Szak: Kommunikáció és médiatudomány mesterszak MA
Tantárgy szerepe: Kötelező
Ajánlott félév: 2
Célkitűzések
A tantárgy célja a mesterséges intelligencia fogalmi alapjainak és alkalmazási módjainak elsajátítása bölcsész és társadalomtudományi hallgatók számára.
Tanulmányi eredmények
Tudás
- A hallgató ismeri a mesterséges intelligencia alapvető fogalmait, főbb megközelítéseit és legfontosabb alkalmazási területeit. Áttekintéssel rendelkezik arról, hogy a mesterséges intelligencia milyen módon jelenik meg a gyakorlati felhasználásban. Ismeri a technológia működésének alapelveit, valamint annak főbb társadalmi, etikai és kulturális összefüggéseit.
Képesség
- A hallgató képes azonosítani a mesterséges intelligencia lehetséges alkalmazási módjait. Képes alapvető szinten értelmezni és kritikusan elemezni a mesterséges intelligenciával kapcsolatos állításokat, módszereket és eredményeket. Képes egyszerű feladatokban megfelelően kiválasztani és használni mesterségesintelligencia-alapú eszközöket, valamint ezek alkalmazását világosan bemutatni szóban és írásban.
Attitűd
- A hallgató nyitott a mesterséges intelligencia interdiszciplináris alkalmazásaira, és törekszik annak tudatos, kritikus és etikus használatára. Érzékeny a mesterséges intelligencia társadalmi, kulturális és etikai hatásaira. Törekszik a technológiai lehetőségek és korlátok árnyalt mérlegelésére.
Önállóság és felelősség
- A hallgató önállóan képes egyszerűbb elemzési és alkalmazási feladatokban mesterségesintelligencia-alapú eszközöket használni. Felelősséget vállal az alkalmazott eszközök eredményeinek kritikus ellenőrzéséért és értelmezéséért. Tudatában van a mesterséges intelligencia használatával kapcsolatos etikai és szakmai felelősségének, különösen a bölcsészet- és társadalomtudományi kontextusokban
Oktatásmódszertan
előadások és laborgyakorlat
Tanulástámogató anyagok
- Héder Mihály - Az MI Etika új hullámai 2024.
- Héder Mihály - Mesterséges Intelligencia: filozófiai kérdések, gyakorlati válaszok 2020.
- Wolfgang Ertel - Introduction to Artificial Intelligence, Springer, 2025
Általános szabályok
A 3.2. pontban megfogalmazott tanulási eredmények értékelése: két évközi írásbeli teljesítménymérés és a labormunka alapján történik.
Teljesítményértékelési módszerek
1. Részteljesítmény-értékelés (zárthelyi): a tantárgy és tudás, képesség típusú kompetenciaelemeinek komplex, írásos értékelési módja zárthelyi dolgozat formájában. A szorgalmi időszakban 2 db (külön-külön legalább elégséges) zárthelyi 2. Részteljesítmény-értékelés (labormunka): a helyben elvégzett labor feladatok értékelése laboralkalmanként. Laborfeladatokkal kiválthatók a zárthelyik, ezért a szorgalmi időszakban végzett teljesítményértékelések 160%-ra jönnek ki.
Szorgalmi időszakban végzett teljesítményértékelések részaránya a minősítésben
- 1. részteljesítmény értékelés (1. ZH): 40
- 2. részteljesítmény értékelés (2. ZH): 40
- Laboralkalmak: 80
- Összesen: 160
Vizsgaelemek részaránya a minősítésben
Érdemjegy-megállapítás
| % | |
|---|---|
| Jeles | 91-100 |
| Jeles | 81-90 |
| Jó | 71-80 |
| Közepes | 61-70 |
| Elégséges | 50-60 |
| Elégtelen | 0-49 |
Javítás és pótlás
A javítás és pótlás rendjét a hatályos TVSz. szabályozza.
A tantárgy elvégzéséhez szükséges tanulmányi munka
| Munka jellege | Munkaórák száma |
|---|---|
| részvétel az előadásokon | 28 |
| részvétel a laborokon | 28 |
| felkészülés a laborokra | 28 |
| felkészülés az előadásokra | 16 |
| felkészülés a számonkérésekre | 50 |
| összesen | 150 |
A tantárgykövetelmények jóváhagyása és érvényessége
A Kari Hallgatói Képviselet véleményezése után jóváhagyta dr. Bodrogi Bence Péter oktatási dékánhelyettes 2026.05.04-én. Érvényes 2026.05.04-től.
A félévben sorra vett témák
Az mi definíciója, az MI kategorizálása működési mód szerint, szimbolikus MI és hagyományos algoritmusok, gépi tanulás, felügyelt és nem felügyelt gépi tanulás, tévesztési mátrix, transzparencia és részrehajlásmentesség az MI-ben, prompt engineering.
| Előadások témái | |
|---|---|
| 1. | Az mi definíciója, az MI kategorizálása működési mód szerint, szimbolikus MI és hagyományos algoritmusok, gépi tanulás, felügyelt és nem felügyelt gépi tanulás, tévesztési mátrix, transzparencia és részrehajlásmentesség az MI-ben, prompt engineering. |
További oktatók
| Név | Beosztás | Elérhetőség |
|---|---|---|
A tantárgykövetelmények jóváhagyása és érvényessége
A Tantárgyi adatlap I. és II. részén túli III. részét az érintett szak(ok) szakfelelőse(i)vel való egyeztetés alapján az 1.8. pontban megjelölt Filozófia és Tudománytörténet Tanszék vezetője hagyja jóvá.