part of EQUORA Institute
HUEN
EQUORA Institute · Aktív kutatási szál · NeverNormal
Kérdőre vont Válaszok™ · Kogníció és AI · Aktív kutatási szál

Korlátozzuk az AI-t az iskolában? Nem mindegy, hogy hova rakjuk a korlátokat.

A 2025-ös PISA jelentés alapján magától értetődőnek tűnik a következtetés: aki AI-t használ tanuláshoz, az rosszabbul teljesít, tehát kevesebb AI-t szabad engedni az iskolákban. A kísérletek adatai azonban specifikusabb eredményeket mutatnak: attól függően, mikor és hogyan használják az AI-eszközöket, javíthatnak is és ronthatnak is az eredményeken.

Olvasás · 10 perc
Státusz · Nyitott kérdés
Keret · Sorrend és előfeltétel
01 · A szám

Egy iskolaév, egyetlen ábrában

A PISA 2025 szeptember 9-én jelent meg, és az AI-fejezetből egyetlen szám ment tovább. Azok a 15 évesek, akik szinte naponta használnak AI-chatbotot fogalmazásírásra, átlagosan 481 pontot értek el természettudományból; akik soha, 509-et. A 28 pontos különbség a szocioökonómiai háttér kiszűrése után is megmaradt, és a jelentés saját átváltása szerint nagyjából egy tanévnyi tanulásnak felel meg.

A PISA vezetője a bemutatón egy mondatba sűrítette az olvasatot: sportnézéstől senki sem lesz fitt. A tanárszakszervezetek nemzetközi szövetsége szerint az AI-t varázsmegoldásként tolják, miközben a gyerekek kiszervezik a gondolkodást egy botnak. Az infografikák a napi használó és a nem-használó közti egy iskolaévet vitték címlapra. Ebből a három elemből áll össze a válasz, amit ez az oldal kérdőre von: az AI rontja a tanulást, tehát korlátozni kell az iskolában.

02 · Amit a PISA lát

Egy pillanatfelvétel, önbevallásból

A PISA keresztmetszeti felmérés: egyetlen időpontban kérdezi meg a diákokat, mennyit használnak AI-t, és ugyanakkor teszteli, mit tudnak. Az OECD a saját jelentésében ki is mondja: az AI-t használó diákok eltérhetnek a nem-használóktól korábbi teljesítményben, motivációban, támogatásban és tanulási szokásokban, ezért a kapcsolat leír egy állapotot, és ok-okozati irányt ebből az adatból senki sem olvashat ki.

Ugyanabban a fejezetben két kevésbé idézett részlet is áll. Az egyik a görbe alakja: a „segít tanulni" célú használatnál a heti használók a nem-használókkal azonos szinten teljesítenek, a napi és az évi egy-két alkalmas használók pedig alattuk. Ez egy fordított U, és egy fordított U-ból a „kevesebb jobb" szabály kiolvasása pontosan annyira megalapozott, mint a „több jobb" szabályé. A másik részlet a jelentés I.4.2-es kerete: ahol az iskola tanórán gyakoroltatja az AI-tartalom minőségének értékelését, ott a gyakori AI-használók enyhén jobban teljesítenek, mint a nem-használók. Ugyanez a doboz rögzíti, hogy ezt a gyakorlatot a hátrányos helyzetű diákok ritkábban kapják meg.

Fordított U — a használat mértéke és a kimenet közti kapcsolat, amelynél a közép a legkedvezőbb, a két szélső pedig egyaránt gyengébb. A PISA az iskolai digitális eszközhasználatnál ugyanezt az alakot találta; az AI-nál a heti gyakoriság áll a csúcson. A görbe önmagában csak azt mondja, hogy a mennyiség helyett valami más dönt.
03 · A kísérlet

Ugyanaz az eszköz, két kimenet

A PISA azt látja, ami történik. Egy randomizált kísérlet azt is, ami történne, ha máshogy csinálnák. A legtisztább ilyen vizsgálat 2025-ben jelent meg a PNAS-ben: közel ezer török gimnazista matematikaórán három csoportba került véletlenszerűen. Az első AI nélkül gyakorolt. A második egy szokásos ChatGPT-szerű felületet kapott GPT-4-gyel. A harmadik ugyanazt a modellt kapta, de a promptban benne volt a feladat megoldása és egy utasítás: lépésenként segítsen, a teljes megoldást tartsa vissza. A gyakorlás után mindenki ugyanazt a vizsgát írta, eszköz nélkül.

Bastani és mtsai, 2025 · ~1 000 gimnazista, matematika · eltérés a kontrollcsoporthoz képest
AI nélkül (kontroll)
0
Korlátlan GPT-4 (»GPT Base«)
+48%
Terelő tutor (»GPT Tutor«)
+127%
Ugyanaz a modell, ugyanazok a diákok, ugyanaz a tananyag. A terelő változat a megoldást megkapta a promptban, de a diáknak csak lépést és tippet adott. A vizsgán a terelő csoport és a kontroll közti különbség statisztikailag nulla.

A kapcsoló a tengelye ennek az egész oldalnak. Gyakorlás közben mindkét AI-csoport látványosan jobb a kontrollnál, és a terelő tutor a jobb kettőjük közül. A vizsgán a korlátlan hozzáférésű csoport 17%-kal rosszabb annál, amelyik soha nem látott AI-t — a terelő csoport pedig a kontrollal azonos szinten áll. A szerzők megfogalmazása: a korlátlan felületet a diákok mankóként használták, és utána egyedül gyengébben teljesítettek; a terelő változat ezt a hatást nagyrészt kioltotta.

Két másik kísérlet a kép másik felét adja. A Világbank hat hetes nigériai programja, amelyben tanári felügyelet mellett, kijelölt tananyagra használták a Copilotot, 0,31 szórásnyi javulást hozott az összesített teszten és 0,23-at a fő tárgyban, angolból; a költséghatékonyságot a szerzők másfél–két év szokásos iskoláztatásra váltják át. A Harvard fizika-bevezető kurzusán egy célra épített AI-tutor a mediális tanulási nyereség több mint duplájával verte az aktív tanulásos tantermi órát, rövidebb idő alatt. A három kísérletben ugyanaz a modellcsalád szerepel. A kimenet a felület tervezésén és a használat pillanatán múlt.

Terelő korlát (guardrail) — a modellnek adott utasításkészlet, amely a válasz visszatartására és a következő lépés felé terelésre állítja be. A Bastani-kísérletben ez három elemből állt: a megoldás a promptban (a hallucináció ellen), tiltás a teljes megoldás kiadására, és a gyakori diákhibák listája. A korlát tehát a modell viselkedésén áll, a hozzáférésen kívül.
04 · A sorrend

Észtország előbb tanított, aztán engedett

A PISA országlistáján van egy furcsa pár. Észtország az európai élmezőnyben áll természettudományból, és a diákjai az AI-t az iskolai munkához a legritkábban használók közé tartoznak. Ugyanez az ország 2025 augusztusában elindította az AI Leap (TI-Hüpe) programot: mind a 154 gimnázium részt vesz, mintegy 20 000 tizedikes és tizenegyedikes, közel 5 000 tanár. A diákok egy ChatGPT-alapú, de gondolkodást terelő, csak észtül válaszoló alkalmazást kapnak; a tanárok prémium hozzáférést és szakmai tanulóközösségeket; a Tartui Egyetem és a Stanford tanulási kimeneteket vizsgál.

A két adat egymás mellé téve egy sorrendet ír le. A PISA-adatfelvétel 2025 tavaszán zárult, a program augusztusban indult: Észtország előbb épített olvasási és gondolkodási teljesítményt, és utána engedte be az eszközt — tervvel, tanári felkészítéssel, mérési programmal. Az első év folyamatmutatói már megvannak (a részt vevő tanárok 94%-a használt AI-t a munkájában, 63%-uk átalakította a tanítást), a tanulási kimenetek 2026 végétől érkeznek. Ez a program az egyetlen hely a világon, ahol a „mennyi idő alatt épül a készség" kérdésre nemzeti léptékű adat készül.

05 · Az előfeltételek

Három készség, az eszköz előtt és mellett

Ha a kimenet a bekapcsolás pillanatán múlik, akkor a kérdés az, mi legyen készen addigra. Három olyan készség rajzolódik ki, amelynek mindegyikéhez van kutatási horgony. Az alapjuk az AI előtt épül; a fejlesztésük vezetett AI-használat mellett is folyik, ahogy a nigériai program és a terelő tutor mutatja — a válaszgeneráló használat az, ami a hiányukat elrejti.

1 · Kritikai értékelés
Annak begyakorlása, hogy egy AI-válasz minőségét lehet és kell megítélni. A PISA I.4.2 kerete szerint ahol ezt tanórán gyakoroltatják, ott a gyakori használó előnybe kerül. A Microsoft–CMU tudásmunkás-felmérése (Lee és mtsai, 2025) a másik oldalról mutatja ugyanezt: minél nagyobb a bizalom az eszközben, annál kevesebb a ráfordított kritikai gondolkodás.PISA 2025, Box I.4.2 · Lee et al., CHI 2025
2 · Feladatkiadás és számonkérés
Egy feladat pontos megfogalmazása és az eredmény ellenőrzése — embernél és gépnél azonos készség. A Bastani-kísérlet központi megfigyelése: a diákok a helyes és a hibás AI-választ egyformán elfogadták. A delegálás a verifikációval együtt egy készség; külön-külön egyik sem működik.Bastani et al., PNAS 2025
3 · Absztrakció és modellezés
Modellekben és forgatókönyvekben gondolkodni — hogy legyen mihez viszonyítani, amit a gép ad. Kalyuga expertise reversal hatása szerint ugyanaz a támogatás, amely a kezdőnek segít, a haladónak árt: az AI-használat szabálya ezért szintenként más, és az absztrakciós szint jelzi a váltást.Kalyuga et al., 2003 · Sweller, 1988

Mindhárom közös vonása, hogy az AI előtt is érték volt, és az AI után is az marad. A különbség annyi, hogy korábban a hiányuk lassan derült ki, most pedig azonnal: egy válaszgeneráló eszköz a hiányzó készséget elrejti a gyakorlás alatt, és leleplezi a vizsgán. A kapcsoló a 03-ban pontosan ezt mutatja.

06 · A gödör

A görbe előbb lefelé megy

Ennek az oldalnak van egy testvére: Butulunk, mert okosodik a technológia? Ott egy három mechanizmusból álló modell szerepel, amelynek első lépése ide illik. Az AI az elején túlterhel: új feladatot ad (ítélni, összevetni, ellenőrizni), amelyre a tanulónak még nincs sémája. A séma épülése alatt a teljesítmény lemegy, és csak utána fordul felfelé. Ez magyarázza a PISA egyik rejtélyét is: a legintenzívebb, legkorábban belemerülő használók vannak a legmélyebben a gödörben.

A gödör hosszáról ma senkinek sincs adata. Egy iskolai bevezetésnél a fokozatosság elve szerint három, hat vagy tizenkét hónapos tanulási görbével érdemes számolni, és ez a szám egyelőre hipotézis — az észt program lesz az első, ahol tesztelhetővé válik. A PISA egyszeri pillanatfelvétele ebből a görbéből egyetlen pontot lát, a lefelé menő szakaszon. Aki ebből az egy pontból „korlátozni kell" szabályt csinál, az a tanulási görbe alján állítja le a tanulást.

07 · A csavar

Hova kerüljön a korlát

Rakd össze a négy adatot — a fordított U-t, a kapcsolót, az észt sorrendet és a gödröt —, és a „korlátozzuk az AI-t" mondat egy pontosabb alakot vesz fel. Korlát kell — három helyen, és mindhárom máshol van, mint ahol a vita ma húzza.

Először a pillanaton. A Bjork-féle „kívánatos nehézségek" és Kapur „produktív kudarc" kutatásai szerint a segítség előtti önálló próbálkozás ad tartós tudást. A Bastani-tutor „tipp, válasz nélkül" szabálya ennek egy technikai alakja; tantermi változata egyetlen mondat: az AI a saját első verzió után kapcsolható be. Másodszor a mérésen. A gyakorlás közbeni teljesítmény félrevezet — mindkét AI-csoport ott volt a legjobb. Az egyetlen érvényes sikerkritérium az AI nélküli teljesítmény az AI-időszak után. Aki iskolai programot tervez, ezt az egy tesztelési elvet vigye be, és a „hány diák használja" típusú mutatókat hagyja el. Harmadszor az előfeltételen. A három készség alapja a 05-ből az eszköz előtt kerül a tantervbe; a további fejlesztésük vezetett használat mellett folyik, és a válaszgeneráló használat addig vár, amíg az ellenőrzés készsége működik.

És itt fordul meg a méltányossági érv is. A PISA legkevésbé idézett lelete szerint az AI-értékelési gyakorlatot a hátrányos helyzetű diákok ritkábban kapják meg. Ha az előfeltétel-készség dönt a kimenetről, akkor az iskolai AI-korlátozás azokat védi, akiknél a készség otthonról jön — a többiek pedig a korlát mögött is használják az eszközt, csak felkészítés nélkül. Az AI-műveltség tanítása ebben az olvasatban egyenlőség-politika, a tiltás pedig a meglévő különbség rögzítése.

Az átkeretezés
A korlát az eszköz viselkedésén és a bekapcsolás pillanatán áll jól. A hozzáférésen állva a tanulási görbe alján állítja meg a tanulást.
A következő kérdés

Ha a kimenetet a bekapcsolás pillanata és az előfeltétel-készség dönti el — mennyi idő alatt épül fel a készség, és ki fizeti meg a gödröt addig?

Ezt a vizsgálatot még senki sem futtatta végig: a Bastani-kísérlet egyetlen tanév egyetlen tárgyát látja, a nigériai program hat hetet, a PISA egy tavaszt. Az észt program az első hely, ahol évek alatt, nemzeti mintán derül ki, hogy a görbe felfelé fordul-e, és mennyi idő alatt. A jóslat, ami ebből az oldalból következik: a végkimenetet az dönti el, mikor kapcsolják be az eszközt a próbálkozáshoz képest, mi van készen addigra, és mit mérnek utána. Ez az a vizsgálat, ami kutatásra vár.

Építsük fel a kutatást →
Források. OECD (2026). PISA 2025 Results (Volume I), Executive Summary és I.4. fejezet „Students' use of artificial intelligence for schoolwork", Box I.4.2; doi:10.1787/73451bc5-en · Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS 122(26); doi:10.1073/pnas.2422633122 · De Simone, M. et al. (2025). From Chalkboards to Chatbots. World Bank Policy Research Working Paper 11125 · Kestin, G. et al. (2025), AI-tutor vs. aktív tanulás, randomizált kísérlet, Harvard fizika · Lee, H.-P. et al. (2025), tudásmunkás-felmérés a generatív AI és a kritikai gondolkodás kapcsolatáról, CHI 2025 · Kalyuga, S. et al. (2003), az expertise reversal hatás · Sweller, J. (1988), a kognitív terhelés elmélete · Bjork, R. A., a „kívánatos nehézségek" · Kapur, M., a „produktív kudarc" · AI Leap / TI-Hüpe Alapítvány (2026), első éves beszámoló, tihupe.ee · Schleicher, A., PISA-bemutató és Euronews-interjú, 2026. szeptember 10. · Education International, sajtóközlemény, 2026. szeptember 9. Az adatok parafrazeálva; a pontos értékekért lásd az eredetiket.
Kutatási eredet
Ez az oldal az EQUORA Institute egyik kutatási munkájából származik, és annak egy állapotát rögzíti, lezárt intézményi álláspont helyett. Az időbélyegzett kutatási állapot a kiadás pillanatában elérhető eredményekre épül; a később megjelentek akkor kerültek bele, ha az oldal frissült, és ezt a dátum jelzi. Az AI a kutatás egész folyamatában gondolkodó partnerként vesz részt; az értelmezésért és a közlésért a felelősség emberi marad.
Kiadva: 2026. szeptember 15.
Papp László · EQUORA InstituteHogyan kutatunk →