Összefoglaló
Magyarország a PISA 2025-ben az OECD-átlag körül teljesített, az európai élmezőnytől (Észtország, Egyesült Királyság, Finnország, Írország) azonban területenként 10–49 ponttal elmarad. A lemaradás elsősorban a kiemelkedően teljesítő diákok alacsony arányából és az iskolák közötti nagy különbségekből adódik, nem az alulteljesítők kiugró arányából.
| Mutató | Magyarország | OECD-átlag | Élmezőny |
|---|---|---|---|
| Természettudomány / matematika / szövegértés (pont) | 480 / 459 / 452 | 486 / 463 / 461 | Észtország: 527 / 508 / 499 |
| Kiemelkedők aránya, természettudomány | 4,9% | 7,2% | 10% felett (EE, UK, FI) |
| Iskolák közötti variancia | 46% | 31% | Észtország 15%, Írország 13% |
| A családi háttér által magyarázott rész | 18% | 12% | méltányosabb rendszerek |
| Első intézményi szelekció | 10, 12 és 14 év | – | kb. 15–16 év |
| Telefontilalmas iskolában tanulók | 89,8% | 49,5% | Finnország 5%, Írország 78% |
| Hetente AI-t használók tanuláshoz | 36,9% | 45,5% | Észtország 58%, Írország 26% |
Fő megállapítások
A magyar rendszer gondja elsősorban szerkezeti: a korai szelekció miatt az eredmény erősen függ attól, melyik iskolába kerül a diák, a kiválóság pedig néhány iskolatípusba tömörül.
A lengyel példa szerint a szelekció elhalasztása a leggyengébb tanulók eredményét javítja a legjobban; a hatás a tanterv- és óraszám-változással együtt jelentkezett.
Az AI-használat mértéke és a telefontilalom elterjedtsége nemzetközi szinten nem függ össze az eredményekkel; az iskolák digitális felkészültsége a gazdasági fejlettség kiszűrése után is igen.
Javaslatok a bizonyítékok erőssége szerint
A korai szelekció mérséklése (erős bizonyíték).
A szakképzés alapkészség-fejlesztése (erős bizonyíték a probléma mértékére).
A pedagógus-utánpótlás biztosítása, különösen a hátrányos térségekben (valószínű tényező).
Digitális felkészültség és tudatos AI-használat a tiltás mellett (közepes bizonyíték).
Az olvasási kultúra erősítése (közepes bizonyíték).
1. Bevezetés
A PISA 2025 magyar eredményei az OECD-átlag körül mozognak, de az európai élmezőnytől jelentősen elmaradnak. Az alábbi elemzés azt vizsgálja, mekkora ez a távolság, miben tér el a legjobb európai rendszerek szerkezete a magyartól, és milyen okok állhatnak a különbség mögött.
Az összehasonlítás a természettudományra, a matematikára és a szövegértésre, valamint a számítógépes problémamegoldásra is kiterjed. Az európai élmezőny kiválasztásának alapja a 2025-ös mérés fő területe, a természettudomány volt: ebből Európában Észtország (527 pont), az Egyesült Királyság (511) és Finnország (504) végzett az első három helyen. Mellettük Írország is szerepel az elemzésben: szövegértésből 500 ponttal az uniós és OECD-tagországok közül ez érte el a legjobb eredményt, és Európában itt a legkisebbek az iskolák közötti különbségek. Svájc természettudományi eredménye (501) ugyan megelőzi Írországét, de kantonális rendszere miatt nehezen vethető össze egy központilag szabályozott oktatással.
Két megszorítást érdemes előre rögzíteni. Az Egyesült Királyságban az oktatásügy az egyes országrészek hatásköre, ezért a szerkezeti leírás Angliára vonatkozik, a PISA-adat viszont a teljes királyságra. A PISA emellett keresztmetszeti felmérés: összefüggéseket mutat, oksági következtetést önmagában nem enged meg. Az okokat tárgyaló fejezet ezért külön kezeli azt, amit oksági kutatás is alátámaszt, és azt, ami csak az adatok mintázatából olvasható ki. Az eredményadatok az Oktatási Hivatal PISA 2025 összefoglaló jelentéséből származnak.
2. Az eredmények összevetése
2.1 Átlageredmények
| Ország | Természet-tudomány | Matematika | Szövegértés | Számítógépes probléma-megoldás |
|---|---|---|---|---|
| Észtország | 527 | 508 | 499 | 541 |
| Egyesült Királyság | 511 | 488 | 494 | 523 |
| Finnország | 504 | 469 | 474 | 507 |
| Írország | 500 | 480 | 500 | 511 |
| Lengyelország | 495 | 484 | 482 | 507 |
| Magyarország | 480 | 459 | 452 | 495 |
| OECD-átlag | 486 | 463 | 461 | 500 |
A magyar diákok lemaradása az élmezőnytől természettudományból 20–47, matematikából 10–49, szövegértésből 22–48, számítógépes problémamegoldásból 12–46 pont. A jelentés szerint nagyjából 20 pont felel meg egy tanévnyi fejlődésnek, vagyis az észt és a magyar 15 évesek között matematikából és szövegértésből mintegy két és fél tanévnyi a különbség. Magyarország természettudományból és matematikából statisztikailag az OECD-átlag szintjén teljesített, szövegértésből és számítógépes problémamegoldásból alatta.
Finnország eredménye kettős. Természettudományból az élmezőnyhöz tartozik, matematikából (469) és szövegértésből (474) viszont csak kevéssel előzi meg Magyarországot. A finn természettudomány-eredmény 2015 és 2025 között az OECD-átlagnál jóval nagyobb mértékben romlott, így a finn modell ma inkább a méltányosság, mint a kiugró teljesítmény példája.
2.2 Teljesítményszintek és egyenlőség
| Mutató | Élmezőny | Magyarország | OECD-átlag |
|---|---|---|---|
| Természettudomány, 2. szint alatt | Észtország 10%; Finnország, Írország és az Egyesült Királyság kb. 20% | 24% | 25,8% |
| Természettudomány, 5–6. szint | Észtország, Egyesült Királyság, Finnország 10% felett | 4,9% | 7,2% |
| Szövegértés, 2. szint alatt | Írország 16,5%, Észtország 17% | 32,2% | 31% |
| Szövegértés, 5–6. szint | Írország 8,5%, Észtország 8,7% | 3,0% | 5,5% |
| Matematika, 2. szint alatt / 5–6. szint | Észtország 17,2% / 13% alatt | 33,6% / 5,2% | 34,9% / 7,8% |
| Szóródás (P90–P10), természettudomány | Észtország 230, Írország 243; Egyesült Királyság, Finnország 273–284 | 249 | 259 |
| Iskolák közötti variancia, természettudomány | Írország 13%, Észtország 15% | 46% | 31% |
| Szociális inklúziós index | Finnország 92% | 66% | 78% |
| A családi háttér által magyarázott rész | a méltányosabb országok között | 18% | 12% |
| A hátrányos és az előnyös negyed közti rés, természettudomány | – | 103 pont | 85 pont |
| Szövegértés változása 2022–2025 | Észtország –12, Írország –16 pont | –21 pont | –14 pont |
A táblázatból kiolvasható, hogy a különbség nagyobb része nem a gyengén teljesítők, hanem a kiemelkedő diákok arányában jelentkezik. A 2. szintet el nem érők aránya Magyarországon OECD-átlagos, bár az élmezőnyénél magasabb. A kiemelkedően teljesítőké viszont a legjobb európai országokénak csupán harmada-fele. A hazai kiválóság ráadásul néhány iskolatípusba tömörül: a nyolc évfolyamos gimnáziumok 15 éveseinek 19–22%-a éri el az 5–6. szintet természettudományból és matematikából, a technikumokban legfeljebb 1%-uk.
Legalább ennyire beszédes az iskolák közötti különbségek mértéke. Magyarországon a természettudományi eredmények szóródásának 46%-a az iskolák közötti eltérésekből adódik, Észtországban 15, Írországban 13%-a. Finnországban az iskolán belüli variancia önmagában meghaladja az OECD teljes varianciáját, vagyis a különbségek szinte teljes egészében az osztálytermeken belül jelennek meg, nem az iskolák között.
3. Iskolaszerkezet és komprehenzivitás
Az élmezőny országait hosszú, egységes alapképzés köti össze. Észtországban és Finnországban kilencéves egységes alapiskola működik, Írországban az általános iskolát egy hároméves, közös alsó középfokú szakasz (Junior Cycle) követi. Az angol iskolák többsége szintén nem szelektív. Magyarországon ezzel szemben a 15 évesek nyolcféle képzési formában tanulnak, és az első intézményi szétválasztás már tízéves korban megtörténhet.
| Szempont | Észtország | Anglia | Finnország | Írország | Magyarország |
|---|---|---|---|---|---|
| Egységes alapképzés | 9 év (1–9. évf.), kb. 7–16 éves korig | általános iskola, majd többnyire nem szelektív középiskola | 9 éves alapiskola (peruskoulu) | elemi iskola, majd 3 éves Junior Cycle | 4, 6 vagy 8 év, iskolatípustól függően |
| Első intézményi szelekció | kb. 16 évesen | 11 évesen, de csak a grammar schoolok körzeteiben (163 iskola) | kb. 16 évesen | nincs klasszikus sorolás | 10, 12 és 14 évesen |
| Tanulási kötelezettség | 18 éves korig | 18 éves korig oktatásban vagy képzésben | 2021 óta 18 éves korig | 16 éves korig vagy a Junior Cycle végéig | 16 éves korig |
Anglia csak részben kivétel. Az országban 163 teljesen szelektív grammar school működik; a komprehenzív iskolákat támogató Comprehensive Future becslése szerint a középiskolák mintegy 19%-át érinti közvetlenül vagy közvetve a felvételi szelekció. A szétválasztás itt is 11 éves korban, a rendszer kisebb részében zajlik.
A magyar adatok ugyanezt a mintázatot mutatják belülről. A gimnáziumi és a szakképző, illetve általános iskolai 15 évesek között 150–191 pont a különbség. A szakképző iskolák tanulóinak területtől függően 69–82%-a az alapszint alatt teljesít. Az Oktatási Hivatal jelentése maga is a rendszer korai szelektivitásával hozza összefüggésbe, hogy a legjobb eredményű diákok a hat- és nyolcosztályos gimnáziumokban tömörülnek.
4. Digitális eszközök és digitális oktatáspolitika
A tanulói mobiltelefonok korlátozására mára a vizsgált országok többségében országos szintű szabály vagy kezdeményezés vonatkozik; Észtországról összevethető, forrással alátámasztott adat nem áll rendelkezésre (4. táblázat). Önmagában ezért nem magyarázhatja a teljesítménykülönbséget, a 2025-ös PISA-kohorszot pedig legfeljebb egy-két tanévig érinthette. Érdemi eltérés inkább a központi, pedagógiai célú digitális programokban mutatkozik, ezek közül az észt a legjobban dokumentált.
| Ország | A magántelefon korlátozása | Központi digitális program |
|---|---|---|
| Észtország | – | Az 1990-es évek Tiger Leap programja kötötte az iskolákat internetre. 2025. szeptember 1-jétől az AI Leap (TI-Hüpe) mind a 154 középiskolában kb. 20 000 diáknak és 4 900 tanárnak ad MI-eszközöket és tanárképzést; 2025 decemberétől törvény teszi lehetővé az MI tanórai használatát. |
| Anglia | 2024-től ajánlás, 2026 szeptemberétől kötelező útmutatás: egész tanítási napra telefonmentes iskola, az Ofsted ellenőrzi. | – |
| Finnország | 2025. augusztus 1-jétől az alapoktatási törvény szerint tanórán tilos, kivéve tanulási vagy egészségügyi célra, tanári engedéllyel. | A digitális eszközhasználat a tanterv része. |
| Írország | Miniszteri kezdeményezés minden középiskolára; a 2025-ös költségvetés 9 millió eurót különített el telefontároló tasakokra. | – |
| Magyarország | 2024. szeptember 1-jétől a tanítási napon leadandó (245/2024. Korm. rendelet). | – |
A számítógépes problémamegoldásban Észtország 541, az Egyesült Királyság 523, Írország 511, Finnország 507, Magyarország 495 pontot ért el (OECD: 500). A jelentés megjegyzi, hogy a magyar eredmények az elektronikus tesztelésre való 2015-ös átállásra érzékenyebben reagáltak az átlagnál: 2009 és 2015 között 26 pontot romlott a természettudomány-eredmény. Hogy ebből mennyi a tesztmód hatása és mennyi a valódi tudásváltozás, a rendelkezésre álló adatokból nem dönthető el.
5. A lemaradás lehetséges okai
Az alábbiakban a lehetséges okokat a bizonyítékok erőssége szerinti sorrendben tárgyalom. Az „erős” minősítés itt sem teljes oksági bizonyítást jelent, csupán azt, hogy a PISA-adatok mintázatát független, oksági módszerrel készült kutatás is alátámasztja.
5.1 Korai intézményi szelekció
Ez a legjobban dokumentált tényező. Az élmezőny mind a négy országa 15–16 éves korig egységes iskolát működtet, Magyarországon viszont az iskolák közötti variancia az OECD-átlag másfélszerese, a szociális inklúziós index pedig 66%, szemben a finn 92%-kal. Hanushek és Woessmann (2006) nemzetközi összehasonlításban, az alsó és a felső tagozatos eredmények változását vizsgálva azt találta, hogy a korai szelekció növeli az egyenlőtlenséget, és kevésbé egyértelműen, de az átlagteljesítményt is rontja. Strello és munkatársai (2021) 75 ország húsz évnyi adatán végzett metaelemzése megerősítette, hogy a sorolás növeli a társadalmi háttér szerinti teljesítményrést.
Az átlagra gyakorolt hatás megítélése a szakirodalomban vitatott; Jakubowski (2010) például módszertani okokból megkérdőjelezi a nemzetközi összevetések egy részét. A kérdés legtisztább régiós próbáját Lengyelország szolgáltatja, erről a 6. fejezet szól részletesen.
5.2 A családi háttér erős hatása
Magyarországon a természettudományi teljesítmény 18%-át magyarázza a tanulók társadalmi-gazdasági háttere, az OECD-átlag 12%. A hátrányos és az előnyös helyzetű negyed közötti különbség természettudományból 103, matematikából 104 pont (OECD: 85 és 83 pont). Az élmezőny országai a jelentés szerint mind méltányosabbak. Ez a tényező nem választható el az előzőtől: a korai szelekció részben éppen a családi háttér mentén válogatja szét a diákokat, a háttér hatása pedig a szelekción keresztül is érvényesül.
5.3 A kiválóság szűk bázisa
A 15 évesek 35%-a technikumba jár, ahol legfeljebb 1%-uk teljesít kiemelkedően, további 12%-uk szakképző iskolába, ahol a többség az alapszint alatt marad. A kiemelkedő eredmények így a korosztály kis hányadát kitevő szelektív gimnáziumokra korlátozódnak. Valószínűsíthető, hogy az élmezőnyben azért magasabb a kiválók aránya, mert a jó képességű, de kedvezőtlenebb hátterű diákok tovább tanulnak vegyes összetételű, magas elvárású közegben. Ez a magyarázat azonban feltevés, a jelentés adatai közvetlenül nem igazolják.
5.4 A pedagógus-utánpótlás válsága
A KSH adatai szerint a 2025/2026-os tanévben a pedagógusok fele 50 év feletti, 15,9%-uk 60 évnél idősebb. A 30 év alattiak aránya az általános iskolákban 7,6%, a gimnáziumokban 7,7%, a szakképzésben 5,1%. A Magyar Közgazdasági Társaság 2024-es vitairata a nyugdíjas visszafoglalkoztatottakkal együtt nagyságrendileg 16 ezer hiányzó pedagógussal számolt, és a legsúlyosabb hiányt a kis és közepes települések iskoláiban látta. A tanárhiány és a PISA-eredmények közötti közvetlen kapcsolatot azonban egyik forrás sem vizsgálta, és a hiány éppen ott a legnagyobb, ahol a tanulói összetétel is a leghátrányosabb. A 2024-es és 2025-ös béremelések hatása a mostani kohorszon még nem mérhető.
5.5 Általános romlás és tesztmód
A szövegértés 2022 és 2025 között Magyarországon 21 pontot romlott, de Észtországban is 12, Írországban 16, Csehországban 20, Szlovéniában 24 pontot. A visszaesés jelentős része tehát régiós, sőt nemzetközi jelenség, amelynek okait a jelentés nem tárgyalja. A mobiltelefon-korlátozás viszont, ahogy a 4. fejezet mutatja, a különbség magyarázataként nem jön szóba.
5.6 Tartalmi szabályozás, autonómia és pedagógus-ellátottság
Az eddig tárgyalt tényezők elsősorban az iskolarendszer szerkezetére vonatkoznak. A lemaradásban szerepe lehet annak is, hogy az iskolák mit és milyen keretek között tanítanak, és kik tanítanak. Ezekről a PISA-adatok közvetlenül nem szólnak, ezért az alábbiak valószínű, de oksági vizsgálattal nem igazolt tényezők.
Tartalmi szabályozás. A 2020-ban kiadott Nemzeti alaptanterv (5/2020. (I. 31.) Korm. rendelet) mellett a kerettantervek alkalmazása kötelező, az iskolák ezeket helyi tantervvel egészíthetik ki. A Civil Közoktatási Platform (2020) állásfoglalása szerint a tananyag olyan terjedelmű, hogy „a rendelkezésre álló tanulási idő egészében sem tanulható”, miközben a heti óraszám évfolyamonként jellemzően csak egy órával csökkent. A tankönyvellátás 2013 óta állami feladat; a magánkiadói tankönyvek aránya a rendelésekben 2018 és 2019 között 32%-ról 14%-ra esett (Mérce 2019), vagyis a pedagógusok tankönyvválasztási lehetősége jelentősen szűkült.
Iskolai és tanári autonómia. Az állam 2013. január 1-jén vette át az önkormányzati iskolák fenntartását. A munkáltatói jogok, a bérfinanszírozás és a taneszközellátás a fenntartóhoz, ma a tankerületi központokhoz került, az iskolák önálló gazdálkodási jogköre megszűnt (Átlátszó 2021). Az élmezőny két országában ezzel szemben keretjellegű a szabályozás. Finnországban a fenntartók és az iskolák a nemzeti alaptanterv keretei között saját tantervet készítenek, a tanárok maguk választják meg a módszereiket, a taneszközöket pedig nem ellenőrzik: azokról az iskolák és a tanárok döntenek. Észtországban a nemzeti tanterv olyan keret, amelynek alapján minden iskola saját tantervet állít össze, és az iskolák szabadon választanak taneszközt (Eurydice). Nemzetközi panelvizsgálat szerint az iskolai autonómia a fejlett, jól teljesítő rendszerekben javítja, a kevésbé fejlettekben rontja a tanulói teljesítményt (Hanushek, Link és Woessmann 2013). Ebből nem következik, hogy az autonómia önmagában magyarázza az észt vagy a finn eredményt, a magyar rendszertől való szabályozási különbség azonban e téren is jelentős.
A pedagógusképzés és a pályára lépők. Varga Júlia (2007) szerint a pedagógusképzésben negatív önszelekció érvényesül: főiskolai szintű pedagógusképzésre nagyobb arányban jelentkeznek a gyengébb képességűek, és a pályán jellemzően azok maradnak, akik alacsonyabb pontszámmal kerültek be a felsőoktatásba. Az Európai Bizottság megbízásából készült 2021-es elemzés szerint 2020-ban rekord alacsony számban jelentkeztek hallgatók pedagógusnak és gyógypedagógusnak (Lannert szerk. 2021). A pálya vonzereje így nemcsak a létszám, hanem az utánpótlás összetétele szempontjából is kérdéses.
A 2024-es béremelés várható hatása. Ezen a téren kedvező változást hozhat a pedagógusok béremelése. A bérek 2024 januárjában átlagosan 32,2%-kal, 2025 januárjában további 21,2%-kal nőttek. A vállalás szerint a pedagógusbéreknek 2025. január 1-jéig el kellett érniük a diplomás átlagbér legalább 80%-át, és ezt a szintet legalább 2030 végéig fenn kell tartani; az emelést az Európai Unió mintegy 1,8 milliárd euróval támogatja (Európai Bizottság 2024; Telex 2025). A G7 számítása szerint a köznevelésben dolgozók átlagkeresete 2024-ben a diplomás átlag 72,5%-a volt, a 80%-os célarány pedig nemzetközi összevetésben szerény: az OECD-átlag 2022-ben 95% volt. Nemzetközi panelvizsgálat szerint a tanári bér relatív szintje és a gyorsabb bérelőmenetel azáltal javíthatja a tanulói eredményeket, hogy jobb képességű jelentkezőket vonz a pályára (Dolton és Marcenaro-Gutierrez 2011). A jelentkezési adatok is élénkülést jeleznek: kormányzati közlés szerint 2024-ben csaknem kétszer annyian jelentkeztek pedagógusképzésre, mint 2022-ben, és 2024-ben rekordszámú, 12 759 hallgatót vettek fel (Index 2025; hirado.hu 2025). A kép ugyanakkor nem egyértelmű. Az Oktatási Hivatal 2024. márciusi adatai szerint az első helyen pedagógusképzést megjelölők száma 2023-hoz képest 18 673-ról 17 833-ra csökkent (Eduline 2024), a szakmai szervezetek pedig arra figyelmeztetnek, hogy a jelentkezőknek csak kisebb része lép majd pályára (CKP 2024). A béremelés hatása a pálya vonzerejére és az utánpótlás összetételére tehát valószínűleg kedvező, de csak néhány év múlva, a pályára lépők adataiból lesz mérhető; a PISA 2025-ben mért tanulók eredményét még nem befolyásolhatta.
Szakos ellátottság. Ugyanezen elemzés szerint Észak-Magyarországon az órák több mint 10%-át nem szakos tanár tartja, és az eloszlás egyenetlen: a régió hátrányos helyzetű iskoláiban az órák 13%-át, a nem hátrányos helyzetűekben 2%-át látja el nem szakos pedagógus. A legnagyobb fluktuáció szintén a hátrányos helyzetű térségekben van, ahol a tantestület 40%-a öt éven belül kicserélődik (Lannert szerk. 2021). A szakos ellátottság hiánya tehát éppen ott a legnagyobb, ahol a tanulói összetétel is a leghátrányosabb, ezért hatása nehezen választható el a családi háttér hatásától (vö. 5.2 és 5.4).
E tényezők hatása összefonódik a szerkezeti tényezőkkel, és a PISA-adatokból önmagában nem mérhető. Mérlegelésük ezért a szerkezeti magyarázatot nem helyettesíti, hanem kiegészíti.
6. A lengyel példa: mit hoz a szelekció elhalasztása?
Lengyelország azért különösen tanulságos Magyarország számára, mert hasonló történelmi és társadalmi kiindulópontról, egy konkrét szerkezeti reform után javított látványosan a PISA-eredményein, majd a reform visszafordítását követően ismét visszaesett.
6.1 Az 1999-es reform
A reform előtt a lengyel gyerekek hétévesen kezdték a nyolcosztályos általános iskolát, és 15 évesen választottak a négyéves általános középiskola, az ötéves technikum és a hároméves szakiskola között. Az 1999-ben indult reform ezt 6+3 éves szerkezetre cserélte: a hatosztályos általános iskolát egy új, hároméves, minden tanuló számára közös alsó középiskola (gimnazjum) követte. A szakmai irányú szétválasztás így egy évvel később történt, és a PISA-ban mért 15 évesek 2003-tól kivétel nélkül még egységes iskolába jártak.
Az eredmények gyorsan változtak. A lengyel diákok szövegértési átlaga a 2000-es 479 pontról 2003-ra 497, 2006-ra 508 pontra nőtt, és az ország az OECD-átlag alól a legjobb tíz közé került. Matematikából 2012-ben 518 ponttal érte el csúcsát.
| Terület | 2000 | 2003 | 2006 | 2009 | 2012 | 2015 | 2018 | 2022 | 2025 |
|---|---|---|---|---|---|---|---|---|---|
| Szövegértés | 479 | 497 | 508 | – | – | – | – | 489 | 482 |
| Matematika | – | 490 | 495 | 495 | 518 | 504 | 516 | 489 | 484 |
6.2 Mit mutatott ki a kutatás?
Jakubowski, Patrinos, Porta és Wiśniewski (2016) párosításos és különbség-a-különbségben módszerrel azt vizsgálta, hogyan alakult azoknak a diákoknak az eredménye, akik a régi rendszerben valószínűleg szakiskolába kerültek volna. Náluk a javulás 2003-ra mintegy 96, 2006-ra mintegy 116 pont volt, ami egy teljes szórásnál is nagyobb. A szerzők szerint a hatás a szelekció elhalasztásának és az alapkészségekre fordított több tanulási időnek együttesen tulajdonítható.
A szerzők maguk is jelzik az eredmény korlátait. A reform nemcsak az iskolaszerkezetet változtatta meg, hanem a tantervet és a pedagógusok javadalmazását is, és az iskolák több órát fordítottak matematikára és szövegértésre. A szerkezeti változás hatása tehát nem választható el teljesen a reform többi elemétől. A becslés ráadásul elsősorban a gyengébb helyzetű, szakiskolába tartó tanulókra vonatkozik, nem az átlagra.
6.3 A 2017-es visszarendezés
A 2017. szeptember 1-jén, Anna Zalewska minisztersége idején indult reform megszüntette a gimnazjumokat. A régi szerkezet tért vissza: nyolcosztályos általános iskola, majd négyéves líceum, ötéves technikum vagy szakiskola. Az utolsó gimnazjumok 2019-ben zártak be. A lengyel Oktatáskutató Intézet (IBE) megállapítása szerint a PISA-ban mért 15 évesek ma már többnyire a középiskola első vagy második évfolyamán tanulnak, vagyis a mérés idején már szét vannak választva. Ebben a lengyel helyzet a magyarhoz vált hasonlóvá.
A lengyel eredmények ezután visszaestek: matematikából a 2018-as 516 pontról 2022-re 489-re, 2025-re 484 pontra. Az IBE a 2022-es visszaesést elsősorban a járványhoz kötötte, egyes lengyel kutatók viszont a járvány és a reform visszafordításának együttes hatásaként értelmezik. A két hatást eddig egyetlen ismert elemzés sem választotta szét, ezért a 2017-es változás hatására vonatkozó következtetésnek egyelőre óvatosnak kell maradnia.
6.4 Mit jelent ez Magyarország számára?
A lengyel tapasztalat három ponton releváns. Először: a szelekció akár egyetlen évnyi elhalasztása mérhetően javította a leghátrányosabb helyzetű tanulók eredményeit, vagyis éppen azt a csoportot, amely Magyarországon a szakképző iskolákban az alapszint alatt teljesít. Másodszor: a javulás egy tanterv- és óraszám-reformmal együtt jött létre, tehát a szerkezet önmagában valószínűleg nem elég. Harmadszor: a magyar rendszerben a szelekció nemcsak 14, hanem 10 és 12 éves korban is megtörténik, így ugyanekkora hatáshoz a lengyel reformnál nagyobb átalakításra lenne szükség. Lengyelország 2025-ben a visszaesés ellenére is minden területen megelőzi Magyarországot, 12–30 ponttal.
7. Mesterséges intelligencia és teljesítmény: nemzetközi összevetés
A PISA 2025 először kérdezte meg a diákokat arról, milyen gyakran használnak AI-chatbotot iskolai feladataikhoz. Magyarországon a diákok 36,9%-a használja hetente legalább egyszer tanuláshoz, ami elmarad az OECD 45,5%-os átlagától. Az órán az AI által készített tartalmak értékelését a magyar diákok 61,0%-a tanulja (OECD: 62,6%).
Az OECD kötetének I.1. és I.6. táblázata alapján 85 ország adatain megvizsgáltam, összefügg-e az AI-használók aránya az országok átlageredményével. Egyik területen sem mutatható ki statisztikailag szignifikáns kapcsolat. Az OECD-tagországok körében gyenge negatív irány látszik (r ≈ −0,2), de 38 ország esetében ez a véletlen ingadozás határán belül marad.
| Terület | Minden ország (n = 85) | OECD-országok (n = 38) |
|---|---|---|
| Természettudomány | r = −0,06 (p = 0,56) | r = −0,22 (p = 0,19) |
| Szövegértés | r = −0,09 (p = 0,41) | r = −0,23 (p = 0,17) |
| Matematika | r = −0,04 (p = 0,73) | r = −0,20 (p = 0,23) |
| Számítógépes problémamegoldás | r = 0,00 (p = 0,97) | r = −0,22 (p = 0,19) |

Ugyanez a kép rajzolódik ki szövegértésből és matematikából is (2. és 3. ábra). Az AI-használók aránya és az országos átlageredmény között egyik területen sincs kimutatható kapcsolat, Magyarország pedig mindkét ábrán az OECD-átlagnál kevesebb AI-használattal és valamivel az átlag alatti eredménnyel szerepel.


Mindhárom ábrán jól látszik, hogy az élmezőny országai az AI-használat szinte teljes skáláján megtalálhatók. Japánban (27%), Írországban (26%), Finnországban (30%) és az Egyesült Királyságban (32%) kevesen használják rendszeresen, Szingapúrban (66%), Makaón (67%) és Észtországban (58%) sokan. Az átlag feletti eredményt elérő országokban a használat szórása csaknem kétszer akkora (10,5 százalékpont), mint a gyengébben teljesítőkben (6,2). Az OECD ezt részben a digitális oktatáspolitikák eltérő hangsúlyaival magyarázza: Szingapúr kifejezetten beépítette az AI-t a tanulásba, Japán és Észtország kevésbé átfogó szabályozást alkalmaz.
Tanulói szinten az OECD árnyaltabb képet talált. A tanuláshoz hetente AI-t használó diákok a társadalmi háttér kiszűrése után nagyjából ugyanúgy teljesítenek természettudományból, mint a nem használók, a napi és az alkalmi használók viszont gyengébben. Szövegösszefoglalásra és előzetes tájékozódásra a mérsékelt használók érik el a legjobb eredményt. Ahol a diákok az órán megtanulják értékelni az AI által készített tartalmakat, ott a gyakori használók kismértékű előnyhöz jutnak; ilyen lehetőséghez azonban inkább a jobb helyzetű diákok férnek hozzá.
A fenti összefüggések országos átlagokon alapulnak, ezért nem vonhatók le belőlük következtetések az egyes diákokra, és ok-okozati kapcsolatot sem igazolnak. A rendelkezésre álló adatok alapján annyi állítható, hogy nem az AI-használat mértéke különbözteti meg a jól és a gyengén teljesítő oktatási rendszereket, hanem sokkal inkább az, hogy a használat mennyire célzott és pedagógiailag támogatott.
8. Telefonkorlátozás, digitális figyelemelterelés és eredmény
Magyarország mindkét mutatóban kiugró helyen áll. Az iskolaigazgatók beszámolója szerint a magyar diákok 89,8%-a olyan iskolába jár, ahol a mobiltelefon használata tilos (OECD: 49,5%). A 2022-es mérésben ez az arány még 19% volt. A diákok 69,7%-a arról számolt be, hogy a természettudomány-órákon nem zavarja a digitális eszközök használata (OECD: 39,2%); ezzel az OECD-országok közül csak Japán és Korea előzi meg Magyarországot.
| Mutató | Magyarország | OECD-átlag | Kapcsolat az országos eredményekkel |
|---|---|---|---|
| Diákok telefontilalmas iskolában (%) | 89,8 | 49,5 | nincs kimutatható kapcsolat |
| Nincs digitális figyelemelterelés az órán (%) | 69,7 | 39,2 | OECD-ben közepes, de két országon (Japán, Korea) múlik |
| Tanulás AI-chatbottal legalább hetente (%) | 36,9 | 45,5 | nincs kimutatható kapcsolat |
| AI-tartalom értékelése az órán (%) | 61,0 | 62,6 | nincs kimutatható kapcsolat |
| Lemaradás a digitálisan zavart órák diákjainál (pont) | 21 | 11 | tanulói szintű adat (országjelentés) |
Az OECD kötetének I.1. és I.6. táblázata alapján ezeknek a mutatóknak az országos eredményekkel való kapcsolatát is ugyanazzal a módszerrel vizsgáltam, mint az AI-használatnál.
| Mutató | Terület | Minden ország | OECD-országok (n = 38) |
|---|---|---|---|
| Telefontilalom az iskolában (%) | Természettudomány | r = −0,19 (p = 0,06) | r = 0,00 (p = 0,99) |
| Szövegértés | r = −0,17 (p = 0,10) | r = 0,08 (p = 0,65) | |
| Matematika | r = −0,15 (p = 0,15) | r = 0,01 (p = 0,96) | |
| Számítógépes probl. | r = −0,16 (p = 0,14) | r = −0,03 (p = 0,85) | |
| Nincs digitális figyelemelterelés az órán (%) | Természettudomány | r = 0,01 (p = 0,95) | r = 0,40 (p = 0,01) |
| Szövegértés | r = −0,06 (p = 0,58) | r = 0,28 (p = 0,09) | |
| Matematika | r = 0,07 (p = 0,54) | r = 0,46 (p = 0,003) | |
| Számítógépes probl. | r = −0,09 (p = 0,41) | r = 0,29 (p = 0,08) |
A telefontilalom elterjedtsége és az országos eredmények között nincs kimutatható kapcsolat, sem a teljes mintában, sem az OECD-országok körében. Ez összhangban van azzal, hogy a tilalom az élmezőnyben is igen eltérő mértékben terjedt el: Finnországban a diákok 5%-a, Észtországban 26%-a, Írországban 78%-a, az Egyesült Királyságban 80%-a tanul ilyen iskolában.
A figyelemelterelés esetében az OECD-országok körében közepes erősségű, szignifikáns pozitív összefüggés adódik természettudományból és matematikából: ahol kevesebb diák számol be zavaró eszközhasználatról, ott jellemzően magasabb az átlageredmény. Ez az összefüggés azonban nem stabil. A rangsoron alapuló Spearman-féle korreláció már nem szignifikáns (ρ = 0,27–0,28), és ha Japánt és Koreát kivesszük a vizsgálatból, a kapcsolat eltűnik (természettudomány: r = 0,23, p = 0,18). Az eredményt tehát lényegében két, egyszerre fegyelmezett és kiemelkedően teljesítő ország határozza meg.
Magyarország esete jól mutatja, hogy a nyugodt órai légkör önmagában nem elég. A magyar diákok a nemzetközi összevetésben kevéssé zavart órákról számolnak be, és szinte mindegyikük telefontilalmas iskolába jár, eredményeik mégis csak az OECD-átlag körül vannak. Az országjelentés ugyanakkor tanulói szinten jelentős hatást mutat ki: azok a magyar diákok, akiknél az órákon rendszeres a digitális figyelemelterelés, a társadalmi háttér kiszűrése után 21 ponttal gyengébbek természettudományból, ami kétszerese az OECD-átlagnak (11 pont).
Felmerül a kérdés, hogy az ilyen összefüggések mennyiben tükrözik egyszerűen az országok gazdasági fejlettségét. Az OECD kötete erre saját számításokat közöl: az országos korrelációkat az egy főre jutó GDP kiszűrésével (parciális korrelációval) is kiszámította. Ezeket az értékeket a 9. táblázat foglalja össze.
| Iskolai jellemző | OECD: r | OECD: GDP-vel szűrt r | Minden ország: r | Minden ország: GDP-vel szűrt r |
|---|---|---|---|---|
| Számítógép egy tanulóra | 0,44 | 0,46 | 0,60 | 0,37 |
| Digitális eszközök hiánya | −0,44 | −0,37 | −0,66 | −0,37 |
| Nem megfelelő vagy rossz minőségű digitális eszközök | −0,39 | −0,35 | −0,65 | −0,36 |
| Telefontilalom az iskolában | 0,00 | −0,33 | −0,19 | −0,26 |
| Tantárgyi irányelvek a digitális eszközökre | 0,03 | −0,30 | 0,06 | −0,20 |
A táblázatból két fontos tanulság olvasható ki. Az iskolák digitális felszereltsége a gazdasági fejlettség kiszűrése után is összefügg az eredményekkel: ahol több diák tanul eszközhiánnyal küzdő iskolában, ott gyengébb az országos átlag (GDP-vel szűrve r ≈ −0,37). Az OECD szerint az iskolák digitális tanítási kapacitásának eltérései a GDP kiszűrése után is a természettudományi eredmények országok közötti különbségeinek mintegy 14%-át magyarázzák. A digitális felkészültség tehát nem pusztán a jólét mellékterméke.
A telefontilalomnál fordított a helyzet. Szűrés nélkül nincs összefüggés, a GDP kiszűrése után viszont gyenge negatív kapcsolat jelenik meg (OECD: r = −0,33): a hasonló fejlettségű országok közül ott valamivel gyengébbek az eredmények, ahol a tilalom elterjedtebb. Ez nem jelenti azt, hogy a tilalom rontana az eredményeken. Valószínűbb, hogy a tilalmat gyakran éppen ott vezették be, ahol a fegyelmi és teljesítményproblémák eleve nagyobbak voltak. Az OECD adatai szerint ugyanis a tilalom a GDP kiszűrése után is együtt jár a kisebb digitális figyelemeltereléssel, vagyis teljesíti azt a célt, amelyért bevezették. A 2022 és 2025 közötti változások között (a tilalom terjedése és az eredmények alakulása) az OECD nem talált kapcsolatot (r = 0,07 és 0,03).
9. Következtetések és javaslatok
Az elemzés egésze arra utal, hogy a magyar iskolarendszer gondja elsősorban szerkezeti, nem technikai természetű. A lemaradás nem abból fakad, hogy a diákok túl sokat telefonoznak vagy túl keveset használnak digitális eszközöket, hanem abból, hogy a rendszer korán és erősen szétválogatja a tanulókat, a jó eredmények pedig néhány iskolatípusba tömörülnek. A teljesítménykülönbségek 46%-a az iskolák között jelentkezik, a családi háttér a teljesítmény 18%-át magyarázza, a hátrányos és az előnyös helyzetű negyed közötti 103 pontos különbség pedig nagyjából öt tanévnyi lemaradásnak felel meg. A telefontilalomban és az órai légkörben Magyarország nemzetközi összevetésben az élen áll, eredményei mégis átlagosak.
Az alábbi javaslatok a PISA-adatokra és a nemzetközi kutatásokra épülnek, és a mögöttük álló bizonyítékok erőssége szerint követik egymást. Egy konkrét hazai reform tényleges hatását csak kísérleti bevezetés és utólagos értékelés mutathatná meg.
| Javaslat | A bizonyíték erőssége | Fő alátámasztás |
|---|---|---|
| A korai szelekció mérséklése | erős | iskolák közötti variancia 46%; Hanushek–Woessmann (2006), Strello és mtsai (2021); lengyel reform |
| A szakképzés alapkészség-fejlesztése | erős (a probléma mértékére) | a szakképzős 15 évesek 69–82%-a az alapszint alatt |
| A pedagógus-utánpótlás biztosítása | valószínű, közvetlen PISA-kapcsolat nem igazolt | a pedagógusok fele 50 év feletti, a 30 év alattiak aránya 5–8% |
| Digitális felkészültség a tiltás mellett | közepes | a digitális felszereltség a GDP kiszűrése után is együtt jár az eredménnyel |
| Az olvasási kultúra erősítése | közepes | a szövegértés −21 pont 2022 és 2025 között; régiós trend |
9.1 A korai szelekció mérséklése
Ez a legjobban alátámasztott irány. A nemzetközi kutatások és a lengyel reform tapasztalata szerint a szétválasztás későbbre tolása elsősorban a leggyengébb tanulók eredményeit javítja, Lengyelországban közel egy teljes szórásnyival. A szakirodalom és a hazai szakmai vita ennek lehetséges formáiként jellemzően a hat- és nyolcosztályos gimnáziumi helyek fokozatos szűkítését, a szakmai irányú választás későbbre tolását, illetve egy 14–15 éves korig tartó közös alapozó szakaszt veti fel, vagyis a komprehenzív, egységes iskolaszerkezet felé való elmozdulást, amelyet az élmezőny országai is követnek. Számolni kell ugyanakkor azzal, hogy a szelektív gimnáziumok a legjobb diákoknak valódi előnyt nyújtanak, és a szülők körében népszerűek. A lengyel példa azt is mutatja, hogy az ilyen reform politikailag visszafordítható, tartóssá tehát csak széles társadalmi egyetértés mellett válhat. A kérdés ezért nemcsak szakmai, hanem értékválasztás is.
9.2 A szakképzés alapkészség-fejlesztése
A szakképzésben tanuló 15 évesek többsége sem szövegértésből, sem matematikából nem éri el az alapszintet. A lengyel reform egyik tanulsága, hogy a javulás a szerkezetváltás mellett az alapkészségekre fordított több tanulási időből is fakadt. Ez a jelenlegi iskolaszerkezeten belül is megvalósítható, például több szövegértési és matematikai órával, valamint a lemaradók célzott támogatásával az első évfolyamokon.
9.3 A pedagógus-utánpótlás biztosítása
A tanári kar elöregedése és a pályakezdők alacsony aránya hosszabb távon a rendszer működőképességét veszélyezteti. A hiány a kis településeken és a hátrányos helyzetű térségekben a legnagyobb, vagyis éppen ott, ahol a tanulóknak a legtöbb segítségre volna szükségük. Célzott ösztönzőkkel el lehetne érni, hogy a jól felkészült pedagógusok ezekben az iskolákban is vállaljanak munkát. A pedagógushiány és a PISA-eredmények közötti közvetlen kapcsolatot ugyanakkor a rendelkezésre álló források nem vizsgálták.
9.4 Digitális felkészültség a tiltás mellett
A telefontilalom elterjedtsége és az AI-használat mértéke nem jár együtt az országos eredményekkel, az iskolák digitális felszereltsége és felkészültsége viszont a gazdasági fejlettség kiszűrése után is igen. A tilalom mellett ezért érdemes arra is hangsúlyt fektetni, hogy a pedagógusok célzottan tudják használni a digitális eszközöket, a diákok pedig megtanulják kritikusan értékelni az AI által előállított tartalmakat. Ebben Magyarország jelenleg az OECD-átlag körül áll (61,0%, OECD: 62,6%).
9.5 Az olvasási kultúra erősítése
A szövegértés romlott a legnagyobb mértékben, és ez a régió más országaiban is megfigyelhető. Az OECD ezt az élményszerű olvasás visszaszorulásával és a rövid, gyors digitális tartalmak térnyerésével hozza összefüggésbe. Ez iskolai szinten is kezelhető: rendszeres, hosszabb szövegekkel végzett munkával, önálló olvasási idővel és a szövegek közös értelmezésével.
9.6 Intézményi szinten megvalósítható lépések
Rendszerszintű átalakítás nélkül is van mozgástér. A kollégiumok és a napközis formák kiegyenlítő szerepet tölthetnek be, mert a hátrányos helyzetű diákoknak olyan támogatást adhatnak, amelyet otthon nem kapnak meg: strukturált tanulási időt, korrepetálást és rendszeres olvasási alkalmakat. Az OECD által is vizsgált, egymást segítő tanulói tanítás alacsony költséggel bevezethető. A digitális eszközök esetében pedig a tiltás mellett a tudatos, célzott használat és az AI-tartalmak értékelésének tanítása adhat többet.
9.7 A vizsgálat korlátai
Az eredmények értelmezésekor néhány korlátot érdemes szem előtt tartani.
- Elemzési szint: a saját korrelációs számítások országos átlagokat vetnek össze (38, illetve 84–91 ország). Ha országos szinten nincs kapcsolat például a telefontilalom vagy az AI-használat és az átlageredmény között, abból nem következik, hogy tanulói vagy iskolai szinten sincs hatásuk. A tanulói szintű OECD-eredmények (a mérsékelt AI-használat előnye, a digitálisan zavart órák 21 pontos hátránya) éppen ilyen országon belüli összefüggésekre utalnak. A digitális eszközökre vonatkozó következtetések ezért elsősorban az országos szintre érvényesek.
- Többszörös összehasonlítás: a 8. táblázat mutatónként nyolc korrelációt közöl. A tesztek számával korrigált (Bonferroni-féle, 0,05/8 ≈ 0,006-os) küszöböt csak a matematikai átlageredménnyel mért r = 0,46 (p = 0,003) éri el, ami szintén a figyelemelterelés-összefüggés óvatos értelmezését indokolja.
- Csak leíró szinten vizsgált tényezők: a tartalmi szabályozás, az iskolai és tanári autonómia, a pedagógusképzés és a szakos ellátottság szerepét az 5.6 pont leíró módon, oksági bizonyíték nélkül tárgyalja; ezek hatása a PISA-adatokból önmagában nem mérhető, és összefonódik a szerkezeti tényezőkkel. A 2020-as szakképzési átalakítás hatását az elemzés nem vizsgálja; ez a képzési formák szerinti 2018–2025-ös idősorból lenne megítélhető.
- A pedagógushiány területi képe: a források nem egységesek. A Magyar Közgazdasági Társaság vitairata a kis és közepes települések iskoláiban látta a legsúlyosabb hiányt, Varga Júlia (2023) mutatói szerint viszont 2019–2020-ra Budapest vált a leginkább érintett területté. Az eltérés a mutatók és a vizsgált időszak különbségéből is adódhat.
10. Összegzés
Magyarország a PISA 2025-ben az európai élmezőnytől területenként 10–49 ponttal marad el, a legnagyobb különbség Észtországgal szemben mutatkozik. A lemaradás elsősorban a kiemelkedően teljesítő diákok alacsony arányából és az iskolák közötti nagy különbségekből adódik, nem az alulteljesítők kiugró arányából.
Az élmezőny országait a 15–16 éves korig tartó egységes iskola, az iskolák közötti kis különbségek és a családi háttér mérsékeltebb hatása köti össze. A magyar rendszer ezekben a szempontokban tér el a leginkább. A nemzetközi kutatások és a lengyel reform tapasztalata alapján a korai szelekció a legvalószínűbb szerkezeti ok; a pedagógushiány és az általános, régiós visszaesés további, de kevésbé bizonyított tényezők. A mobiltelefon-korlátozás a vizsgált országok többségében megvan, így a különbséget önmagában nem magyarázza. Az AI-chatbotok használatának aránya nemzetközi szinten nem függ össze az országok eredményeivel; a tanulói adatok szerint a mérsékelt, célzott használat jár a legjobb teljesítménnyel. A telefontilalom elterjedtsége sem jelzi előre az országos eredményt; a zavartalan órai légkör tanulói szinten számít, országos szinten azonban csak néhány kiugró ország miatt látszik összefüggés. Az iskolák digitális felszereltsége és felkészültsége viszont a gazdasági fejlettség kiszűrése után is együtt jár a jobb eredményekkel.
Felhasznált irodalom
- Oktatási Hivatal (2026): PISA 2025 Összefoglaló jelentés. Budapest.
- OECD (2026): PISA 2025 Results (Volume I): Future-Ready Students. OECD Publishing, Paris. Link
- OECD (2026): PISA 2025 Results (Volume I): Hungary. Country note. Link
- Hanushek, E. A. – Woessmann, L. (2006): Does educational tracking affect performance and inequality? Economic Journal, 116(510), C63–C76. Letöltés (PDF)
- Jakubowski, M. (2010): Institutional tracking and achievement growth. In: Quality and Inequality of Education. Springer. Link
- Jakubowski, M. – Patrinos, H. A. – Porta, E. E. – Wiśniewski, J. (2016): The effects of delaying tracking in secondary school: evidence from the 1999 education reform in Poland. Education Economics, 24(6), 557–572. Link; munkaanyag: PDF
- Strello, A. – Strietholt, R. – Steinmann, I. – Siepmann, C. (2021): Early tracking and different types of inequalities in achievement. Educational Assessment, Evaluation and Accountability. Link
- Horn Dániel (2010): A kisgimnáziumok szerepe a szelekcióban. In: Kolosi Tamás – Tóth István György (szerk.): Társadalmi riport 2010. TÁRKI, Budapest. Link
- Gurzó Klára – Horn Dániel (2015): A korai iskolai szelekció hosszú távú hatása. Egy közpolitikai kísérlet tanulságai. Közgazdasági Szemle, 62(10), 1070–1096. Link
- Horn Dániel (2026. júl. 26.): Szelekció vagy fejlesztés? A hat- és nyolcosztályos gimnáziumokról szóló vitát egy mérési probléma viheti félre. Portfolio – KRTK blog. Link
- Abdulkadiroğlu, A. – Angrist, J. D. – Pathak, P. A. (2014): The Elite Illusion: Achievement Effects at Boston and New York Exam Schools. Econometrica, 82(1), 137–196. Link
- Lu, B. – Anders, J. – Shao, X. – Siddiqui, N. (2024): How do academic selection systems affect pupils’ educational attainment? New evidence from an analysis of large-scale data on England. Educational Review, 76(5), 1285–1306. Link
- Hanushek, E. A. – Link, S. – Woessmann, L. (2013): Does school autonomy make sense everywhere? Panel estimates from PISA. Journal of Development Economics, 104, 212–232. Link
- Varga Júlia (2023): A pedagógushiány területi különbségei. Educatio, 32(1), 107–120. Link
- Európai Bizottság Magyarországi Képviselete (2024. febr. 7.): Közel 700 milliárd forinttal támogatja az EU a magyar pedagógusok béremelését. Link
- Telex – G7 (2025. júl. 3.): A kormány szerint az idei emeléssel már elérték a tanárbérek a kitűzött célt. Link
- Dolton, P. – Marcenaro-Gutierrez, O. D. (2011): If you pay peanuts do you get monkeys? A cross-country analysis of teacher pay and pupil performance. Economic Policy, 26(65), 5–55. Link
- Index (2025. jún. 21.): Kilőtt a pedagógusképzésre jelentkezők száma. Link
- hirado.hu (2025. júl. 25.): Rekord: még soha nem vettek fel annyi jelentkezőt pedagógusképzésre, mint idén. Link
- Eduline (2024. márc. 18.): „Megduplázódott” a pedagógusképzésekre jelentkezők száma, mégsem jelenthet megoldást a tanárhiányra. Link
- Civil Közoktatási Platform (2024. ápr. 21.): Pedagógusképzés és utánpótlás – nézzünk a felvételi adatok mögé! Link
- Civil Közoktatási Platform (2020. febr. 3.): A CKP állásfoglalása a NAT-2020-ról. Link
- 5/2020. (I. 31.) Korm. rendelet a Nemzeti alaptanterv kiadásáról, bevezetéséről és alkalmazásáról szóló 110/2012. (VI. 4.) Korm. rendelet módosításáról. Link
- Mérce (2019. máj. 10.): Elkaszálta az államosítás a magán tankönyvkiadókat, egyre több az „egyentankönyv”. Link
- Átlátszó (2021. márc. 31.): Út a közoktatás teljes centralizációja felé – a KLIK rövid története 2010-től napjainkig. Link
- Eurydice: Finland – Teaching and learning in single structure education. Link
- Eurydice: Estonia – Teaching and learning in single structure education. Link
- Varga Júlia (2007): Kiből lesz ma tanár? A tanári pálya választásának empirikus elemzése. Közgazdasági Szemle, 54(7–8), 609–627. Link
- Lannert Judit (szerk.) (2021): Zárótanulmány az emberierőforrás-szűkösségekről a magyar közoktatásban. T-Tudok, az Európai Bizottság Magyarországi Képviseletének megbízásából. Link
- IBE (2023): PISA 2022. Results of the Programme for International Student Assessment. Link
- IBE: PISA – international assessments. Link
- Education in Poland. Wikipedia. Link
- TheGlobalEconomy.com: Poland PISA math scores. Link
- Education Estonia: Estonian education system. Link
- Eurydice: Estonia – Organisation of the education system. Link
- Haridus- ja Teadusministeerium (2025): AI Leap programme. Link
- TI-Hüpe (2026): Estonia launches nationwide AI Leap education program. Link
- Opetus- ja kulttuuriministeriö: Extension of compulsory education. Link
- Valtioneuvosto (2024): Restrictions to be placed on the use of phones and mobile devices in schools. Link
- House of Commons Library: Mobile phones in schools (England). Link
- Comprehensive Future: Facts, figures and evidence about grammar schools. Link
- Education in the Republic of Ireland. Wikipedia. Link
- The Irish Times (2024. aug. 21.): Mobile phones set to be banned across all second-level schools. Link
- RTÉ (2024. dec. 30.): Schools facing „new landscape” over mobile phone use. Link
- Index (2024. aug. 9.): Megjelent a rendelet, amely korlátozza az iskolai mobiltelefon-használatot. Link
- Eduline (2026. máj. 26.): Tovább öregszik a tanári kar. Link
- Portfolio (2026. máj. 28.): Ki fog itt tanítani? Link
- Növekedés.hu (2024. júl. 5.): Fontos javaslat érkezett a pedagógushiány enyhítésére. Link
Adatfeldolgozáshoz és szerkesztéshez mesterséges intelligencia modellt (Claude Opus 5.5) használva.