AIEd TudásbázisAIEd KB
Ezen az oldalon

Olvassa el ezt az oldalt angolul

Fogalmak

A MI története az oktatásban

Létrehozva 2026-08-23 · Frissítve 2026-11-08

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

Az MI az oktatásban története — annak vizsgálata, hogyan fejlődött együtt a mesterséges intelligencia és az oktatás a 20. század közepe óta, és hogyan formálják tovább a múltbeli fogalmi, terminológiai és tervezési döntések a MI tanulásban játszott szerepéről szóló mai vitákat. Ahelyett hogy a generatív MI-t hirtelen, példátlan erőként kezelné, a történeti lencse ismétlődő feszültségeket tár fel — kontroll kontra ügynökség, standardizálás kontra kreativitás, automatizálás kontra kiegészítés —, amelyek a kezdetek óta meghatározzák a MI helyét az oktatásban.

Megfontolandó kérdések

  • A mai generatív MI-t gyakran példátlan forradalomként írják le. Hogyan akadályozhatja meg ez a keretezés (a „kronocentrizmus”) azt, hogy észrevegyük az alatta húzódó ismétlődő mintázatokat?
  • A területet majdnem „kibernetikának” nevezték el „mesterséges intelligencia” helyett. Hogyan alakíthatta ez az egyetlen elnevezési döntés azt, hogy a gépeket önálló intelligenciákként vagy összekapcsolt visszacsatolási rendszerek részeként látjuk?
  • Az oldal az AIED történetét a kontroll (Anderson kognitív tutorai, amelyek optimalizálják a tanítást) és az ügynökség (Papert konstrukcionizmusa, amely a tanulókat hatalmazza fel) feszültségeként keretezi. Az Ön saját MI-oktatási döntései hová esnek ezen a spektrumon — és miért?
  • A személyre szabásnak, amint az oldal érvel, két jelentése van: ugyanahhoz az eredményhez vezető út változtatása, vagy sokféle, tanuló által irányított eredmény lehetővé tétele. Melyik fajta személyre szabást követi valójában az Ön intézménye, és melyiket kellene követnie?
  • Ha a mai GenAI-viták „tükrözik” ezeket a történeti feszültségeket, milyen múltbeli hibákat ismételhetünk meg — és mit kerülhetünk el az emlékezésük révén?
  • Az oldal azt állítja, hogy a technikai tervezési döntések a tanulás céljáról szóló értékítéleteket hordoznak. Fel tud idézni egy olyan tervezési döntést egy Ön által használt MI-oktatási eszközben, amely csendesen a standardizálást részesítette előnyben a tanulói ügynökséggel szemben — vagy fordítva?

Bevezetés

A terület története nem lineáris haladás, hanem esetleges döntések sorozata, amelyek hatása máig visszhangzik. E történet megértése véd a „kronocentrizmus” ellen (vagyis annak a torzításnak az ellen, hogy a mai fejleményeket egyedülállóan forradalminak tekintsük), segít elkerülni a múltbeli hibák megismétlését, és megmutatja, hogyan irányítják a MI oktatásbeli pályáját a keretezésről és a terminológiáról szóló döntések — nem csupán a technológia.

Kulcsfontosságú történeti szálak

A kibernetikától a „mesterséges intelligenciáig”. Amikor John McCarthy az 1956-os dartmouthi nyári kutatóprojektet tervezte, szándékosan a mesterséges intelligencia kifejezést választotta a kibernetika helyett — részben hogy eltávolítsa a területet Norbert Wienertől és annak analóg visszacsatolásra összpontosító szemléletétől. Ez az elnevezési döntés a gép képességeit közvetlenül az emberi kognícióhoz mérte (antropomorf keretezés), és évtizedekre meghatározta a kutatási prioritásokat, a közvéleményt és az etikai vitát. Ha a terület megtartotta volna a kibernetikai keretezést, a cikk szerint ma talán „kibernetikai tanulási rendszerekről” beszélnénk, amelyek a visszacsatolást és az összekapcsoltságot hangsúlyozzák, nem pedig „MI-tutorokról”, amelyek a gépet az intelligencia önálló forrásaként pozicionálják.

A kognitív forradalom és az ITS gyökerei. A korai úttörők — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — nem csupán modellezték a kogníciót; a tanulásra és a tanításra vonatkozó alapvető kérdéseket vizsgálták. Munkájuk az emberi kogníció információfeldolgozó modelljeit hozta létre, amelyek az oktatáslélektan alapjaivá váltak, és elvezettek az intelligens tutorrendszerekhez (ITS), amelyek az 1960-as és 70-es évek MI-jének heurisztikus keresés és szakértői rendszerek paradigmáiban gyökereztek. Ezek a rendszerek természetes módon igazodtak az értékelés és a standardizálás meglévő struktúráihoz, és végül az AIED közösséggé álltak össze.

Kontroll kontra ügynökség: Anderson és Papert. Két versengő jövőkép jelent meg, megtestesülve John Andersonban és Seymour Papertben. Anderson kognitív tutorai (ACT/ACT-R elmélet) a tudást produkciós szabályokra bontották, pontos, egyéni visszajelzést adtak, és megerősítették a hagyományos oktatási struktúrákat — a MI mint a tanítás optimalizálásának eszköze. Papert konstrukcionizmusa (Logo, „mikrovilágok”, hibakeresés mint tanulás) a számítógépeket olyan környezetként látta, ahol a gyerekek kreatív kísérletezéssel építik tudásukat — a MI mint az intellektuális felhatalmazás eszköze, amely megkérdőjelezte az intézményi hierarchiákat. Ez a kontroll és az ügynökség közötti „lényegi feszültség” a terület történetének vezérfonala.

A személyre szabás két formája. A személyre szabásnak két különböző értelmezése van, amelyek ezekhez a jövőképekhez illeszkednek. Az első egységes eredményeket tart fenn, miközben az utat változtatja (Skinner tanítógépeiben gyökerezik; a Khan Academy elképzelése a mesterfokú tutorálásról). A második sokféle eredményt fogad el — a tanulók egyéni érdeklődésüket és tehetségüket követik, a standard tantervi határoktól függetlenül (Zhao, 2024). Az ITS-modell az előbbit támogatja, a konstrukcionizmus az utóbbit.

Tanulságok a GenAI korszakára. A generatív MI-ről szóló mai viták szorosan tükrözik ezeket a történeti feszültségeket. A GenAI-t gyakran következő generációs intelligens tutorként pozicionálják (Andersont kiterjesztve), ami felügyelet, adatgyűjtés és standardizálás miatti aggodalmakat vet fel. Másképp nézve a kreatív ügynökség eszköze is lehet (Papertet kiterjesztve), ami az értékelés újragondolását és a bizonytalanabb eredmények elfogadását kívánja. Amint Mishra és mtsai. megállapítják, az intézményi erők ismételten a meglévő struktúrákat megerősítő megközelítéseket részesítik előnyben — és az általunk választott nyelv és metaforák alakítják majd a jövőbeli lehetőségeket. Rismanchian és Doroudi AI×Ed keretrendszere empirikus alapot ad ennek az intuíciónak: az AIED-konferenciák (1985, 1993, 2021, 2024) és az IJAIED (2004, 2014, 2021) cikkeit két tengely mentén elhelyezve — a MI szerepe (alkalmazott eszköz kontra az emberi intelligencia analógiája) és a végfelhasználó — egy olyan területet rajzolnak meg, amely a sokszínű keveréktől, benne jelentős korai kutatással, amely a MI-t az emberi intelligencia analógiájaként használta (a tanulás számítógépes modelljei, Papert mikrovilágai, a tudásszerzés ágensalapú modelljei), a 2000-es évekre szinte kizárólag az alkalmazott, instrumentális felhasználások felé mozdult el. Figyelemre méltó, hogy a generatív MI korszaka részben megfordítani látszik ezt a pályát: az AIED 2024-re az „MI mint analógia” negyed négy helyéből három LLM-alapú volt, és az egyikük elnyerte a legjobb cikk díját LLM-vezérelt tanítható ágensekért.

A folyóiratok rekordja kétszer fordul. Az 5 387 Computers & Education cikk (1976–2026) strukturális témamodellje 390 rekordban talált MI-t (7,2%), a 18 témájából 17-ben. Az éves esély, hogy egy cikk MI-hez kapcsolódik, évi 21,8%-kal nőtt 1989-ig, évi 3,7%-kal csökkent 2018-ig, majd évi 40,1%-kal emelkedett 2025-ig (Wu és mtsai., 2026). A 2018-as fordulat négy évvel előzi meg a ChatGPT-t, tehát a generatív korszak egy már folyamatban lévő tendenciát gyorsított fel, nem pedig új irányt indított.

A generatív MI újabb hatása

A generatív MI megjelenése — egy széles család, amely magában foglalja a nagy nyelvi modelleket (szöveg), valamint a kép-, hang- és videógenerátorokat — az AIED történetének legjelentősebb fordulópontja a terület megalapítása óta. Az LLM-ek e család legkiemelkedőbb tagjai és a legtöbb tantermi hatás motorja, de a generatív MI egésze (amely új szöveget, képeket, hangot és kódot képes létrehozni) az a szélesebb erő, amely újraformálja az oktatást. Ezt legjobban az AIED történetéhez viszonyítva lehet megérteni, nem tiszta szakadásként. Több vonás teszi egyedivé a generatív MI korszakát:

Lépték és hatókör. Ellentétben a korábbi évtizedek kognitív tutoraival és ITS-eivel, amelyek ellenőrzött laboratóriumi és tantermi környezetben működtek, az LLM-ek néhány hónappal a megjelenésük után több százmillió tanulót és oktatót értek el, és szinte azonnal beléptek a mindennapi írásba, házi feladatba és tanításba. A GenAI-vita páratlan sebességgel költözött a szakfolyóiratokból a tantermekbe, a testületekbe és a törvényhozásba.

Újfajta képesség. A korábbi AIED-rendszerek a kogníciót modellezték és strukturált tanítást nyújtottak (az Anderson-hagyomány). Az LLM-ek nyitott végű generálást végeznek — esszéket, magyarázatokat, kódot és párbeszédet állítanak elő —, ami a tanulói ügynökséget és kreativitást (a Papert-hagyományt) oly módon helyezi előtérbe, amire a korábbi ITS-ek nem voltak képesek. Ezért lobbantja fel a jelenlegi pillanat olyan élesen a kontroll kontra ügynökség feszültségét: ugyanaz az eszköz bevethető következő generációs intelligens tutorként (az eredmények kontrollálásával) vagy kreatív társszerzőként és gondolkodási partnerként (az ügynökség felerősítésével).

A hozzáférés egyenletének megfordulása. Történetileg a személyre szabott tutorálás szűkös és drága volt; a GenAI a adaptív, egyéni támogatást csaknem ingyenessé és egyetemessé tette — drámaian csökkentve a korábbi AIED-et alakító hozzáférhetőségi és költségkorlátokat. Új kockázatokat is behozott azonban: algoritmikus elfogultság, hallucináció, felügyelet, adatgyűjtés és a nevelők készségeinek leépülése.

Megújult aggodalom a MI-írástudás és a visszaélés miatt. A generatív MI korszaka sürgőssé tette az MI-írástudást és újrakeretezte az akadémiai integritás vitáit (detektálás kontra párbeszéd), miközben felújította az automatizálás, a standardizálás és az episztemikai függőség régóta fennálló aggodalmait. Ezek a terület eredeti feszültségeinek mai kifejeződései.

A kronocentrizmus kockázata. Amint Mishra és mtsai. figyelmeztetnek, a generatív MI körüli hype gyakran nélkülözi a történeti tudatosságot, és hagyja, hogy a technológiai evangelizálók uralják a beszélgetést. Annak megértése, hogy a mai GenAI-viták az Anderson–Papert szakadékot és az 1955-ös kibernetikai elnevezési döntést visszhangozzák, segít szándékos döntéseket hozni ahelyett, hogy a jelent elkerülhetetlennek tekintenénk. A valódi kérdés nem az, mit tudnak tenni a generatív MI eszközök, hanem hogy mit akarunk velük elérni — ez a döntés pedig attól függ, honnan jöttünk.

Következmények

  • Olvassuk a hype-ot történetileg. Ismerjük fel, hogy minden új MI-hullámot forradalmiként kereteznek; a történeti tudatosság feltárja a folytonosságot, és segít ellenállni a beszélgetés vállalati uralmának.
  • Lássuk a tervezési döntéseket értékválasztásként. A MI oktatásbeli alkalmazásáról szóló technikai döntések ideológiai álláspontokat hordoznak a tanulás céljáról — tegyük őket láthatóvá és faggassuk ki őket.
  • Mérlegeljük szándékosan a kontrollt és az ügynökséget. Hogy a MI a standard eredmények felé optimalizáljon-e, vagy sokféle, tanuló által irányított eredményt tegyen lehetővé, valódi választás intézményi és politikai következményekkel, nem technikai adottság.
  • Őrizzük meg a tanulói ügynökséget. A standardizálással és a kontrollal szembeni visszatérő ellenállás, az nyitott végű, tanulóközpontú megközelítések javára, tartós szál, amelyet érdemes védeni.

Gyakori tévhitek

„A MI az oktatásban a ChatGPT-vel kezdődött.” Nem így volt, és a hiedelem azért költséges, mert láthatatlanná teszi az összes korábbi tanulságot. Az intelligens tutorálás az 1960-as és 70-es évek heurisztikus keresési és szakértői rendszer munkáiból származik, és az AIED közösség évtizedekkel a nagy nyelvi modellek előtt köréje szerveződött. Mishra és mtsai. megmutatják, hogy a mai viták egy olyan szakadékot termelnek újra, amely már Anderson kognitív tutoraiban és Papert konstrukcionizmusában is explicit volt, tehát az az olvasó, aki 2022-re datálja a területet, újra levezeti azokat az érveket, amelyeket a terület egyszer már eldöntött, elhagyott vagy elveszített.

„A terület fokozatosan feladta a MI-mint-analógiát az alkalmazott eszközök javára, és a generatív MI folytatja ezt a tendenciát.” Ez az oldal legtanulságosabb korrekciója, mert a pálya valós, de nem monoton. Rismanchian és Doroudi pozicionális elemzése az AIED 1985, 1993, 2021 és 2024, valamint az IJAIED 2004, 2014 és 2021 anyagáról valóban egy elmozdulást mutat a vegyes területtől a szinte kizárólagos alkalmazott instrumentalitás felé a 2000-es évekre. Az AIED 2024-en azonban az MI-mint-analógia negyed négy cikkéből három LLM-alapú volt, köztük egy legjobb cikk díjas munka LLM-alapú tanítható ágensekről. A generatív MI részben megfordítja a tendenciát, nem kiterjeszti, ezért félreérti a kutatási frontvonal tényleges mozgását, aki „a következő intelligens tutorként” kezeli.

„A személyre szabás annyit jelent, hogy minden tanulóhoz igazítjuk a nehézséget.” Ez csak az egyik a két összeegyeztethetetlen értelem közül, és összemosásuk politikai választást rejt el. Az első értelemben az eredmény rögzített, és csak az út változik, a leszármazás Skinner tanítógépeitől a mesterfokú tutorálásig tart. A másodikban maguk az eredmények válnak sokféle, ahogy a tanulók egyéni érdeklődésüket követik a standard tantervtől függetlenül (Zhao, 2024). Egy ITS az elsőt valósítja meg, a konstrukcionizmus a másodikat. Egy „személyre szabottként” leírt eszköz semmit nem mondott el, amíg nem tudjuk, melyiket érti rajta.

„A »mesterséges intelligencia« egyszerűen a terület kézenfekvő neve volt.” A kifejezés szándékos választás volt. Amikor McCarthy az 1956-os dartmouthi projektet tervezte, a mesterséges intelligenciát részesítette előnyben a kibernetikával szemben, részben hogy eltávolítsa a munkát Wiener analóg visszacsatolás hagyományától. Ez az egyetlen döntés a gépeket közvetlenül az emberi kognícióhoz mérte, és az általa bevezetett antropomorf keretezés máig alakítja a kutatási prioritásokat, a terméknyelvet és azokat az etikai kérdéseket, amelyeket a közönség feltesz.

Megvalósítás a gyakorlatban

Oktatók és tanulástervezők számára

  • Nevezze meg a hagyományt, amelyhez az eszköze tartozik, mielőtt bevezeti. Kérdezze meg, hogy fix eredmények felé optimalizál-e, vagy megnyitja-e a tanulói irányt, mert ez a válasz — nem a funkciólista — határozza meg, mit tesz majd az értékelési tervezésével.
  • Faggassa ki a „személyre szabott” szót minden szállítói állításban, és kapjon választ a fenti két értelem szerint. Az a termék, amely a tempót egy közös standard felé változtatja, és az, amely engedi a diákokat eltérni, nem helyettesítői egymásnak.
  • Amikor a diákok a GenAI-t példátlanként mutatják be, a történet önmagában is tanítható tartalom. Az Anderson–Papert keretezés szókincset ad nekik ahhoz, hogy vitatkozzanak a MI-ről, ne csupán használják azt.

Fejlesztők számára

  • A felület nyelve leszármazással bíró tervezési döntés. Ha a rendszerét „MI-tutornak” nevezi, Anderson keretezését és a standard eredmények felé optimalizálás elvárását örökli; ha „mikrovilágnak” vagy „tanulási környezetnek”, Papertét. Egyik sem semleges, ezért válasszon szándékosan.
  • Ha az analógia hagyományában építkezik (a tanulás modelljei, tanítható ágensek, a tudásszerzés szimulációi), mondja ezt meg. Az a negyed két évtizedig szinte üres volt, és újra benépesül; a pozicionálás megkülönböztető tényező, és az értékelési kritériumok is mások.

Kutatók számára

  • A történeti korpuszokat viszonyítási alapként használja, ne a jelent tekintse az egyetlen elérhető összehasonlításnak. Az AIED 1985, 1993, 2021 és 2024 közötti anyagai és az IJAIED 2004, 2014 és 2021 közötti számai kész longitudinális mintát adnak a terület saját állításairól.
  • Hivatkozzon a leszármazásra, amikor újdonságot állít. Az az állítás, hogy egy rendszer „személyre szabja a tanulást” vagy „modellezi a tanulót”, csak egy adott korábbi hagyományhoz viszonyítva új, és a hagyomány dokumentált.

Kapcsolódó fogalmak

Kapcsolódó cikkek

Metaadatok

Tanulás és oktatásConstructivism, Learning Theories
Technológiák és technikákGenerative AI, Intelligent Tutoring
A mesterséges intelligencia oktatási alkalmazásainak alapjaiTanulói önállóság, Mesterséges intelligencia az oktatásban, A MI története az oktatásban
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.