Κομισιόν: επισκόπηση τεκμηρίων για την παραγωγική τεχνητή νοημοσύνη στην εκπαίδευσηCommission overview examines evidence on generative AI in education

Σε ενημέρωση της 9ης Οκτωβρίου, η Ευρωπαϊκή Επιτροπή παρουσιάζει τη συμβολή τεσσάρων εργασιών του δικτύου ENESET στην επισκόπηση Friend or foe? για την παραγωγική τεχνητή νοημοσύνη στη μάθηση και τη διδασκαλία. Η ενημέρωση αφορά την τεκμηρίωση για μαθητές, φοιτητές και εκπαιδευτικούς· δεν αποδεικνύει ότι το ίδιο το κείμενο πολιτικής πρωτοδημοσιεύθηκε εκείνη την ημέρα.

Μία από τις βασικές διακρίσεις είναι ανάμεσα στην ολοκλήρωση μιας εργασίας με βοήθεια AI και στην απόκτηση γνώσεων που παραμένουν μετά τη χρήση του εργαλείου. Η παρουσίαση αναφέρει αξιολόγηση χωρίς πρόσβαση σε AI ως τρόπο να γίνει ορατή αυτή η διαφορά, όχι ως νέο υποχρεωτικό κανόνα για τα ελληνικά σχολεία.

Για την ανώτατη εκπαίδευση, επισημαίνονται η σαφής επικοινωνία των κανόνων και η κατάρτιση των διδασκόντων. Η πιθανή υποστήριξη εξατομικευμένης μάθησης και η μείωση φόρτου εργασίας συνυπάρχουν με κινδύνους μεροληψίας, ιδιωτικότητας και υπερβολικής εξάρτησης.

Η επισκόπηση ξεχωρίζει επίσης την τεχνική ακρίβεια ενός συστήματος από την καταλληλότητά του για την ηλικία και ανάπτυξη των παιδιών. Για τα ευφυή συστήματα διδασκαλίας, παρουσιάζεται περισσότερο τεκμηριωμένη εικόνα για τη μάθηση απ’ ό,τι για την ευημερία. Τα οφέλη δεν θεωρούνται αυτόματα: εξαρτώνται από τον τρόπο με τον οποίο η τεχνολογία εντάσσεται στη διδασκαλία.

Σύνταξη με υποβοήθηση AI από τη συνδεδεμένη πρωτογενή πηγή. Δεν αποτελεί επιτόπιο ρεπορτάζ, προσωπική δοκιμή ή ανεξάρτητη επιβεβαίωση αποτελεσμάτων μάθησης.

Πρωτογενής πηγή: Ευρωπαϊκή Επιτροπή / DG EAC / ENESET, ενημέρωση 9 Οκτωβρίου 2026.
https://education-socioeconomic-experts.ec.europa.eu/news/eneset-evidence-feeds-commissions-new-paper-generative-ai-education-2026-10-09_en

An October 9 European Commission overview explains how four ENESET studies contributed to Friend or foe?, a policy paper on generative AI in learning and teaching. It addresses evidence relevant to pupils, university students and educators. The overview's date does not establish when the underlying policy paper was first published.

A central distinction is between completing a task with AI support and retaining knowledge after that support is removed. The overview discusses assessment without AI access as a way to reveal the difference between assisted and independent performance. This is a research-based recommendation, not a newly binding rule for Greek schools.

In higher education, clearly communicated institutional guidance and preparation for teaching staff are important conditions for responsible use. Potential support for personalised learning and reduced workload must be considered alongside risks involving bias, privacy and overdependence.

The overview also distinguishes a system's technical accuracy from its suitability for children's developmental stage. For intelligent tutoring systems, it describes a stronger evidence base for learning outcomes than for well-being. Benefits are not treated as automatic or identical in every setting: they depend on how instructional support is designed and integrated into teaching. These distinctions concern an institutional evidence review, not an MWB test of a classroom product or proof of improved individual grades.

Written with AI assistance from the linked primary source. No on-site reporting, personal test or independent verification of learning outcomes is claimed.

Primary source: European Commission / DG EAC / ENESET, overview dated October 9, 2026.
https://education-socioeconomic-experts.ec.europa.eu/news/eneset-evidence-feeds-commissions-new-paper-generative-ai-education-2026-10-09_en