Author:
Gyöngyvér Molnár SZTE Neveléstudományi Intézet 6723 Szeged, Petőfi S. sgt. 32–34. Magyarország
MTA-SZTE Digitális Tanulási Technológiák Kutatócsoport Szeged Magyarország

Search for other papers by Gyöngyvér Molnár in
Current site
Google Scholar
PubMed
Close
Open access

Minden új technológia megjelenése lehetőséget ad arra, hogy átgondoljuk az oktatás céljait, hatékonyságát. A mesterséges intelligencia mérés-értékelésben való alkalmazása nemcsak új lehetőségeket kínál, hanem komoly kihívások elé is állítja az oktatás szereplőit. A mesterségesintelligencia-alapú értékelési technikákban, melyek lehetővé teszik nagy adathalmazok gyors elemzését és a személyre szabott visszacsatolás megvalósítását, benne van az a lehetőség, hogy a hagyományos értékelési módszerek átalakításával jelentős mértékben fokozzák a tanulási folyamat hatékonyságát és emeljék a tanítás minőségét. Autentikus, megbízható és valid adatok nélkül azonban az adatokon, bizonyítékokon alapuló fejlesztés kudarcra van ítélve. A mesterséges intelligencia mérés-értékelésben történő alkalmazása nem csupán technológiai vagy infrastrukturális, sokkal inkább pedagógiai és módszertani kihívás.

Every time a new technology emerges, it provides an opportunity to reconsider the purpose of education. Advanced AI technology offers new opportunities and new challenges in education, specifically in educational assessment. AI-based assessment has the potential to transform traditional assessment by processing a large amount of data and providing learners with personalized feedback, thereby enhancing the efficacy of the learning process and improving teaching quality through a re-examination of assessment activities. However, without authentic, reliable and valid data, any assessment- and data-based improvement would be doomed to failure. Using artificial intelligence in assessment is not merely a technological or infrastructural matter; it is first and foremost a pedagogical and methodological challenge.

  • 1

    Adesope, O. O. & Rud, A. G. (2019) Maximizing the affordances of contemporary technologies in education: Promises and possibilities. In: O. O. Adesope & A. G. Rud (eds) Contemporary Technologies in Education. Cham, Springer Nature. pp. 1–16. https://doi.org/10.1007/978-3-319-89680-9_1

  • 2

    Csányi R. & Molnár Gy. (2023) How do test-takers rate their effort? A comparative analysis of self-report and log file data. Learning and Individual Differences, Vol. 106. 10234. https://doi.org/10.1016/j.lindif.2023.102340

  • 3

    Csapó B. (2008) A magyar iskolarendszer adaptációs problémái: a tudás minősége. In: Fazekas K. (ed.) Közoktatás, iskolai tudás és munkapiaci siker. Budapest, MTA Közgazdaságtudományi Intézet. pp. 113–131.

  • 4

    Csapó B. & Molnár Gy. (2019) Online diagnostic assessment in support of personalized teaching and learning: The eDia system. Frontiers in Psychology, Vol. 10. p. 1522. https://doi.org/10.3389/fpsyg.2019.01522

  • 5

    Csapó B., Molnár Gy. & R. Tóth K. (2008) A papíralapú tesztektől a számítógépes adaptív tesztelésig. Iskolakultúra,

  • 6

    Duan, Y., Tang, H. & Liu, D. (2022) An AI-based assessment system for online learning: Design and implementation. International Journal of Emerging Technologies in Learning, Vol. 17. No. 1. pp. 4–13. https://doi.org/10.3390/su141710551

  • 7

    Frey, A. & Seitz, N. N. (2009) Multidimensional adaptive testing in educational and psychological measurement: Current state and future challenges. Studies in Educational Evaluation, Vol. 35. Nos 2–3. pp. 89–94. https://doi.org/10.1016/j.stueduc.2009.10.007

  • 8

    Gierl, M. J. & Haladyna, T. M. (2012, eds) Automatic item generation: Theory and practice. Routledge.

  • 9

    Gorgun, G. & Bulut, O. (2023) Incorporating test-taking engagement into the item selection algorithm in low-stakes computerized adaptive tests. Large-scale Assessments in Education, Vol. 11. No. 17. https://doi.org/10.1186/s40536-023-00177-5

  • 10

    Greenhow, C., Robelia, B. & Hughes, J. E. (2009) Learning, teaching, and scholarship in a digital age: Web 2.§ and classroom research: What path should we take now? Educational Researcher, Vol. 38. No. 4. pp. 246–259. https://doi.org/10.3102/0013189X09336671

  • 11

    Hattie, J. (2008) Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Abingdon, Routledge.

  • 12

    Jimenez, K. (2023) ‘This shouldn’t be a surprise.’ The education community shares mixed reactions to ChatGPT. USA Today.https://www.usatoday.com/story/news/education/2023/01/30/chatgpt-going-banned-teachers-sound-alarm-new-ai-tech/11069593002/

  • 13

    Liu, Y. & Baucham, M. (2023) AI Technology: Key to successful assessment. In: Handbook of Research on Redesigning Teaching, Learning, and Assessment in the Digital Era. IGI Global. pp. 304–325. https://doi.org/10.4018/978-1-6684-8292-6.ch016

  • 14

    Magyar A. (2012) Számítógépes adaptív tesztelés. Iskolakultúra, Vol. 22. No. 6. pp. 52–60.

  • 15

    Magyar A. & Molnár Gy. (2013) Adaptív és rögzített formátumú tesztek alkalmazásának összehasonlító hatékonyságvizsgálata. Magyar Pedagógia, Vol. 113. No. 3. pp. 181−193.

  • 16

    Miller, K. (2023) Human writer or AI? Scholars build a detection tool. Stanford University Human-Centered Artificial Intelligence.https://hai.stanford.edu/news/human-writer-or-ai-scholars-build-detection-tool

  • 17

    Minsky, M. & Papert, S. (1968) Linear separation and learning.https://dspace.mit.edu/bitstream/handle/1721.1/6170/AIM-167.pdf?sequence=2 [Letöltve: 2023. 08. 10.]

  • 18

    Molnár Gy. (2011) Az információs-kommunikációs technológiák hatása a tanulásra és oktatásra. Magyar Tudomány, Vol. 172. No. 9. pp. 1038–1047.

  • 19

    Molnár Gy. (2022) How to make different thinking profiles visible through technology: The potential for log file analysis and learning analytics. In: M. Virvou, G. A. Tsihrintzis, L. H. Tsoukalas & L. C. Jain (eds) Advances in Artificial Intelligence-based Technologies. Cham, Springer. pp. 125–145. https://doi.org/10.1007/978-3-030-80571-5_9

  • 20

    Molnár Gy. & Csapó B. (2019a) A diagnosztikus mérési rendszer technológiai keretei. Az eDia online platform. Iskolakultúra, Vol. 29. Nos 4–5. pp. 16–32. https://doi.org/10.14232/ISKKULT.2019.4-5.16

  • 21

    Molnár Gy. & Csapó B. (2019b) A felsőoktatási tanulmányi alkalmasság értékelésére kidolgozott rendszer a Szegedi Tudományegyetemen: elméleti keretek és mérési eredmények. Educatio, Vol. 28. No. 4. pp. 705–717. https://doi.org/10.1556/2063.28.2019.4.4

  • 22

    Molnár Gy. & Csapó B. (2019c) Making the psychological dimension of learning visible: Using technology-based assessment to monitor students’ cognitive development. Frontiers in Psychology, Vol. 10. p. 1368. https://doi.org/10.3389/fpsyg.2019.01368

  • 23

    Molnár Gy. & Csapó B. (2023) Report on smart education in Hungary. In: R. Zhuang et al. (eds) Smart Education in China and Central & Eastern European Countries. The white paper on smart education in China and Central & Eastern Europe countries. Springer, Singapore. pp. 155–178. https://doi.org/10.1007/978-981-19-7319-2_7

  • 24

    Molnár Gy. & Lőrincz A. (2012) Innovative assessment technologies: Comparing ‘face-to-face’ and game-based development of thinking skills in classroom settings. In: International proceedings of economics development and research. Management and education innovation. Vol. 37. pp. 150–154.

  • 25

    Molnár Gy., Makay G. & Ancsin G. (2018) Feladat- és tesztszerkesztés az eDia-rendszerben. Szeged, Oktatáselméleti Kutatócsoport.

  • 26

    Molnár Gy., Pásztor A., Kiss R. & Csapó B. (2021) Az eDia online diagnosztikus értékelő rendszer: a személyre szóló fejlesztés alapvető eszköze. Új Pedagógiai Szemle, Vol. 71. Nos. 9–10. pp. 42–53.

  • 27

    Molnár Gy., Turcsányi-Szabó M. & Kárpári A. (2019) Az interaktív tanulási környezetektől a módszertani megújuláson át a kreatív önkifejezésig. Új Pedagógiai Szemle, Vol. 69. Nos 11–12. pp. 53–70.

  • 28

    Molnár Gy., Turcsányi-Szabó M. & Kárpári A. (2020) Digitális forradalom az oktatásban – perspektívák és dilemmák. Magyar Tudomány, Vol. 181. No. 1. pp. 56–67. https://doi.org/10.1556/2065.181.2020.1.6

  • 29

    Pressey, S. L. (1927) A machine for automatic teaching of drill material. School & Society, Vol. 25. pp. 549–552.

  • 30

    Redecker, C. & Johannessen, Ø. (2013) Changing assessment – Towards a new assessment paradigm using ICT. European Journal of Education, Vol. 48. No. 1. pp. 79–96.

  • 31

    Singh, H. & Miah, S. J. (2020) Smart education literature: A theoretical analysis. Education and Information Technologies, Vol. 25. No. 4. pp. 3299–3328.https://doi.org/10.1007/s10639-020-10116-4

  • 32

    Stadler, M., Horrerm A, Fischer, M. R. & Sailer, M. (2023) Utilizing large language models for coding open-ended responses in psychological assessment: An empirical investigation. Preprint.

  • 33

    Svrluga, S. (2023) Was that essay written by AI? A student made an app that might tell you. The Washington Post. https://www.washingtonpost.com/education/2023/01/12/gptzero-chatgpt-detector-ai/

  • 34

    The Associated Press (2023) Amid ChatGPT outcry, some teachers are inviting AI to class.https://nowthisnews.com/news/amid-chatgpt-outcry-some-teachers-are-inviting-ai-to-class [Letöltve: 2023. 08. 09.]

  • 35

    Zhai, N. & Ma, X. (2023) The effectiveness of automated writing evaluation on writing quality: A meta-analysis. Journal of Educational Computing Research, Vol. 61. No. 4. pp. 875–900. https://doi.org/10.1177/07356331221127300

  • Collapse
  • Expand

Senior editors

Editor(s)-in-Chief: Anikó FEHÉRVÁRI

Kutatás közben: Roland HEGEDŰS

Szemle: Gábor TOMASZ

Editorial Board

  • Iván BAJOMI (Eötvös Loránd Tudományegyetem)
  • Zsuzsanna Hanna BIRÓ (Wesley János Lelkészképző Főiskola)
  • Anikó FEHÉRVÁRI (Eötvös Loránd Tudományegyetem)
  • Katalin FORRAY R. (Pécsi Tudományegyetem)
  • Roland HEGEDŰS (Eszterházy Károly Katolikus Egyetem, Eger)
  • Ildikó HRUBOS (Budapesti Corvinus Egyetem)
  • Zoltán GYÖRGYI (Debreceni Egyetem)
  • Tamás KOZMA (Debreceni Egyetem)
  • Gergely KOVÁTS (Budapesti Corvinus Egyetem)
  • Péter LUKÁCS (Wesley János Lelkészképző Főiskola)
  • Péter Tibor NAGY (Wesley János Lelkészképző Főiskola)
  • István POLÓNYI (Debreceni Egyetem)
  • Géza SÁSKA (Eötvös Loránd Tudományegyetem)
  • Marianna SZEMERSZKI (Oktatási Hivatal)
  • Krisztián SZÉLL (Eötvös Loránd Tudományegyetem)
  • Gábor TOMASZ (Oktatási Hivatal)
  • Zsuzsanna VEROSZTA (KSH Népességtudományi Kutatóintézet)

Institute: ELTE Neveléstudományi Intézet
Address: Kazinczy u. 23-27. H-1075 Budapest, Hungary
Phone: (06-1) 461-4500
Fax: (06-1) 461-4528

Educatio
Publication Model Gold Open Access
Submission Fee none
Article Processing Charge none
Subscription Information Gold Open Access

Educatio
Language Hungarian
Size B5
Year of
Foundation
1991
Publication
Programme
2020 Volume 29
Volumes
per Year
1
Issues
per Year
4
Founder Eötvös Loránd Tudományegyetem
Founder's
Address
H-1053 Budapest, Hungary Egyetem tér 1-3.
Publisher Akadémiai Kiadó
Publisher's
Address
H-1117 Budapest, Hungary 1516 Budapest, PO Box 245.
Responsible
Publisher
Chief Executive Officer, Akadémiai Kiadó
ISSN 1216-3384 (Print)
ISSN 1419-8827 (Online)