Generatív mesterséges intelligencia a felsőoktatásban: a hallgatók által észlelt tanulási haszon vizsgálata az országok fejlettségi szintjének tükrében
DOI:
https://doi.org/10.15170/MM.2026.60.03.05Kulcsszavak:
generatív mesterséges intelligencia, ChatGPT, felsőoktatás, digitális egyenlőtlenség, nemzeti fejlettségAbsztrakt
A TANULMÁNY CÉLJA
A tanulmány azt vizsgálja, hogy az országok fejlettségi szintjében mutatkozó különbségek miként befolyásolják
a generatív mesterséges intelligencia – különösen a ChatGPT – hallgatói megítélését és tanulási célú használatát a felsőoktatásban. Kiemelt kérdés, hogy a technológia észlelt tanulási haszna hogyan alakul eltérő társadalmi gazdasági környezetekben, és miként kapcsolódik a digitális egyenlőtlenségek különböző dimenzióihoz.
ALKALMAZOTT MÓDSZERTAN
A kutatás nagymintás nemzetközi adatbázisra épül, amely 11 645 hallgató válaszait tartalmazza 49 országból. Az elemzésben leíró statisztikát, Pearson-korrelációt, lineáris regressziót és klaszterelemzést alkalmaztunk a hallgatói megítélés és a használati mintázatok feltárására. Az eredményeket a digitális egyenlőtlenségek elmélete és a szocio-technikai megközelítés alapján értelmezzük, figyelembe véve az egyéni és strukturális tényezők együttes szerepét.
LEGFONTOSABB EREDMÉNYEK
Egyéni szinten gyenge, országos szinten pedig közepes erősségű, statisztikailag szignifikáns negatív összefüggés mutatkozott a nemzeti fejlettségi szint és a generatív mesterséges intelligencia észlelt tanulási haszna között. Az alacsonyabb fejlettségű országokból származó hallgatók általában kedvezőbben ítélték meg a technológia tanulástámogató szerepét; ez a mintázat összhangban áll annak lehetséges kompenzációs szerepével. A klaszterelemzés három jól elkülöníthető hallgatói csoportot azonosított – techno-optimistákat, szkeptikusokat és mérsékelten pozitívakat –, amelyek az észlelt tanulási hatások szintjében különböztek, megoszlásuk pedig szignifikáns kapcsolatban állt a fejlettségi különbségekkel.
GYAKORLATI JAVASLATOK
Az eredmények arra utalnak, hogy a generatív mesterséges intelligencia felsőoktatásban történő alkalmazása erősen függ az adott környezettől, ezért nem célszerű mindenhol azonos módon kezelni. A fejlettebb országokban a tudatos, átgondolt és pedagógiailag megalapozott használat támogatását érdemes előtérbe helyezni, míg a kevésbé fejlett környezetekben a technológia a tanulási lehetőségek bővítését és a hozzáférési különbségek csökkentését segítheti. A tanulmány azzal járul hozzá a generatív mesterséges intelligencia oktatási szerepének értelmezéséhez, hogy rámutat: az érzékelt tanulási előnyök társadalmi-gazdasági környezetenként eltérhetnek, ezért nem tekinthetők általános érvényűnek. A felsőoktatási intézmények számára ennek megfelelően az eltérő igényekhez igazodó, befogadó és a helyi körülményeket figyelembe vevő bevezetési stratégiák kidolgozása javasolt.
Hivatkozások
Al-Emran, M., Al-Qaysi, N. and Al-Sharafi, M. A. (2025), “Role of perceived threats and knowledge management in shaping generative AI use in education”, The International Journal of Management Education. DOI: 10.1016/j.ijme.2024.100883
Al Issa, H. E. and Maheshwari, G. (2026), “Shaping the future of education: Generative AI’s transformative impact”, Interactive Technology and Smart Education. DOI: 10.1108/ITSE-01-2025-0013
Almassaad, A., Alajlan, H. and Alebaikan, R. (2024), “Student perceptions of generative artificial intelligence: Investigating utilization, benefits, and challenges in higher education”, Systems, 12(10), 385. DOI: 10.3390/systems12100385
Bogdány, E. & Obermayer, N. (2025). A digitális intelligencia fejlődésorientált szemléletű megközelítése gazdaságtudományi hallgatók szemszögéből. Marketing & Menedzsment, 59, 15–28. DOI: 10.15170/MM.2025.59.KSZ.01.02
Danó, G. and Kovács, S. (2024), „A mesterséges intelligencia alkalmazása a marketingkutatásban”, Marketing & Menedzsment, 58(4). DOI: 10.15170/MM.2024.58.04.01
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. DOI: 10.2307/249008
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Alalwan, A. A. and Wright, R. (2023), “So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy”, International Journal of Information Management, 71, 102642. DOI: 10.1016/j.ijinfomgt.2023.102642
Fekete, I. (2025). Egyéni különbségek egyetemi hallgatók mesterségesintelligencia-használatában: Attitűdök, önhatékonyság és demográfiai tényezők vizsgálata. Magyar Pedagógia, 125(1), 45–63. DOI: 10.14232/mped.2025.1.45
Gubbels, J., Swart, N. M. & Groen, M. A. (2020). Everything in moderation: ICT and reading performance of Dutch 15-year-olds. Largescale Assessments in Education, 8(1), 1. DOI:10.1186/s40536-020-0079-0
He, A. J., Zhang, Z., Anand, P. & McMinn, S. (2025). Embracing generative artificial intelligence tools in higher education: A survey study at the Hong Kong University of Science and Technology. Journal of Asian Public Policy, 18(2), 352–376. DOI:10.1080/17516234.2024.2447195
Jäckel, K. & Garai-Fodor, M. (2024). Mesterséges intelligencia alkalmazása a felsőoktatásban tanuló Z generációs hallgatók szemszögéből. In: Varga, J., Csiszárik-Kocsir, Á. & Garai-Fodor, M. (szerk.), Vállalkozásfejlesztés a XXI. században, I. kötet (pp. 225–237), Óbudai Egyetem Keleti Károly Gazdasági Kar, Budapest.
Jamal Eddine, R., Gide, E. and Al-Sabbagh, A. (2026), “Systematised evidence mapping of generative artificial intelligence (GenAI) and digital divide phenomena in higher education”, Discover Computing. DOI: 10.1007/s10791-026-10044-w
Kasneci, E. et al. (2023), “ChatGPT for good? On opportunities and challenges of large language models for education”, Learning and Individual Differences, 103, 102274. DOI: 10.1016/j.lindif.2023.102274
Kovács, Alexandra, Márk Végh, and István Szabó. "Nyílt innováció és mesterséges intelligencia: az új innovációmenedzsment dimenziói." Marketing & Menedzsment 59 (2025): 52-61.Lavazza, A. and Farina, M. (2023), “Infosphere, datafication, and decision-making processes in the AI era”, Topoi, 42, 843–856. DOI: 10.1007/s11245-023-09919-0
Lavazza, A. & Farina, M. (2023). Infosphere, datafication, and decision-making processes in the AI era. Topoi, 42(3), 843–856. DOI: 10.1007/s11245-023-09919-0
Molnár, L. & Horváth, K. (2026). Fogyasztói szegmensek a mesterséges intelligenciával kapcsolatos attitűd alapján. Marketing & Menedzsment, 60(2), 16–33. DOI: 10.15170/MM.2026.60.02.02
Ng, S.-L. & Ho, C.-C. (2025). Generative AI in education: Mapping the research landscape through bibliometric analysis. Information, 16(8), 657. DOI: 10.3390/info16080657
Ngo, T. T. A., Tran, T. T. and An, G. K. (2024), “ChatGPT for educational purposes: Knowledge management factors and student satisfaction”, IEEE Transactions on Learning Technologies. DOI: 10.1109/TLT.2024.3381234
Obenza, B. et al. (2024), “The nexus between cognitive absorption and AI literacy of college students as moderated by sex”, American Journal of Smart Technology and Solutions, 3(1), 32–39
Raisch, S. and Krakowski, S. (2021), “Artificial intelligence and management: The automation–augmentation paradox”, Academy of Management Review, 46(1), 192–210. DOI: 10.5465/amr.2018.0072
Rajki, Z., T. Nagy, J. & Dringó-Horváth, I. (2024). A mesterséges intelligencia a felsőoktatásban: hallgatói hozzáférés, attitűd és felhasználási gyakorlat. Iskolakultúra, 34(7), 3–22. DOI: 10.14232/iskkult.2024.7.3
Ravšelj, D. et al. (2025). Higher education students’ perceptions of ChatGPT: A global study of early reactions. PLoS ONE, 20(2), e0315011. DOI: 10.1371/journal.pone.0315011
Robinson, L. et al. (2020), “Digital inequalities 2.0: Legacy inequalities in the information age”, Information, Communication & Society, 23(3), 301–318. DOI: 10.1080/1369118X.2019.1676598
Rust, R. T. and Huang, M.-H. (2021), “The AI revolution in service”, Journal of Service Research, 24(1), 3–18. DOI: 10.1177/1094670520920356
Sánchez-Prieto, J. C., Huang, F., Olmos-Migueláñez, S., García-Peñalvo, F. J. and Teo, T. (2023), “Exploring the digital divide in higher education: A systematic review”, Computers & Education, 191, 104650. DOI: 10.1016/j.compedu.2022.104650
Somosi, Z. & Hajdú, N. (2023). Mesterséges intelligencia etikai dilemmái: ellenszenv felmérés és következmények. Marketing & Menedzsment, 57(Különszám EMOK 3), 65–74. DOI: 10.15170/MM.2023.57.KSZ.03.07
Tiernan, P., Costello, E., Donlon, E., Parysz, M. and Scriney, M. (2023), “Information and media literacy in the age of AI: Options for the future”, Education Sciences, 13(9), 906. DOI: 10.3390/educsci13090906
van Deursen, A. J. A. M., Helsper, E. J. and Eynon, R. (2021), “Development and validation of the Internet Skills Scale”, Information, Communication & Society, 24(3), 357–375. DOI: 10.1080/1369118X.2019.1679053
van de Werfhorst, H. G., Kessenich, E. & Geven, S. (2022). The digital divide in online education: Inequality in digital readiness of students and schools. Computers and Education Open, 3, 100100. DOI: 10.1016/j.caeo.2022.100100
Wong, W., Aristidou, A. and Scheuermann, K. (2025), “Generative AI and equity in education: Emerging perspectives”, Data & Policy, 7, e11. DOI: 10.1017/dap.2025.11
Xiao, Y. & Hu, J. (2019). The moderation examination of ICT use on the association between Chinese mainland students’ socioeconomic status and reading achievement. International Journal of Emerging Technologies in Learning, 14(15), 107–120. DOI: 10.3991/ijet.v14i15.10494
Zawacki-Richter, O., Marín, V. I., Bond, M. and Gouverneur, F. (2023), “Systematic review of research on artificial intelligence applications in higher education”, International Journal of Educational Technology in Higher Education, 20(1), 39. DOI: 10.1186/s41239-023-00392-8
Downloads
Megjelent
Hogyan kell idézni
Folyóirat szám
Rovat
License
Copyright (c) 2026 Marketing & Menedzsment
This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.
