Mesterséges intelligencia a felsőoktatásban
•
0 likes•29 views
A Magyar Tudomány Ünnepe 2023 „Tudomány: válaszok a globális kihívásokra”. A Pannon Egyetem Humántudományi Karának és a VEAB Nyelv- és Irodalomtudományi Szakbizottságának közös tudományos konferenciáján elhangzott plenáris előadás: https://youtu.be/v-ykscp4xG4
Recommended
Recommended
More Related Content
Similar to Mesterséges intelligencia a felsőoktatásban
Similar to Mesterséges intelligencia a felsőoktatásban (20)
More from Dr. Ollé János
More from Dr. Ollé János (20)
Mesterséges intelligencia a felsőoktatásban
- 1. Mesterséges intelligencia a felsőoktatásban OLLÉ JÁNOS DIGITÁLIS MÓDSZERTANI INTÉZET HUMÁN TUDOMÁNYOK: VÁLASZOK A GLOBÁLIS KIHÍVÁSOKRA
- 2. Mesterséges intelligencia a felsőoktatásban • Az alkalmazott MI technológiai és elméleti alapja • Kapcsolódó intézményi feladataink • Az innovatív technológia megjelenésére adott lehetséges intézményi reakciók • A jelen kérdései még a jövő kihívásai előtt (a most) • Az MI az oktatás-módszertanban (a holnap feladatai) • Az MI pozitív hatása a tudományos kutatásokra • Az MI negatív hatása a tudományos kutatásokra • A tudományos kutatások minőségbiztosítási lehetőségei • Tanácsok és ötletek az MI hétköznapi alkalmazásához 2
- 3. Az alkalmazott MI technológiai és elméleti alapja • a számítási és adatelemzési kapacitás és sebesség extrém növekedése (adatelemzés) • mintázatok, trendek komplexebb és pontosabb elemzése • predikatív elemzések, anomália elemzések • valós idejű adatelemzés, riport és visszacsatolás, vizuális ábrázolás • generatív nyelv modell (tartalommenedzsment): • a gépi tanulás feladata a szöveg, mint adathalmaz mintázatának, összefüggésrendszerének, szerkezetének, szókincsének, kontextusfüggő tartalmának elemzése és adatbázisba rendezése • az adatbázis szöveg alapú interaktív hozzáféréssel is elérhető (chat, chatbot) • a szöveg alapú export generált tartalomként felhasználható 3
- 4. Kapcsolódó intézményi feladataink • adatelemzés és adatgazdálkodás • adatgyűjtés és adatelemzés intézményi környezetben is • további adatgyűjtési lehetőségek kialakítása • információs és adatvagyon definiálása, feltérképezése, szabályozása • adatvédelmi szabályozás proaktív felülvizsgálata • tartalom-menedzsment: • tartalomkezelő szoftverkörnyezet megismerése és kialakítása, fejlesztése • intézményen belüli oktatói, hallgatói és dolgozói MI szoftverkörnyezet tervezése • intézményi oktatási tudástőke digitalizálása, rendszerezése, továbbfejlesztése • saját adatbázisépítés tanuló algoritmusokkal 4
- 5. Az innovatív technológia megjelenésére adott lehetséges intézményi reakciók • a pozitív és a negatív hype csapdája • figyelmen kívül hagyás vagy az innováció jelentőségének lebecsülése • konzervatív szabályozás: elutasítás, tagadás, tiltás, erős korlátozás • passzív elfogadás és mértéktartó befogadás, közömbösség • látszattevékenységek, látszatmegoldás, félkész fejlesztések • aktív felhasználás: kommunikáció, tartalomgenerálás, interaktivitás • proaktív kísérletezés: innovációs ötletek jó gyakorlattá alakítása 5
- 6. Az innovatív technológia megjelenésére adott lehetséges intézményi reakciók 6 • az innovációra adott reflexiók eltérése extrém mértékben növeli meg az intézmények, karok, szakok közötti különbségeket (versenyhelyzetben) • a piaci alapú felnőttoktatás, az intézményes oktatáson kívül piaci képzések a hatékonyság érdekében hogyan döntenek majd? (na, ugye) • a hype csapdája • figyelmen kívül hagyás • konzervatív szabályozás • passzív elfogadás • látszattevékenységek • aktív felhasználás • proaktív kísérletezés
- 7. A jelen kérdései még a jövő kihívásai előtt (a most) 7 • intézményi szabályozás, iránymutatás, módszertani támogatás oktatóknak • az MI használat mint önálló kompetencia - munkaerőpiaci elvárás • kompetencia az oktatási programokban (KKK, modelltanterv, kurzus szinteken) • az MI eszközrendszer alkalmazása, mint a diszciplínához kapcsolódó tananyag / kurzus • nyelvészet, idegen nyelv, fordító, e-learning fejlesztő, pedagógus-képzésportfolió... • az MI alkalmazása, mint önálló képzés (mikrotanusítványok, specializációk) • az MI eszközrendszer alkalmazása kutatásokban • kutatásmódszertan és nyelvészeti kutatási terület
- 8. Az MI az oktatás-módszertanban (a holnap feladatai) 8 • a tevékenységek alapja az adatgazdálkodás és a digitális tartalom-menedzsment • a képzési programban oktatók támogató fejlesztése külön előadás témája lehet • oktatás-módszertani alapterületek: • tanulási környezet • tanulásszervezés • oktatástervezés, tananyagfejlesztés • teljesítményértékelésben • differenciálásban, egyéni fejlesztésben, lemorzsolódás csökkentésében
- 9. Tanulási környezet és tanulásszervezés 9 • intézményi LMS rendszer továbbfejlesztés és integrálása • tanulástámogatás által felszabadult idő felhasználása kontakt foglalkozásokra • chatbotok alkalmazása az oktatásszervezésben és oktatási ügyintézésben • diszciplináris chatbotok fejlesztése: mentorálás, tutorálás, önálló tanulás támogatása • adatvezérelt döntéshozatal tanulói profilok alapján
- 10. Oktatástervezés, tananyagfejlesztés 10 • oktatási programtervezés: digitalizált oktatási tudástőke / saját források • oktatási tartalommal végzett műveletek, pl. ekvivalens vagy differenciált tartalom gyártása (szöveg, kép, hang, videó) • tanulási feladatok generálása, munkafüzetek készítése • segédanyagok készítése, idegen nyelvi változatok konvertálása • tanulásban akadályozott hallgatók számára tartalom gyártása • mérsékelhető az általános felsőoktatási tananyaghiány
- 11. Oktatástervezés: a fejlesztési területre gyakorolt hatások 11 • a digitális tartalom- és tananyaggyártás erőforrásszükséglete a töredékére csökken • az intézményközi versenyben felértékelődik a digitalizált tudástőke • szinte személyre szabható képzési utak és megoldások érhetők majd el LXP és mikrotanusítvány online rendszerekben • felértékelődik a felsőoktatás-pedagógia és a diszciplináris szakmódszertan • felértékelődik a tananyag módszertani minősége (tevékenységközpontúság) • átalakítható és újratervezhető a képzés teljes időgazdálkodása • a tananyag-forrás oktatói szerep kontakt támoható mentorrá alakul
- 12. Hallgatói teljesítményértékelés 12 • ekvivalens vagy differenciált feladat- és tesztgenerálás • automatizált formatív értékelés, visszacsatolások a tanulási folyamatban • szövegelemzés- és értékelés • tanuló profilok készítése kompetenciatérképpel • adatvezérelt teljesítményértékelés a hallgatók személyes támogatásához • vö. a felsőoktatási hallgatói mérések és a köznevelési tanulói mérések távolságának csökkentése
- 13. Differenciálás, egyéni fejlesztés, lemorzsolódás csökkentése 13 • oktatási tartalom és tanulási feladat generálása • tanulói profil alapján személyre szabott • csoporttulajdonságok alapján különböző • adaptív online környezet kialakítása az LMS rendszerben • tartalom- és tevékenységrendszer is • várható tanulási események előrejelzése • automatizált beavatkozás vagy a személyes támogatás előkészítése
- 14. Az MI pozitív hatása a tudományos kutatásokra 14 • kutatás-módszertani technológia • szövegelemzés • extrém adatelemzési kapacitás, komplex összefüggések elemzése • tudományos eredmények disszeminációja • népszerű alkalmazások, pl. chatbotok • az MI megjelenése kutatástámogató alkalmazásokban • keresők és szakirodalmi adatbázis építők, szövegműveletek • kutatás-adminisztráció, algoritmizálható feladatok
- 15. Az MI negatív hatása a tudományos kutatásokra 15 The Nine Circles of Scientific Hell. Perspectives on Psychological Science (2012)
- 16. Az MI negatív hatása a tudományos kutatásokra 16 felszínes médiahuszárok felpörgött tartalomgenerálás, kutatási módszerek alkalmazása nélküli ”kutatások”, áltudományhoz közeli felszínesség, szakmai-közéleti legitimizálás automatizált adatelemzés hipotézismentes adatelemzés, MI által számolt komplex magyarázó modellek, ötlettelen „adatgyártós” kutatók örökmozgója kreatív parafrazeálók néhány kattintásos (generatív) nyelvi átfogalmazások, elsősorban empirikus kutatások nélküli területeken
- 17. A tudományos kutatások minőségbiztosítási lehetőségei 17 • nem a plágium és nem is az áltudomány a legveszélyesebb, hanem a látszat- tudomány és az ezt legitimizáló közösségi háttér • erősíteni kell a kutatásmódszertani szabványokat és a terület oktatását • az egyszerűbb adatgazdálkodással egyszerűbb lesz a validálás és az empirikus reprodukció, illetve egyszerűbb a cáfoló jellegű kontroll-kutatás • a publikációs nyomás kiegyensúlyozása mellett megerősödhet és jobban megmutatkozhat az akadémiától eltérő publikációmentes ipari és piaci kutatás
- 18. Tanácsok és ötletek az MI hétköznapi alkalmazásához 18 • Ne használjuk olyan tématerületen, amihez nem értünk • Egy újabb érv a digitális átállás mellett • Nem helyettünk dolgozik, hanem nekünk • Ne gondoljuk, hogy holnap is ugyanarra képes mint ma • Véleménye mindenkinek van róla, konkrét tapasztalata keveseknek • Gyárts és gyűjts adatokat, Neked is nagyon hasznos és érdekes lehet • Az alkalmazása minőségi időt szabadít fel, amit sokféleképpen felhasználhatunk