Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ' ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. 20 ΙΟΥΛΙΟΥ, 2025 ΠΑΡΑΔΟΤΕΟ ΠΕ2 ΨΗΦΙΑΚΗ ΕΡΓΑΛΕΙΟΘΗΚΗ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ INFINITE ΠΑΝΕΠΙΣΤΗΜΙΟ ΛΕΥΚΩΣΙΑΣ ΜΕ ΤΗ ΣΥΝΕΙΣΦΟΡΑ ΟΛΩΝ ΤΩΝ ΕΤΑΙΡΩΝ
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Το παρόν παραδοτέο δημοσιεύεται υπό την ευθύνη της κοινοπραξίας του έργου INFINITE. Οι απόψεις και οι γνώμες που εκφράζονται σε αυτό δεν αντανακλούν απαραίτητα τις επίσημες απόψεις της Ευρωπαϊκής Επιτροπής. H Ψηφιακή Εργαλειοθήκη Τεχνητής Νοημοσύνης του έργου INFINITE διατίθεται με άδεια χρήσης CC BY-NC-SA 4.0. Για να δείτε σχετικό αντίγραφο αυτής της άδειας χρήσης, επισκεφθείτε την ακόλουθη ιστοσελίδα: Creative Commons — Attribution-NoncommercialShareAlike 4.0 International — CC BY-NC-SA 4.0 Αυτή η άδεια απαιτεί από τους/τις χρήστες να κάνουν αναφορά στον/στη δημιουργό. Επιτρέπει στους/στις εκ νέου χρήστες να διανέμουν, αναμείξουν, προσαρμόσουν και να δημιουργήσουν πάνω στο υλικό σε οποιοδήποτε μέσο ή μορφή, μόνο για μη εμπορικούς σκοπούς. Εάν άλλοι τροποποιήσουν ή προσαρμόσουν το υλικό, πρέπει να αδειοδοτήσουν το τροποποιημένο υλικό με τους ίδιους όρους. ● Αναφορά Δημιουργού: Θα πρέπει να καταχωρηθεί αναφορά στον/στη δημιουργό. ● Μη Εμπορική Χρήση: Δε μπορεί να χρησιμοποιηθεί το υλικό για εμπορικούς σκοπούς. Μη εμπορική χρήση σημαίνει ότι δεν προορίζεται ή δεν αποσκοπεί σε εμπορικό όφελος ή χρηματική αποζημίωση. ● Παρόμοια Διανομή: Οποιεσδήποτε προσαρμογές πρέπει να διανέμονται υπό την ίδια άδεια όπως και το πρωτότυπο. Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ’ ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675.
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Περιγραφή Αρχείου Προθεσμ ια παρ αδοσης 26/09/2024 Ημερομηνία υποβολής 26/09/2024 Όνομα αρχείου WP2_AI Literacy Toolkit Υπεύθυνος παραδοτέου Πανεπιστήμιο Λευκωσίας Κριτής Εταίροι & Ομάδες Στόχου Αριθμός έκδοσης 02 Κατάσταση Τελικό Επίπεδο διάδοσης Δημόσιο Λέξεις - κλειδιά Εργαλειοθήκη, Τεχνητή Νοημοσύνη, Τριτοβάθμια εκπαίδευση, Επαγγελματική πρακτική, Παιδαγωγική πρακτική. Ιστορικό αναθεωρήσεων Έκδοση Ημερομηνία Σχολιαστές/ κριτικοί αναγνώστες Σχόλια 1.0 27/08/2024 Σχολιαστής/ κριτικός αναγνώστης Σχετικές πληροφορίες αναφορικά με την αναθεωρημένη έκδοση 2.1 30/09/2024 Σχολιαστής/ κριτικός αναγνώστης Σχετικές πληροφορίες αναφορικά με την αναθεωρημένη έκδοση 2.2 09/10/2024 Σχολιαστής/ κριτικός αναγνώστης Ανατροφοδότηση/σχόλια εταίρων 3.0 20/07/2025 Πανεπιστήμιο Λευκωσίας Ανατροφοδότηση από την πιλοτική φάση – Αυτή είναι η τελική έκδοση του παραδοτέου. Συντελεστές Οργανισμός Ονοματεπώνυμο Πανεπιστήμιο Λευκωσίας Eleni Trichina, Efi Nisiforou Πανεπιστήμιο Groningen Francisco José Castillo Hernández, Lucy Avraamidou Πανεπιστήμιο College Dublin Levent Gorgu, Eleni Mangina ALL DIGITAL Selin Tagmat CARDET Eleni Shaili Πανεπιστήμιο Αιγαίου Apostolos Kostas, Alivisos Sofos, Dimitrios Spanos, Filippos Tzortzoglou
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Περιεχόμενα ΕΝΟΤΗΤΑ 1: ΕΙΣΑΓΩΓΗ ...................................................................................................................................... 5 ΕΝΟΤΗΤΑ 2: ΘΕΩΡΗΤΙΚΟ ΥΠΟΒΑΘΡΟ ........................................................................................................... 6 ΕΝΟΤΗΤΑ 3: ΕΡΓΑΛΕΙΑ ΒΑΣΙΣΜΕΝΑ ΣΤΗΝ ΤΝ .......................................................................................... 11 ΕΝΟΤΗΤΑ 4: ΚΑΤΕΥΘΥΝΤΗΡΙΕΣ ΓΡΑΜΜΕΣ ΓΙΑ ΤΗ ΧΡΗΣΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΣΕ ΕΠΑΓΓΕΛΜΑΤΙΚΕΣ ΚΑΙ ΠΑΙΔΑΓΩΓΙΚΕΣ ΠΡΑΚΤΙΚΕΣ ................................................................................. 14 ΕΝΟΤΗΤΑ 5: ΚΑΤΑΛΟΓΟΣ ΕΛΕΓΧΟΥ ΕΤΟΙΜΟΤΗΤΑΣ ΤΝ ......................................................................... 21 ΕΝΟΤΗΤΑ 6: ΜΕΛΕΤΕΣ ΠΕΡΙΠΤΩΣΗΣ ........................................................................................................... 31 ΒΙΒΛΙΟΓΡΑΦΙΚΕΣ ΑΝΑΦΟΡΕΣ........................................................................................................................ 78 ΔΗΛΩΣΗ ΧΡΗΣΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ........................................................................................... 82
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Ενότητα 1: Εισαγωγή Η ψηφιακή εργαλειοθήκη Τεχνητής Νοημοσύνης (ΤΝ) του έργου INFINITE είναι ένα διαδραστικό και υποστηρικτικό πακέτο για τους/τις ακαδημαϊκούς της Τριτοβάθμιας Εκπαίδευσης με στόχο την προώθηση των επαγγελματικών πρακτικών τους για την ενσωμάτωση εργαλείων ΤΝ στην επαγγελματική και παιδαγωγική τους πρακτική. Οι συγκεκριμένοι στόχοι είναι η: ● ευαισθητοποίηση σχετικά με τις δυνατότητες και τις προκλήσεις της ΤΝ για την τόνωση καινοτόμων επαγγελματικών και παιδαγωγικών πρακτικών στην Τριτοβάθμια Εκπαίδευση, ● σύγκριση εθνικών/ευρωπαϊκών δεδομένων, αποτελεσμάτων και αναγκών όσον αφορά την ενσωμάτωση προσεγγίσεων βασισμένων στην ΤΝ στην τριτοβάθμια εκπαίδευση, ● παροχή πρακτικών κατευθυντήριων γραμμών και βέλτιστων πρακτικών στους/στις ακαδημαϊκούς της Τριτοβάθμιας Εκπαίδευσης σχετικά με τον τρόπο επιλογής και ενσωμάτωσης εργαλείων βασισμένων σε δεδομένα και ΤΝ για επαγγελματικές και παιδαγωγικές πρακτικές, ● ενθάρρυνση των ακαδημαϊκών της Τριτοβάθμιας Εκπαίδευσης να χρησιμοποιούν εργαλεία ΤΝ με ηθική ευθύνη και ακεραιότητα στην επαγγελματική και παιδαγωγική τους πρακτική, ● προώθηση της ψηφιακής μεταμόρφωσης των ιδρυμάτων Τριτοβάθμιας Εκπαίδευσης μέσω της προετοιμασίας της κοινότητας της Τριτοβάθμιας Εκπαίδευσης, ώστε να αξιοποιήσει την ΤΝ για επαγγελματική και παιδαγωγική πρακτική. Η εργαλειοθήκη θα αποτελέσει έναν βασικό οδηγό βέλτιστων πρακτικών, ο οποίος μπορεί εύκολα να υιοθετηθεί και να προσαρμοστεί από τα ιδρύματα Τριτοβάθμιας Εκπαίδευσης. Από τη μία πλευρά, η ερευνητική δραστηριότητα που αποτελεί μέρος αυτού του Πακέτου Εργασίας (ΠΕ) παρέχει στην κοινοπραξία βαθιά κατανόηση και εμπειρογνωμοσύνη σχετικά με τις δυνατότητες και τις πολυπλοκότητες της χρήσης εργαλείων που βασίζονται στην ΤΝ. Αυτό θα οδηγήσει στην παραγωγή υψηλής ποιότητας παραδοτέων που ανταποκρίνονται στις ανάγκες του κοινού-στόχου. Επίσης, θα δοθεί μια πλατφόρμα σε επιλεγμένα άτομα του τομέα, ώστε να εκφράσουν τη γνώμη τους και να προτείνουν τις αλλαγές που επιθυμούν να δουν στον τομέα της Τριτοβάθμιας Εκπαίδευσης.
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Ενότητα 2: Θεωρητικό Υπόβαθρο Αυτή η ενότητα παρουσιάζει το θεωρητικό υπόβαθρο της εργαλειοθήκης με ορισμούς βασικών όρων και εννοιών σχετικά με τη χρήση της ΤΝ στην Τριτοβάθμια Εκπαίδευση, καθώς και τον ρόλο αυτών των προηγμένων τεχνολογιών στην εκπαίδευση, τις προκλήσεις και τα οφέλη τους. Η παρουσίαση των ορισμών από νωρίς προετοιμάζει το έδαφος για τη χρήση της εργαλειοθήκης, επιτρέποντας σε όλους/ες τους/τις αναγνώστες/-στριες και χρήστες να βρίσκονται στο ίδιο σημείο αναφοράς και να ενημερώνονται ανεξάρτητα από το επίπεδο γνώσεων τους. Γλωσσάριο βασικών όρων Chatbots Τα chatbots, που συχνά αναφέρονται ως συστήματα διαλόγου ή πράκτορες συνομιλίας, είναι προγράμματα που επικοινωνούν με τους ανθρώπους μέσω κειμένου ή φωνητικών εντολών με τρόπο που μιμείται την ανθρώπινη συνομιλία (European Commission, 2022). Χρησιμοποιούνται όλο και περισσότερο στην Τριτοβάθμια Εκπαίδευση μέσω διαφόρων τεχνολογιών ΤΝ. Η δύναμή τους έγκειται στην ικανότητά τους να προσελκύουν τους/τις χρήστες/χρήστιδες με έναν φυσικό, συνομιλητικό τόνο. Για παράδειγμα, το Georgia State University εφάρμοσε ένα chatbot με βάση κείμενο που ονομάζεται “Pounce” για να βοηθά τους/τις φοιτητές/-τριες σε εργασίες όπως εγγραφές, εισαγωγές, οικονομική βοήθεια και άλλες διοικητικές διαδικασίες. (Akgun & Greenhow, 2021) Ανάλυση μάθησης Οι δραστηριότητες και οι αλληλεπιδράσεις των συμμετεχόντων/-ουσών είναι διαθέσιμες μέσω των ψηφιακών εργαλείων που έχουν εφαρμοστεί, τα οποία παρέχουν στους/στις εκπαιδευτικούς και στους/στις σχεδιαστές/-στριες μάθησης εκτενείς πληροφορίες σχετικά με την πρόοδο της μάθησης των πρώτων. Με τη σωστή συλλογή και ανάλυση αυτών των δεδομένων, οι φορείς του εκπαιδευτικού συστήματος μπορούν να ενεργήσουν ακολουθώντας μια πρακτική προσέγγιση (KlašnjaMilićević et al., 2020).
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Αυτόματο σύστημα βαθμολόγησης Ένα αυτόματο σύστημα βαθμολόγησης είναι ένα επαγγελματικό πρόγραμμα υπολογιστή βασισμένο στην ΤΝ που προσομοιώνει τη συμπεριφορά ενός/μιας εκπαιδευτικού για να απονέμει βαθμούς στις εργασίες των φοιτητών/-τριών σε ένα εκπαιδευτικό περιβάλλον. Αξιολογεί τις γνώσεις των φοιτητών/-τριών, αναλύει τις απαντήσεις, παρέχει ανατροφοδότηση και δημιουργεί εξατομικευμένα προγράμματα κατάρτισης. Χρησιμοποιείται σε πολλές εφαρμογές ΤΝ για την εκπαίδευση. Τα αυτόματα συστήματα βαθμολόγησης παρέχουν στους/στις φοιτητές/-τριες μια βαθμολογία αξιολόγησης κατά τη διάρκεια της εξέτασής τους. Αυτή η μέθοδος μπορεί να βοηθήσει τους/τις εκπαιδευτικούς να κατανοήσουν καλύτερα τις μαθησιακές καταστάσεις των φοιτητών/-τριών τους, ενώ οι φοιτητές/-τριες έχουν μεγαλύτερη επίγνωση των μαθησιακών τους επιτευγμάτων και της κατάκτησης των γνώσεων. Συνολικά, αυτά τα αυτόματα συστήματα βαθμολόγησης μπορούν να αντιμετωπίσουν τις πολυπλοκότητες του εκπαιδευτικού πλαισίου και να υποστηρίξουν τη μαθησιακή διαδικασία των φοιτητών/- τριών, παρέχοντάς τους ανατροφοδότηση και καθοδήγηση (Limna et al., 2022; Yufeia et al., 2020). Αυτοματοποίηση Το σύστημα υπολογιστών αυτοματοποιεί εργασίες που συνήθως απαιτούν ανθρώπινη παρέμβαση. Με την αυτοματοποίηση επαναλαμβανόμενων εργασιών, όπως η κατάρτιση ωρολογίου προγράμματος, η παρακολούθηση της φοίτησης και η εγγραφή, τα εκπαιδευτικά ιδρύματα και οι εκπαιδευτικοί μπορούν να απελευθερώσουν χρόνο για πιο ουσιαστικές αλληλεπιδράσεις με τους/τις φοιτητές/-τριες (European Commission, 2022). Εικονική πραγματικότητα Η τεχνολογία εικονικής πραγματικότητας χρησιμοποιεί εικόνες που δημιουργούνται από υπολογιστή και απτική ανάδραση για να δημιουργήσει μια αίσθηση παρουσίας σε έναν προσομοιωμένο κόσμο. Παρέχει μια καθηλωτική εμπειρία που μπορεί να προσαρμοστεί στις ατομικές ανάγκες και προτιμήσεις. (European Commission, 2022)
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Εικονικός βοηθός Ο εικονικός προσωπικός βοηθός είναι μια εφαρμογή λογισμικού που μπορεί να ανταποκρίνεται σε φωνητικές εντολές και να εκτελεί ενέργειες όπως υπαγόρευση, ανάγνωση και διαχείριση ημερολογίου (European Commission, 2022) Εξατομικευμένα συστήματα μάθησης Τα εξατομικευμένα συστήματα μάθησης ή οι προσαρμοστικές πλατφόρμες μάθησης ή τα έξυπνα συστήματα διδασκαλίας είναι τυπικές και πολύτιμες εφαρμογές της ΤΝ για την υποστήριξη φοιτητών/-τριών και εκπαιδευτικών. Αυτές οι πλατφόρμες παρέχουν στους/στις φοιτητές/-τριες πρόσβαση σε μια σειρά μαθησιακών υλικών με βάση τις συγκεκριμένες μαθησιακές ανάγκες και τα μαθήματά τους. (Akgun & Greenhow, 2021) Μηχανική μάθηση Η μηχανική μάθηση (MM) είναι ένα τμήμα της ΤΝ που επιτρέπει στις μηχανές να μαθαίνουν από δεδομένα χωρίς να χρειάζονται ρητό προγραμματισμό. Στόχος της είναι να εκπαιδεύσει τις μηχανές χρησιμοποιώντας δεδομένα και αλγόριθμους, ώστε να μπορούν να μάθουν να λαμβάνουν αποφάσεις. Η MM είναι προσαρμόσιμη, που σημαίνει ότι μπορεί να αλλάζει και να βελτιώνεται καθώς λαμβάνει περισσότερα δεδομένα. Η «μάθηση» στη MM σημαίνει ότι οι αλγόριθμοί της λειτουργούν για να μειώσουν τα σφάλματα και να κάνουν τις προβλέψεις τους όσο το δυνατόν πιο ακριβείς. Ουσιαστικά, η MM είναι μια μέθοδος για την επίτευξη της ΤΝ. (Jakhar & Kaur, 2020) Παραγωγική τεχνητή νοημοσύνη Η παραγωγική ΤΝ χρησιμοποιεί αλγόριθμους για να παράγει πρωτότυπο περιεχόμενο όπως κείμενο, εικόνες ή ήχο. Αυτό επιτυγχάνεται με την εκμάθηση των μοτίβων στα υπάρχοντα δεδομένα και στη συνέχεια με τη δημιουργία νέων δεδομένων που έχουν τα ίδια χαρακτηριστικά. (Oluwagbenro, 2024).
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Προγνωστική ανάλυση Η προγνωστική ανάλυση αναφέρεται στη χρήση στατιστικών αλγορίθμων και τεχνικών μηχανικής μάθησης για την πραγματοποίηση προβλέψεων σχετικά με το μέλλον χρησιμοποιώντας τρέχοντα και ιστορικά δεδομένα (European Commission, 2022). Χρησιμοποιείται κυρίως για την αναγνώριση και την αποκάλυψη μοτίβων που σχετίζονται με τους/τις φοιτητές/-τριες, αξιοποιώντας στατιστικά δεδομένα. Για παράδειγμα, αυτά τα συστήματα μπορούν να χρησιμοποιηθούν για τον εντοπισμό φοιτητών/-τριών πανεπιστημίου που ενδέχεται να κινδυνεύουν να αποτύχουν ή να εγκαταλείψουν ένα μάθημα. Εντοπίζοντας αυτά τα άτομα, οι εκπαιδευτικοί μπορούν να παρέμβουν και να παρέχουν την απαραίτητη υποστήριξη για να τους/τις βοηθήσουν να πετύχουν. (Akgun & Greenhow, 2021) Προκατάληψη Η προκατάληψη είναι η προδιάθεση υπέρ ή κατά κάτι που μπορεί να εκδηλωθεί με διάφορους τρόπους στα συστήματα ΤΝ. Η ΤΝ που βασίζεται σε δεδομένα, η οποία συχνά δημιουργείται με τη χρήση μηχανικής μάθησης, μπορεί να κληρονομήσει προκαταλήψεις που υπάρχουν στα δεδομένα εκπαίδευσης. Η ΤΝ που βασίζεται στη λογική, όπως τα συστήματα που βασίζονται σε κανόνες, μπορεί να αντικατοπτρίζει τις προκαταλήψεις του μηχανικού γνώσης που ορίζει τους κανόνες. Η προκατάληψη δεν είναι πάντα επιβλαβής· μπορεί να είναι επωφελής σε ορισμένα πλαίσια. Ωστόσο, όταν οδηγεί σε διακριτικά ή άδικα αποτελέσματα, αποτελεί λόγο ανησυχίας. Μπορεί να προκύψει ακούσια, λόγω περιορισμένης έκθεσης σε διαφορετικές καταστάσεις, ή σκόπιμα, εάν έχει σχεδιαστεί για να ευνοεί μια συγκεκριμένη ομάδα. (European Commission, 2022). Προσαρμοστική μάθηση Η προσαρμοστική μάθηση είναι μια παιδαγωγική προσέγγιση που χρησιμοποιεί προηγμένη τεχνολογία, συγκεκριμένα αλγόριθμους ΜΜ, για να προσφέρει εξατομικευμένες μαθησιακές εμπειρίες προσαρμοσμένες στις ανάγκες, τις προτιμήσεις, το επίπεδο γνώσεων και τον τρόπο μάθησης κάθε φοιτητή/-τριας. Χρησιμοποιεί αλγόριθμους βασισμένους σε δεδομένα και ΤΝ για να προσαρμόζει δυναμικά το περιεχόμενο, τον τρόπο παράδοσης και τον ρυθμό της διδασκαλίας με βάση την απόδοση και την εμπλοκή των φοιτητών/-τριών. Προσαρμοζόμενη στις συγκεκριμένες απαιτήσεις κάθε φοιτητή/-τριας, η προσαρμοστική μάθηση προάγει την αποτελεσματική και αποδοτική μάθηση, αυξάνει τη
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. συμμετοχή και βελτιώνει τα εκπαιδευτικά αποτελέσματα. (Gligorea et al., 2023) Προσωπικά δεδομένα Πληροφορίες που σχετίζονται με ένα ταυτοποιημένο ή ταυτοποιήσιμο φυσικό πρόσωπο, είτε άμεσα είτε έμμεσα, με αναφορά σε ένα ή περισσότερα στοιχεία που είναι συγκεκριμένα για το συγκεκριμένο πρόσωπο (European Commission, 2022). Συστήματα αναγνώρισης προσώπου Τα συστήματα αναγνώρισης προσώπου χρησιμοποιούνται για την παρακολούθηση και ανάλυση των εκφράσεων του προσώπου των φοιτητών/-τριών. Αυτά τα συστήματα προσφέρουν πολύτιμες πληροφορίες για τη συμπεριφορά των φοιτητών/-τριών κατά τη διάρκεια των μαθησιακών δραστηριοτήτων, επιτρέποντας στους/στις εκπαιδευτικούς να ανταποκρίνονται ανάλογα. Αυτό, με τη σειρά του, βοηθά τους/τις εκπαιδευτικούς να υιοθετήσουν προσεγγίσεις επικεντρωμένες στον/στη φοιτητή/-τρια και να ενισχύσουν την εμπλοκή των φοιτητών/-τριών. (Akgun & Greenhow, 2021). Τεχνητή Νοημοσύνη (ΤΝ) Η ΤΝ στην εκπαίδευση είναι ένας πολλά υποσχόμενος τομέας που έχει προσελκύσει το ενδιαφέρον των ερευνητών/-τριών. Η ΤΝ είναι η ικανότητα της μηχανής να σκέφτεται όπως ο άνθρωπος, να μαθαίνει και να εξελίσσεται (Limna et al., 2022). Στις εκπαιδευτικές πρακτικές, η ΤΝ δημιουργεί νέες ευκαιρίες, δυνατότητες και προκλήσεις. Μπορεί να υποστηρίξει διοικητικές εργασίες, όπως βαθμολόγηση, διδασκαλία και μαθησιακές δραστηριότητες, όπως η παροχή ανατροφοδότησης. Σε κάποιο βαθμό, η ΤΝ μπορεί να λειτουργήσει ως δάσκαλος, εξηγώντας έννοιες, παρέχοντας ανατροφοδότηση και τροποποιώντας τη διδασκαλία, όπως στην περίπτωση των προσαρμοστικών συστημάτων, αλλά και ως παιδαγωγικό εργαλείο, το οποίο οι φοιτητές/-τριες μπορούν να χρησιμοποιήσουν κατά τη διάρκεια της μαθησιακής διαδικασίας (π.χ. για γνωστικές εργασίες, κ.ά) (Hwang et al., 2020).
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Ενότητα 3: Εργαλεία Βασισμένα στην Τεχνητή Νοημοσύνη Το συνεχώς εξελισσόμενο πεδίο της ΤΝ μεταμορφώνει τον τρόπο με τον οποίο προσεγγίζουμε τη μάθηση, την εργασία και ακόμη και τη δημιουργία. Αυτό το νέο τοπίο προσφέρει μια πληθώρα εργαλείων βασισμένων στην ΤΝ σχεδιασμένων να ενδυναμώσουν ερευνητές/-τριες, φοιτητές/-τριες, εκπαιδευτικούς και συνεργάτες/-τιδες. Από την αυτοματοποίηση ερευνητικών εργασιών μέχρι την προώθηση της δια βίου μάθησης, αυτά τα εργαλεία έχουν τεράστιες δυνατότητες να απλοποιήσουν την πορεία εργασιών, να ενθαρρύνουν για την προώθηση δημιουργικών ιδεών και να βελτιώσουν τη συνολική εμπειρία μάθησης και αξιολόγησης. Βασισμένοι στην έρευνα γραφείου ή δευτερογενή έρευνα (desk research) που διεξήχθη στην Κύπρο, την Ελλάδα, την Ολλανδία, την Ιρλανδία και το Βέλγιο, παραθέτουμε και εξηγούμε παρακάτω μερικές από αυτές τις δυνατότητες, εξερευνώντας τις εφαρμογές της ΤΝ για σκοπούς έρευνας (όπως το Elicit), δια βίου μάθησης (όπως το ChatGPT), της συνεργασίας (όπως το Bit.ai), της διδασκαλίας, της μάθησης και της αξιολόγησης (αξιολόγηση με τη χρήση του Gradescope, καθοδήγηση και υποστήριξη φοιτητών/-τριών με τη χρήση του εργαλείου Adaptiv, και ακόμη δημιουργικής γραφής περιεχομένου με τη χρήση εργαλείων συγγραφής όπως ChatGPT, Gemini και Quillbot). Ο παρακάτω πίνακας παρουσιάζει μια σύνοψη των εργαλείων που βασίζονται στην ΤΝ. Έχουμε ομαδοποιήσει και χωρίσει τα εργαλεία με βάση την υποστήριξη που προσφέρουν, δηλαδή, ποιες πτυχές της διδασκαλίας και της μάθησης μπορούν να ενισχύσουν. Type of support AI generative tools Personalised Learning & Assessment ● For students (adaptive learning, selfassessment) ● For teachers (offer recommendations for personalised teaching and accommodations, analyses student work) ● ALEKS ● Century ● Comproved ● Knewton Alta ● Smart Sparrow ● Simbound
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Teaching, Learning and Assessment ● For teachers (they assist teachers in the design of a course, the creation of the material, and managing coursework and grading). ● ClassVR ● Cognii ● Course Hero ● Designs.ai ● Dodona ● Dwengo Simulator ● Gradescope Conversational Learning & Skills Development ● For teachers (they improve communication and practical skills) ● Alelo ● AutoTutor ● Braille AI Tutor ● Dwengo Simulator ● Linguineo Research & Writing Assistance ● For students & teachers (support students, teachers, and researchers with research and writing tasks) ● ASReview ● Bing AI ● ChatGPT ● ChatPDF ● Connected Papers ● Consensus ● Elicit ● Gemini ● Grammarly ● NotebookLM ● Quillbot ● ResearchRabbit ● Squire AI Learning Collaboration & Knowledge Management For students & teachers (collaborate effectively and manage knowledge resources) ● Bit.ai ● NOLEJ Other tools For students & teachers (support content creation, accessibility, and improving the learning experience) ● Bing Image Creator ● Cognii Chatbot ● DALL-E ● Deepl ● D-ID ● Ivy Chatbot ● Lumen5 ● Midjourney ● Nuance Dragon ● Quizlet ● Sonix ● zSpace
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Αυτή η λίστα παρέχει μια γενική εικόνα του τρόπου με τον οποίο η ΤΝ επηρεάζει διάφορες πτυχές της εκπαίδευσης. Οι πιθανές εφαρμογές συνεχίζουν να εξελίσσονται, προσφέροντας δυνατότητες για εξατομικευμένη μάθηση, βελτιωμένες ερευνητικές δυνατότητες και βελτιωμένη υποστήριξη της διδασκαλίας. Σημειώστε ότι επιλέξαμε δωρεάν ή εργαλεία, τα οποία διαθέτουν δωρεάν έκδοση για χρήση ή δοκιμή, συνήθως με περιορισμούς στις διαθέσιμες λειτουργίες, κατά την ανάπτυξη αυτής της εργαλειοθήκης. Ωστόσο, οι τιμές υπόκεινται σε αλλαγές ανάλογα με τις ανάγκες κάθε εταιρείας και η κοινοπραξία δεν ευθύνεται για τυχόν αλλαγές σε αυτά τα προγράμματα ή τις λειτουργίες που περιλαμβάνονται.
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Ενότητα 4: Κατευθυντήριες γραμμές για τη χρήση της Τεχνητής Νοημοσύνης σε επαγγελματικές και παιδαγωγικές πρακτικές Όπως έχουν υποδείξει τα αποτελέσματα της βιβλιογραφικής έρευνας που διεξήχθη στο πλαίσιο του ΠΕ2, τα εργαλεία που βασίζονται στην TN έχουν ευρείες εφαρμογές στην ανώτατη εκπαίδευση, επιφέροντας οφέλη τόσο στους/στις εκπαιδευτικούς όσο και στους/στις φοιτητές/-τριες. Συγκεκριμένα, μπορούν να απλοποιήσουν τις διοικητικές εργασίες, να ενημερώσουν για αποφάσεις που βασίζονται σε δεδομένα και να εξατομικεύσουν τη μάθηση. Αυτά τα εργαλεία βοηθούν επίσης στην αξιολόγηση και την ανατροφοδότηση, ενισχύοντας την εμπλοκή των φοιτητών/-τριών και την εικονική υποστήριξη. Αυτή η δυνατότητα μπορεί να βελτιώσει σημαντικά την ποιότητα της διδασκαλίας, την διοικητική αποδοτικότητα και τη συνολική μαθησιακή εμπειρία. Αν και η ΤΝ προσφέρει πολλά πλεονεκτήματα, η ενσωμάτωσή της στην εκπαίδευση εγείρει ζητήματα ηθικής, νομικής φύσης, τεχνολογίας και εφαρμογής. Αυτές οι προκλήσεις απαιτούν σαφείς κατευθυντήριες γραμμές, κατάρτιση και έμφαση στην υπεύθυνη χρήση. Η μελέτη τονίζει επίσης την ανάγκη για κριτική αξιολόγηση των εργαλείων ΤΝ λόγω πιθανών προβλημάτων αξιοπιστίας και αποτελεσματικότητας. Επομένως, δεδομένου ότι οι εφαρμογές ΤΝ μπορούν να οδηγήσουν σε επιβλαβείς συνέπειες, το προσωπικό της Τριτοβάθμιας Εκπαίδευσης πρέπει να διασφαλίζει ότι τα εργαλεία ΤΝ που χρησιμοποιεί είναι αξιόπιστα, δίκαια, ασφαλή και έμπιστα και ότι τα δεδομένα που περιλαμβάνονται είναι ασφαλή και προστατεύουν την ιδιωτικότητα των ατόμων. Οι παρεχόμενες κατευθυντήριες γραμμές μπορούν να βοηθήσουν το προσωπικό της Τριτοβάθμιας Εκπαίδευσης να κατανοήσει τις δυνατότητες της ΤΝ και να ευαισθητοποιήσει σχετικά με τους πιθανούς κινδύνους, έτσι ώστε όλοι οι ενδιαφερόμενοι να εμπλακούν θετικά, κριτικά και ηθικά με τα συστήματα ΤΝ, προκειμένου να μεγιστοποιήσουν το δυναμικό τους.
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. The guidelines provided below are based on shared guidelines such as the OECD Framework for the Classification of AI systems1, OECD’s AI Principles2, EC’s Ethics Guidelines for Trustworthy AI3, the EC’s 2022 Ethical guidelines on the use of AI and data in teaching and learning for educators4 and the recent UNESCO AI competency frameworks5. According to the guidelines and frameworks above, several key principles underpin the ethical use of AI and data in teaching, learning, and assessment. These can be categorised under guidelines related to understanding AI systems, ethical considerations, and guidelines related to practical implementation. Understanding AI Systems ● Assess Purpose: Clearly define the intended purpose of any AI tool you plan to use. Align it with your educational objectives and the needs of your students. ● Evaluate Autonomy: Determine the level of autonomy the AI system has. This will help you understand the extent of human oversight required and potential risks. ● Consider Environment: Be aware of the social, cultural, and legal context in which the AI system operates. This will help you anticipate potential challenges and ensure appropriate use. ● Assess AI Competency: Evaluate your own AI literacy and consider professional development opportunities to deepen your understanding of AI applications in education. 1https://www.oecd.org/en/publications/oecd-framework-for-the-classification-of-aisystems_cb6d9eca-en.html 2 https://oecd.ai/en/ai-principles 3 https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai 4https://education.ec.europa.eu/news/ethical-guidelines-on-the-use-of-artificialintelligence-and-data-in-teaching-and-learning-for-educators 5https://unesdoc.unesco.org/ark:/48223/pf0000391104; https://www.unesco.org/en/articles/generation-ai-navigating-opportunities-and-risksartificial-intelligence-education
Με τη χρηματοδότηση της Ευρωπαϊκής Ένωσης. Οι απόψεις και οι γνώμες που διατυπώνονται εκφράζουν αποκλειστικά τις απόψεις των συντακτών και δεν αντιπροσωπεύουν κατ'ανάγκη τις απόψεις της Ευρωπαϊκής Ένωσης ή του Ευρωπαϊκού Εκτελεστικού Οργανισμού Εκπαίδευσης και Πολιτισμού (EACEA). Η Ευρωπαϊκή Ένωση και ο EACEA δεν μπορούν να θεωρηθούν υπεύθυνοι για τις εκφραζόμενες απόψεις. Αριθμός Έργου: 2023-1-NL01-KA220-HED-000155675. Ethical Considerations ● Beneficial Use: Ensure that AI tools are used to benefit students and enhance their learning experience. Focus on personalised learning, fostering critical thinking, and addressing inequalities. ● Transparency: Explain to students how AI systems work and how they are used in the learning process. Encourage students to critically evaluate AI outputs. You could also consider using open-source AI tools that are transparent and allow for customisation and modification. ● Fairness: Avoid using AI tools that could create biases or discrimination. Ensure all students have equal access to resources and opportunities, addressing potential gender, socioeconomic, or ability-based disparities. ● Privacy and Data: Respect students' privacy and handle their data responsibly. Adhere to data protection regulations and obtain informed consent when collecting or using student data. ● Human Agency: Maintain human oversight and allow students to have a say in their learning process. Encourage students to explore AI responsibly and creatively. ● Democratic Values: Ensure that AI tools are used in education In a way that aligns with democratic principles. This ensures that AI promotes and supports democratic values, such as the freedom of expression and inquiry (open discussion), equality of opportunity and access, and accountability. Practical Implementation ● Professional Development: Seek training and professional development on AI to understand its capabilities and limitations. Stay updated on the latest developments in AI and adjust your practices accordingly. Embrace lifelong learning and encourage a culture of continuous learning among students. ● Critical Evaluation: Evaluate AI tools carefully, considering their effectiveness, reliability, alignment with your educational goals, and potential impact on student learning outcomes.
RkJQdWJsaXNoZXIy NzYwNDE=