Az AI-val tanulni nagyon könnyű.
Beillesztesz egy témát, kérsz egy magyarázatot, aztán még egy példát. Ha valami nem világos, rákérdezel. Ha feladatot kell megoldani, megmutatja a lépéseket. Ha esszét kell írni, ad egy vázlatot. Ha vizsgára készülsz, generál húsz kérdést néhány másodperc alatt.
Mindez látványosan gyors.
Csakhogy a tanulásnál nem ugyanaz a kérdés, hogy milyen gyorsan jutottál el egy jó válaszig, és hogy mennyi maradt meg belőle benned.
Ezért az „AI tanuláshoz” szerintünk nem azt jelenti, hogy minél több feladatot kell átadni a modellnek. Sokkal inkább azt, hogy el kell dönteni: melyik részben segítsen az AI, és melyik gondolkodási munkának kell továbbra is nálad maradnia.
Ebben a cikkben ezt bontjuk szét.
A jó AI-használat nem azzal kezdődik, hogy „oldd meg”
Tegyük fel, hogy statisztikát tanulsz, és nem érted, mikor kell kétmintás t-próbát használni.
A legegyszerűbb kérés:
„Oldd meg ezt a feladatot.”
Kapsz egy korrektnek tűnő megoldást, végigolvasod, érthetőnek tűnik, és haladsz tovább.
Ez produktív érzés.
De valójában az AI végezte el a legfontosabb döntést: felismerte a feladattípust, kiválasztotta a módszert, felépítette a megoldási menetet, majd végrehajtotta.
Pont azt a gondolkodási láncot, amelyet neked kellene megtanulnod.
Egy hasznosabb kérés például:
„Ne oldd meg. Segíts eldönteni, milyen információkat kell először azonosítanom ahhoz, hogy kiválasszam a megfelelő próbát.”
Ha erre már tudsz válaszolni, jöhet a következő lépés.
„Szerintem kétmintás t-próba kell, mert két független csoport átlagát hasonlítjuk össze. Jó az érvelésem?”
Ebben a verzióban az AI továbbra is segít, de nem veszi ki a kezedből a döntést.
Ez apró különbségnek hangzik. Tanulási szempontból viszont ez a lényeg.
Mit tudunk jelenleg az AI és a tanulás kapcsolatáról?
A generatív AI oktatási használatáról már elég sok kutatás született ahhoz, hogy ne csak benyomásokból beszéljünk róla, de még mindig fiatal területről van szó.
Egy 2025-ben megjelent szisztematikus áttekintés és meta-analízis 69, 2022 és 2024 között publikált kísérleti tanulmányt vizsgált. Összességében a ChatGPT-alapú beavatkozások jobb tanulmányi teljesítménnyel, kedvezőbb motivációs mutatókkal és bizonyos magasabb rendű gondolkodási mutatók javulásával jártak. A szerzők ugyanakkor külön kiemelték a kutatások módszertani korlátait, a sok rövid távú mérést, valamint azt, hogy nem mindig világos: a diák valóban többet tanult-e, vagy egyszerűen jobb eredményt tudott előállítani AI-segítséggel.
Deng et al. (2025) – Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies
Ez a különbség nagyon fontos.
Ha egy beadandó AI-val 30%-kal jobb lesz, az még nem jelenti automatikusan, hogy te is 30%-kal többet tudsz.
Marek Urban és munkatársai egy egyetemistákkal végzett kísérletben azt találták, hogy ChatGPT használatával javult a kreatív problémamegoldási feladatok megoldásainak minősége és eredetisége, miközben a résztvevők könnyebbnek érezték a feladatot és kevesebb mentális erőfeszítésről számoltak be. Ugyanakkor a saját teljesítményük megítélése kevésbé volt egyértelműen kalibrált: a hasznosnak érzett AI-segítség könnyen befolyásolhatta azt is, mennyire jónak gondolták a saját munkájukat.
Urban et al. (2024) – ChatGPT improves creative problem-solving performance in university students
Vagyis az AI tud jobb outputot létrehozni.
A tanuló feladata viszont az, hogy közben ne veszítse szem elől, mit tudna megcsinálni segítség nélkül.
Használd magyarázatra, de kérj olyat, amire tényleg szükséged van
Az AI egyik legjobb tanulási felhasználása a magyarázat.
Egy tankönyv vagy előadás egyféleképpen mutatja be az anyagot. Ha az a megfogalmazás neked nem áll össze, korábban kereshettél egy másik könyvet, videót vagy fórumposztot.
Most kérhetsz másik magyarázatot azonnal.
Például:
„Magyarázd el az opportunity cost fogalmát először hétköznapi példával, majd egyetemi közgazdaságtani nyelven.”
Vagy:
„Értem, hogyan működik a bináris keresés, de nem értem, miért O(log n). Magyarázd el csak ezt a lépést.”
Ez sokkal jobb, mint:
„Magyarázd el az egész fejezetet.”
A cél az, hogy az AI egy konkrét akadályt segítsen eltávolítani, ne pedig újabb hosszú szöveget készítsen a már meglévő hosszú szöveg mellé.
Kasneci és munkatársai az oktatásban használt nagy nyelvi modellekről szóló áttekintésükben éppen ezt a kettősséget hangsúlyozzák: az LLM-ek személyre szabott támogatást, magyarázatot és visszajelzést tehetnek széles körben hozzáférhetővé, miközben pontatlanság, torzítás és túlzott ráhagyatkozás is problémát jelenthet.
Kasneci et al. (2023) – ChatGPT for good? On opportunities and challenges of large language models for education
Ezért egy jó AI-magyarázat után érdemes mindig megfordítani a helyzetet.
Ne tegyél fel rögtön újabb kérdést.
Inkább csukd le a választ, és próbáld meg saját szavaiddal elmondani, mit értettél meg.
Ne a választ kérd először, hanem a következő segítséget
Ha egy feladattal elakadsz, az AI sokszor hajlamos gyorsan eljutni a megoldásig.
Tanulásnál ez nem mindig előny.
Képzeld el, hogy egy programozási feladatban nem működik a ciklusod. Három lehetőség közül választhatsz:
- kéred a helyes kódot;
- kéred, hogy mondja meg, hol a hiba;
- kéred az első olyan kérdést vagy hintet, amely segít neked megtalálni a hibát.
A harmadik lassabb.
De több gondolkodás marad nálad.
Egy 2024-es, Python-oktatást vizsgáló kutatásban egy ChatGPT-alapú tutor strukturált segítségi rendszert használt: nem minden esetben adta rögtön a teljes megoldást, hanem különböző szintű segítséget kínált. A rendszer különösen a gyengébb előismerettel rendelkező hallgatóknál mutatott kedvező eredményeket, miközben a szerzők a túlzott függés veszélyére is felhívták a figyelmet.
PyTutor study (2024) – Enhancing Python learning with a ChatGPT-Based intelligent tutoring system
Ez jó általános szabály:
ha tudsz még gondolkodni, ne kérd el a teljes választ. Kérd a legkisebb segítséget, amellyel tovább tudsz menni.
Először válaszolj te, utána jöjjön az AI
Az AI nagyon jó visszajelző eszköz lehet.
De ehhez előbb kell lennie valamire visszajeleznie.
Ha egy tételre készülsz, ne ezt írd:
„Írd le nekem a Porter-féle öt erőt.”
Próbáld inkább:
„Leírom emlékezetből a Porter-féle öt erőt. Nézd meg, mi pontos, mi hiányzik, és csak a hibás részeket javítsd.”
Ezután írd le, amit tudsz.
Itt az AI már nem helyetted hozza létre az első választ. A te tudásodat ellenőrzi.
Ez összhangban van az active recall mögötti tanulási mechanizmussal is. A kutatások hosszú ideje azt mutatják, hogy az információ emlékezetből történő előhívásának gyakorlása javíthatja a későbbi megtartást, különösen akkor, ha a tanuló megfelelő visszajelzést is kap.
McDermott (2021) – Practicing Retrieval Facilitates Learning
Ha még nem olvastad, erről külön is írtunk az active recallról szóló cikkünkben.
A fontos sorrend:
te próbálkozol → AI visszajelez → te javítasz.
Nem:
AI válaszol → te elolvasod → továbblépsz.
A visszajelzés az egyik legerősebb AI-felhasználás
Egy tanár vagy magántanár nem csak azért hasznos, mert tudja a választ.
Azért is, mert látja, hol tért el a gondolkodásod.
Az AI-nál is itt kezd érdekes lenni a dolog.
Például:
„Ez a válaszom: [válasz]. Ne írd újra helyettem. Jelöld meg azt a két pontot, ahol az érvelésem hiányos, és tegyél fel egy kérdést, amely segít kijavítani.”
Vagy esszénél:
„Ne fogalmazd át a bekezdést. Mondd meg, hogy az állításom, bizonyítékom és következtetésem logikailag összeér-e.”
Egy randomizált vizsgálatban tanárképzésben részt vevő hallgatók kaptak vagy személyre szabott, LLM által generált visszajelzést, vagy minden résztvevő számára azonos, előre megírt szakértői feedbacket. Az adaptív AI-visszajelzés bizonyos érvelési mutatóknál jobb későbbi teljesítménnyel járt, bár nem minden mérőszámban volt különbség.
Effects of adaptive feedback generated by a large language model (2024)
A lényeg itt sem az, hogy „az AI jobb, mint egy tanár”.
Hanem az, hogy olyan helyzetekben is kaphatsz azonnali, a saját válaszodra reagáló visszajelzést, amikor egyébként senki nem ül melletted.
Használd kérdezőpartnerként
Sok hallgató AI-val úgy tanul, mintha keresőt használna.
Kérdés.
Válasz.
Új kérdés.
Válasz.
Pedig az AI egyik sokkal érdekesebb szerepe az, amikor ő kérdez téged.
Például:
„Kérdezz ki ebből a témából egy kérdéssel egyszerre. Ne mutasd a megoldást, amíg nem válaszoltam. A válaszom után adj rövid feedbacket, majd kérdezz tovább.”
Vagy:
„Készíts szóbeli vizsgát ebből a témából. Az első kérdés legyen alapfogalom, utána a válaszaim alapján menj mélyebbre.”
Ezzel a használattal a beszélgetés iránya megfordul.
Nem te kéred folyamatosan a kész információt.
Neked kell előállítanod.
Ha flashcardokat használsz, ugyanezért érdemes a kártyákat is felidézésre, nem pedig újraolvasásra használni. Erről részletesebben a tanulókártyákról szóló cikkünkben írtunk.
Kérj új példát, ne ugyanazt a választ új szavakkal
Amikor nem értesz valamit, könnyű azt írni:
„Magyarázd el másképp.”
Ez néha elég.
De sok esetben jobb konkrétan azt kérni, mi változzon.
Például:
„Adj egy olyan példát, ahol a kereslet nő, de a kínálat nem változik.”
„Mutass egy hibás SQL lekérdezést, amelyben ugyanaz a JOIN-hiba szerepel, de ne ugyanazzal az adattal.”
„Adj egy új német mondatot ugyanazzal a nyelvtani szerkezettel, de más igével.”
Ezzel nem ugyanannak a válasznak egy újrafogalmazott verzióját kapod.
Hanem új helyzetben találkozol ugyanazzal az alapelvvel.
Ez közelebb visz ahhoz, hogy ne csak egy konkrét példát jegyezz meg, hanem felismerd a mögötte lévő mintát.
Az AI-t is ellenőrizni kell
A tanulás közben használt AI egyik veszélye az, hogy nagyon magabiztosan tud hibázni.
A válasz lehet folyékony, szépen strukturált és teljesen hihető akkor is, ha valamelyik állítása pontatlan.
Ezért különösen egyetemi tananyagnál fontos eldönteni, mi az igazodási pont.
Ha van tankönyved, előadásod vagy oktatói anyagod, akkor az AI válaszát ezekhez érdemes visszakötni.
Például ahelyett, hogy csak ezt kérdeznéd:
„Mi a vállalati likviditási ráta?”
jobb lehet:
„Az alábbi jegyzet alapján magyarázd el a likviditási rátát. Ha olyat teszel hozzá, ami nincs benne az anyagban, jelezd külön.”
Az UNESCO generatív AI-ról szóló oktatási iránymutatása is emberközpontú használatot hangsúlyoz: az AI-t nem önálló tudás- vagy döntéshozó autoritásként, hanem megfelelő pedagógiai és etikai keretek között érdemes alkalmazni. A dokumentum külön foglalkozik az adatvédelemmel, a validációval és az AI oktatási felhasználásának kockázataival is.
UNESCO – Guidance for generative AI in education and research
Egy egyszerű szabály:
minél fontosabb az állítás, annál kevésbé támaszkodj pusztán arra, hogy az AI meggyőzően fogalmazott.
Három tanulási helyzet, ahol jól használható az AI
1. Elméleti tárgy
Tananyag: közgazdaságtan.
Első körben elolvasod az eredeti anyagot.
Ezután:
„Kérdezz meg, mi a különbség a nominális és a reálkamat között. Ne segíts, amíg nem válaszoltam.”
Válaszolsz.
Az AI feedbacket ad.
Ezután:
„Adj egy rövid példát, ahol nekem kell eldöntenem, melyik kamatról van szó.”
A végén bezárod az AI-t, és saját szavaiddal leírod a különbséget.
2. Számolós tárgy
Tananyag: statisztika.
Megpróbálod egyedül megoldani a feladatot.
Elakadsz.
Nem a megoldást kéred:
„Itt tartok. Ne számold ki helyettem. Mondd meg, hogy a következő lépésem jó irányba megy-e.”
Ha nem, kérsz egy hintet.
A végén egy hasonló feladatot már segítség nélkül oldasz meg.
3. Nyelvtanulás
Tananyag: német múlt idő.
Kérsz öt rövid mondatot magyarul.
Te lefordítod.
Az AI csak ezután javítja ki, és különválasztja:
- a nyelvtani hibát;
- a szókincshibát;
- a természetesebb megfogalmazást.
Utána kapsz új mondatokat ugyanazzal a nyelvtani céllal.
Az AI mindhárom esetben jelen van.
De a teljesítményt neked kell létrehoznod.
Mikor érdemes kifejezetten kikapcsolni?
Van olyan tanulási pillanat, amikor az AI jelenléte már önmagában megváltoztatja azt, amit mérni szeretnél.
Ha arra vagy kíváncsi, hogy egy vizsgán önállóan tudsz-e teljesíteni, akkor gyakorolj néha teljesen nélküle.
Ez különösen fontos:
- próbavizsgán;
- szóbeli tétel teljes kifejtésénél;
- esszé első vázlatánál;
- több lépéses számolási feladatnál;
- programozási feladatnál;
- olyan témánál, amelyet már „megtanultnak” gondolsz.
Ha mindig ott van a gomb, amellyel egy másodperc alatt kérhetsz segítséget, nehéz megmondani, mi történne akkor, ha ez a segítség nem lenne elérhető.
A kutatásokban is különbséget kell tenni az AI-val elért pillanatnyi teljesítmény és a későbbi önálló tanulási eredmény között. A friss meta-analízisek biztató eredményeket mutatnak, de a hosszú távú hatások és az önálló tudás mérése továbbra is fontos nyitott kérdés.
Deng et al. (2025)
Egy egyszerű AI-val támogatott tanulási blokk
Tegyük fel, hogy 45 perced van egy új témára.
Első 15 perc: az anyag
Olvasd át az eredeti forrást.
Próbáld megérteni, mik a fő fogalmak és kapcsolatok.
Ha valami konkrétan nem világos, kérj célzott magyarázatot az AI-tól.
Következő 10 perc: saját próbálkozás
Zárd be az anyagot.
Írd le, amit megértettél.
Válaszolj néhány kérdésre.
Oldj meg egy rövid feladatot.
Következő 10 perc: AI-feedback
Mutasd meg a válaszodat.
Kérdezd meg:
- mi pontos;
- mi hiányzik;
- mi téves;
- melyik részhez kell új példa.
Ne kérj teljes új megoldást, ha a sajátodat lehet javítani.
Utolsó 10 perc: segítség nélkül
Új kérdés.
Új példa.
AI nélkül.
Ez az a rész, amely megmutatja, hogy az előző negyven perc valóban hagyott-e valamit nálad.
Az AI akkor jó tanulótárs, ha nem próbálja helyetted elvégezni a tanulást
A generatív AI egyik legnagyobb előnye, hogy szinte azonnal elérhető.
Nem kell megvárnod a következő konzultációt ahhoz, hogy egy fogalmat másképp magyarázzanak el.
Kaphatsz új példát.
Kérhetsz hintet.
Gyakorolhatsz beszélgetést.
Visszajelzést kérhetsz a saját válaszodra.
A probléma ott kezdődik, amikor a segítség észrevétlenül helyettesíteni kezdi azt a mentális munkát, amely miatt eredetileg leültél tanulni.
Ezért a Studoidnál is abból indulunk ki, hogy az AI célja nem a lehető leggyorsabb válaszadás.
A tananyag adja, mit kell megtanulnod. A rendszer feladata pedig az, hogy segítsen magyarázattal, kérdésekkel, gyakorlással és visszajelzéssel úgy végigmenni rajta, hogy közben a válaszadás és az alkalmazás egy része mindig nálad maradjon.
Nem azért, mert az AI ne tudná megmondani a választ.
Hanem azért, mert a vizsgán végül neked kell tudnod.
Öt szabály, amit érdemes megjegyezni
Ha AI-t használsz tanuláshoz, nem kell bonyolult promptkönyvet építened.
Elég, ha ezt az öt dolgot rendszeresen betartod:
1. Először próbálkozz te.
Legyen valami saját válaszod, mielőtt kéred a kész megoldást.
2. A legkisebb szükséges segítséget kérd.
Hint előbb, teljes megoldás csak akkor, ha valóban szükséges.
3. Kérj visszajelzést, ne csak új szöveget.
Az AI reagáljon arra, amit te csináltál.
4. Ellenőrizd a fontos állításokat.
A folyékony válasz nem garancia a helyességre.
5. Időnként gyakorolj AI nélkül.
Különben nem tudod, mi a tiéd és mi a segítségé.
Az AI nagyon jó tanulási eszköz lehet.
De a legjobb használat nem az, amikor eltünteti előled az összes nehézséget.
Hanem amikor pont annyit segít, hogy a következő lépést még te tudd megtenni.
Felhasznált források
- Deng, R. et al. (2025): Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies
- Urban, M. et al. (2024): ChatGPT improves creative problem-solving performance in university students: An experimental study
- Kasneci, E. et al. (2023): ChatGPT for good? On opportunities and challenges of large language models for education
- McDermott, K. B. (2021): Practicing Retrieval Facilitates Learning
- UNESCO (2023): Guidance for generative AI in education and research
- Lyu et al. (2024): Enhancing Python learning with PyTutor: Efficacy of a ChatGPT-Based intelligent tutoring system in programming education
- Effects of adaptive feedback generated by a large language model: A case study in teacher education (2024)