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. 30 ΣΕΠΤΕΜΒΡΊΟΥ, 2024 ΠΑΡΑΔΟΤΈΟ WP2 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. 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. 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 Αριθμός έκδοσης 01 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 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
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. 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. Περιεχόμενα ΠΡΟΘΕΣΜΊΑ ΠΑΡΆΔΟΣΗΣ 3 ΙΣΤΟΡΙΚΌ ΑΝΑΘΕΩΡΉΣΕΩΝ 3 ΣΥΝΤΕΛΕΣΤΈΣ 3 ΠΕΡΙΕΧΌΜΕΝΑ 5 ΕΝΌΤΗΤΑ 1: ΕΙΣΑΓΩΓΉ 6 ΕΝΌΤΗΤΑ 2: ΘΕΩΡΗΤΙΚΌ ΥΠΌΒΑΘΡΟ 7 ΕΝΌΤΗΤΑ 3: ΕΡΓΑΛΕΊΑ ΒΑΣΙΣΜΈΝΑ ΣΤΗΝ ΤΝ 11 ΕΝΌΤΗΤΑ 4: ΣΥΛΛΟΓΉ ΚΑΤΕΥΘΥΝΤΉΡΙΩΝ ΓΡΑΜΜΏΝ ΓΙΑ ΤΟ ΠΏΣ ΟΙ ΑΚΑΔΗΜΑΪΚΟΊ ΤΗΣ ΑΝΏΤΑΤΗΣ ΕΚΠΑΊΔΕΥΣΗΣ ΜΠΟΡΟΎΝ ΝΑ ΑΞΙΟΠΟΙΉΣΟΥΝ ΤΗ ΔΥΝΑΜΙΚΉ ΤΗΣ ΤΕΧΝΗΤΉΣ ΝΟΗΜΟΣΎΝΗΣ ΓΙΑ ΒΕΛΤΙΩΜΈΝΕΣ ΕΠΑΓΓΕΛΜΑΤΙΚΈΣ ΚΑΙ ΠΑΙΔΑΓΩΓΙΚΈΣ ΠΡΑΚΤΙΚΈΣ 13 ΕΝΌΤΗΤΑ 5: ΚΑΤΆΛΟΓΟΣ ΕΛΈΓΧΟΥ ΕΤΟΙΜΌΤΗΤΑΣ ΤΝ 20 ΕΝΌΤΗΤΑ 6: ΜΕΛΈΤΕΣ ΠΕΡΊΠΤΩΣΗΣ 24 ΒΙΒΛΙΟΓΡΑΦΙΚΈΣ ΑΝΑΦΟΡΈΣ 56
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. Ενότητα 1: Εισαγωγή Η ψηφιακή εργαλειοθήκη 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 Τεχνητής Νοημοσύνης (ΤΝ) στην επαγγελματική και παιδαγωγική τους πρακτική. The specific objectives are to: ● raise awareness about the affordances and challenges of AI for stimulating Innovative professional and pedagogical practice in HE; ● compare national/European data, results, and needs in terms of the integration of AI-based approaches in HE; ● equip HE academics with practical guidelines and best practices on how to select and integrate data- AI-based tools for professional and pedagogical practice; ● encourage HE academics to use AI tools with ethical responsibility and integrity in their professional and pedagogical practice; ● promote HE institutions' digital transformation through preparedness of the HE community, to leverage AI for professional and pedagogical practice. The Toolkit will be a foundational guide on best practices, which can be easily adopted and adapted by HEIs. On the one hand, the research activity that is part of this WP, provides the partnership with a deep understanding and expertise on the affordances and complexities of using AI-powered tools. This will produce high-quality deliverables that meet the target audience's needs. A platform will be also given to key people in the field to express themselves freely and suggest the changes they wish to see In the HE sector.
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. 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. Glossary of key terms Adaptive Learning Adaptive learning is a pedagogical approach that utilises advanced technology, specifically machine-learning algorithms to offer personalised learning experiences tailored to individual students’ needs, preferences, knowledge level and learning style. It uses data-driven algorithms and AI to dynamically adjust the content, the delivery, and the pace of instruction based on students' performance and engagement. By adapting to the specific requirements of each student, adaptive learning promotes effective and efficient learning, increases engagement, and enhances educational outcomes. (Gligorea et al., 2023) Artificial Intelligence (AI) Artificial Intelligence (AI) in education is a promising field that has attracted researchers’ attention. AI is the machine’s capacity to think like a human, learn and evolve (Limna et al., 2022). In educational practices, AI creates new opportunities, potentials, and challenges. It can support administrative tasks such as grading, teaching, and learning activities such as feedback provision. To some extent, AI can act like tutors by explaining concepts, giving feedback, and modifying teaching as in the case of adaptive systems, but also pedagogical tools, which students can use during the learning process (e.g., for cognitive tasks, scaffolding) (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. Automatic grading system An automatic grading system is a professional computer programme based on AI that simulates a teacher's behaviour to assign grades to student tasks in an educational setting. It evaluates student knowledge, analyses responses, provides feedback, and creates personalised training programmes. It is used in many AI education apps. The automatic grading systems provide the student with an evaluation score during his/her test. This method can assist teachers in better understanding their students' learning situations while students are more aware of their learning achievement and mastery of knowledge. Overall, these automatic grading systems can deal with the complexities of the teaching context and support students' learning process by giving them feedback and guidance (Limna et al., 2022; Yufeia et al., 2020). Automation The computer system automates tasks that typically require human intervention. By automating repetitive tasks like timetabling, attendance, and enrolment, schools and teachers can free up time for more meaningful interactions with students (European Commission, 2022). Bias Bias is the predisposition towards or against something that can manifest in AI systems in various ways. Data-driven AI, often built using machine learning, can inherit biases present in the training data. Logic-based AI, like rule-based systems, may reflect the biases of the knowledge engineer who defines the rules. Bias isn't always harmful; it can be beneficial in certain contexts. However, when it leads to discriminatory or unfair outcomes, it is a concern. It can arise unintentionally, due to limited exposure to diverse situations, or intentionally, if designed to favour a particular group. (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. Chatbots Chatbots, often referred to as dialogue systems or conversational agents, are programmes that communicate with people through text or voice commands in a way that mimics humanto-human conversation (European Commission, 2022). They are increasingly used in HE through various AI technologies. Their strength lies in their ability to engage users in a natural, conversational tone. For example, Georgia State University implemented a text-based chatbot called "Pounce" to assist students with tasks such as registration, admissions, financial aid, and other administrative processes. (Akgun & Greenhow, 2021) Facial recognition systems Facial recognition systems are utilised to track and analyse students' facial expressions. These systems offer valuable Insights Into student behaviour during learning activities, enabling educators to respond accordingly. This, in turn, supports teachers in adopting learner-focused approaches and enhancing student engagement. (Akgun & Greenhow, 2021) Learning Analytics Participants’ activities and interactions are available through the digital tools implemented, which provide teachers and learning designers with vast information regarding the formers’ learning progress. By collecting and analysing such data properly, education stakeholders can act to follow a practical approach (Klašnja-Milićević et al., 2020). Personal data Information relating to an identified or identifiable natural person, either directly or indirectly, by reference to one or more elements specific to that specific person (European Commission, 2022). Personalised learning systems Personalised learning systems or adaptive learning platforms or intelligent tutoring systems, are typical and valuable applications of AI to support students and teachers. These platforms give students access to a range of learning materials based on their specific learning needs and subjects. (Akgun & Greenhow, 2021)
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. Predictive analytics Predictive analytics refer to the use of statistical algorithms and machine learning techniques to make predictions about the future using current and historical data (European Commission, 2022). They are primarily employed to recognise and uncover patterns related to students by leveraging statistical data. For instance, these systems can be used to identify university students who may be in danger of failing or dropping out of a course. By pinpointing these individuals, educators can step in and provide the necessary support to help them succeed. (Akgun & Greenhow, 2021) Virtual Assistant A virtual personal assistant is a software application that can respond to spoken commands and carry out actions like dictation, reading aloud, and calendar management (European Commission, 2022). Virtual Reality Virtual reality technology uses computer-generated imagery and haptic feedback to create a sense of presence in a simulated world. It provides immersive experiences that can be customised to individual needs and preferences. (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. Ενότητα 3: Εργαλεία Βασισμένα στην ΤΝ 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, τη μάθηση και την αξιολόγηση (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). The table below presents a summary of the AI-based tools. We have grouped and divided the tools based on what support they offer, i.e., which teaching and learning aspects they can augment. 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 ● DreamBox by Discovery Education ● Engage ● 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. 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 ● Fast ForWord ● Gradescope ● MATHia 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 Chat ● ChatGPT ● ChatPDF ● Connected Papers ● Consensus ● Elicit ● Gemini ● Grammarly ● 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 ● Midjourney ● Nuance Dragon ● Quizlet ● Sonix
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. ● zSpace This list provides a broad picture of how AI is impacting various aspects of education. The potential applications continue to evolve, offering possibilities for personalised learning, enhanced research capabilities, and improved teaching support. Ενότητα 4: Συλλογή Κατευθυντήριων Γραμμών για το πώς οι ακαδημαϊκοί της Ανώτατης Εκπαίδευσης μπορούν να αξιοποιήσουν τη δυναμική της Τεχνητής Νοημοσύνης για βελτιωμένες επαγγελματικές και παιδαγωγικές πρακτικές Όπως έχουν υποδείξει τα αποτελέσματα της βιβλιογραφικής έρευνας που διεξήχθη στο πλαίσιο του WP2, 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. While AI offers many advantages, its integration into education raises ethical, legal, technological, and implementation concerns. These challenges require clear guidelines, training, and a focus on responsible use. The study also emphasises the need for critical evaluation of AI tools due to potential reliability and effectiveness issues. Therefore, given how AI applications could lead to harmful consequences, HE staff should ensure that the AI tools they are using are reliable, fair, safe, and trustworthy and that the data included is secure and protects the privacy of individuals.
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. 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. 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 The guidelines provided can help HE staff to understand the affordances of AI and raise awareness of the possible risks, so that all stakeholders are engaged positively, critically and ethically with AI systems to maximise their potential.
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. 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. 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
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. 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. ● Student Engagement: Involve students in the decisionmaking process regarding AI use in the classroom. Encourage them to explore AI responsibly and participate in discussions about its potential benefits and risks. ● Ethical Dilemmas: Be prepared to address ethical dilemmas that may arise from AI use and have a plan for responding to such situations. Develop a culture of open discussion and ethical decision-making in the classroom. ● Promote AI Literacy: Integrate AI literacy into your curriculum, encouraging students to understand how AI works, its potential benefits and risks, and how to use it responsibly. ● Discuss with colleagues: Collaborate with other educators to make more informed decisions and ensure a more consistent approach to using AI and data systems across schools. ● Collaborate with other schools: Share experiences and best practices and learn how other schools have implemented AI systems. This can also be useful in identifying and dealing with reliable providers of AI and data systems that adhere to the key requirements for trustworthy AI.
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. Figure 1 below presents a proposed framework that outlines the key principles for ethical and effective AI use in HE. A strong foundation in understanding AI systems is crucial, as it enables educators to assess the purpose, autonomy, and environmental context of AI tools. Building upon this foundation, ethical considerations, such as ensuring beneficial use, transparency, fairness, privacy, and human agency, must guide the implementation of AI. Finally, practical guidelines, including professional development, critical evaluation, student engagement, addressing ethical dilemmas, promoting AI literacy, and fostering collaboration, provide a roadmap for educators to successfully integrate AI into their classrooms while upholding ethical standards and maximising its benefits for students. Practical Example: Using AI-powered Adaptive Learning for Personalised Instruction Scenario: A primary school wants to personalise maths instruction for students using an Intelligent Tutoring System (ITS). The school implements an ITS that adapts maths problems to each student's individual learning pace and style. The system uses data on student performance, engagement, and errors to predict their knowledge level and tailor subsequent problems accordingly. Implementation following the Framework: Understanding AI Systems Purpose: The school clearly defines the purpose - to provide personalised maths instruction and track student progress. Autonomy: The ITS has a degree of autonomy in adapting problems, but human teachers still oversee the learning process and provide guidance.
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. Environment: The school considers the age and developmental level of students, ensuring the ITS is appropriate for their cognitive abilities. AI Competency: Teachers receive training on the ITS to understand its capabilities and limitations, as well as how to interpret student data. Ethical Considerations Beneficial Use: The ITS is used to help students achieve their maths learning goals and close any knowledge gaps. Transparency: Teachers explain to students how the ITS works and how it adapts to their individual needs. The system provides clear feedback on student progress. Fairness: The ITS is designed to avoid bias in its recommendations, ensuring all students have equal access to resources and support. Privacy and Data: The school ensures that student data is handled securely and in compliance with privacy regulations. Practical Implementation Professional Development: Teachers receive ongoing training on the ITS to stay updated on its features and best practices. Critical Evaluation: The school regularly evaluates the effectiveness of the ITS in improving student learning outcomes and addresses any issues or concerns. Student Engagement: The ITS is designed to be engaging and interactive, with features like gamification and real-time feedback to motivate students. Ethical Dilemmas: The school has a plan to address ethical dilemmas that may arise, such as concerns about overreliance on AI or potential biases in the system. Promote AI Literacy: Students are taught about how AI works and how it is used in the ITS, fostering understanding and critical thinking. Discuss with colleagues: Teachers collaborate with each other to share experiences and best practices in using the ITS.
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. Σχήμα 1: Οπτικοποιημένο πλαίσιο Επαγγελματική Ανάπτυξη Κριτική Αξιολόγηση Εμπλοκή Φοιτητών Ηθικά Διλήμματα Γραμματισμός στην Τεχνητή Νοημοσύνη Συνεργασία Ωφέλιμη χρήση Δημοκρατικές Αξίες Διαφάνεια Δικαιοσύνη Ιδιωτικότητα και Δεδομένα Ανθρώπινος Παράγοντας Αξιολόγηση Σκοπού Αξιολόγηση Αυτονομίας Συνεκτίμηση Περιβάλλοντος Αξιολόγηση ικανότητας AI
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. Ενότητα 5: Κατάλογος ελέγχου ετοιμότητας ΤΝ Αυτή η ενότητα παρέχει ένα ολοκληρωμένο σχέδιο καταλόγου ελέγχου για να βοηθήσει τους ακαδημαϊκούς ΑΕΙ να αξιολογήσουν το επίπεδο ετοιμότητάς τους στη χρήση της ΤΝ για επαγγελματικές και παιδαγωγικές πρακτικές. Με βάση υφιστάμενα εργαλεία, όπως το Readiness Assessment for Faculty Members (Αξιολόγηση Ετοιμότητας για τα μέλη ΔΕΠ) του National Science Foundation (Εθνικό Ίδρυμα Επιστημών) και του Association of Computing Machinery (Σύνδεσμος Υπολογιστικών Μηχανημάτων) και το AI Readiness Self-Assessment Tool (Εργαλείο Αυτό-αξιολόγησης Ετοιμότητας ΤΝ), του AI Education Project (Εκπαιδευτικό Έργο ΤΝ) του Πανεπιστημίου του Χάρβαρντ, ο παρών κατάλογος ελέγχου αποσκοπεί στην παροχή ενός ολοκληρωμένου πλαισίου για τους εκπαιδευτικούς ώστε να αξιολογήσουν την κατανόηση, τις δεξιότητες και την ετοιμότητά τους για την αποτελεσματική ενσωμάτωση της ΤΝ στις διαδικασίες διδασκαλίας, μάθησης και αξιολόγησης. Κατάλογος ελέγχου ετοιμότητας 1. Ευαισθητοποίηση και κατανόηση της τεχνητής νοημοσύνης Κριτήρια Ναι Όχι Σχόλια Γνωρίζετε βασικές έννοιες της ΤΝ (π.χ. μηχανική μάθηση, νευρωνικά δίκτυα); Καταλαβαίνετε πώς η ΤΝ επηρεάζει την ΑΕΙ και τον κλάδο σας; Έχετε διερευνήσει εργαλεία ενισχυμένα με τεχνητή νοημοσύνη για τη διδασκαλία, την αξιολόγηση και τη μάθηση; Αναγνωρίζετε τις ηθικές επιπτώσεις της ΤΝ σε εκπαιδευτικά πλαίσια (π.χ. μεροληψία, δικαιοσύνη); Γνωρίζετε πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει στις ερευνητικές ροές εργασίας (π.χ. δεδομένα ανάλυσης, αυτοματοποίηση); Γνωρίζετε τα πιθανά οφέλη και τις προκλήσεις της χρήσης της ΤΝ στην εκπαίδευση; Μπορείτε να εντοπίσετε παραδείγματα εκπαιδευτικών εργαλείων και εφαρμογών που λειτουργούν με τεχνητή νοημοσύνη;
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. 2. Παιδαγωγική ενσωμάτωση της ΤΝ Κριτήρια Ναι Όχι Σχόλια Έχετε εξετάσει πώς τα εργαλεία τεχνητής νοημοσύνης μπορούν να βελτιώσουν τις μεθόδους διδασκαλίας σας (π.χ. μάθηση βάσει έργου); Χρησιμοποιείτε τεχνητή νοημοσύνη για να εξατομικεύετε τις μαθησιακές εμπειρίες των μαθητών; Έχετε χρησιμοποιήσει ή εξερευνήσει εκπαιδευτικά εργαλεία βασισμένα στην ΤΝ, όπως ευφυή συστήματα διδασκαλίας ή εικονικούς βοηθούς; Μπορούν τα εργαλεία τεχνητής νοημοσύνης που χρησιμοποιείτε να παρέχουν προσαρμοστικές μαθησιακές διαδρομές για τους μαθητές με βάση την πρόοδό τους; Ενσωματώνετε περιεχόμενο σχετικό με την ΤΝ στο πρόγραμμα σπουδών σας για να βελτιώσετε τον αλφαβητισμό των μαθητών στην ΤΝ; Ευθυγραμμίζονται τα εργαλεία ΤΝ με τους συγκεκριμένους μαθησιακούς στόχους και τα αποτελέσματά σας; Παρέχει το εργαλείο ΤΝ διαμορφωτική ανατροφοδότηση και αναλυτικά στοιχεία μάθησης για την αξιολόγηση των επιδόσεων των μαθητών; Χρησιμοποιούνται γνώσεις που βασίζονται στην ΤΝ για τη βελτίωση της δέσμευσης και των ποσοστών επιτυχίας των φοιτητών; 3. Επαγγελματική ανάπτυξη στην ΤΝ Κριτήρια Ναι Όχι Σχόλια Έχετε συμμετάσχει σε εργαστήρια ή μαθήματα επαγγελματικής ανάπτυξης σχετικά με την ΤΝ στην εκπαίδευση; Συμμετέχετε σε ερευνητικές κοινότητες ΤΝ ή παρακολουθείτε ακαδημαϊκά συνέδρια σχετικά με την ΤΝ; Αναζητάτε ενεργά εκπαιδευτικούς πόρους με επίκεντρο την ΤΝ ή συνεργασίες με εμπειρογνώμονες ΤΝ; Είστε προετοιμασμένοι να ενσωματώσετε τις νέες τεχνολογίες ΤΝ στη διδακτική σας πρακτική;
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. Έχετε σκεφτεί πώς η Τεχνητή Νοημοσύνη μπορεί να βελτιώσει τις ερευνητικές μεθοδολογίες ή τις στρατηγικές διδασκαλίας σας; Συνεργάζεστε με άλλα μέλη της σχολής σας ή εμπειρογνώμονες της βιομηχανίας σε έργα σχετικά με την ΤΝ; Δεσμεύεστε να ενημερώνεστε για τις τελευταίες εξελίξεις στην ΤΝ και τις εφαρμογές της στην εκπαίδευση; 4. Ηθική χρήση της τεχνητής νοημοσύνης στην εκπαίδευση και την έρευνα Κριτήρια Ναι Όχι Σχόλια Γνωρίζετε τις ηθικές επιπτώσεις της χρήσης της τεχνητής νοημοσύνης στην εκπαίδευση; Εξετάζετε το απόρρητο των δεδομένων όταν χρησιμοποιείτε εργαλεία τεχνητής νοημοσύνης στην εκπαίδευση; Συμμορφώνονται τα εργαλεία τεχνητής νοημοσύνης που χρησιμοποιείτε με τους κανονισμούς προστασίας δεδομένων (π.χ. Γενικός Κανονισμός Προστασίας Δεδομένων-ΓΚΠΔ); Υπάρχουν σαφείς πολιτικές σχετικά με τον τρόπο χειρισμού, αποθήκευσης και ανωνυμοποίησης των δεδομένων των μαθητών από τα εργαλεία ΤΝ; Μπορούν οι μαθητές και οι εκπαιδευτικοί να ελέγχουν τη συλλογή και τη χρήση των δεδομένων του εργαλείου ΤΝ; Γνωρίζετε τυχόν προκαταλήψεις που μπορεί να υπάρχουν στους αλγόριθμους τεχνητής νοημοσύνης που χρησιμοποιούνται στην τάξη σας; Το εργαλείο ΤΝ προωθεί τη δικαιοσύνη, την ποικιλομορφία και τη συμμετοχικότητα; Υπάρχει διαφάνεια στον τρόπο με τον οποίο λαμβάνονται οι αποφάσεις ΤΝ (π.χ. στη βαθμολόγηση, στην ανατροφοδότηση); Λαμβάνονται υπόψη οι ηθικές επιπτώσεις κατά την ενσωμάτωση της ΤΝ στην έρευνα (π.χ. αυτοματοποίηση της ανάλυσης, μεροληψία);
RkJQdWJsaXNoZXIy NzYwNDE=