Napredne tehnologije za odprto izobraževanje

Cilji in kompetence

Cilj predmeta je podati študentom pregled in specifična znanja o naprednih in nastajajočih tehnologijah, ki bodisi že delujejo v okviru OI bodisi so lahko zelo učinkovite v prihodnosti.

Študenti bodo pri predmetu pridobili naslednje kompetence:

  • izbirati in vpeljevati ustrezna napredna IT orodja in metode odprtega izobraževanja vključno z umetno inteligenco, veriženjem blokov v izobraževanju, mikroučenjem in izobraževalnimi igrami,

  • razumeti osnove naprednih informacijskih tehnologij in njih uporabo v kontekstu OI ob poglobljenem znanju o specifičnih lastnostih teh tehnologij, o tehnološekem ozadju, scenarijih uporabe in o ovrednotenju prednosti in slabosti pri njihovi uporabi v procesu OI,

  • izbrati ustrezne napredne tehnologije za podporo specifičnih procesov v OI ter prilagoditi te tehnologije strategijam in izvedbenim načrtom,

  • predlagati in voditi raziskovalne in inovacijske projekte na področju naprednih tehnologij za OI.

Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti

Pogoj so znanja, pridobljena pri predmetih Osnove odprtega izobraževanja in Tehnologije za odprto izobraževanje iz prvega letnika, saj morajo študenti dobro poznati učna okolja, učne procese, tipe udeležencev v učnih procesih, strategije uvajanja učnih okolij, tehnološke zahteve in lastnosti orodij za učna okolja ter koncepte in mehanizme odprtosti (sistemov, podatkov, učnih gradiv, orodij). Poznati morajo obstoječe tehnologije in orodja za IKT podprto izobraževanje ter osnovne arhitekture in infrastrukture sistemov učnih okolij. Razumeti morajo obnašanje sistemov ter mehanizme upravljanja IKT podprtih sodelovalnih in interoperabilnih sistemov. Poznati morajo osnovna računalniška za podporo pri komuniciranju in sodelovalnemu delu. Biti morajo pripravljeni za delo v mednarodnih in interdisciplinarnih skupinah.

Vsebina

Študenti bodo spoznali različna napredna orodja in tehnologije, ki so bodisi že uporablje-na za podporo učenju ali pa lahko pripomorejo pri ustvarjanju še učinkovitejšega, bolj zanimi-vega in personaliziranega odprtega učenja. Poseben poudarek bo na tehnologijah, ki spreminjajo tradicionalno izobraževanje v smeri na uporabnika osredotočenega in per-sonaliziranega učenja. učenja podprtega z orodji umetne intelligence, virtualnih in sodelovalnih okolij ter okolij za mikro učenje.

Študenti bodo spoznavali napredna orodja s širših področij umetne inteligence, obogatene resničnosti, tehnologij distriburiranih sistemov kot npr. veriženje blokov, kibernetsko-fizičnih sistemov (Internet stvari), virtualnih labora-torijev in simulacij ter odprtokodnih infra-struktur in rešitev za izobraževanje, sodelovan-je in izmenjavo. Pri predavanjih se bodo učili o osnovnih konceptih teh tehnologij, storitvah in platformah, uspešnih primerih uporabe, problemih pri uporabi in predvsem o možnostih in potencialih uporabe teh tehnologij ter stroških in nevarnostih uvajanja v okolja odprtega izobraževanja.

Podrobneje bo predmet vključeval:

  1. Podatkovno rudarjenje in rudarjenje po tekstu in spletu za potrebe odprtega izo-braževanja
  2. Računalniško razumevanje vsebin, ki vključuje multimodalnost podatkov, večjezičnost, sintaktične in semantične tehnologije jezika, iskanje in formaliziranje znanja iz podatkov
  3. Orodja za oblikovanje uporabniških vmesnikov za učinkovito in prijazno uporabniško izkušnjo v odprtem izo-braževanju
  4. Modeliranje uprabnikove izkušnje v kontekstu odprtega izobraževanja
  5. Modeliranje učenca in učitelja (analitika učenja), kar vključuje potrebe in želje, osvojeno znanje, motivacijske parametere, učni stil in parameter vključenosti
  6. Orodja za personalizacijo učenja vključno z avtomatsko pripravo učnih gradiv
  7. Modeliranje kompetenc, socialnih mrež, vzorčno posledične grafe, detekcije potreb po kompetencah ter modeliranje učnih po-ti in učnih mrež
  8. Distriburirane arhitekture vključno z tehnologijami veriženja blokov
  9. Tehnologije virtualne resničnosti
  10. Online in odprti laboratoriji
  11. Kibernetsko-fizični sistemi vključno z in-ternetom stvari
  12. Tehnologije jezika

Študenti bodo preko seminarjev, online izo-braževanj in samostojnega učenja in dela globlje spoznavali specifične tehnologije in se naučili, kako metodično evalvirati ustreznost in vkjlučenost teh tehnologij v okolja odprtega izobraževanja.

Predvideni študijski rezultati

Po končanem tečaju bodo študenti:

• imeli dober pregled in podrobno znanje o izbranih naprednih informacijskih tehnologijah in kako lahko te podpirajo uvajanje OI,

• usposobljeni izvesti izbirni postopek ustreznih tehnologij in jih povezati s specifičnimi izzivi pri uvajanju OI,

• sposobni, da postanejo kreatorji razvoja in uvajanja novih tehnologij v OI,

• sposobni pripraviti in upravljati razvojno tehnološke projekte uvajanja IKT v OI,

• sposobni ovrednotiti, potrditi in kritično oceniti potenciale novih tehnologij za OI,

• realno oceniti lastne sposobnosti v smislu vključevanja naprednih in nastajajočih tehnologij v OE in prepoznati ustrezno usposobljene posameznike oz skupine za OI integracijske projekte.

Temeljna literatura in viri

• Max Bramer, Principles of Data mining, Springer, London 2007. E-gradivo
• Helen Sharp, Jenny Preece, and Yvonne Rogers, Interaction Design: Beyond Human-Computer Interaction, Wiley, 3rd Edition. E-gradivo
• John Vince, An Introduction to Virtual Reality, Wiley 2004.
• Dimitrios Serpanos and Marilyn Wolf, Internet-of-Things (IoT) Systems Architectures, Al-gorithms, Methodologies, Springer. E-gradivo

Načini ocenjevanja

• Predstavitve in skupinsko delo • Končni izpit, ki bo poleg teoretičnega znanja ocenjeval tudi praktične veščine pri načrtovanju uvajanja ustreznih tehnologij za OI.

Reference nosilca

Dr. John Stewart Shawe-Taylor je direktor Centra za računalniško statistiko in strojno učenje na University College v Londonu. Njegovo glavno raziskovalno področje je statistična učna teorija. Prispeval je k številnim področjem, od teorije grafov preko kriptografije do statistične učne teorije in njenih aplikacij. Njegovi glavni prispevki pa so bili v razvoju analize in kasnejše algoritemske definicije načelnih algoritmov strojnega učenja, ki temeljijo na statistični učni teoriji. To delo je pripomoglo k temeljitemu preporodu na področju strojnega učenja z uvedbo jedrnih metod in podpornih vektorskih strojev, vključno s preslikavo teh pristopov na nove domene, vključno z delom v računalniškem vidu, klasifikaciji dokumentov in analizo možganov. Pred kratkim je delal na področju interaktivnega učenja. Prav tako je sodeloval pri sestavljanju niza vplivnih evropskih mrež odličnosti (sprva projekti NeuroCOLT in kasneje omrežja PASCAL). Znanstveno usklajevanje teh projektov je vplivalo na generacijo raziskovalcev in spodbujalo razširjeno uporabo strojnega učenja v znanosti in industriji. Objavil je več kot 300 člankov z več kot 42000 citati. Prof. Shawe Taylor je leta 2018 postal nosilec UNESCO katedre za umetno inteligenco na University College v Londonu. Z UNESCOm in fundacijo Knowledge 4 All sodeluje pri identifikaciji stičišč umetne intel-igence v državah v razvoju. Prof Shawe Taylor ima pomembno vlogo pri oblikovanju infrastrukture, ki temelji na umetni inteligenci s ciljem zagotoviti enakopraven dostop do izobraževanja prek odprtih izobraževalnih virov v sklopu EU projekta X5GON.

Podrobnejše informacije so na: http://www0.cs.ucl.ac.uk/staff/j.shawe-taylor/