Primjena umjetne inteligencije u akademskom engleskom

 

Naziv kolegija:
Primjena umjetne inteligencije u akademskom engleskom
Šifra ISVU:
274324
Šifra MOZVAG:
ECTS:
3
Jezik izvođenja:
engleski
Preduvjeti upisa:
Odsjek:
ODSJEK ZA SOCIOLOGIJU
ODSJEK ZA PSIHOLOGIJU

Studij
Godina
Semestar
Status
SOCIOLOGIJA - PRIJEDIPLOMSKI (dvopredmetni studij)
3.g.
ljetni
izborni
PSIHOLOGIJA - DIPLOMSKI (jednopredmetni studij)
1.g.
ljetni
izborni

Nastavnik
Nositelj
P
V
S
Benčina, Ksenija
15
15
15

 

Ciljevi i zadaci:

Cilj je kolegija osposobiti studente za samostalnu primjenu različitih alata umjetne inteligencije (veliki jezični modeli, Large language models –LLMs)) u svrhu razvoja i poboljšanja vještina u akademskom engleskom. Kolegij pruža uvid u mogućnosti upotrebe umjetne inteligencije u učenju engleskog jezika kroz praktične aktivnosti.

Ishodi učenja:

Po završetku nastave iz navedenog kolegija studenti će moći:

  • objasniti dobrobiti i izazove upotrebe velikih jezičnih modela (LLMs)
  • primijeniti odgovarajuće alate umjetne inteligencije kao pomoć pri učenju engleskog jezika
  • izraditi učinkovite i odgovarajuće upute (prompts)
  • samostalno se koristiti odabranim alatima umjetne inteligenciju u svrhu proširivanja i uvježbavanja vokabulara i gramatike te razvijanja vještine govorenja
  • kritički procijeniti sadržaje koje generiraju veliki jezični modeli

Sadržaj predmeta:

Kolegij se bavi istraživanjem alata umjetne inteligencije, posebice potencijala velikih jezičnih modela (Chat GPT, Google Gemini, Claude itd.) kao pomoći pri učenju i usavršavanju akademskog engleskog jezika. Kroz praktične aktivnosti stiče se uvid u alate za učenje engleskog jezika utemeljene na umjetnoj inteligenciji (personalizirane platforme za učenje, chatbotovi, prepoznavanje glasa, izrada prezentacija itd.). Objašnjava se i uvježbava izrada učinkovitih uputa (prompts) kako bi se generirali prilagođeni sadržaji za autonomno uvježbavanje vokabulara i gramatike uz pomoć umjetne inteligencije. Analizira se i kritički propituje pouzdanost i primjenjivost generiranog sadržaja te etičnost upotrebe umjetne inteligencije u obrazovanju.

Vrste izvođenja nastave:

predavanja, seminari i radionice, vježbe, obrazovanje na daljinu, multimedija i mreža, samostalni zadatci

Povezivanje ishoda učenja, nastavnih metoda i procjena ishoda učenja:

2. 1. Nastavna aktivnost 2. 2. Aktivnost studenta 2. 3. Ishod učenja 2. 4 Metoda procjene
vježbe
predavanje
rad na tekstu
grupna rasprava
analiza primjera zaključivanje
vježbanje
primjena naučenog
objasniti dobrobiti i izazove upotrebe velikih jezičnih modela (LLMs) aktivno sudjelovanje u nastavi
zadaci
izlaganje
vježbe
rad na tekstu
grupna rasprava
opažanje
analiza primjera
zaključivanje
vježbanje
primjena naučenog
primijeniti odgovarajuće alate umjetne inteligencije kao pomoć pri učenju engleskog jezika aktivno sudjelovanje u nastavi
zadaci
praktični rad
izlaganje
 
vježbe
rad na tekstu
grupna rasprava
vježbanje
primjena naučenog
aktivno sudjelovanje
izraditi učinkovite i odgovarajuće upute (prompts) aktivno sudjelovanje u nastavi
zadaci
praktični rad
izlaganje
vježbe
grupna rasprava
vježbanje
primjena naučenog
aktivno sudjelovanje
samostalno se koristiti odabranim alatima umjetne inteligenciju u svrhu proširivanja i uvježbavanja vokabulara i gramatike te razvijanja vještine govorenja aktivno sudjelovanje u nastavi
zadaci
praktični rad
izlaganje
 
vježbe
seminari
rad na tekstu
grupna rasprava
vježbanje
primjena naučenog
aktivno sudjelovanje
kritički procijeniti sadržaje koje generiraju veliki jezični modeli aktivno sudjelovanje u nastavi
zadaci
izlaganje

 

 

Obveze i praćenje rada studenta:

Aktivnost u nastavi, Kontinuirana provjera znanja, Pohađanje nastave, Praktični rad, Referat

Način vrednovanja i ocjenjivanja:

pismeno

Elementi praćenja i provjeravanja:

Element
Opterećenje u ECTS
Udio u ocjeni
Aktivnost u nastavi 0 0%
Kontinuirana provjera znanja 0 0%
Pohađanje nastave 0 0%
Praktični rad 0 0%
Referat 0 0%

 

Način oblikovanja konačne ocjene:

Studenti su obvezni pohađati 70% svih održanih nastavnih sati. Studentima se vrednuju i ocjenjuju svi navedeni elementi praćenja njihova rada prema razrađenom načinu vrednovanja i ocjenjivanja za svaki element, a s kojima su studenti upoznati i koji su im javno dostupni.

Studenti dobivaju ocjenu na temelju usmene prezentacije, aktivnosti u nastavi i praktičnog rada.

Aktivnosti u nastavi 10%, usmena prezentacija 45%, praktični rad 45%.

Skala ocjenjivanja: 60% - 69%  = dovoljan (2), 70% - 79%  = dobar (3), 80% - 89%   = vrlo dobar (4), 90% - 100% = izvrstan (5).

Primjer izračunavanja ocjene:

Aktivnosti u nastavi 10%, usmena prezentacija 45%, praktični rad 45%.

Skala ocjenjivanja: 60% - 69%  = dovoljan (2), 70% - 79%  = dobar (3), 80% - 89%   = vrlo dobar (4), 90% - 100% = izvrstan (5).

Ostale informacije relevantne za praćenje i vrednovanje studenta:

Pohađanje nastave, kontinuirana provjera znanja, referat, praktični rad

 

 

Obavezna literatura:

Fitzpatrick, D., Fox, A., Weinstein B., (2023). The AI Classroom: The Ultimate Guide to Artificial Intelligence in Education. TeacherGoals Publishing: Beech Grove. (pdf)

Dopunska literatura:

  • Fitzpatrick, D. (2023). 40 Proven AI prompts for Educators. https://issuu.com/theaieducator/docs/13_ways_chatgpt_can_reduce_teacher_workload_1_
  • Generative AI Idea Pack for English language teachers. (2024) [pdf] Cambridge: Cambridge University Press & Assessment

 

Načini praćenja kvalitete koji osiguravaju razvoj znanja, vještina i kompetencija:

Jedinstvena sveučilišna studentska anketa

Ostale informacije: