelője. Az újraelosztó kisebbség változatlan összerőfeszítésről számolt be megváltozott fókusszal, az erőforrásokat az alacsony szintű előhívásról a kritikai értékelésre és a reflektív megszilárdításra mozgatva (minden ülés után reflexiós jegyzeteket írtak a felszínes megőrzés ellen), ami árnyalja azt a feltevést, hogy a tehermentesítés szükségképpen kivonja a gondolkodást. Az újraelosztás azonban kivétel volt: a diákok 78,94%-a csak a munka megkezdése előtt vagy a vázlat elkészülte után nyúlt a generatív MI-hez, ahelyett hogy váltogatta volna az önálló munkával, és 76,32% egyetlen fordulós kérdezz-kapj választ-állj mintára támaszkodott (23,68% folytatott tartós, iteratív párbeszédet), tehát az újraelosztást létrehozó integráló viselkedést tanítani kellett, nem feltételezni.

  • A metakognitív tréning csökkenti az emlékeztető-torzítást (közvetlen empirikus bizonyíték): Ngai és Gilbert (2026) szolgáltatják az első világos bizonyítékot arra, hogy egy rövid beavatkozás mérhetően optimálisabbá teheti a tehermentesítést. Két előre regisztrált kísérlet (N=164, N=416) azt találta, hogy mindössze öt gyakorlópróba, amely a teljesítmény-előrejelzést hiteles, próbáról próbára adott visszajelzéssel párosítja, javította a metakognitív kalibrációt és csökkentette az emlékeztető-torzítást. A négyszeres, additív elrendezés izolálta a mechanizmust: az előrejelzések önmagukban hatástalanok voltak; a teljesítmény-visszajelzés hozzáadása hozta a javulást; a túl- és alulbizakodottság kifejezett megcímkézése semmit nem tett hozzá. A hatás az abszolút (nem előjeles) torzításon jelentkezett - a tréning mindkét irányban korrigálta az egyéni elkalibráltságot. Ez empirikusan igazolja a fenti hiedelmek és tapasztalatok keretrendszerét: a tehermentesítési viselkedést a tapasztalatokra irányuló visszajelzés változtatja meg, nem a hiedelmek vagy az előrejelzés önmagukban. A szerzők a sikert a tehermentesítés optimálisságához kötött pénzügyi ösztönzőnek és az azonnali, hiteles visszajelzésnek tulajdonítják.

  • A feladat közbeni reflexiós felhívás megkülönböztetőbbé, nem pedig védekezőbbé teszi a támaszkodást: Ren (2026) 342 egyetemi hallgatót randomizált három feltételbe (nincs MI, nyitott, többfordulós ChatGPT-támogatás, valamint ugyanaz a támogatás egy rövid reflexiós felhívással a saját érvelésükre és arra, mi igazolná a MI-magyarázat elutasítását), és azt találta, hogy a nyitott támogatás a hibás MI-tanács 62,4%-os elfogadásával járt, amit a reflexiós felhívás 39,7%-ra csökkentett (OR = 0,40), miközben az ajánlás pontossága a két támogatott feltételben összevethető maradt (66,3% vs. 67,0%), és a helyes tanácshoz való igazodás továbbra is magas volt. A reflexió javította továbbá az észlelt és a viselkedéses támaszkodás közötti tudatosság kalibrációját (0,59 vs. 0,41), és az MI-specifikus tulajdonítási torzítás indexét 0,42-ről 0,21-re csökkentette. Ez ugyanaz a tapasztalatokra irányuló mechanizmus, mint a fenti tréningkutatásban, a döntési epizód belsejében alkalmazva, és támogatja az oldalnak a túlzott támaszkodásra vonatkozó, a gyakoriság helyett a monitorozásra épülő olvasatát: a modell korlátainak ismerete önmagában nem akadályozta meg a diákokat abban, hogy elfogadjanak hihető, de hibás tanácsot.

  • Metakognitív lustaság és egy új metakognitív esélyegyenlőségi szakadék: Lodge és Loble (2026) ágazati jelentése az ausztrál iskolarendszerről amellett érvel, hogy a generatív MI fő kockázata a kognitív tehermentesítés, nem pedig a plágium. Átveszik a metakognitív lustaság fogalmát (Fan és mtsai. 2024) - a MI kényelme aláássa a tanulók elköteleződését a lényeges önszabályozási folyamatokban, úgyhogy a tanulók a metakognitív felelősséget az eszközre hárítják -, és bevezetik a metakognitív esélyegyenlőségi szakadékot („Máté-effektus MI-vel”): mivel a MI produktív kihasználása előzetes tudást és metakogníciót igényel, a már eleve előnyben lévő diákok többet profitálnak, miközben azok, akiknek a legnagyobb szükségük lenne a gyakorlásra, a legvalószínűbben adják át a tanulást, és ezzel szélesítik a meglévő szakadékokat. Javasolt ellenszerük a tanár megerősítése (az eszközt szakértő tanároknak adva, hogy kiterjesszék gyakorlatukat, amit olyan vizsgálatok támogatnak, amelyek szerint a tanároknak szóló MI sokkal alacsonyabb költségen javítja az eredményeket), nem pedig a diákoknak szóló MI-tutorok, valamint a terheléscsökkentő oktatás (Load Reduction Instruction) és a metakognitív felhívások.

  • A túlzott támaszkodás a vezető etikai aggály valamennyi beszélgető MI generációban. A beszélgető MI-ügynökökről szóló ernyőreview (Ganguly és mtsai. 2025, 34 áttekintés) arról számol be, hogy az ember-MI kapcsolatra vonatkozó aggályok - köztük a túlzott támaszkodás és a társas interakció csökkenése - a leggyakrabban tárgyalt etikai kérdés valamennyi beszélgető MI generációban, és megelőzik a generatív MI-t. Az oktatási hatást és a kognitív aggályokat (köztük a túlzott támaszkodást és a leromlott kritikai gondolkodást) a második leggyakrabban tárgyalt kihíváskategóriaként sorolja fel, ami aláhúzza, hogy a tehermentesítés kára tartós, generációkon átívelő téma, nem pedig generatív MI-specifikus újdonság.(Conversational AI agents in education: an umbrella review of current utilization, challenges, and future directions)

  • A tanárok mint a gondolkodás reflektív szabályozói: Ho és Chen (2026) kiterjesztik a tehermentesítés elméletét a szakmai MI-ítélkezésre 18 gyakorló tanár interjúi alapján. Azonosítanak egy „metakognitív ökológiát”, amelyben a tanárok felismerik, újraelosztják és reflektíven újra elkötelezik a gondolkodást a generatív MI-vel, a MI használatát keretezve kognitív partnerként, nem pedig a gondolkodás helyettesítőjeként -, és figyelmeztetnek a „szakmai sodródás” kockázatára, amikor a tehermentesítés reflektálatlan marad a MI-vel támogatott tanári szerepben és adminisztrációban.

  • A tehermentesítés értékalapú döntéshozatal, és egyes diákok sebezhetőbbek, mint mások. Seung és Basham (2026) fogalmi áttekintése a Learning Disability Quarterly folyóiratban a kognitív tudományt, a gyógypedagógiát és az oktatástechnológiát szintetizálja, és a generatív MI-tehermentesítést költség-haszon döntésként modellezi, amelyet a teljesítménycélok, a feladat nehézsége, a tanulmányi önhatékonyság és az eszközről alkotott képzetek alakítanak. Amellett érvelnek, hogy a tanulási nehézségekkel élő diákok (SWLD) különösen sebezhetők a szuboptimális tehermentesítéssel szemben - mivel a fokozott kognitív terhelés, az erőfeszítést kerülő teljesítménycélok, az alacsonyabb tanulmányi önhatékonyság és a generatív MI-vel szembeni felfújt elvárások valószínűbbé teszik a korai vagy túlzott átadást. A generatív MI kompenzáló segédeszközként vagy rövidítő útként jelenik meg attól függően, hogyan hatnak a tehermentesítési döntések a tanulói profilokkal és az oktatástervezéssel össze, ahol az oktatási korlátok a kulcsfontosságú moderáló tényező (taníts metakognitív önszabályozást, építs MI-írástudatosságot az eszközbe vetett bizalom kalibrálásához, sorolj fel elsajátítási élményeket, és a termék helyett a folyamatot értékeld). Ez kiterjeszti a tehermentesítés esélyegyenlőségi dimenzióját: ugyanaz az eszköz, amely csökkenti a hozzáférés akadályait, őrizetlenül a tanulási nehézségekkel élő diákok számára leginkább szükséges gyakorlást is helyettesítheti.

  • A tehermentesítés kockázata fejlődési jellegű. Niu és mtsai. (2026) 24 bizonyítékforrást tekintettek át a generatív MI és a gyerekek kreatív gondolkodása kapcsán, és a visszatérő kockázatok között találták a túlzott támaszkodást és a promptfüggőséget, legerősebben az alsóbb évfolyamokon, valamint a sablonalapú gondolkodást és a gyerekek nehézségét annak megítélésében, hogy egy MI-javaslat eredeti volt-e; egy fMRI-összehasonlítás a kognitív kontroll és a figyelmi hálózatok alacsonyabb aktiválódását rögzítette a gyermek-ChatGPT interakció során, mint az emberi beszélgetésben. Mivel a fiatalabb gyerekek nem rendelkeztek a szövegalapú promptolás által megkövetelt nyelvi és metakognitív készségekkel, a szerzők azt javasolják, hogy az MI-írástudatosság, a szerzőség és a segítség nélküli ötletgenerálás magában a tevékenységben maradjon, és hogy az önálló kreativitást külön mérjék a MI-támogatott kimenettől. Ez életkori dimenzióval egészíti ki a fenti sebezhetőségi mintákat.

  • A „kevesebbet gondolkodás vagy másképp tanulás” kérdése feltételes. Nesnin és mtsai. (2026) szélesebb elemző áttekintése arra a következtetésre jut, hogy a MI nem feltétlenül gondolkodtatja kevesebbet a diákokat, hanem átalakítja, hogyan tanulnak -, az eredmény a használattól függ. A tisztázó, ellenőrző és vezető MI javítja a tanulást; az önálló gondolkodást helyettesítő MI passzív függőséget eredményez. Ez egybevág a tudásbázis mindenütt jelen lévő „állványozás vagy helyettesítés” határvonalával és a tehermentesítés kárának feltételes szemléletével.

  • A tehermentesítés rétegérzékeny: az átadás mélysége számít, nem csupán a megtörténte. Chen (2026) rétegérzékeny magyarázatot vezet be a tudományos írásra - felszíni (nyelvtan, szókincs), szerkezeti (vázlat, sorrend), ötlet (állítások, tartalom) és érvelési (igazolások, ellenérvek, érvelési logika). Egy nyolc hetes kvázi-kísérletben a nyitott MI-együttműködés a legjobban támogatott írást eredményezte, de a legrosszabb önálló, MI nélküli kimeneteket, a mélyebb tehermentesítési rétegek pedig a legerősebb negatív összefüggést mutatták a felsőoktatásbeli önálló, magasabb rendű gondolkodással (az érvelési tehermentesítés indirekt hatása ab = -0,34, a felszíni -0,08). A önszabályozó írás tompította, de nem szüntette meg a kárt. Ez finomítja az állványozás és helyettesítés határvonalát: az átadás egyes rétegei állványoznak, míg a mélyebb rétegek a kritikai gondolkodást építő gondolkodást helyettesítik.

  • A tehermentesítési előrejelzés kauzális tesztje, fordított előjellel: a ChatGPT-vel való írás kevesebb tanulást hozott, mint a segítség nélküli írás. Wagner-Kobayashi (2026) olyan csoportok közötti kísérletet folytatott, amelyben 35 pszichológia szakos diák 20 percet töltött egy bemeneti szöveg kidolgozásával, a GPT-3.5 csak a kísérleti csoport számára volt elérhető, és ugyanazt a tudástesztet írták meg előtte és utána. A feltételezett csoport × idő interakció szignifikáns volt (F(70) = 5,889, p = 0,018), de az ellenkező irányba mutatott - a ChatGPT nélküli csoport többet tanult (utóteszt M = 8,29 vs. 6,94; b = -1,450) -, ami cáfolta azt a írással tanulás előrejelzést, hogy a ChatGPT fokozni fogja a kidolgozást. Ami elszivárgott, maga a kidolgozó erőfeszítés volt: a résztvevők csak 2,25 példát és 0,88 kapcsolatot termeltek az eszközzel folytatott párbeszédben, és azt jelentették, hogy a szószámot a mélység elé helyezték - a szerzők ezt az elérhető, de be nem vetett eszköz kihasználatlansági hiányaként (utilization deficiency) olvassák, összhangban a csökkent szellemi erőfeszítéssel és a másolás-beillesztés viselkedéssel, amelyet az oldal másutt rögzít. Amint a motiváció bekerült a modellbe, a csoport × idő hatás összeomlott (p = 0,280), és a magasabb motiváció és témairányultság csak a ChatGPT-csoporton belül jósolta a nyereséget, tehát éppen az alacsony motivációjú és alacsony érdeklődésű diákok jártak rosszabbul az eszközzel - ez kísérleti támogatás az oldal által dokumentált, a túlzott támaszkodáshoz vezető motivációs útvonalhoz. A szerzők szűken olvassák az eredményt (kis, feltevéseket sértő hatás időnyomás alatt és tréning nélkül), és azt javasolják, hogy a diákokat tanítsák meg az eszköz bevetésére a tiltás helyett, ami az eredményt az állványozás és helyettesítés határvonalán tartja, nem pedig az eszközre vonatkozó ítéletté teszi.

  • A megadás, a tehermentesítés és az önállóság kontinuuma. A Sydney-i PreK-12 gyorsáttekintés (Arthars és mtsai. 2026, 271 tanulmány) a generatív MI használatát kognitív, metakognitív és affektív dimenziókban keretezi: megadás (a tanulásszempontú munka felelőssége a generatív MI-re hárul, gyakran tudtán kívül), tehermentesítés (szándékos, esetleg produktív átadás, amely csak akkor válik tanulássá, ha ellenőrzik és kidolgozzák), és önállóság (a felelősség megőrzése az erőfeszítésért és az ítéletért). Figyelmeztet a metakognitív egyenlőtlenségre is: a gyengébb metakognitív képességű diákok fogékonyabbak a káros tehermentesítésre, és kevésbé képesek felismerni azt.(Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education)

  • A függőséget az önhatékonyság legalább annyira szabályozza, mint a képesség. A MI-függőség nem egyszerűen technikai készség terméke: Maizel és mtsai. (2026) kimutatják, hogy a készségalapú MI-írástudatosság magasabb függőséget jósolt (összhangban a lehetővé tevő képesség és a tehermentesítés szemléletével), míg a MI- és a tanulmányi önhatékonyság védett a túlzott támaszkodás ellen -, ami arra utal, hogy a tehermentesítést a motivációs önhatékonysági hiedelmek legalább annyira szabályozzák, mint a képesség.

  • A tehermentesítés a válaszadási küszöböt is megváltoztatja, nem csupán a kapacitást. Marcoccia és mtsai. (2026) kimutatják, hogy pusztán a MI-tanácshoz való hozzáférés szinte teljesen megszüntette az emberek hajlandóságát arra, hogy azt mondják: „nem tudom” - még akkor is, ha a tanács hibás volt -, miközben a magabiztosságuk csaknem a kétszeresére nőtt, a pontosságuk pedig a harmadára esett; az ösztönzők helyreállították a pontosságot (a támaszkodás csökkentésével), de a felfüggesztést nem.

  • A biztonsági szakadék mint a küszködés tehermentesítésének költsége. Wang és Shan (2026) formalizálják a diák MI-támogatott teljesítménye és segítség nélküli képessége közötti eltérést „biztonsági szakadékként” - az episztemikus kockázatként, amikor a MI végzi a kognitív munkát, és a tanuló nem tudja reprodukálni azt. Kim és mtsai. (2026) és Puech és mtsai. (2025) kimutatják, hogy a produktív kudarc tervezése (a válaszok visszatartása, a küszködés megőrzése) az ellenszer.

  • Az ICAP és SAMR spektrum a tehermentesítést a módok kontinuumaként keretezi, nem binárisként. Rummel, Nachtigall és Panadero (2026) a Thermomix konyhai gép analógiáját vetítik a generatív MI-vel való tanulásra az ICAP és SAMR keretrendszereken belül, és négy olyan forgatókönyvet mutatnak be, amelyek a passzív helyettesítéstől (a feladatok teljes kiszervezése - a tehermentesítés vége, a készségvesztés és a korlátozott kreativitás kockázatával) a interaktív újradefiniálásig (a MI mint párbeszédpartner, valós idejű adaptív visszajelzést és közös konstrukciót nyújtva - az elkötelezett vég) haladnak. Ez a tehermentesítés kárát a használat módjától teszi függővé, nem a puszta gyakoriságtól, egybevágva a mindenütt jelen lévő „állványozás vagy helyettesítés” határvonallal: az dönti el, hogy a MI-használat a helyettesítés (Substitution) vagy az újradefiniálás (Redefinition) végén helyezkedik-e el, hogy kiszorítja-e vagy támogatja-e a tanulást építő gondolkodást.

Navas-Romero és mtsai. (2026) beszámolnak a diákoknak a generatív MI által tervezett oktatási anyagok kognitív igényeiről alkotott képzeteiről a felsőoktatásban, valamint a tanulói kompetenciákban elért nyereségükről, elválasztva az anyagok által kiszabott terhet az általuk épített kompetenciáktól.

Gillette és mtsai. (2026) a tehermentesítést a résztvevők saját tapasztalataként rögzítik, nem elméleti kockázatként: az egyikük szerint a generatív MI „megakadályozott abban, hogy tényleg elolvassam és magam járjak utána, mi fontos a szövegben, hogy olvasási készséget fejlesszek”, egy másikuk pedig „a hosszú távú fejlődéstől” tartott, „hogy bizonyos készségekben rosszabb leszek, amelyekben most nagyon erős vagyok”.

  • A hatás a munkamegosztásban rejlik, nem az eszközben. Nakamura (2026) amellett érvel, hogy a generatív MI tanulási hatásaiban mutatkozó heterogenitás feloldódik, ha az elemzés egysége a tanuló és a gép közötti kognitív munkamegosztás lesz. A tehermentesítés akkor növeli a tanulást, ha az aktuális céltól periférikus műveleteket lát el, és akkor fenyeget erózióval, ha megkerüli a célt konstitúáló feldolgozást (Nakamura, 2026). A kimenet érdemi feldolgozása vagy későbbi újraépítése az, ami megment egy egyébként konstitutív tehermentesítést.

Túlzott támaszkodás: amikor a tehermentesítés károssá válik

Az a létra, amelyet ez az oldal követ, három fokból áll, és csak az első kettő tartozik ide. A tehermentesítés a szellemi munka átadása, ami gyakran produktív; a túlzott támaszkodás ennek krónikus és kalibrálatlan művelése, ami az a viselkedéses kudarc, amelyet ez a szakasz dokumentál; a kognitív megadás másfajta kudarc - az értékelő lépés soha nem történik meg, így a tanuló minden minőségi ítélet nélkül átveszi a MI válaszát. A határvonal abban látszik, mit kérnek a MI-től: Du és Yuan instrumentális segítsége kimenetet állít elő, míg az ítéletet hordozó segítség azt a mércét adja meg, amelyhez a kimenetet mérik, és a második fajta az, amely kiszorítja a szakértelmet megalapozó munkát. A Sydney-i gyorsáttekintés ugyanezt a hármas felosztást vonja meg 271 tanulmányon. A megadásnak tehát megvan a maga kísérleti aláírása és saját oldala; a túlzott támaszkodás továbbra is a gyakoriság és a kalibráció problémája, és a kettő ugyanabban a feladatban elkülöníthető kimenet - Shaw és Nave kísérleteiben a hibás MI-válaszú próbák 73,2%-a megadással végződött, míg 19,7%-a stratégiai tehermentesítéssel. Egyetlen vizsgálattól független benchmark ugyanezt a kudarcot méri, és gyakorinak találja. Az ImpactBench tíz modellt pontozott 48 540 szimulált beszélgetésen: kognitív tehermentesítési aszimmetria (Cognitive Offloading Asymmetry) mutatója átlagosan 51,9%, a tervezéssel kapcsolatos kognitív behatolás (Planning-Related Cognitive Intrusion) 47,1% volt. Oktatási esetében a Claude Sonnet 5 egy szakdolgozatot, egy vázlatot és egy teljes, „beillesztésre kész” esszét ad át, amint egy szimulált diák sürgeti a kész vázlatot, miközben továbbra is megtagadja a hivatkozások kitalálását (ImpactBench (2026)). A tanulás és készségfejlesztés (Learning & Skill Development) volt a 14 alterület leggyengébbike mindkét polaritáson, 45,9%-kal és 16,3%-kal.

A túlzott támaszkodás a MI-eszközöktől való túlzott vagy kalibrálatlan függés, amikor a diákok olyan kognitív munkát adnak át, amelyet maguknak kellene elvégezniük, ami csökkent tanulást, csökkent önállóságot és a készségfejlődés kiszorulását eredményezi. Ez a túlzott kognitív tehermentesítés viselkedéses megnyilvánulása: amikor a tehermentesítés alapértelmezéssé válik, nem pedig stratégiai választássá. A túlzott támaszkodás nem egyszerűen a MI túlzott használatáról szól - arról szól, hogy olyan módon használják a MI-t, amely helyettesíti, nem pedig kiegészíti a tanulási folyamatokat. A fogalmi munka arra ösztönöz, hogy ezt az oktatási túlzott támaszkodást tartsuk elkülönítve a kapcsolati kötődéstől és a klinikai függőségtől: Yan (2026) kimutatja, hogy a bizalmat, a támaszkodást, a túlzott támaszkodást, a kötődést és a problematikus használatot rendszeresen összekeverik a beszélgető MI irodalmában, és hogy a gyakori átadást nem szabad függőségnek nevezni károsodott kontroll vagy kár nélkül.

  • A hatékonyság paradoxona: az elsajátítási célok „alapértelmezés szerint” tehermentesítésbe omlanak. Yan és mtsai. (2026) olyan tanulókat azonosítanak, akik elsajátításorientált célokat fogalmaztak meg, mégis felszínre emlékeztető folyamatokat valósítottak meg, „nem szándékból, hanem alapértelmezés szerint” tehermentesítve: három szándékcsoportjuk (Kiszervező eszköz n = 16, Tanulási asszisztens n = 31, Kognitív partner n = 8) azt mutatja, hogy a tipikus eset sem nem szándékos csalás, sem nem szándékos tanulás. A kiszervező csoport diákjai felismerték saját kikapcsolódásukat (a bekezdésenkénti másolás-beillesztést úgy írták le, hogy „teljesen helyettesítette az agyamat”), és gyors felejtésről számoltak be, és mind a 38 interjúalany alacsony magabiztosságot jelentett a generatív MI hatékony használatában - ez annak bizonyítéka, hogy a túlzott támaszkodást hiányzó előzetes feltételek (MI-írástudatosság, promptolási kompetencia, feladatspecifikus útmutatás) hajthatják, nem pedig a munka elkerülésére irányuló motiváció.

  • Az ágensalapú kódolás terepen tehermentesíti a megértést: Tanaka és mtsai. (2026) arról számolnak be, hogy az MI-ügynököket használó egyetemi hallgatók egy szoftverprojekt-kurzuson évről évre több kódot írtak, de a megértésük visszaesett erős használat mellett - ami helyrehozható a MI által generált kód egyéni oktatói ellenőrzésével.

  • A tanulás kiszorulása: A MI kognitív hatásairól szóló kutatás dokumentálja, hogyan csökkenti a MI elérhetősége az erőfeszítést igénylő feldolgozást - a „Google-effektus kiterjesztve az érvelésre”. Stamatoulis és mtsai. (2026) ezt a használat különálló mintájaként izolálják: az ellenőrzés nélküli átvétel (a MI-kimenet kritikátlan elfogadása) rosszabb tanulmányi teljesítményt jósolt, míg az értékelő integráció (a MI használata a megértés támogatására) jobb teljesítményt jósolt -, a használat puszta gyakorisága pedig egyiket sem. A túlzott támaszkodás tehát a használat módja, amely elválasztható attól, hogy a diákok mennyit használják a MI-t.

  • Az önállóság problémája: Az AIED befejezetlen küldetése a túlzott támaszkodást önállósági és motivációs válságként keretezi - a diákok nem azért kerülik meg a tanulást, mert a MI csábító, hanem mert a tanulási feladatok értelmetlennek érződnek, amikor a MI erőfeszítés nélkül el tudja végezni őket.

  • A motiváció eróziója: A diákok motivációjáról szóló kutatás azt találja, hogy annak tudata, hogy a MI elérhető, csökkenti a készség önálló megtanulásának észlelt értékét - ez a motivációs számítás különösen a kezdő tanulókat érinti.

  • A kitartás is erodálódik, mégpedig gyorsan. Nagyjából tíz perc után egy kérésre válaszoló asszisztenssel a résztvevők a segítség nélküli feladatok 0,20-át kihagyták a kontrollcsoport 0,11-ével szemben, és 0,57-et oldottak meg 0,73-mal szemben, ami a szövegértésben is megismétlődött (Liu és mtsai., 2026).

  • A támogatott házi feladat nyeresége nem élte túl a támogatás nélküli vizsgát. Ha 153 bizonyításkurzusos diákot randomizáltak korábbi MI-hozzáférésre, a házi feladat pontszáma 2,56 ponttal nőtt, a második zárthelyi pedig megkülönböztethetetlen volt a nullától, miközben az első próbálkozásra építő visszajelző eszköz nem járt büntetéssel, és egy nyitott chatbot 100 üzenetenként 3,02 ponttal alacsonyabb eredményt követett (Chen és mtsai. (2026)).

  • Egy beadandó nem bizonyítja, mit tehermentesítettek. 23 lineáris algebra szakos diák 59 csevegési naplója közül a magyarázatra vagy ellenőrzésre épülő 30-ból 27 mégis a modell termékéhez közel végződött, tehát a tehermentesítést promptról promptra kell olvasni (Kontorovich és Wallach (2026)).

  • Írástudás-adósság: Az ágens-írástudás adóssága azt a halmozódó készséghiányt írja le, amely akkor alakul ki, amikor a diákok szokásszerűen a MI-re támaszkodnak saját kompetenciáik fejlesztése helyett, a szoftverek technikai adósságához hasonlóan.

  • Fáradtságciklusok: A MI-fáradtság kutatása olyan paradoxont azonosít, amelyben a túlzott támaszkodás a folyamatos MI-interakció kezeléséből eredő kognitív fáradtsághoz vezet, ami viszont MÉG TÖBB támaszkodást eredményez - ez ördögi kör.

  • Az elhelyezés szabálya: Az erőfeszítés nélküli csapda az engedélyezés és tiltás kérdését elhelyezési kérdéssé keretezi újra - egy őrizetlen MI-segéd mintegy 17%-kal rontotta a középiskolások teljesítményét egy segítség nélküli vizsgán, míg ugyanaz a modell válaszvisszatartásra átépítve megszüntette a kárt. Diagnosztikai elve - „ha a MI beengedése erőfeszítés nélkülivé teszi a feladatot, akkor rossz helyen van” - az első kemény próbálkozást és a végső, segítség nélküli ellenőrzést biztosítja azokként a pillanatokként, amikor a túlzott támaszkodás a legkönnyebben rejtőzik el „a tanulás illúziójaként”.

  • A metakogníció megőrzése: A szintézis-elemzés reciprocitás modell olyan eszközöket javasol, amelyek megőrzik az emberi episztemikus önállóságot, azzal hogy a MI-interakciót az emberi elemzési ciklusok köré szervezik, nem pedig a MI-generálási ciklusok köré.

  • A túlhasználat metakognitív mechanikája: a hiedelmek és tapasztalatok keretrendszere megmagyarázza, miért tehermentesítenek túl a diákok még akkor is, ha ez árt nekik - az emberek impulzívan tehermentesítenek, és a meglévő metakognitív hiedelmek gyorsabban horgonyozzák a viselkedést, mint ahogy a feladat tapasztalatai korrigálhatnák -, tehát a túlzott támaszkodás ellenszere metakognitív, nem csupán korlátozó.

  • A túlzott támaszkodás kalibrációs tréninggel tanítható: Ngai és Gilbert (2026) kimutatják, hogy az emlékeztető-torzítás - a túlzott támaszkodás laboratóriumi megfelelője - rövid metakognitív beavatkozással (öt gyakorlópróba, amely az előrejelzést visszajelzéssel párosítja) csökkenthető, mindkét irányban korrigálva a kalibrációt. Ez azt jelenti, hogy a túlzott támaszkodás ellenszere nem csupán korlátozó szabályok, hanem kalibrációs tréning, amely pontossá teszi a diákokat abban, mit tudnak valóban megtenni segítség nélkül.

  • Terepi bizonyíték: a MI, amely tanít, szemben a MI-vel, amely válaszol. A NUMI (Oreopoulos és mtsai. 2026) azt találta, hogy a válaszokat adó helyett tanító MI lelassította a diákokat, de csökkentette az erőfeszítéskerülést - javítva a következő próbálkozás helyességét a hibák után, kérdésenként több idővel (ez a „produktív lassulás”) -, míg a Khanmigo (Oreopoulos és Low 2026) azt mutatta, hogy a hibákat következményessé tevő struktúra nélkül a diákok a felszínes használathoz fordulnak (puszta válaszok, promptkattintások), és a nyereség a MI nélküli gyakorlásnak felel meg. Mindkettő megerősíti, hogy a tehermentesítés kára attól függ, hogyan használják és tervezik a MI-t, nem csupán a hozzáféréstől. A CoMeT (Hou és mtsai. 2026) szolgáltatja azt a tervezési dimenziót, amelyet ez a határvonal egyébként implicit hagyna - egy tutor több munkát is magára vehet anélkül, hogy több átadást vásárolna. Létrája minden alkalommal egy fokkal feljebb lépett, amikor a tanuló nem használta a támogatását, és a legkönnyebb fokra esett vissza annak igénybevételekor, statisztikailag egyenértéken tartva a metakognitív igényt egy olyan tutorral, amely tervezésénél fogva visszatartotta a válaszokat (p_TOST = 0,004), miközben az esetek 48,1%-ában ért el terméket a munkaterületre, szemben a válaszvisszatartó tutor 23,7%-ával, és a tanulók az esetek 50,4%-ában kérték építésre, szemben a korlátlan, kérésre válaszoló tutor 51,1%-ával (OR = 0,95, p = 0,82). Az átadás a tutornak a tanulóra kiszabott igényét követte, nem az átvett munka mennyiségét.

  • Nagyszabású terepi bizonyíték: a „generatív MI tanulási büntetése”. Strömberg, Lei és Wu (2026) 26 811 kínai középiskolás diákot követtek 30 hónapon át, és azt találták, hogy az önálló generatív MI-átvétel 18%-kal növelte a házi feladat pontszámait és 30%-kal csökkentette a házi feladatra fordított időt, miközben hat hónapon belül 20%-kal csökkentette a könyv nélküli vizsga pontszámait, két év után pedig 18-24%-kal a felvételi vizsga pontszámait -, és ez a felhasználók mintegy 81%-ánál koncentrálódott, akiknek a viselkedése házi feladat kiszervezésére utalt (rövid befejezési idő és felfújt házi feladat pontszámok). Ez közvetlen, nagyszabású bizonyíték arra, hogy az őrizetlen tehermentesítés (a MI használata házi feladat-helyettesítőként, nem tutorként) azt a tanulási büntetést eredményezi, amelyet a kognitív tehermentesítés előre jelez, és amelyet a diákok maguk gyakran nem észlelnek.

  • A túlzott támaszkodás a motiváción és az önhatékonyságon keresztül erodálja az önálló tanulást. Zhao és Gu (2026) közvetlenül modellezik a mechanizmust: 487 kínai egyetemi hallgató körében a generatív MI gondtalan használata (TUGA) - a MI-kimenetek kritikai értékelés nélküli átvétele - szignifikánsan aláásta az önálló tanulást (β = -0,42), részben közvetlenül, részben a motiváció (β = -0,54 útvonal a TUGA-tól) és az önhatékonyság (β = -0,37) részleges közvetítésével. A modell az önálló tanulás varianciájának 75,3%-át magyarázta. Mivel a motiváció volt az önálló tanulás legerősebb pozitív hajtóereje (β = 0,68), és a gondtalan használat elnyomja azt, ez kvantitatív bizonyíték arra, hogy a túlzott támaszkodás károsítja azokat a motivációs és önhatékonysági erőforrásokat, amelyektől az autonóm tanulás függ -, nemi különbségekkel (erősebb motivációs kár a férfiaknál, erősebb önhatékonysági kár a nőknél).

  • A tehermentesítési hajlam alacsonyabb magasabb rendű kimeneteket jelez előre, és az ellenőrzési írástudásnak metakognícióra van szüksége ahhoz, hogy megtérüljön. Davor, Larbi és Boateng (2026) 533 ghánai egyetemi hallgatót kérdeztek meg, és a tehermentesítési hajlamot, a MI-feladatállványozást és az MI-ellenőrzési írástudást a magasabb rendű kimenetekhez modellezték a metakognitív önszabályozáson keresztül. A tehermentesítési hajlam volt a kritikai gondolkodás legerősebb negatív előrejelzője (-,240) és a technikai problémamegoldásé (-,312), és a metakognitív önszabályozást is rontotta (-,294), míg az állványozás mindkét kimenetet pozitívan jósolta (,185 és ,170). Az ellenőrzési írástudásnak nem volt szignifikáns közvetlen hatása egyik kimenetre sem, és csak a metakognitív önszabályozáson keresztül hatott - ez teljes közvetítési mintázat, amelyet a szerzők metakognitív aktiválási mechanizmusnak neveznek: a diákok megtanítása a MI-kimenet ellenőrzésére önmagában nem elég, mert az értékelő szokás csak akkor térül meg, ha beágyazódik a feladat közbeni tervezésbe, monitorozásba és reflexióba.

  • A függőség a használat hasznának határfeltételeként működik. Shojaei és mtsai. (2026) 412 ománi egyetemi üzleti hallgatót kérdeztek meg, és felbontották a generatív MI használata és a maguk által jelentett kritikaigondolkodás-diszpozíció közötti összefüggést: a nulladrendű korreláció közel nulla volt (r = 0,050), a kiigazított együttható viszont pozitív (,185), mert a függőségen keresztül vezető negatív indirekt útvonal (-0,147) ellensúlyozta. A függőség negatívan függött össze mind a diszpozícióval (-,389), mind az önészlelt foglalkoztathatósággal (-,328), és gyengítette mindkét használat-kimenet kapcsolatot, az egyszerű meredekségek pedig 0,424-ről (alacsony függőség) -0,054-re (magas függőség) estek: tompulás, nem megfordulás. Az olvasat a határvonal használatmód-oldalán tartja az eredményt: a függőség azt jelöli, ahol a használat a növelésből a helyettesítés felé mozdul, és a puszta gyakoriság elrejti az ellentétes útvonalakat.

  • A MI-túlhasználat mint komplex adaptív rendszer. Ahelyett hogy a túlhasználatot egyszerre egy felhasználóval vizsgálnák, egy modellező tanulmány populációszintű folyamatként keretezi, amelyben az ágensek Bayes-hiedelemeket frissítenek a MI minőségéről, és hálózatba kapcsolódva a társaktól tanulnak. A társas bizonyíték visszacsatolási lavinává teheti a támaszkodást (a látható, ellenőrizetlen használat visszaszorítja az ellenőrzést), míg a társas tanulás konszenzust hoz létre, nem túlhasználatot - ez a keretezés a beavatkozás célpontjait az egyéni kalibrációról a bizalom és a támaszkodás hálózati dinamikájára helyezi.

  • Hat diagnosztikai kritérium választja el a produktív támaszkodást a káros függőségtől. Du és Yuan (2026) a túlzott támaszkodásnak a használati gyakoriságnál finomabb diagnosztikai szókészletet adnak, megkülönböztetve az instrumentális segítséget (a MI segít kimenetet előállítani) az ítélethordozó segítségtől (a MI adja a kimenet értékelésének mércéjét). Áttekintésük a produktív és káros határvonalat hat kritériumon keresztül operacionalizálja - megkérdőjelezhetőség, visszaállíthatóság, transzfer, nyomon követhetőség, megosztott felelősség és episztemikus pluralitás -, és négy szociotechnikai útvonalat követ végig (folyékony tekintély, súrlódásmentes átadás, átláthatatlan szintézis, intézményesült függőség), amelyeken keresztül a tehermentesítés vagy megőrzi, vagy kiszorítja az ítélőképességet fejlesztő episztemikus munkát. Mivel a függőség kontextuális és intézményi, nem csupán egyéni, a keretrendszer az értékelési ösztönzőkre, a felület tervezésére és a beszerzésre is irányítja a figyelmet a tanulói önszabályozás mellett.

  • A méretlen utóhatás: kognitív kioldódás (cognitive washout). Yajee (2026) a terület legnagyobb nyitott kérdésének a megvonás utáni állapotot nevezi: a tehermentesítési kutatás szinte minden esetben a MI-használat alatti gondolkodást méri, de szinte semmi sem méri, mi történik, miután egy asszisztenst napokra vagy hetekre megvonnak (vizsga, kiesés, licencfelülvizsgálat). Formalizálja a kognitív kioldódást egy kioldódási görbe modellel - becsülhető paraméterekkel a helyreállási időállandóra, a helyreállás teljességére, a maradék növekedésre és egy hiszterézis-indexre, amely a újratanulást az eredeti erőfeszítéshez hasonlítja -, és négy lehetséges kimenettel (rugalmas visszapattanás, részleges fennsík, látens állvány, túlkompenzáció). Mivel a visszafordíthatóság dönti el, hogy egy kiváltott hiány kellemetlenség-e vagy kohorszszintű sérülés, a cikk amellett érvel, hogy a megvonás ugyanolyan módszertani státuszt érdemel, mint az átvétel, és egy háromkarú, háromtartományú, huszonkét hetes protokollt határoz meg a kimenetek közötti döntéshez. Ez a fenti „tanár vagy mankó”, illetve helyettesítő és duplikáló megkülönböztetést tesztelhető longitudinális kutatási programmá alakítja arról, hogy a tehermentesített készségek visszatérnek-e, és milyen gyorsan.

  • A szakterületi tudás nélküli támaszkodás találgatásba csúszik. Mikhasenko és mtsai. (2026), akik a Ruhr-vidéki Bochum Egyetem bevezető nukleáris és részecske-fizika kurzusát tervezték át, a szakterületi tudás hiányában megjelenő támaszkodási kudarcmódot írják le: amikor egy diák nem tudta megítélni, hogy egy generált válasz fizikailag megalapozott-e, a szándékolt „beszélgetés a MI-vel” találgatássá csúszott a hihető, de megbízhatatlan kimenettel szemben. Ugyanennek a kurzusnak a félévközi felmérése (n=30) gyakori LLM-használatot talált (29-ből 24-en gyakran vagy mindig használták), együtt a feladatok által megkövetelt számítástechnikai gördülékenységre való alacsony önbevalláson alapuló felkészültséggel, és a nyitott válaszok a MI-függést és a fizetős modellekhez való egyenlőtlen hozzáférést említették a súrlódási pontok között.

  • A taoista ellenérv: a tehermentesítés nem csupán nem praktikus, hanem önmagát aláásó. Xie (2026) normatív, az átadás ellen szóló ellenérvet ad a taoista önnevelésből: a neidan (內丹) gyakorlatban „nincsenek kognitív rövidítések”, és a gyakorló nem szervezheti ki a munkát külső eszközökre, így a MI „nem kognitív helyettesítő, hanem instrumentális kiegészítés” kell legyen, egy alkímiai kemencéhez hasonlóan - ez a keretezés a fenti „tanár vagy mankó” határvonalhoz illeszkedik, nem a helyettesítő tehermentesítéshez.

A tehermentesítés az énbe kerülhet, nem csak a készségbe. de Barba (2026) a tanuló szakterületi énjének azt a részét, amelynek képességei egy MI-vel működő eszközben laknak, és csak a szolgáltató feltételei mellett érhetők el, bérelt énnek nevezi, és két költséget különít el. A kalibrációs költség tévesen megítélt helyzet: alulértékelni egy képességet, amellyel rendelkezünk, vagy túlértékelni egyet, amellyel az eszköz rendelkezik. Az énköltség pedig akkor következik be, amikor egy alapszintű képességet bérelnek, akár tudatosan is, mert azokat a műveleteket, amelyek az ént építik, soha nem végzik el. Négy konfigurációja a helyzetet a tulajdonítással keresztezi: birtokolt kompetencia, igénybe nem vett kompetencia, látható bérlés és rejtett bérlés, ez utóbbi az, amely eltávolítja azt a jelzést, amely arra ösztönözné a tanulót, hogy felépítse, amiről azt hiszi, hogy már birtokolja.

Egy 30 szakértőből álló konszenzus a tanulási szekvencia mindkét végére teszi a kárt. Egy előre regisztrált Delphi-gyakorlat 65 tanulási folyamat felett azt találta, hogy az elsajátítás sebezhető (a kódolás 3,30, az előhívás 3,30, az információelsajátítás 3,00 az 1-5-ös zavarási skálán), a megszilárdítás javul (a visszajelzésből tanulás 4,00, a példákból tanulás 3,90, az öntesztelés 3,80), a magasabb rendű gondolkodás pedig ismét sebezhető (Kendeou, Greene és Nixon és mtsai., 2026). A tizennyolc magasabb rendű folyamat közül tíz csak a sebezhetőségben érte el a konszenzust, a javulásra adott értékelések a küszöb alatt maradtak.

A CLT keretrendszer

A MI-visszajelzéshez való hozzáférés nem azonos kezelés a vele való foglalkozással, és a terhelésmérők különválnak. Wenzel, Geiger és Liening (2026) öt hetes longitudinális terepi vizsgálatot folytattak egy üzleti szimulációs játékban (234 diák, 1 147 heti megfigyelés), és elválasztották a hozzáférést a megkapástól. Pusztán a beszélgető MI-visszajelzéshez való hozzáférés biztosítása sem a külső (β = ,071, p = ,481), sem a hasznos terhelést (β = ,019, p = ,807) nem mozdította el. Azok a diákok azonban, akik rendszeresen használták, szignifikánsan magasabb hasznos terhelésről számoltak be, mint a kísérleti nem használók (β = -,468, p < ,001) és a kontrollcsoport (β = -,253, p = ,028) -, miközben a külső terhelést soha nem csökkentette sem a hozzáférés, sem az elköteleződés (F(1, 219) = 0,499; használatalapú F(3, 214) = 0,172). Ez az elméletileg érdekes minta, és épp az ellenkezője a szokásos állításnak: a beavatkozás keményebben dolgoztatta a tanulókat az anyagon anélkül, hogy könnyebbé tette volna a környezetet. A belső terhelés hajtotta a külső terhelést (β = ,647, p < ,001), a metakognitív önszabályozás pedig a hasznos terhelést (β = ,363, p < ,001), a külső terhelés pedig negatívan függött össze a hasznos terheléssel (β = -,178, p < ,001), pontosan ahogy a CLT előírja. Mindkét terhelés csökkent az öt hét során (külső β = -,388, p < ,001) - ez újdonsághatás, amely kognitív mérőszámon látszik, nem elköteleződésin.

A kognitív terhelés elmélete (Sweller) vitatott elméleti lencsét ad a munkamemóriára és az oktatásra: belső terhelés (a feladat összetettsége), külső terhelés (a bemutatás súrlódása) és hasznos terhelés (sémajavító erőfeszítés). A jól tervezett MI-nek csökkentenie kell a külső terhelést, miközben megőrzi a hasznos feldolgozást; a rosszul integrált MI mindhármat csökkenti, és a diákokat kész feladatokkal és üres tanulással hagyja. Megjegyzendő, hogy az elmélet állításai vitatottak a szélesebb szakirodalomban, de keretezése továbbra is hatással van arra, hogyan beszélnek a tehermentesítés hatásairól.

A tehermentesítés szakmaszintű tétei. A kognitív közkincs (Cognitive Commons) keretrendszer (Lovett 2026) a tehermentesítést egyéni szintről kollektív szintre terjeszti ki: amikor a MI lehetővé teszi a fiatal munkatársak számára, hogy kihagyják a mély szakértelmet építő kognitív küszködést, az idővel kimerítheti egy szakma közös szakértelmi tartalékát - a „hitelesítési kötél” (Validation Tether) szerint a hatékony MI-felügyelet éppen attól az elsajátítástól függ, amelyet a MI-átvétel alááshat. Ez az egyéni szintű tehermentesítést és készségleépülést rendszerszintű regenerációs problémaként keretezi, irányítási következményekkel.

Kapcsolatok a rokon fogalmakhoz

A kognitív tehermentesítés (és káros formája, a túlzott támaszkodás) alapvetően a bizalomkalibráláshoz kapcsolódik - annak tudásához, mikor kell megbízni a MI-ben és mikor kell megkérdőjelezni -, valamint az MI-írástudatossághoz, amely magában foglalja azt a metakognitív készséget, hogy tudjuk, mikor tehermentesítsünk, és felismerjük saját támaszkodási mintáinkat. Kapcsolódik az állványozáshoz (olyan strukturált támogatás, amely csökkenti a terhelést anélkül, hogy megszüntetné a kognitív igényt) és a prompttervezéshez (az a fő mechanizmus, amelyen keresztül a tehermentesítés az LLM-interakciókban megvalósul). Metszi a metakogníciót és a önszabályozó tanulást - a hatékony tanulók kalibrálják tehermentesítési döntéseiket -, valamint a kritikai gondolkodást, az önállóságot és a tanulói élményt. Az online tanítás és tanulás különösen sebezhető kontextus: a médium már eleve távolítja a tanulókat az azonnali elszámoltathatóságtól, és az önálló tempójú, képernyőalapú munka hívja azt a „kérjük meg a választ” rövidítő utat, amelyet a tehermentesítési kutatás a fő káros mechanizmusként azonosít (lásd AI Misuse and Learning Harm).

Nem minden tehermentesített súrlódás felesleges súrlódás. Zohar, Bloom és Inzlicht (2026) vonják meg azt a megkülönböztetést, amelyre a tehermentesítési szakirodalomnak szüksége van: a korábbi MI-technológiák a felesleges súrlódást távolították el - unalmas vagy leküzdhetetlen akadályokat, amelyeknek kevés tanulási vagy jelentésbeli értékük volt -, míg a szellemi munkában használt generatív MI a hasznos súrlódást is lehántja, és a tanulót úgy engedi az ötletelésből az értékelésbe lépni, hogy nem kérdőjelezi meg a kimenetet. Az asszociatív bizonyítékokat kíméletlenül sorakoztatják: azok, akik MI-t használnak, nehezen idézik fel vagy reprodukálják pontosan a saját munkájukat, kevesebb készséget sajátítanak el, kevesebb transzfert mutatnak, és rosszabbul teljesítenek, amikor a MI-támogatást megvonják -, ami egybevág a MI-asszisztenssel folytatott esszéírás EEG-vizsgálataiból származó kognitív adósság eredményeivel. Érvük megadja a mechanizmus motivációs felét is, amelyet a tisztán kognitív magyarázatok kihagynak: mivel az erőfeszítés azt jelzi, hogy a cselekedeteink számítanak, annak tehermentesítése csökkenti az észlelt célt és jelentést, és ahogy a MI helyettesíti az erőfeszítést egy szakterületen, az ottani erőfeszítés motivációs hozadéka erodálódik, ami tovább mélyíti a támaszkodást. A cikk korrekciója gradiens, nem tilalom - őrizzük meg a mérsékelt küszködést, távolítsuk el azt, ami csak eláraszt (Desirable Difficulties, Motivation).

  • Az alul-elköteleződés jelzése fejlődési szinten jelenik meg. A gyerekek és felnőttek ChatGPT-vel folytatott beszélgetésének első neuroképalkotó összehasonlítása azt találta, hogy a 6-7 évesek gyengébb hálózaton belüli konnektivitást mutattak, mint a felnőttek, a frontoparietális kontroll-, szaliencia- és háti figyelmi hálózatokban - azonos kreativitáspontszámok mellett -, és hiányzott náluk a felnőtteknél megjelenő kreativitás és konnektivitás összekapcsolódása. Mivel ezek a végrehajtó funkciók (tervezés, monitorozás, gátlás) elsősorban még éretlenek, a szerzők az eredményt a minimális életkorról szóló vitához tartják relevánsnak. Fenntartások: nincs ChatGPT nélküli kontroll, n = 31, és egy keretezési zavaró tényező, amely elnyomhatta a gyerekek kritikai értékelését (Horowitz-Kraus és mtsai. (2026)).

  • Függő és autonóm tehermentesítés - az a megkülönböztetés, amely eldönti a kimenetet: Fan, Li és Zhang (2026) a generatív MI bizonyítékait e határvonal élesített változata köré szervezik, egy 589 diák és pályakezdő tudásmunkás háromhullámos vizsgálatára támaszkodva: a függő tehermentesítés a fő gondolkodást adja át az eszköznek, és átadott önállósággal, alacsonyabb belső motivációval és gyengébb észlelt kognitív kimenetekkel járt együtt, míg az autonóm tehermentesítés a tanulónál tartja az episztemikus önállóságot, és az ellenkező mintát mutatta. Az észlelés szempontjából legfontosabb eredmény az, hogy az azonnali teljesítményelőny nem különbözött a két mód között, tehát ha egy tanuló gördülékenyen old meg feladatokat egy adott napon, az semmilyen jelzést nem ad arról, melyik módban van. Ugyanez az áttekintés rögzíti a bizonyítékok szélesebb megosztottságát - egy háromszintű metaanalízis mérsékelt összhaszonról (g = 0,499; g = 0,669 a megértésre, a megismerésre és a kreativitásra) számol be, szemben a függőség, a fáradtság és a gyengébb kritikai gondolkodás közötti összefüggésekkel -, és a maladaptív használatot a kiszervezett önszabályozásra vezeti vissza, nem technológiafüggőségre.

  • Három interakciós útvonal, nem egy viselkedés. A neuroplaszticitás és MI interakciós modell (NAIM) elválasztja a közvetlen megkerülést, ahol a modell adja a megoldást és a generáló erőfeszítés eltűnik; a kognitív tehermentesítést, ahol meghatározott részfolyamatok átadása történik, és a hatás attól függ, hogy ezek a részfolyamatok a tanulási cél-e vagy sem; és az állványozást, ahol a modell korlátozza a segítséget, hogy megőrizze az erőfeszítést igénylő feldolgozást (Bypass, Offload, or Scaffold: A Conceptual Model of How Large Language Models Shape Learning)

Két kontrollált vizsgálat a közelmúltbeli csokorból rögzíti ennek az állításnak a két felét - hogy elmozdul-e a viselkedés, és mit védett. Maier és mtsai. (2026) a tehermentesítés tanulási következményét minden döntés előtt láthatóvá tették egy előre regisztrált kísérletben 704 résztvevővel, akik törtszámítást gyakoroltak: a válasz tehermentesítésének esélye OR = 0,47-re esett, és a későbbi, segítség nélküli tesztitem helyes megválaszolásának esélye OR = 1,51-re nőtt, míg az erőfeszítésalapú jutalom egyik kimenetet sem mozdította. A tehermentesítés halmozódott az ülésen belül - egy item tehermentesítése után a résztvevők a következőt az esetek 69,7%-ában tehermentesítették a visszajelzés nélkül és 55,9%-ában vele -, és a tehermentesítés tíz százalékpontos növekedése 32%-kal alacsonyabb eséllyel járt együtt a segítség nélküli sikerre (OR = 0,68). Bergh és mtsai. (2026) a kimenet oldalát egészítik ki: 55 számítástechnika szakos hallgató, aki ChatGPT-vel kódolt, 89%-ot ért el 69%-kal szemben, kevesebbet idézett fel ugyanabból az anyagból azonnal (41% vs. 53%) és 48 óra múlva (39% vs. 52%), és a beadott kódnak csak 45%-át tulajdonította magának 81%-kal szemben. Együtt olvasva a visszajelzési vizsgálat azt mutatja, hogy a viselkedés elmozdítható anélkül, hogy korlátoznák a hozzáférést az eszközhöz, a programozási vizsgálat pedig azt, hogy mit védett az elmozdított viselkedés. A modell a rendelkezésre álló legerősebb terepi bizonyítékhoz van kalibrálva: korlátlan GPT-4-hozzáférés csaknem 1 000 középiskolás matematika diák vizsgálatában 48%-kal növelte a gyakorlási teljesítményt, mégis 17%-os hiányt hagyott a támogatás nélküli vizsgán, míg a tippekre korlátozott GPT Tutor 127%-os gyakorlási nyereséget hozott, és a vizsga hiányát nagyrészt megszüntette. A tehermentesítés tehát csak a megkerülési konfigurációban káros, és a működő tervezési változó az, hogy a modell helyettesíti-e az értékelt célkészséget. (Bypass, Offload, or Scaffold: A Conceptual Model of How Large Language Models Shape Learning) Ugyanez a logika a jutalomformálást tervezési eszközzé teszi: Macina és mtsai. (2026) LLM-tutorokat tanítanak egy maszkolt, közeli transzfert mérő utóteszttel és két bináris kapuval, így a jutalom csak azon keresztül nőhet, amit a diák a saját fordulóiban írt, és ablációjuk azt mutatja, hogy a kapuk, nem a nyers tanulási nyereség jutalma az, ami csökkenti a megoldás átadását.

Gyakori tévhitek

  • „A promptok mennyisége méri a tehermentesítést.” 97 tanulót klasztereztek promptmennyiség szerint, és a mennyiségi klaszterek nem különböztek szignifikánsan a helyi és globális, illetve az aktív szerepű promptolás arányában. A promptok számolása az aktivitást számolta, nem a kognitív munka eloszlását.
  • „A diákok elsősorban azért használják a MI-t, hogy megértsenek dolgokat.” Az Analyze vezette az eloszlást 27,28%-kal (831 üzenet), megelőzve az Understand 23,76%-át - ez az első finom felbontású bizonyíték arra, hogy a naturalisztikus [diák-MI interakció] inkább elemző, mint megértésorientált.
  • „A promptnyomok felfedik, megtörtént-e a tehermentesítés.” Amit a promptszintű nyomok nem tudnak megadni, az egy 16 diákot tartalmazó, jegyekkel összekapcsolt részmintából származik, amelynek 1 140 üzenetét kézzel kódolták: a 125 párbeszéd 49,6%-a egyáltalán nem mutatott tehermentesítést. A nyomminták túlbecsülik a tehermentesítést a kézzel kódolt párbeszédekhez képest.

Kapcsolódó fogalmak

Kapcsolódó cikkek

Kapcsolódó GYIK

Kapcsolódó források

  • PAUSE: Patterns of AI Use Self-Examination
    A ten-minute, browser-only self-check on what you offload to AI, with every item traced to the research paper behind it.
  • Student Guide to AI
    A free three-edition student guide to artificial intelligence from Elon University, AAC&U and The Princeton Review, whose 2026 edition builds ten human capacities with teacher-ready learning modules and an anonymous self-assessment.

Metaadatok

CélközönségLearners
Tanulás és oktatásMetacognition, Self-Regulated Learning
Technológiák és technikákGenerative AI
Esélyegyenlőség, etika és felelősségteljes használatTrust Calibration
A mesterséges intelligencia oktatási alkalmazásainak alapjaiMI-írástudás, Kognitív tehermentesítés
ForrásElőzményekSzerkesztésCsevegés

Oldal beágyazása

Másolja ki az alábbi kódot az oldal tanuláskezelő rendszerbe vagy más weboldalra történő beágyazásához. A beágyazott változat csak az oldal tartalmát mutatja — elrejti a weboldal fejlécét, a navigációt és a láblécet.