RSU Pedagoģiskās izaugsmes centrs

💻 Sinhrons studiju process tiešsaistē paredz lielu elastību gan studējošo skaita ziņā, gan vietas ziņā, no kuras tai var pieslēgties gan docētājs, gan studējošie. Tomēr izvēloties sinhronu studiju procesu tiešsaistē, tiek ierobežotas savstarpējās komunikācijas un socializēšanās iespējas.
🧠 Sinhroni tiešsaistē ir iespējams aktualizēt studiju kursā galvenos teorētiskos konceptus un vienoties izpratnē par tiem, kā arī studiju kursa sākumā veiksmīgi saskaņot studiju kursa kārtošanas nosacījumus.

🧑‍🏫Sinhrona studiju procesa organizēšanā tiešsaistē būtiska loma ir docētāja prasmēm organizēt studējošo aktīvu līdzdalību tiešsaistes vidē. Līdz ar to docētājam ir īpaši jādomā, kā aktīvi iesaistīt studējošos, ik pēc 15-20 minūtēm papildinot studiju procesu ar nelielām aktivitātēm, kas aicina studējošos reflektēt par savām iepriekšējām zināšanām, atbildēt uz interaktīviem jautājumiem, dalīties grupās vai veikt nelielus uzdevumus tiešsaistē individuāli.
🟡 Īsformāta testi vai nelieli individuāli risināmi uzdevumi ar iespēju iesniegt atbildes tiešsaistes vidē, piemēram , izmantojot Mentimeter, Quizizz, Quizlet, Nearpod u.c., palīdzēs studējošajiem gan noturēt uzmanību, gan iesaistīties nodarbībā.
🟠 Tiešsaistes vidē viegli iespējams organizēt nelielus studējošo grupu darbus, kuros studējošie mazākās grupās var apspriest kādu tēmas aspektu, bet pēc tam dalīties atziņās ar pārējiem lielajā grupā. Uzdevuma sarežģītība grupu darbā var variēt no tēmas apspriešanas līdz pat lomu spēlēm, kompleksu problēmsituāciju analīzei, izmantojot tādas tiešsaistes platformas kā, piemēram, Miro, Jamboard u.c., pēc tam iesūtot grupā paveikto docētājam.
🔴 Studējošie var dalīties ar pārējiem savos patstāvīgi veiktajos studiju darbos, iesaistīties diskusijās un līdzdarboties daudzās citās aktivitātēs. Tomēr to veiksmīgai norisei būtiska būs docētāja sagatavošanās un konkrētu mācību uzdevumu formulēšana un pienākumu deleģēšana studējošajiem, lai nodrošinātu viņu aktīvu iesaisti.

RSU Pedagoģiskās izaugsmes centrs kopā ar viesprofesori no the Duke University Nancy Weigle diskutējam par to, kā gan gūt gandarījumu mācot medicīnu, gan tikt galā ar izaicinājumiem.
📌Mēs esam tieši tik labi mācībspēki, cik spilgti mēs atceramies sevi kā studējošos: mūsu bailes, trauksmi, šaubas, kļūdas un uzvaras. Tie docētāji, kuri paši regulāri mācās, vislabāk izprot studējošā lomu un vajadzības.
Paldies atvērtajiem un ieinteresētajiem Rīgas Stradiņa universitāte (Riga Stradins University) docētājiem! 🍎

👨‍🏫Sinhronu studiju procesu klātienē docētājam ieteicams izvēlēties tad, ja paredzēta aktīvā mācīšanās. Lai klātienes nodarbībā visiem studējošajiem būtu iespēja būt aktīviem mācīšanās dalībniekiem, svarīga ir docētāja sagatavošanās pirms nodarbības: nodarbības plāna izveidošana, materiālu sagatavošana, aktīvās mācīšanās metožu izvēle, tehnoloģiju lietošanas plānošana, lai pavadītais laiks klātienē būtu maksimāli vērtīgs visiem studējošajiem.

📝Mērķtiecīgi organizēts sinhrons studiju process nodrošina iespēju radīt drošu vidi studējošo prasmju apguvei docētāja vadībā, kur docētājs var sniegt tūlītēju atgriezenisko saiti.

🔁 Atgriezeniskā saite (Feedback) - izteikums par novēroto prasmes apguvi,
⬆️ Augšupvirzošā saite (Feed-up) - vērst studējošo uzmanību uz būtiskākajiem apgūstamās tēmas aspektiem,
⤵️ Apsteidzošā saite (Feed-forward) - atbalsta studējošos uzdevumu izpildes laikā, kā arī sniedz padomus un ieteikumus zināšanu un prasmju pilnveidei.

🧑🏻‍💻 Sinhronā studiju procesā klātienē nozīmīgu lomu var ieņemt digitālo risinājumu izmantošana, piemēram, prasmju apguvē var noderēt simulāciju un argumentētās realitātes risinājumi. Savukārt nelieli testi un aptaujas, ko studējošie nodarbības beigās aizpilda savās viedierīcēs, var atvieglot docētāja darbu studējošo atgriezenisko saišu apkopošanā un analīzē.

👩‍🎓👨‍🎓 Šajā studiju organizācijas formā ir svarīgi apsvērt, kā nodrošināt dažādas studējošo mācīšanās vajadzības, ja visi darbojas kopā vienā telpā, un kā studējošie varēs līdzdarboties turpmākā studiju procesā, ja kādu nodarbību būs nokavējuši. Tāpat sinhrona studiju procesa norisi klātienē būtiski ietekmē telpas izmērs, to pieejamība, iekārtojuma mobilitāte, un telpā pieejamais inventārs.

📣 Nākamajā nedēļā, 10. un 11. septembrī, RSU Pedagoģiskās izaugsmes centrā viesosies Dr. Nancy J. Weigle no Duke University School of Medicine, ASV.
🧑🏽‍🎓Piedāvājam iespēju piedalīties lekcijās un darbnīcās.
📌 Pieteikšanās rakstot uz e-pastu: [email protected]

Studiju organizācijas formas aptver mācīšanās un mācīšanas sadarbības iespējas, kas var norisināties:
🧑🏽‍🏫 klātienē vai 💻 tiešsaistē,
👥 sinhroni (visiem darbojoties kopā - vienā vietā un laikā) vai 👤 asinhroni (katram darbojoties savā vietā, laikā un tempā).

📌 Lai gan studiju organizācijas formas ir daudz un dažādas, katrai no tām ir savas priekšrocības. Studiju organizācijas formu izvēle, atbilstoši studiju kursā sasniedzamajiem rezultātiem, ļaus gan studējošajiem veiksmīgāk sasniegt studiju mērķus, gan docētājiem iegūt skaidrāku priekštatu par studējošo mācīšanos studiju kursā.

⚖️ Studiju organizācijas formu izvēle var būt atkarīga no vairākiem faktoriem:
▫️ sasniedzamajiem studiju kursa rezultātiem – apgūstamajām zināšanām, prasmēm un attieksmēm, un to proporcijas studiju kursā,
▫️ studējošo priekšzināšanām un prasmēm attiecīgajā tēmā, mācīšanās pieredzes un citām mācīšanās vajadzībām,
▫️ studējošā mācīšanās un docētāja mācīšanas pieejas,
▫️ pieejamajām telpām studiju procesa nodrošināšanai,
▫️ pieejamā tehniskā nodrošinājuma studiju kursa īstenošanai.

❗️Studiju kursā iespējams izmantot vairākas studiju organizācijas formas, līdz ar to docētājam nav jāizvēlas viens formāts, kā docēt visu studiju kursu. Bieži vien daļa studiju kursa var būt fokusēta uz zināšanu vai teorijas apguvi, kas veiksmīgāk noritētu sinhroni tiešsaistē, savukārt, citu studiju kursa daļu var īstenot sinhroni klātienē, ja studējošajiem nepieciešams apgūt jaunas praktiskas iemaņas.

RSU Pedagoģiskās izaugsmes centrs Studiju inovāciju komanda aicina darbā augstākās izglītības entuziastu.

🍎 Mūsu darba esence: kopā ar radošiem un draivīgiem kolēģiem ģenerēt un īstenot idejas studiju modernizēšanai un kvalitātes pilnveidei.

🔑 Mūsu darbarīki: mūsdienīgas izglītības tehnoloģijas, jaunākie pētījumi, pašu veidoti atbalsta materiāli, interaktīvas darbnīcas, diskusijas u.c. aktivitātes.

✅ Ja Tev ir būtiski darīt nozīmīgu un būtiskas pārmaiņas rosinošu darbu – šī iespēja ir tieši Tev!

Mācīšanas un mācīšanās projektu vadītājs/-a Struktūrvienība vai projektsStudiju inovāciju un attīstības nodaļaPieteikšanās līdz22.07.2024.Darba alga (bruto)No EUR 1400Vietu skaits2Mēs piedāvājam

💭 Studiju gada noslēgumā, aicinām docētājus reflektēt par aizvadītajiem studiju kursiem šogad.

Refleksijas laikā docētājs analizē pats savu mācīšanas pieeju, ar mērķi pastāvīgi to pilnveidot un veicināt studējošo mācīšanos. Būtiskākie refleksijas ieguvumi ietver:
🟡 Studiju kvalitātes pilnveidi, nodrošinot efektīvas mācīšanās stratēģijas un metodes, kā arī stiprinot inovācijas savā studiju kursā.
🟡 Profesionālo izaugsmi, regulāri novērtējot savu sniegumu un identificējot savas stiprās puses un attīstības jomas.
🟡 Augstāku studējošo mācīšanās sniegumu, veicinot gan saturiskus, gan metodiskus uzlabojumus studiju kursā.

Tomēr blakus šiem ieguvumiem pastāv arī vairāki 𝗺𝗮𝗹𝗱𝗶̄𝗴𝗶 priekšstati par refleksijas norisi:
🔇 "Refleksija ir pārāk laikietilpīga." Jāsaka, ka pārdomu brīžiem nebūtu jāaizņem ļoti daudz laika īpaši, ja tie tiek iesaistīti docētāja ikdienas praksē (piemēram, pēc katras nodarbības). Tomēr arī refleksija reizi gadā ir vērsta uz docētājam tāpat pedagoģiskajā darbībā svarīgu secinājumu apzinātu fiksēšanu.
🔇 "Refleksija neietekmēs to, kā es mācu." Gluži pretēji, refleksija ļauj docētājam apzināti pamanīt to, kas pašam šķiet aktuālākais savā studiju kursā. Tas var būt saistīts gan ar studējošo mācīšanos, gan ar paša docētāja idejām vai pedagoģisko vērtību maiņu.
🔇 "Refleksija notiek vienatnē." Lai gan personīgās pārdomas ir vērtīgas, dalīšanās secinājumos ar kolēģiem var sniegt papildu atbalstu. Turklāt, refleksijas pamatā visbiežāk ir studējošo atgriezeniskās saites vai citi studiju kursā iegūti dati, kas var kalpot par atvērtas sarunas pamatu.

🎊 Pārdomājot savu pedagoģisko praksi, ir ļoti svarīgi atzīmēt arī sasniegumus, pagrieziena punktus, sagadīšanās un neveiksmes.

💬 Aicinām docētājus dalīties ar stāstiem par atziņām, kas gūtas studiju gada laikā!

❓ Kā veicināt izpratni par akadēmisko godīgumu?

❗️ Padziļinātas izpratnes veidošanai var izmantot gadījumu metodi (case study), analizējot dažādas situācijas atbilstoši tā brīža vajadzībām, aktualitātei, studiju līmenim, zinātņu nozarei u.c. Izmantojot šo metodi, var neitrālā veidā izspēlēt arī tādas situācijas, kuru risināšana problēmas gadījumā reālā situācijā iesaistītajām pusēm būtu ļoti sarežģīta un nepatīkama. Šī metode ne tikai rosina iesaistītos domāt par akadēmiskā godīguma problemātiku un uzzināt par dažādiem pārkāpumu veidiem, bet arī risinājumu meklēšanā rada vajadzību apzināt un izprast iestādē aktuālos normatīvos aktus, procesus un kārtības.

📷 Attēlos norādīti daži gadījumu piemēri no PIC veidotās publikācijas, ko docētāji un studējošie var izmantot gan studiju procesā, gan formālās un neformālās ārpus studiju aktivitātēs.

Lai pilnvērtīgāk mācītos no gadījumu risināšanas, ieteicams aktivitātē izmantot kombināciju no vairākām darbībām:
🔹 Definēt problēmu
🔹 Identificēt iesaistītās puses
🔹 Nosaukt katras puses intereses un vajadzības
🔹 Diskutēt par dažādām vērtībām un attieksmēm
🔹 Apzināt un analizēt saistošos normatīvos aktus
🔹 Lemt par iespējami labākajiem risinājumiem un rīcību
🔹 Spriest par nepieciešamajiem pilnveidojumiem iestādē

☝️ Katru gadījuma aprakstu iespējams pielāgot situācijas un individuālajām vajadzībām, piešķirt dalībniekiem dažādas lomas, procesā pievienot papildu apstākļus, kas atvieglo vai sarežģī situāciju utml.

📣 Vairāk informācijas par gadījuma metodes izmantošanas iespējām un gadījumu aprakstus atradīsiet PIC izstrādātajā atbalsta materiālā, kas pieejams RSU Studiju materiālu repozitorijā https://smr.rsu.lv/handle/123456789/14275

❓ Kā veicināt akadēmiskā godīguma ievērošanu?

☝️ Iepriekš apkopojām piemērus faktoriem, kas var veicināt studējošo negodprātīgu rīcību studijās un palielināt akadēmiskā godīguma pārkāpumu riskus. Secīgi turpinām ar darbībām, ko iespējams paveikt, lai preventīvi veicinātu akadēmisko godīgumu un pārkāpumu riskus samazinātu.
Preventīvās darbības esam iedalījuši trīs pārvaldības līmeņos:
🔹 Studiju kursa līmenī apkopotas darbības, ko var veikt docētājs, kurš īsteno studiju kursu – plāno mācību procesu, nodrošina studējošajiem mācību materiālus, veido un organizē pārbaudījumus, vērtē studējošo sniegumu
🔹 Studiju programmas līmenī apkopotas darbības, ko var veikt studiju programmas vadītājs, studiju virziena vadītājs vai cita persona, kura pārrauga studiju programmas īstenošanu kā vienotu veselumu – nosaka studiju programmas plānu un studiju kursu sadalījumu semestros, komunicē ar visu studiju kursu docētājiem un organizē aktivitātes studiju programmas kvalitātes pilnveidei
🔹 Izglītības iestādes līmenī apkopotas darbības, ko var veikt augstskolas administrācija (iestādes vadība, struktūrvienību vadītāji vai administratīvie darbinieki), kuri mērķtiecīgi strādā, lai uzlabotu studiju vidi, pilnveidotu studiju programmu kvalitāti, nodrošinātu studējošajiem nepieciešamo atbalstu un veiktu citas saistošas aktivitātes iestādē

📣 Aicinām arī Jūs komentāru sadaļā dalīties ar labās prakses piemēriem un idejām, kā preventīvi veicināt akadēmisko godīgumu un mazināt pārkāpumu riskus!

🎙️ Arī Latvijas Radio 1 raidījums novērtē RSU Pedagoģiskās izaugsmes centrs direktores Nora Jansone-Ratinika un RTU - Rīgas Tehniskā universitāte profesores Alla Anohina-Naumeca pieredzi un viedokli mākslīgā intelekta risinājumu lietojumā studiju darbos.

🎯 Sarunā īpaši izceļama ir doma, ka lielākie ieguvumi un mācīšanās pieredze iespējama, noslēguma darba vadītājam sadarbojoties ar studējošajiem mākslīgā intelekta risinājumu lietošanā. Tādējādi iespējams gan nodrošināt un pārliecināties par mācīšanās rezultātu sasniegšanu, kā arī gūt vērtīgas atziņas par mākslīgā intelekta risinājumu jēgu zinātnē un studijās.

Kolēģes dalījās pieredzē par:
🪄 veidiem, kā mākslīgā intelekta risinājumu lietojums būtu atbalstāms studiju darbos,
🪄 galvenajām ētikas robežlīnijām, kas jāievēro, izmantojot mākslīgā intelekta risinājumus studiju darbos,
🪄 paņēmieniem, kā atsaukties uz mākslīgā intelekta risinājumu studiju darbu veikšanā,
🪄 pieredzi ar mākslīgā intelekta rīkiem, kas var būt studējošajiem un docētājiem noderīgi,
🪄 prasmēm, kas vienmēr būs aktuālas lai arī kādi digitāli risinājumi neienāktu mūsu ikdienā.

🔗 Ierakstu iespējams noklausīties LSM portālā:

Mākslīgais intelekts praktiski: rīki noslēguma darba izstrādei Turpinam izzināt mākslīgo intelektu praktiski - pievēršamies studiju procesam un konkrētāk noslēguma darba rakstīšanai. Pie Digitālo brokastu galda Nora Jansone-Ratinika un Alla Anohina-Naumeca.

❓ Kas pamudina studējošos pārkāpt akadēmisko godīgumu?

❗️ Studējošais ir atbildīgs par to, ka rīkojas godprātīgi un nepieļauj akadēmiskā godīguma pārkāpumus studijās. Vienlaikus ir dažādi personiskie, organizatoriskie un vides apstākļi, kas var nevēlami mudināt studējošos rīkoties akadēmiski negodīgi pat tad, ja tas īsti neatbilst viņu vērtībām un uzskatiem.

Attēlos apkopoti piemēri dažādiem faktoriem, ko var ņemt vērā, lai mijiedarbībā ar studējošajiem iespējami mazinātu nevēlamu rīcību un akadēmiskā godīguma pārkāpumu riskus.

Faktoru piemēri uzskatāmībai iedalīti vairākās grupās:
🔹 Iestādes un studiju programmas līmenis
🔹 Studiju kursa līmenis
🔹 Zināšanu un prasmju trūkums
🔹 Ārējs spiediens
🔹 Personīgie apstākļi

☝️ Minētajos piemēros ir faktori, ko iestādē var apzināt un risināt salīdzinoši viegli. Tomēr starp piemēriem ir arī tādi faktori, kas ir būtiski un vērā ņemami, bet iestāde un docētāji par tiem var nemaz neuzzināt. Uz to var norādīt dažādi netieši signāli, ko docētāji un studiju programmas vadītājs var novērot - pēkšņas izmaiņas studējošā uzvedībā un attieksmē, netipiskas reakcijas, straujas izmaiņas akadēmisko darbu vērtējumos, lēmums pārtraukt studijas u.c.

📣 Aicinām dalīties ar saviem novērojumiem un pieredzi par apstākļiem un stimuliem, kas var nevēlami pamudināt studējošos rīkoties negodprātīgi.

Akadēmiskā godīguma uzturēšana augstākajā izglītībā ir nozīmīga!

✍️ Akadēmiskais godīgums ir būtisks augstākās izglītības pamatprincips. Tas paredz godprātību saskarsmē un sadarbībā, objektīvu novērtējumu par sniegumu un katra intelektuālā potenciāla attīstīšanu. Augstākajā izglītībā tas ir īpaši būtiski, jo augstskolas nav tikai vieta individuālai izaugsmei, tās palīdz sagatavot jaunos nozares speciālistu, nākotnes līderus un ir vieta jaunu zināšanu radīšanai.

🚨 Diemžēl dažādu iemeslu dēļ augstākās izglītības vidē ir novērojama arī negodprātīga studējošo uzvedība, un docētāji studiju procesā saskaras ar dažādiem akadēmiskā godīguma pārkāpumiem.

Lai mazinātu akadēmiskā godīguma pārkāpumu riskus docētāji var izmantot dažādas metodes:
🔹 Sekmēt studējošo izpratni par to, kas ir akadēmiskā godīguma pārkāpumi, un kādēļ no tiem ir jāizvairās. Izskaidrot, kā šāda rīcība var negatīvi ietekmēt viņu akadēmisko un profesionālo nākotni
🔹 Informēt studējošos par prasībām studiju procesā un katrā pārbaudījumā, kā arī rīcību un sekām pārkāpumu gadījumā (svarīgi ievērot paša teikto un rīkoties atbilstoši uzstādījumam)
🔹 Pievērst uzmanību akadēmiskā godīguma ievērošanai kā būtiskam principam akadēmiskajā vidē, rūpīgi pārbaudīt darbus, grupu darbos lūgt norādīt individuālā ieguldījuma apmēru un ieviest grupas biedru savstarpēju novērtējumu
🔹 Izmantot tehnoloģijas, kas palīdz kontrolēt pārbaudījumu norisi, piemēram, ierobežot neatļautas un nevēlamas informācijas pieejamību digitālajā vidē
🔹 Veicināt atklātu dialogu ar studējošajiem par akadēmiskās godīguma nozīmi un ieguvumiem no studijām
🔹 Aicināt studējošos iesaistīties godīguma uzturēšanā. Ne visās vietās un vidēs docētāji ir klātesoši, tāpēc svarīgi veicināt akadēmisko godīgumu un augstu morāli studējošo savstarpējā komunikācijā un sadarbībā

Darba devēji, nozaru pārstāvji un sabiedrība sagaida, ka augstskolas sagatavo godīgus, atbildīgus un intelektuāli neatkarīgus absolventus. Akadēmiskā godīguma kultūras uzturēšana ir būtiska šī mērķa sasniegšanai.

PLAĢIĀTS ir viens no biežāk apspriestajiem akadēmiskā godīguma pārkāpumu veidiem.

📌 RSU plaģiātu definē kā ideju, kas aizgūtas no citiem avotiem, prezentēšana bez attiecīgās atsaukšanās uz šiem avotiem, citas personas izteikto vai uzrakstīto domu tālāka paušana savā vārdā, nenorādot precīzu un korekti noformētu atsauci uz attiecīgo autoru un avotu, vai arī savu iepriekš publiskotu domu atkārtota paušana, nenorādot sākotnējo avotu (pašplaģiāts).

📢 Lai skaidrotu un demonstrētu plaģiāta veidus, RSU tos savā Akadēmiskā godīguma politikā adaptējusi no materiāla "The Plagiarism Spectrum", ko izstrājis uzņēmums TurnitIn. Tas ir rīks, ko RSU izmanto studējošo iesniegto studiju un noslēguma darbu automatizētai satura oriģinalitātes pārbaudei.

❗️ NB! Apskatot plaģiāta veidus un definīcijas, redzams, ka plaģiātu var pieļaut ne tikai tīšām un apzināti, bet arī netīšām, neprecīzi formatējot atsauces vai aizmirstot norādīt visu nepieciešamo informāciju. Jāņem vērā, ka visi šie veidi ir uzskatāmi par plaģiātu tad, ja darba uzdevums ir veidot savu oriģināldarbu. Studiju procesā mēdz būt dažādi uzdevumi, piemēram, kopsavilkumi, citu autoru ideju apkopojums u.c. uzdevumi, kur daži no minētajiem veidiem nebūtu uzskatāmi par plaģiātu.

Lai veicinātu studējošo zināšanas un izpratni par korektu atsauču lietošanu docētāji ir aicināti:
🔹 pirms katra pārbaudījuma skaidrot prasības, tostarp par atsauču lietošanu un korektu to noformēšanu atbilstoši uzdotajam uzdevumam
🔹 pievērst uzmanību atsauču lietošanai studējošo iesniegtajos darbos un sniegt atgriezenisko saiti, ja atsauces nav norādītas vai norādītas nekorekti
🔹 ievērot korektu atsauču lietošanu savos autordarbos, izdales materiālos un prezentācijās, kas ikdienā ir kā piemērs studējošajiem un palīdz nostiprināt akadēmiskā godīguma nozīmi studiju procesā.

Plašāks skaidrojums un piemēri katram no plaģiāta veidiem pieejami RSU Akadēmiskā godīguma politikā. https://ej.uz/RSU_Akademiska_godiguma_politika

Paldies Nora Jansone-Ratinika un Līga Ozoliņa par dalīšanos Rīgas Stradiņa universitāte (Riga Stradins University) docētāju pieredzes apkopojumā mākslīgā intelekta risinājumu lietojumam studijās, ko relīzē apkopojis LSM.
🪄 Varam ar lepnumu teikt, ka vadlīnijas “Mākslīgais intelekts augstākajā izglītībā” jau kopš šī gada sākuma ir bruģējušas ceļu produktīvām sarunām docētāju vidū, kas parādās kolēģu atgriezeniskajās saitēs. Docētāji apliecina, ka:
🔹 jau iemanījušies atpazīt ar mākslīgā intelekta risinājumiem ģenerētus tekstus,
🔹 vairs nav tik trauksmaini izjūtās par mākslīgā intelekta lomu studijās,
🔹 studiju process ir pārskatīts un dažādots vairākos studiju kursos, lai mazinātu mākslīgā intelekta negodprātīgas izmantošanas riskus, kā arī iesaistītu šos risinājumus studijām atbilstošā veidā.
ℹ️ Piekļuve pilnajai relīzei: https://www.lsm.lv/raksts/zinas/latvija/16.04.2024-maksliga-intelekta-riki-saja-macibu-gada-arvien-vairak-ienakusi-ari-studiju-procesa.a550497/

✨ Arī LU un RSU mākslīgā intelekta izmantošanas vadlīniju salīdzinājumā, ko savā Facebook grupā publicējis Andris Teikmanis, parādās, ka RSU mākslīgā intelekta vadlīnijas:
🔹 ir ievērojami praktiskākas,
🔹 piedāvā nozīmīgu teorētisko bāzi mākslīgā intelekta risinājumu iesaistei studijās,
🔹 apskata dažādus mākslīgā intelekta risinājumus, neaprobežojoties ar ģeneratīvo intelektu.
ℹ️ Piekļuve slēgtās Facebook grupas ierakstam: https://www.facebook.com/groups/1444000246395687/posts/1579383779523999/

⭐️ RSU Pedagoģiskās izaugsmes centrs arvien ir ciešā sadarbībā ar RSU un arī citu universitāšu docētājiem, lai apkopotu daudzveidīgo mākslīgā intelekta risinājumu pielietošanas pieredzi studijās, un turpinātu darbu pie RSU mākslīgā intelekta vadlīniju pilnveides.
Vadlīniju pirmā versija pieejama RSU studiju materiālu repozitorijā: https://smr.rsu.lv/handle/123456789/14135

Mākslīgā intelekta rīki šajā mācību gadā arvien vairāk ienākuši arī studiju procesā Mākslīgā intelekta rīki šajā mācību gadā arvien vairāk ienākuši arī studiju procesā. Katra augstskola pakāpen*ski izstrādā savas vadlīnijas par to, kā un vai šos rīkus ļauts izmantot mācībās. Taču gan...

⚖️ Mākslīgā intelekta rīku pieejamība un izmantošanas iespējas vilina tos izmantot arī negodprātīgos veidos, kas nav atļauti studiju procesā, un apdraud vienu no akadēmiskā vidē būtiskām vērtībām – akadēmisko godīgumu. Vienlaikus, vērtīgi paturēt prātā, ka šie plaši pieejamie rīki pašlaik nespēj aizstāt visas mācīšanās formas, nespēj izpildīt visus studiju uzdevumus un tiem nav visa pasaules informācija.

Mākslīgā intelekta rīku negodprātīgu izmantošanu studiju procesā var samazināt izmantojot dažādas metodes. Jau plānojot studiju pārbaudījumu un tā organizēšanu, ieteicams domāt par:
📄 uzdevumu saturu, lai tas būtu aktuāls ar jaunāko informāciju, šauri specifisks noteiktam kontekstam vai saistīts ar konkrētu pieredzi
🔏 uzdevuma norises vidi, lai ierobežotu neatļautu programmu izmantošanu, varētu redzēt studējošo veiktās darbības un sekot līdzi veiktajām izmaiņām
🔖 uzdevuma veidu un izpildes nosacījumiem, lai studējošajam ir praktiski jādemonstrē studiju rezultātu apguve, jāspēj analizēt un skaidrot uzdevuma izpilde.

🎯 Labāka rezultāta sasniegšanai var kombinēt vairākas metodes, piemēram:
🔹 uzdevumu veido par jaunu un aktuālu tēmu + uzdevuma izpildi organizē vidē, kur iespējams redzēt veiktās izmaiņas
🔹 uzdevumu sašaurini nosakot konkrētu reģionu, nozari, sektoru vai uzņēmumu + atgādini, ka nepieciešamas atsauces uz izmantotajiem informācijas avotiem
🔹 veido uzdevumu, kur jārisina situācija vai jāanalizē problēma atbilstoši studiju kursā apskatītajiem teorētiskajiem ietvariem + ieplāno sarunu ar studējošā refleksiju par pārbaudījuma uzdevumu un piedāvāto risinājumu.

🔍 Mākslīgā intelekta (MI) radītu tekstu atpazīšana augstākajā izglītībā rada izaicinājumus akadēmiskā godīguma ievērošanā. Docētājiem ir grūtāk objektīvi novērtēt studējošā patstāvīgo darbu – studiju rezultātu sasniegšanu, studējošā ieguldījumu un sniegumu.

📝 MI radīti teksti tiek ģenerēti balstoties datos, ar ko tie ir apmācīti, turklāt teksta radīšanā vārdu secībai izmanto biežuma un varbūtības principus. Šādā veidā radīti teksti un risinājumi var būt neprecīzi, saturēt nepatiesu un maldinošu informāciju.
🔺 Vienlaikus šo risinājumu ierobežojumi un piedāvāto rezultātu tipiskā struktūra var palīdzēt docētājam ievērot pazīmes, kas iespējams liecina par neatļautu MI rīku izmantošanu.

⚙️ Lai gan mūsdienās pieejami dažādi MI rīki, kas sola atpazīt MI ģenerētu saturu, pētnieki tos aicina neizmantot vai izmantot piesardzīgi un norāda uz potenciāli augstu risku gan nespēt atpazīt MI radītu un apstrādātu saturu, gan nepatiesi apsūdzēt studējošos MI rīku lietošanā (𝘞𝘦𝘣𝘦𝘳 𝘞𝘶𝘭𝘧𝘧, 𝘈𝘯𝘰𝘩𝘪𝘯𝘢 𝘕𝘢𝘶𝘮𝘦𝘤𝘢, 𝘉𝘫𝘦𝘭𝘰𝘣𝘢𝘣𝘢, 𝘦𝘵.𝘢𝘭., 2023). Minēti iespējamie trūkumi, piemēram:
🔘 Ar MI radīta satura neatpazīšana
🔘 Ar MI apstrādāta MI radītā satura neatpazīšana
🔘 Ar MI apstrādātu cilvēka radīta satura nepatiesa apsūdzība
🔘 Cilvēka radīta satura nepatiesa atpazīšana

Labāka rezultāta sasniegšanai ieteicams kombinēt dažādas pieejas un metodes, lai pārliecinātos par patstāvīgo darbu oriģinalitāti, ietverot
🔹 MI rīku izmantošanu mākslīgi ģenerētā satura atpazīšanai,
🔹 iesniegtā darba konteksta analīzi, salīdzinot ar studiju kursā ietvertajiem materiāliem,
🔹 faktu, informācijas un atsauču pārbaudi utml.
🔹 Pārbaudījumā papildus var paredzēt īsu prezentāciju vai mutisku sarunu ar refleksiju par uzdevumu, patstāvīgā darba saturu un rezultātu, lai pilnvērtīgāk pārliecinātos par studiju rezultātu sasniegšanu.

💡 Pasaulē parādās ar vien vairāk ģeneratīvā mākslīgā intelekta rīku, kas ir specializēti noteiktiem mērķiem vai jomām. Augstākajā izglītībā šādi rīki nav jaunums, jo jau izsenis lietoti darbu oriģinalitātes novērtēšanas rīki, kas balstīti mākslīgā intelekta modeļos. Tomēr, ģeneratīvā mākslīgā intelekta risinājumiem attīstoties, ir parādījušies arī rīki, kas atbalsta docētāju mācīšanās un mācīšanas plānošanā un organizēšanā.

📚 Studiju procesa plānošana.
Šie specializētie risinājumi ietver funkcionalitāti, kas palīdz docētājam studiju kursa tematiskā plāna un nodarbību plānojumu izstrādē, stiprinot gan aktīvo, pašregulētu, problēmbalstītu mācīšanos u.c. Šie rīki var būt noderīgi arī definējot sasniedzamos studiju rezultātus studiju kursam vai katrai nodarbībai.

🖊️ Studiju materiālu izstrāde.
Lai sasniegtu iespējami efektīvākus rezultātus, ģeneratīvā intelekta rīkam būs nepieciešams kāds docētāja sagatavots vai atzīts materiāls, no kura tālā ģeneratīvā mākslīgā intelekta risinājumi būs spējīgi izveidot gan daudzizvēļu testus un kopsavilkumus, gan pārveidot šos materiālus vienkāršākā vai tieši otrādi sarežģītākā valodā, gan izstrādāt jaunus materiālus pēc docētāja definētiem nosacījumiem, vai studiju kursa sasniedzamajiem rezultātiem.

🔄 Studiju materiālu formātu pārveidošana.
Mākslīgā intelekta risinājumi veiksmīgi spēj pārvērst studiju kursā jau esošus materiālus citos formātos, piemēram, video pārvērst informatīvā tekstā, pārveidot lasāmmateriālus par lekciju un nodarbību prezentācijām u.c.

📝 Automatizētā vērtēšana.
Mākslīgā intelekta rīki piedāvā iespeju novērtēt studejošo darbu, balstoties docētāja jau izstrādātajos vērtēšanas kritērijos vai rubrikā. Tomēr šādu novērtējumu var uzskatīt tikai par sākumpunktu, jo neatņemama ir docētāja iesaiste un dalība vērtēšanas procesā. Tomēr šāda pieeja var palīdzēt docētājiem veikt virspusēju ieskatu darbā pārskatīšanu pirms iedziļināšanās, kā arī palīdzēt sagatavot detalizētāku atgriezenisko saiti studējošajam par paveikto. Tāpat studējošie paši var izmantot automātiskās novērtēšanas rīkus savu darbu pilnveidošanai un uzlabošanai.

Vairāk iespējams uzzināt vadlīnijās “Mākslīgais intelekts augstākajā izglītībā”: https://smr.rsu.lv/handle/123456789/14135

🔎 Šobrīd plašs ģeneratīvā mākslīgā intelekta rīku klāsts ir tikai dažu klikšķu attālumā, un tie ir pieejami ikvienam, kurš ir gatavs uzsākt to izpēti. Šajā nedēļā piedāvājam 4️⃣ ģeneratīvā mākslīgā intelekta rīkus, kas ir piesaistījuši lietotāju uzmanību to plašā pielietojuma dēļ.

🤖 Universāli lietojamu ģeneratīvā mākslīgā intelekta rīku stiprā puse ir spēja risināt plašu problēmu loku un veikt daudzveidīgus uzdevumus: teksta analīzes, ideju ģenerēšanas, informācijas apkopošanas, problēmu risināšanas u.c. uzdevumus. Šie rīki ir neticami noderīgi ikdienas uzdevumiem, piemēram, e-pasta ziņu sastādīšanai, valodas korektūrai (īpaši angļu valodā), attēlu ģenerēšanai prezentācijām, domapmaiņai un radošu uzdevumu veikšanai.

Augstākajā izglītībā un docētāja darbā šie mākslīgā intelekta rīki var sniegt atbalstu:
⚙️ studiju procesa plānošanā, piemēram, lūdzot uzlabot studiju kursā jau formulētos sasniedzamos rezultātus,
⚙️ studiju procesa organizēšanā, piemēram, piedāvājot mākslīgā intelekta rīkam izaicinājumu, ar kuru docētājs saskaras studiju kursā un aicinot rīku piedāvāt risinājumus,
⚙️ studiju materiālu veidošanā, piemēram, piedāvājot savus jau izstrādātos studiju kursa teksta materiālus un lūdzot izstrādāt testa jautājumu sarakstu,
⚙️ studējošo darbu novērtēšanā, piemēram, izmantojot mākslīgā intelekta rīku sākotnējās atgriezeniskās saites iegūšanai par studējošā darbu, kas balstīts vērtēšanas kritērijos.

🪄 Aicinām ikvienu izmēģināt un iepazīt, kā šīs tehnoloģijas var atbalstīt docētāju ikdienas uzdevumu veikšanā, un stiprināt studiju norisi.

🪄 Mākslīgā intelekta (saīsinājumā MI) risinājumu pielietojums ir ļoti plašs, un tiek atrasti ar vien jauni veidi, kā tos izmantot dažādās nozarēs, tai skaitā augstākajā izglītībā.

Būtiskākie ieguvumi mākslīgā intelekta lietošanai studiju procesa plānošanā un vadīšanā ir:
🔘 redzeslauka paplašināšana, gūstot vairāk ideju, lekciju un nodarbību vadīšanai,
🔘 individualizētākas studiju pieredzes nodrošināšana studējošajiem, sekmējot studiju rezultātu sasniegšanu studiju kursā (nelielu uzdevumu veidošana papildu punktu iegūšanai, skaidrojošu materiālu izstrāde par tēmām, kas atsvaidzina zināšanas no iepriekšējiem studiju kursiem, studiju kursa ceļa kartes izstrāde u.c.),
🔘 laika ietaupīšana satura sākotnējai izstrādei, tā vietā veltot laiku mākslīgā intelekta radītā satura pilnveidei, fokusēšanai un pielāgošanai studiju kursa vajadzībām un docētāja mācīšanas pieejai,
🔘 administratīvo uzdevumu paveikšanas vienkāršošana.

📌 Tomēr maldīgs ir uzskats, ka mākslīgā intelekta risinājumi paveiks uzdevumus ļoti īsā laikā, un bez cilvēka paša liela ieguldījuma. Lietotāja uzdevums ir gan sagatavot mākslīgā intelekta risinājumu, lai tas radītu iespējami noderīgu saturu, kā arī vienmēr būs svarīga radītā satura pārskatīšana un pilnveide.

🔴 Mākslīgā intelekta risinājumi neaizstāj cilvēka sniegto ieguldījumu. Docētājs ir tas, kurš nodrošina kompetenci, radošumu, oriģinalitāti studiju kursa saturam. Tāpat docētāja studiju procesa plānošanas un organizēšanas pieredze, kā arī vērtības ir unikāls prasmju un attieksmju kopums, kas ļauj docētājam pašam iegūt izpratni par studējošajiem, pamanīt viņu vajadzības un nodrošināt studiju procesa sociālos aspektus, ko MI nevar iedzīvināt.