Dzień 1
Sztuczna inteligencja w edukacji: panorama zmian (2 h)
- Generatywna AI i jej wpływ na transformację cyfrową edukacji wyższej
- Globalne trendy wykorzystania AI w dydaktyce i badaniach naukowych
- Ekosystem narzędzi sztucznej inteligencji dla środowiska akademickiego
- Przegląd studiów przypadków – sukces i porażki wdrożeń AI na uczelniach
- Warsztaty: Mapowanie procesów akademickich pod kątem potencjału AI
Praktyczny przewodnik po modelach językowych dla edukacji (3 h)
- Porównanie wiodących modeli: ChatGPT, Claude, Gemini, Copilot, Perplexity
- Zaawansowane funkcje ChatGPT w kontekście akademickim (modele, ustawienia, praca z plikami)
- Zarządzanie historią rozmów i organizacja wiedzy w interfejsach AI
- Ograniczenia AI: halucynacje, uprzedzenia, niekompletna wiedza
- Demonstracja praktyczna: rozwiązywanie typowych zadań akademickich z różnymi modelami
- Ćwiczenia: Testowanie możliwości i ograniczeń modeli na własnych przykładach
Inżynieria promptów dla nauczycieli akademickich (3 h)
- Struktura efektywnego promptu – komponenty i zasady konstrukcji
- Podstawowe i zaawansowane techniki formułowania zapytań
- Metody one-shot i few-shot learning w kontekście dydaktycznym
- Techniki rozwiązywania złożonych problemów: łańcuch myśli, drzewo myśli, refleksja, metaprompty
- Warsztat: Konstrukcja biblioteki promptów do typowych zadań wykładowcy
- Ćwiczenia: Iteracyjne udoskonalanie promptów na podstawie feedbacku
Dzień 2
AI w procesie dydaktycznym: projektowanie i personalizacja nauczania (2,5 h)
- Automatyzacja tworzenia materiałów edukacyjnych: sylabusów, konspektów, prezentacji
- Personalizacja procesu nauczania z wykorzystaniem modeli językowych
- Generowanie angażujących przykładów i przypadków dostosowanych do różnych stylów uczenia się
- Projektowanie zadań „AI-proof” versus zadań „AI-enhanced”
- Warsztat: Stworzenie kompleksowego modułu kursu z wykorzystaniem AI
AI jako asystent badacza: przyspieszenie procesu naukowego (2,5 h)
- Przegląd literatury i identyfikacja luk badawczych z wykorzystaniem narzędzi AI
- Generowanie planów publikacji, abstraktów i struktur artykułów naukowych
- Analiza danych ilościowych i jakościowych wspierana przez modele językowe
- Redakcja i poprawa tekstów naukowych z zachowaniem stylu akademickiego
- Ćwiczenia: Opracowanie koncepcji publikacji naukowej wspomaganej przez AI
Wyzwania wdrożenia AI w edukacji: etyka, prawo i organizacja (3 h)
- Zarządzanie pracą studentów w erze powszechnego dostępu do AI
- Wykrywanie treści generowanych przez AI – możliwości i ograniczenia
- Zagadnienia własności intelektualnej treści tworzonych z pomocą AI
- Tworzenie spójnej polityki uczelni wobec wykorzystania sztucznej inteligencji
- Regulacje prawne dotyczące AI w kontekście akademickim (AI Act, RODO)
- Dyskusja panelowa: Standardy etycznego wykorzystania AI na uczelni