Ez az online tanfolyam a felsőoktatási hallgatókat ellátja a mesterséges intelligencia terén szükséges alapismeretekkel és gyakorlati készségekkel, hogy tanulmányaik során hatékonyan és felelősségteljesen tudják használni a generatív mesterséges intelligencia (GenAI) eszközeit. Fedezd fel a mesterséges intelligencia alapjait, az etikai szempontokat, valamint olyan gyakorlati alkalmazásokat, mint a kutatási támogatás és az adatelemzés, és dolgozz ki stratégiákat arra, hogyan lehet eligazodni a mesterséges intelligencia folyamatosan változó világában az akadémiai életben és a jövőbeli karriered során.
„Mesterséges intelligencia-ismeretek a felsőoktatásban: a generatív mesterséges intelligencia (GenAI) felelősségteljes alkalmazása a tanulmányok során” című, 2 ECTS-pontot érő, teljes mértékben online, aszinkron tanfolyam célja, hogy minden tudományág hallgatóit felkészítse a mesterséges intelligencia – különösen a generatív mesterséges intelligencia (GenAI) – által az akadémiai környezetben kínált lehetőségek és kihívások kezelésére.
– 0. modul: Üdvözlés és orientáció
– 1. modul: Bevezetés a mesterséges intelligenciába – alapfogalmak, a technológia háttere nem technikai szakemberek számára
– 2. modul: A mesterséges intelligencia társadalmi hatása, a munkaerőpiaci következmények
– 3. modul: A mesterséges intelligencia felelősségteljes használata és etikai szempontok, a GenAI használatával kapcsolatos kihívások (a hallucinációktól a „yes-botokig”)
– 4. modul: A nagy nyelvi modellek hatékony használata – prompt-tervezés
– 5. modul: A GenAI használata a tanulási folyamat támogatására, metakognitív stratégiák
– 6. modul: A GenAI a kutatásban és az irodalomáttekintésben
– 7. modul: A GenAI az adatelemzésben és egyéb alkalmazásokban
– 8. modul: Összefoglalás és reflexió – záró feladat (dolgozz ki saját promptot a felsőoktatási tanulmányok támogatására)
A kurzus túllép az elméleten, és a gyakorlati alkalmazás felé fordul. A hallgatók közvetlenül szembesülnek a valós akadémiai kihívásokkal (pl.: „Hogyan segíthet a GenAI felelősségteljesen az irodalomáttekintésemben?”, „Hogyan használhatom etikus módon a GenAI-t az adatok előzetes feltárásához?”). A modulok ezekre a kihívásokra épülő gyakorlati feladatokat tartalmaznak, amelyek során a hallgatóknak kutatniuk, eszközöket alkalmazniuk és a megoldásokon elgondolkodniuk kell. Először a mesterséges intelligencia tágabb társadalmi hatását vizsgáljuk, és a 2. modulban kifejezetten arra ösztönözzük a hallgatókat, hogy kutassák és vitassák meg a mesterséges intelligencia saját jövőbeli szakterületükre gyakorolt hatását, így közvetlenül összekapcsolva a mesterséges intelligencia fogalmait a különböző tudományági kontextusokkal. Az etikai szempontok (3. modul) és az eszközök alkalmazása (4–7. modul) az akadémiai munka általános kereteibe illeszkednek, és különböző tudományágakban egyaránt alkalmazhatók. A Canvas platformon keresztül elérhető, teljes mértékben aszinkron online kurzus maximális rugalmasságot biztosít, lehetővé téve a hallgatók számára, hogy saját tempójukban dolgozzák fel az anyagokat és végezzék el a feladatokat.
Határozzák meg a mesterséges intelligencia (AI) és a generatív mesterséges intelligencia (GenAI) alapfogalmait, és magyarázzák el azok alapvető technológiai hátterét.
Elemezzék a mesterséges intelligencia lehetséges hatását a munkaerőpiacra, valamint a saját tanulmányi területükhöz kapcsolódó jövőbeli karrierutakra.
Határozzák meg a mesterséges intelligencia-ismeretek kulcsfontosságú elemeit, és értékeljék a mesterséges intelligencia képességeinek és korlátainak megértését szolgáló különböző modelleket.
Alkalmazzanak bevált keretrendszereket a generatív mesterséges intelligencia-eszközök etikai következményeinek és felelősségteljes használatának értékelésére tudományos környezetben.
Felismerni a GenAI-hez kapcsolódó potenciális kockázatokat és veszélyeket, beleértve az elfogultságot, a félrevezető információkat, az adatvédelmet és a környezeti hatásokat.
Hatékony prompt-tervezési technikákat alkalmazni a nagy nyelvi modellekkel (LLM-ek) való produktív interakció érdekében különböző tudományos feladatok elvégzése során.
Felelősségteljesen alkalmazni konkrét GenAI-eszközöket és technikákat olyan tudományos tevékenységek támogatására, mint a brainstorming, a vázlatkészítés, a szakirodalom-keresés és az alapvető adatfeltárás.
Kritikusan értékelje az AI-eszközök által generált eredményeket, felismerve az emberi felügyelet, ellenőrzés és eredeti szellemi hozzájárulás szükségességét.
Dolgozzon ki személyes irányelveket az AI etikus és átlátható használatára saját tudományos munkájában, betartva a tudományos integritás elveit.
Vegyen részt az AI-támogatott tudományos feladatok konstruktív szakértői értékelésében, visszajelzést adva mind a folyamatra, mind az eredményre vonatkozóan.
Előfeltételek: alapvető digitális ismeretek.
Bozkurt, A., és Sharma, R. C. (2023). Generatív mesterséges intelligencia és prompt-tervezés: A suttogás művészete, hogy kiszabadítsuk a dzsinnt az algoritmikus világból. Asian Journal of Distance Education, 18(2), i–vii. https://doi.org/10.5281/zenodo.8174941
Deloitte AI Institute (2023). Generatív mesterséges intelligencia és a munka jövője. https://www2.deloitte.com/content/dam/Deloitte/de/Documents/human-capital/Deloitte_GenAI-Future-of-Work.pdf
Furze, L. (2024. november 10.). Szintetikus talpnyalók: Miért jelentenek problémát az „igen-botok” az oktatás számára? Leon Furze. https://leonfurze.com/2024/11/11/synthetic-sycophants-why-yes-bots-are-a-problem-for-education/
Hannigan, T. R., McCarthy, I. P., & Spicer, A. (2024). Vigyázz a botok baromságaira: Hogyan kezeljük a generatív csevegőrobotok episztemikus kockázatait. Business Horizons, 67(5), 471–486. https://doi.org/10.1016/j.bushor.2024.03.001
Mesterséges intelligencia magas szintű szakértői csoport (AI HLEG) (2019). A mesterséges intelligencia definíciója: Főbb képességek és tudományágak. https://ec.europa.eu/futurium/en/system/files/ged/ai_hleg_definition_of_ai_18_december_1.pdf
Prompt-tervezési útmutató: https://www.promptingguide.ai/
Russell, S. J., & Norvig, P. (2020). Mesterséges intelligencia: Egy modern megközelítés (4. kiadás). Pearson.
Spatola, N. (2024). A hatékonyság és az elszámoltathatóság közötti kompromisszum az AI integrációjában: Hatások az emberi teljesítményre és a túlzott függőségre. Computers in Human Behavior: Artificial Humans, 2(2), 100099. https://doi.org/10.1016/j.chbah.2024.100099
Stricker, J. K. (2025. február 25.). A szintetikus tudás válsága [Substack hírlevél]. The Future of Higher Education. https://jeppestricker.substack.com/p/the-synthetic-knowledge-crisis
UNESCO. (2019). Pekingi konszenzus a mesterséges intelligenciáról és az oktatásról. A mesterséges intelligencia és az oktatásról szóló nemzetközi konferencia záródokumentuma: „Az oktatás tervezése a mesterséges intelligencia korszakában: Vezessük az ugrást!”. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000368303
Világgazdasági Fórum (2025). A munkahelyek jövője – 2025-ös jelentés. https://reports.weforum.org/docs/WEF_Futu
– Moduláris tartalomszolgáltatás (mikroelőadások, válogatott olvasmányok, interaktív elemek, bemutatók/képernyőfelvételek)
– Aszinkron beszélgetések: Strukturált fórumok, amelyek ösztönzik a reflexiót, az etikai dilemmákról szóló kritikai vitát, valamint az eszközökkel kapcsolatos tapasztalatok megosztását.
– Gyakorlati alkalmazási feladatok: Gyakorlati feladatok, amelyek meghatározott tudományos feladatokat oldanak meg GenAI-eszközök segítségével, dokumentációt és reflexiót igényelnek.
– Társak általi értékelés: A Canvas Peer Review használata a gyakorlati feladatokra vonatkozó konstruktív visszajelzésekhez, értékelési rubrikák alapján.
– Reflexív naplózás: Rövid feladatok, amelyek ösztönzik a tanulásról, a változó nézőpontokról és a személyes etikai álláspontokról való reflexiót.
– Alapismereti teszt (kvíz)
Tanulmányi eredményekről szóló igazolás