Szakmai cikkekAI az oktatásban

Ha az AI mindig tudja a választ, megtanul-e még a diák kérdezni? (2. rész)

Kocsis Betti 2026. szeptember 20. 13 perc olvasás

A segítség időzítéséről, a metakognícióról és arról, mi történik a tanuló fejében az elakadás pillanatában. Miért nem mindegy, mikor és hogyan érkezik a segítség?

Az első részben arról írtam, hogy egy jó produktum még nem bizonyítja, hogy valódi tanulás történt. Most egy szűkebb, de számomra talán még érdekesebb kérdést szeretnék körbejárni: mi történik akkor, amikor a tanuló elakad, és a segítség gyakorlatilag azonnal rendelkezésére áll?

Ezt a helyzetet naponta látom. Egy diák megakad egy feladatban. Nem feltétlenül azért, mert nem tudja. Sokszor egyszerűen még nem szerveződött össze benne a következő lépés. Van előzetes tudása, van valamilyen elképzelése, csak éppen nem állt még össze a megoldási út.

Régebben ilyenkor gyakran volt néhány perc bizonytalanság. Ma ez a néhány perc könnyen eltűnik. Nem szeretném idealizálni az elakadást. A túl hosszú, értelmetlen küzdelem nem pedagógiai erény. Ugyanakkor az sem mindegy, hogy a segítség mikor érkezik, milyen formában érkezik, és mit hagy meg a tanulónak saját munkának.

Ez azért lényeges, mert a tanulási folyamatban az elakadás nem pusztán akadály. Sok esetben információ. Megmutatja, hogy a tanuló mit tud, mit nem tud, milyen stratégiát választott, mennyire tudja monitorozni saját megértését, és képes-e felismerni, pontosan hol van szüksége segítségre. Amikor egy diák azt mondja, hogy „nem értem”, az szakmailag még nagyon kevés információ.

Nem érti a fogalmat?

Nem érti a feladat szövegét?

Nem tudja, melyik korábbi tudást kellene előhívnia?

Nem tudja, hogyan kezdjen hozzá?

Vagy valójában érti, csak bizonytalan?

Ezek teljesen különböző helyzetek.

És innen már egészen más lesz az AI szerepe is.

A segítség nem egyszerűen jó vagy rossz

A pedagógiai támogatásról sokszor túl egyszerűen gondolkodunk. Ha egy gyerek nem tud valamit, segítünk. Ez természetes.

De szakmailag nemcsak a segítség ténye számít, hanem a segítség minősége és dózisa is.

A scaffolding, vagyis pedagógiai állványozás fogalma éppen ezt írja le: a tanuló olyan támogatást kap, amely az adott pillanatban lehetővé teszi a továbblépést, miközben a cél az, hogy később ugyanezt már önállóbban tudja elvégezni. A jó scaffolding ezért nem statikus. Nem ugyanannyit segít az elején és a végén. Nem ugyanúgy segít minden tanulónak. És főleg: nem végzi el automatikusan a feladatot.

A segítség lehet egy kérdés. Egy emlékeztető. Egy jól megválasztott példa. Egy részfeladat. Egy visszajelzés arról, hogy a gondolatmenet melyik pontján érdemes újranézni valamit.

Az AI ebben különösen érdekes, mert technikailag képes lehet mindezt nagyon gyorsan és akár személyre szabottan megtenni.

De ugyanilyen könnyen képes arra is, hogy egyetlen mondattal átlépje az egész gondolkodási folyamatot.

Ez a különbség nem technológiai.

Pedagógiai.

Mitől lesz valóban tanulási helyzet az AI-val való munka?

Egy diák beírhatja:

„Oldd meg ezt.”

És beírhatja azt is:

„Nézd meg, hogyan gondolkodtam, és csak ott segíts, ahol elakadtam.”

Ez nem pusztán két különböző prompt.

Két különböző tanulási helyzet.

Az elsőben az eszköz könnyen átveheti a problémamegoldás jelentős részét.

A másodikban megmaradhat a tanulónál a tervezés, a döntés, a hibafelismerés és az önellenőrzés.

A különbséget azért tartom ennyire fontosnak, mert a tanulás során nem csak a helyes válasz a cél. Fejlődnie kell azoknak a kognitív és metakognitív folyamatoknak is, amelyekkel a tanuló később, új helyzetben önállóan tud dolgozni.

A probléma tehát nem az, hogy az AI segít.

Hanem az, ha a segítség struktúrája rendszeresen kiváltja azt a gondolkodási műveletet, amelynek éppen fejlődnie kellene.

Ez különösen jól látszik problémamegoldásnál, szövegértésnél, érvelésnél, előhívásnál és minden olyan tanulási helyzetben, ahol maga a mentális művelet a tanulási cél része.

A „nem tudom” és a „megértettem” között sokkal több történik, mint elsőre látszik

A tanulás egyik legérdekesebb része az, hogy a legtöbb fontos folyamat kívülről nem látható.

Nem látjuk, amikor a tanuló előhív egy korábbi fogalmat.

Nem látjuk, amikor összevet két lehetőséget.

Nem látjuk, amikor észreveszi, hogy valami nem stimmel.

Nem látjuk, amikor saját magának tesz fel egy kérdést.

Pedig ezek a folyamatok gyakran többet árulnak el a tanulásról, mint maga a végső válasz. A metakogníció egyik lényegi eleme éppen az, hogy a tanuló képes legyen saját tudását és megértését monitorozni. Nem elég azt tudni, hogy „nem megy”.

A cél az, hogy egyre pontosabban felismerje: mi nem megy.

Ez óriási különbség.

A „nem értem a kémiát” pedagógiailag szinte kezelhetetlen állítás.

A „nem értem, hogy ezen a ponton miért változik az oxidációs szám” már egy konkrét tanulási probléma. Az egyik diffúz kudarcélmény. A másik megoldható kérdés.

És az önálló tanulás egyik fontos fejlődési iránya éppen az, hogy a tanuló egyre pontosabban tudja diagnosztizálni saját elakadásait.

Az AI itt egyszerre lehet nagyon jó és nagyon rossz társ

Ha az AI azonnal elmondja a teljes megoldást, a tanuló könnyen elveszíti annak lehetőségét, hogy saját maga lokalizálja az elakadást. Ha viszont az AI visszakérdez: „Melyik lépésig vagy biztos?” vagy „Mi volt az utolsó pont, amit még értettél?” akkor már egészen más történik. A figyelem visszakerül a tanuló saját gondolkodására. Ez azért fontos, mert az önszabályozott tanulásban a tervezés, a monitorozás, a stratégia megválasztása, a segítségkérés és a reflexió egymással összefüggő folyamatok. A tanuló nem egyszerűen végrehajt egy feladatot, hanem ideális esetben egyre inkább szabályozza is azt, hogyan jut el a megoldásig.

És itt van az a pont, ahol szerintem az MI-használat minősége eldől.

Nem azon, hogy mennyire „okos” az eszköz. Hanem azon, hogy megtartjuk-e a tanulónál a szabályozás egy részét.

A segítségkérés maga is tanulható készség

Ez egy kevésbé látványos, de nagyon fontos terület. A segítségkérés nem gyengeség, és nem is az önállóság ellentéte. Jól használva kifejezetten adaptív tanulási stratégia. A tanulónak azonban meg kell tanulnia felismerni, mikor jutott el arra a pontra, ahol a további önálló próbálkozás már nem produktív, és mikor kér segítséget túl korán. Ez egyáltalán nem egyszerű döntés.

Van, aki túl sokáig küzd egyedül, és órák alatt sem mozdul előre. Van, aki már az első bizonytalanságnál segítséget kér. Az AI ezt a különbséget felerősítheti, mert a segítség elérésének „költsége” gyakorlatilag nullára csökken. Nem kell megvárni a következő órát.

Nem kell feltenni a kérdést más előtt. Nem kell kellemetlenül érezni magunkat amiatt, hogy valamit nem értünk. Ez rengeteg diáknak felszabadító lehet. De ettől még meg kell tanulni a segítségkérés szabályozását. Mert egy jó tanuló nem az, aki soha nem kér segítséget. És nem is az, aki mindig kér.

Hanem az, aki egyre jobban felismeri, mikor, miben és milyen mértékben van rá szüksége.

Amikor a kognitív tehermentesítés már a tanulási célt érinti

A cognitive offloading, vagyis kognitív tehermentesítés nagyon fontos fogalom ebben a témában. Önmagában teljesen természetes jelenség. Külső eszközöket használunk azért, hogy bizonyos mentális műveleteket ne kelljen folyamatosan fejben tartanunk. Ez nem az AI-val kezdődött.

A naptár, a jegyzet, a GPS, a számológép mind ilyen eszköz. A tanulásban azonban mindig azt kell nézni, hogy mi a cél. Ha a cél egy komplex biológiai folyamat megértése, nem probléma, ha az AI segít rendszerezni egy hosszú forrást. Ha viszont a cél maga az összefoglalási készség fejlesztése, már nem mindegy, hogy ki készíti el az összefoglalót.

Ha a cél egy matematikai koncepció alkalmazása, használhatom az MI-t példák generálására. Ha viszont a megoldási stratégia felismerését kellene gyakorolnom, nem biztos, hogy ezt a lépést érdemes kiszervezni.

Ez az a pont, ahol sokszor elcsúszik a beszélgetés.

Nem azt kell eldönteni, hogy egy adott AI-funkció „jó-e” vagy „rossz-e”. Azt kell eldönteni, hogy összhangban van-e az adott tanulási céllal.

És itt jön be a tanár vagy a tanulási szakember szerepe

Az AI nagyon sok mindenre képes. De attól, hogy képes magyarázni, még nem automatikusan pedagógus. A pedagógiai döntés nem azonos a válaszgenerálással. Meg kell ítélni, hogy a tanulónak jelenleg milyen támogatásra van szüksége. Melyik tudáselem hiányzik. A nehézség kognitív, motivációs vagy esetleg egyszerűen stratégiai jellegű-e.

Most visszajelzést kell adni, vagy hagyni kell még próbálkozni. Egyszerűsíteni kell a feladatot, vagy éppen tovább kell terhelni.

A jó pedagógiai segítség ezért sokkal inkább diagnózis és döntéshozatal, mint egyszerű információátadás. A friss szakirodalom is ebbe az irányba mutat. A generatív AI-val támogatott scaffolding és önszabályozott tanulás kutatásai nem azt sugallják, hogy bármilyen chatbot automatikusan javítja a tanulást, hanem azt, hogy a támogatás szerkezete, időzítése és pedagógiai célja számít.

Egy 2025-ös Computers & Education vizsgálatban például a chatbot által támogatott önszabályozási scaffoldingot kapó hallgatók kedvezőbb eredményeket mutattak bizonyos tanulási és stresszmutatókon, mint a kontrollcsoport. Más kutatások pedig kifejezetten arra figyelmeztetnek, hogy maga az AI által generált scaffolding sem feltétlenül megbízható, ezért a pedagógiai minőséget ugyanúgy ellenőrizni kell.

Ez nekem egy fontos pont.

Az AI nem azért lesz jó tanulótárs, mert sokat tud. Hanem akkor, ha jól van beillesztve a tanulási folyamatba.

A személyre szabás itt nem azt jelenti, hogy mindenki más színű feladatlapot kap

Két ugyanolyan életkorú tanulónál ugyanaz az elakadás egészen mást jelenthet.

Az egyik valójában tudja az anyagot, de alacsony a tanulási önbizalma, ezért túl hamar kér segítséget.

A másiknál tényleges tudáshiány van.

A harmadik rossz stratégiát használ.

A negyedik nem tudja pontosan monitorozni, hogy mit ért és mit nem.

Egy ötödik pedig egyszerűen megszokta, hogy minden nehezebb pontnál azonnal megkérdezi az AI-t.

Ezért nekem a személyre szabott AI-használat nem ott kezdődik, hogy a rendszer ismeri a diák nevét és nehézségi szintet állít neki.

Hanem ott, hogy érteni próbáljuk a tanulási működését.

Pont ezért építem a tanulásmódszertani felmérésemet és a Tanulási DNS rendszerét is. Nem „tanulási típusokat” szeretnék kiosztani.

Hanem azt szeretném látni, hogyan áll össze egy adott diáknál többek között a fókusz, a motiváció, az időgazdálkodás, a halogatás, a tanulási stratégiák, a metakognitív működés, az önállóság, a segítségkérés és az AI-használati szokások mintázata.

Mert innentől lehet igazán érdekes kérdést feltenni:

ennél a diáknál hol legyen az AI közelebb, és hol kell inkább hátrébb lépnie?

Ez az a pont, ahol nálam az AI Tanulótárs gondolata is elválik egy egyszerű chatbotétól

Nem szeretnék olyan rendszert, amelynek az a sikerkritériuma, hogy minél több választ tudjon adni.

Engem az érdekel, hogy a diák idővel egyre kevesebb külső szabályozással is képes legyen jó döntéseket hozni a saját tanulásáról.

Mikor kell előhívni.

Mikor kell újraolvasni.

Mikor kell stratégiát váltani.

Mikor érdemes segítséget kérni.

Mikor kell ellenőrizni egy AI-választ.

És mikor kell egyszerűen bezárni az eszközt, és megpróbálni egyedül.

Ha az AI ehhez hozzásegít, akkor valóban tanulást támogat. Ha viszont minden bizonytalanságot azonnal megszüntet, könnyen lehet, hogy egy nagyon kényelmes rendszert építünk.

Csak nem biztos, hogy egy önállóbb tanulót.

A kérdezés képessége talán fontosabb lesz, mint valaha

Sokan mondják, hogy az AI-korszakban annak lesz előnye, aki jól tud kérdezni. Ezzel egyetértek. Csak én egy kicsit mást is értek alatta. Nemcsak azt, hogy a diák jó kérdést tudjon írni a ChatGPT-nek. Hanem azt is, hogy saját magától képes legyen megkérdezni:

Mit nem értek pontosan?

Miért nem működik, amit most csinálok?

Mit tudok már ebből?

Milyen segítségre van valóban szükségem?

És ha most megkapom a segítséget, utána képes leszek-e nélküle is továbbmenni?

Nekem ez sokkal közelebb áll ahhoz, amit valódi AI-literacynek neveznék. Nem egy promptgyűjtemény. Nem egy technológiai trükk. Hanem annak tudása, hogy hogyan maradok én a saját tanulási folyamatom irányítója akkor is, amikor mellettem van egy eszköz, amely szinte bármikor képes átvenni az irányítást.

És lehet, hogy a jövő egyik legfontosabb tanulási készsége végül nem az lesz, hogy milyen gyorsan találjuk meg a választ. Hanem az, hogy tudunk-e még elég sokáig maradni egy jó kérdésnél ahhoz, hogy közben történjen velünk valami, amit tanulásnak nevezünk.

Ha elindulnál egy másik úton…

Ha azt érzed, hogy a tanulás nálatok most nem működik jól, túl sok a küzdés, kevés az önállóság, vagy egyszerűen szeretnéd, hogy a gyereked megtanuljon hatékonyabban, tudatosabban és az AI-t jól használva tanulni, dolgozzunk együtt.

Ha kérdésed van, írj bátran privátban. Megnézzük, hol akad el a folyamat, és milyen irány lenne valóban személyre szabott.

*Kocsis Betti – tanulási coach*

Források

  • OECD – Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html
  • OECD – How to effectively use Generative AI in education: https://www.oecd.org/en/blogs/2026/01/how-to-effectively-use-generative-ai-in-education.html
  • Tsai et al. (2025) – Effects of integrating self-regulation scaffolding supported by chatbot and online collaborative reflection on students’ learning in an artificial intelligence course: https://www.sciencedirect.com/science/article/pii/S0360131525000739
  • Xia et al. – A systematic literature review on designing self-regulated learning using generative artificial intelligence and its future research directions: https://www.sciencedirect.com/science/article/abs/pii/S0360131525002337
  • Developing generative AI literacies through self-regulated learning: A human-centered approach
  • Qian et al. – Towards reliable generative AI-driven scaffolding: Reducing hallucinations and enhancing quality in self-regulated learning support: https://www.sciencedirect.com/science/article/pii/S0360131525002167
  • Yan et al. – The effects of generative AI agents and scaffolding on enhancing students’ comprehension of visual learning analytics: https://www.sciencedirect.com/science/article/pii/S0360131525000909

Szeretnél személyre szabott tanulási tervet?

Foglalj egy 30 perces ingyenes konzultációt, vagy kérj értesítést az indulásról.