Rövid leírás

Töltse le a DIVAI 2010 távoktatást az alkalmazott informatikában.

divai

Leírás

Konstantin Filozófus Egyetem Nyitrán Természettudományi Kar Informatikai Tanszék

DIVAI 2010 - Távoktatás az alkalmazott informatikában

Nyitra, 2010. május 4–6

Konferenciaszervezés Nemzetközi Programbizottság elnöke: Milan Turčáni, Konstantin Filozófus Egyetem Nyitrán, Szlovákiában Boris Abersek, Maribori Egyetem, Szlovénia Martin Bílek, Konstantin Filozófus Egyetem Nyitrán, Szlovákia Jiří Dostál, Palacký University of Olomouc, Cseh Köztársaság Ludvík Eger, Nyugat-csehországi egyetem, Pilsen, Csehország Jan Hán, Nyugat-csehországi Egyetem, Pilsen, Csehország Mikulas Huba, Pozsonyi Szlovák Műszaki Egyetem, Szlovákia Stanislaw Juszczyk, Sziléziai Egyetem, Katowice, Lengyelország Cyril Klimeš, Ostrava Egyetem, Cseh Köztársaság Köztársaság Vincentas Lamanauskas, Siauliai Egyetem, Litvánia Jan Lojda, ČADUV, Csehország Tomáš Pitner, Masaryk Egyetem, Csehország Jozef Polák, Konstantin Filozófus Egyetem Nyitrán, Szlovákia Jiří Pospíšil, Palacký University of Olomouc, Cseh Köztársaság Petra Poulová, Hradeci Egyetem Králové, Cseh Köztársaság Darina Tóthová, Szlovákiai Mezőgazdasági Egyetem Nyitra, Szlovákia Ivan Vrana, Cseh Élettudományi Egyetem, Prága, Csehország Ľubomír Zelenický, Konstantin Filozófus Egyetem Nyitrán, Szlovákia

Szervezési Bizottság Informatikai Tanszék, Nyitrai Konstantin Filozófus Egyetem, Szlovákia Balogh Mária Burianová Martin Cápay Martin Drlík Ivana Haberlandová Jozef Kapusta Miroslava Mesárošová Peter Švec Júlia Tomanová Tóth Tibor Vozár Martin

Tartalomjegyzék Előszó ______________________________________________________________________________ 3 Konferenciaszervezés _______________________________________________________________ 4 Tartalom-jegyzék _____________________________________________________________________________________ 5 Összegzés ______________________________________________________________________________________ 9

Az emberi versus számítógépes intelligencia az e-tanulási folyamatban __________________________________________ 27 Boris Aberšek elsőéves hallgatók tapasztalatai a technológiával kapcsolatban: Litvánia esete _____________________________ 35 Vincentas Lamanauskas, Violeta Šlekienė, Loreta Ragulienė E - Portfólió mint adaptív e-learning eszköz _____________________________________________________ 45 Jan Lojda Individual Tanulási stílusok és E - tanulás _____________________________________________________ 53 Petra Poulová

1. szám - Új technológiák az ELearning számára

DIVAI 2010 - Távoktatás az alkalmazott informatikában

Az LMS Moodle, mint a közönség előadásainak értékelési eszköze ___________________________ 141 Miroslava Mesárošová Multimédia támogatás a mesterséges intelligencia és a robotika tanfolyamokon _________________________________ 149 Ondřej Popelka, Michael Štencl Üzleti építészet modellezése az oktatásban ______________________________________________ 155 Ivana Rábovability E-Virtualization ______________________________ 161 Peter Švec, Martin Drlík, Ján Skalka Oktatási tevékenységek megtervezése és létrehozása az kombinált oktatási formák modellezésének módszereivel az e - tanulási támogatással __________________________________________ 167 Turčáni Milánó Interaktív eszközök megvalósítása az informatikai oktatásban ___________________________________ 173 Vozár Martin

2. szám: Technológia továbbfejlesztett tanítása a középiskolában

Tartalomjegyzék

3. szám: egész életen át tartó tanulás

A virtuális tanulási környezet tükröződése felé ____________________________________________ 259 Martin Bílek, Ilona Semrádová, Ivana Šimonová A tanárok folyamatos oktatása az akkreditált oktatási program eszközeivel E-Learning támogatással ______________________________________________________________ 265 Mária Burianová, Martin Magdin E - Tanulás az egész életen át tartó tanulás során _______________________________________________ 271 Hana Marešová Az elektronikus tanulás - az egész életen át tartó tanulás megvalósításának tapasztalatairól ________________________________ 277 Eugenia Smyrnova - Trybulska E - A tanulás által támogatott egész életen át tartó tanulás: Leonardo Da Vinci Innoskills és gyorsabb projekteket vetít __________________ 285 Jiří Vacek, Dana Erehovávai Dana Erehová Távoktatás Litvánia: a szükségelemzés ___________________________ 293 Rytis Vilkonis, Irina Barabanova Résztvevők listája _____________________________________________________________________________ 299 szponzor ____ ______________________________________________________________________________ 301

DIVAI 2010 - Távoktatás az alkalmazott informatikában

Az IPM e-portfóliója jó alapot nyújt a megbeszélésekhez az egyes alkalmazottak és vezetői között a jövőbeli képzési és fejlesztési tervekről. Az egyéni tanulási stílusok és az elektronikus tanulás _________________________________________________________ 53 Petra Poulová Az oktatási folyamat hatékonyságát olyan tényezők adják, mint a tanuló intelligenciája, előzetes tudása, motivációs szintje, stressz, önbizalom, valamint a tanuló kognitív és tanulási stílusa. Az IKT által támogatott oktatási folyamatot minden stílusú tanuló számára alkalmasnak és előnyösnek tartják. Ennek oka, hogy sokféle tevékenységet kínál, amelyek bármilyen tanulási stílusra irányulhatnak, és bármelyik oktatási stílus oktatója használhatja. A legnagyobb előny az oktatási folyamat individualizálásának lehetősége mind a hallgatók, mind a tanárok szempontjából.

DIVAI 2010 - Távoktatás az alkalmazott informatikában

DIVAI 2010 - Távoktatás az alkalmazott informatikában

DIVAI 2010 - Távoktatás az alkalmazott informatikában

DIVAI 2010 - Távoktatás az alkalmazott informatikában

DIVAI 2010 - Távoktatás az alkalmazott informatikában

DIVAI 2010 - Távoktatás az alkalmazott informatikában

DIVAI 2010 - Távoktatás az alkalmazott informatikában

Emberi és számítógépes intelligencia az elsajátítási folyamatban Boris Aberšek, Maribori Egyetem, Pedagógiai Kar, Koroška 160, 2000, Maribor, Szlovénia [e-mail védett]

Oktatási rendszerek oktatása Nem tagadható a számítógép vonzereje, különösen, ha videojátékokkal van kapcsolatban. A gyermekek (és a diákok) figyelmére gyakorolt ​​mágneses hatásuk túl ismerős a szülők és a tanárok számára,

DIVAI 2010 - Távoktatás az alkalmazott informatikában

különösen, ha az alternatívák a házi feladatok és a házimunkák (Massey és Brown, 2005). Kérdések:

1. Mi a helyzet a számítógépekkel és a játékokkal, amelyek annyira vonzóvá teszik őket? 2. Milyen tanulságok vonhatók le azok felépítéséből, amelyek más alkalmazásokra is alkalmazhatók?

Mielőtt megválaszolnánk ezeket a kérdéseket, először a következőkre kell válaszolnunk: • hogyan működik az emberi értelem és/vagy hogyan érzékeli az ember az egyéni információkat, • hogyan épülnek fel a számítógépek és a videojátékok, és a végén hogyan kell felépíteni az előremutató tanulási környezetet?

Boris Aberšek: Emberi versus számítógépes intelligencia az e - tanulási folyamatban

Természetes tanulás Az emberek egész életen át tanulnak. Gyakorlatilag minden nap tanulunk, ami azt jelenti, hogy tudásunk folyamatosan változik, bővül és javul. Az emberek mellett az állatok is tanulnak. A tanulás képessége a fajok értékelő szakaszától függ. A természetes tanulás vizsgálata és értelmezése a tanulás pszichológiájának és az oktatáspszichológiának a területe. Az előbbi a tanulás alapelveit és képességeit vizsgálja és elemzi. Másrészt ez utóbbi vizsgálja az emberi tanulás és nevelés módszereit, és célja az oktatási folyamat eredményeinek javítása. Az oktatáspszichológia a figyelmet, a fáradtságot és a motivációt 29-nek tekinti

DIVAI 2010 - Távoktatás az alkalmazott informatikában

döntő fontosságú a sikeres oktatási folyamat szempontjából, és gondosan figyelembe veszi a tanár és a diákok közötti kapcsolatot, és különféle motivációs és jutalmazási stratégiákat javasol. Mindezek nagy jelentőséggel bírnak az emberi tanulás szempontjából, azonban kevésbé fontosak a (kortárs) gépi tanulás szempontjából.

Tanulás, intelligencia, tudatosság Mint már említettük, az intelligenciát a környezettel való alkalmazkodás és a problémák megoldásának képességeként határozzák meg. A tanulás önmagában azonban nem elegendő. A tanuláshoz a rendszernek bizonyos kapacitásokkal kell rendelkeznie, például elegendő memória kapacitással, okoskodási képességgel (processzor), érzékelési képességgel (bemenet és kimenet) stb. Ezek a képességek nem elegendőek, ha nincsenek megfelelően integrálva, vagy hiányzik a megfelelő tanulási algoritmus. Emellett a hatékony tanuláshoz szükség van néhány kezdeti tudásra - háttérismeretre is, amelyet az élő rendszerek örökölnek. A rendszer képességeinek megismerésével növekszik, ezért az intelligencia is növekszik (Dennett, 2005).

A szimbolikus számíthatóság határai A kiszámíthatóság elmélete azt mutatja, hogy az összes problémának csak egy aprócska (mondhatni elhanyagolható) formálisan leírható része algoritmikusan megoldható. Manapság a tudomány a következő formális szimbolikus nyelveket használja a valóság leírására (modellezésére): • matematikai logika, • programozási nyelvek, • rekurzív függvények és • formális nyelvtanok. Mindezeknek a formalizmusoknak ekvivalens kifejezőerejük van, és mindegyiküknek egyenértékű korlátai vannak: részben leírhatják a diszkrét világ jelenségeit (diszkrét függvények), és gyakorlatilag a folyamatos világ elhanyagolható részét (folyamatos funkciók). Ezért, ha a világ valóban folyamatos, akkor valószínűleg minden olyan formalizmus leírhatatlan, amelyet képesek vagyunk (racionális) elménkkel használni. Ez azt jelentené, hogy a tudomány által elért, könyvekben vagy tanárokban leírt tudás nem lehet végső, mivel mindig csak a valóság közelítése. Az elektronikus számítógépek kezdetétől fogva minden évben nem észlelhetünk döntő előrelépést az intelligens gép gépi tanulási algoritmusok felhasználásával történő létrehozásának végső célja felé. Egyébként megemlíthetünk néhány fontos lépést:

Boris Abeeršek: Az emberi versus számítógépes intelligencia az elektronikus folyamatban

A Leenat Automata Matematikusa - érdekes rendszer az új matematikai, mmon- és cchess-fogalmak felderítéséhez, a komplex játékok nagy számítástechnikai eredményei, például pipák, backgam mesterséges neurális hálózatok az agy kognitív folyamatainak modellezéséhez n, AC CT - R, az agy és az agyműködés kognitív modellje n (Anderson, 2007)

• • • De a fentiekben leírt főbb korlátozások a programozási nyelv és más formalizmusok között, amelyek a számíthatósági elméletből fakadnak, minden ML algoritmusra is érvényesek, nem számít, mennyire előrehaladott és összetett itt. A tanulási képesség elmélete nagyon szigorú korlátozásokat vet fel. A lattter a kiszámíthatóság elméletéből származik - - a machiine tanuló szükségszerűen algmithm hm. Ahogy az várható, a kiszámíthatóság minden korlátja a tanulhatóság szempontjából is érvényes.

E 1. ábra: Az emberi elme e moduláris felépítése (Anderson, 2007)

A tanulás hatása az intelligenciára: A rendszer növekvő képességeinek megismerésével ezenkívül dinamikája és az egész életen át változik, főleg az intelligencia növekszik. Az emberi intelligencia növekszik. Az intelligencia mennyiségének meghatározása során azonban számtalan különböző típusú intelligenciát kell figyelembe venni.

DIVAI 2010 - Távoktatás az alkalmazott informatikában

Boris Aberšek: Emberi versus számítógépes intelligencia az e - tanulási folyamatban

ellenpéldák: van egy szuper intelligens rendszer (például egy nagyon intelligens ember), és távolítsa el a tudatot (például agymosás vagy egyszerű vakság a saját egójával), megszerezhet egy rendkívül intelligens rendszert (például egy fanatikus vagy egy rendkívül gagyi) ember pénzért vagy hatalomért), amely nincs tudatában cselekedeteinek. Ha átfogalmazzuk: egy gyermek (az eszméletlenség hiányában) atombombával játszik. A következmények katasztrofálisak lehetnek. A tudat magában foglalja a szabad akaratot? Ha egy rendszer csak külső ingerekre reagál, akkor válaszai határozottak és tudattalanok. A tudatos rendszer önmagában, külső ok és inger nélkül, dönthet egy cselekvés (és nem reakció) mellett, ami azt jelenti, hogy szabad akarata van. Különböző kutatók és filozófusok továbbra is vitatják, hogy létezik-e egyáltalán szabad akarat, azonban ésszerűnek tűnik feltételezni, hogy ha létezik tudat, akkor létezik a szabad akarat.

Következtetés Az információs technológia a hálózatépítés, a tudásalapú rendszerek és a mesterséges intelligencia, az interaktív multimédia és más technológiák révén egyre fontosabb szerepet játszik és játszik majd a jövőben is abban, ahogyan az oktatást tanítják és eljuttatják a hallgatóhoz. Ezért ebben a cikkben bemutatunk néhány ötletet az ilyen tanulási - képzési környezetről az oktatás számára. A többi ország kutatóihoz hasonlóan hajlamosak vagyunk felhasználóbarát általános rendszert kifejleszteni, különösen a problémák megoldására tapasztalat-alapú oktató rendszerek alapján, elsősorban a jobb órák lebonyolításához és a hallgatók önálló tanulásához. Mint minden hatékony eszközt, a tapasztalat-alapú tervezési megközelítéseket is gondosan kell alkalmazni. Gondosan megtervezett tapasztalat és átfogó tesztelés nélkül ezek a rendszerek könnyen nem kívánt eredményeket eredményezhetnek (például negatív edzés vagy fokozott fóbiás szorongás). A korai erőfeszítések ígérete ellenére a tapasztalatok megtervezésének legjobb megközelítései továbbra is kutatási és vitatémák.

A szerzőről Boris Aberšek, PhD, egyetemi tanár, tanszékvezető Maribori Egyetem, Természettudományi és Matematikai Kar Koroška 160, 2000 Maribor, Szlovénia Telefon: +386 2 2293 752, Fax: +386 2 2518 180, 33

DIVAI 2010 - Távoktatás az alkalmazott informatikában

Az elsőéves hallgatók tapasztalatai a technológiával kapcsolatban: Litvánia esete Vincentas Lamanauskas, Violeta Šlekienė, Loreta Ragulienė Šiauliai Egyetem, P. Visinskio 25, Siauliai, Litvánia [e-mail védett], [e-mail védett], [e-mail védett]

DIVAI 2010 - Távoktatás az alkalmazott informatikában

a hallgatók elvileg fogékonyak az új típusú IKT-k iránt, bár az ismeretek és a kényelem szintje a technológia minden egyes alkalmazásával változik (JISC kutatási jelentés, 2008). A kutatások célja a nagyon specifikus IKT felhasználásának és hatékonyságának elemzése a tanulmányi folyamatban. Például kijelentették, hogy az oktatási technológia, például a vezeték nélküli billentyűzetek integrációját fontos elemnek tekintik az egyetemi hallgatók egészségügyi hallgatói tanulási megközelítésében. Williams, B. és Boyle, M. (2008) kijelentette, hogy a hallgatók örömmel tanulnak a vezeték nélküli billentyűzetek használatakor, és hogy alternatív és innovatív pedagógiai eszközt kínálnak az egyéb egészségügyi szakterületek jobb megbecsüléséhez és megértéséhez. Fontos a hallgatók ismerete az IKT használatában. Ami a kutatókat illeti, az egyetem a hallgatók érkezéskor szerzett technológiai tapasztalatainak ismeretében felhasználhatja a legmegfelelőbb stratégiákat, módszereket és forrásokat a hallgatók megsegítésére (Arora, 2005; Frankowicz, 2008; Turčani, Kapusta, 2008; Lamanauskas, 2009). Nyilvánvaló, hogy a hallgatóknak erős technológiai ismeretekre van szükségük ahhoz, hogy sikeresek legyenek a munka világában. A fő kérdések még mindig nyitottak: • Hogyan javítja a technológia a diákok teljesítményét? • Hogyan lehet értékelni a hallgatók előrehaladását az IKT használatában? vagy hogyan lehet megtalálni a meglévő készségek értékelésének legmegfelelőbb módját? • Hogyan lehet hatékonyan beépíteni a modern IKT-t a tanulmányi folyamatba? Ezért a kutatás tárgya a hallgatók elsőéves tapasztalata a technológiával kapcsolatban. A kutatás célja az első éves hallgatók tapasztalatainak elemzése a modern IKT használatában.

Kutatási módszertan A kutatás általános jellemzői A hallgatói és a számítógépes technológiák kutatását 2010. január-márciusban végezték el. Ezt megelőzően hallgatói és számítógépes technológiák címmel kísérleti kutatást folytattak 2009. október-novemberben (Lamanauskas, Šlekienė, Ragulienė, 2009). Az alkalmazott eszköz A szükséges adatok összegyűjtéséhez egy névtelen kérdőívet készítettek, amely négy fő blokkot tartalmaz. Kutatási eszközként az ausztrál kutatók által készített kérdőívet használták (Kennedy, Judd, Churchward, Gray, Kerri - Lee Krause, 2008). A kérdőív négy fő blokkot tartalmaz: demográfiai információk (5 elem), hozzáférés a hardverhez és az internethez (13 elem), képességek és készségek felhasználása technológiai alapú eszközökkel (számítógép: 11 elem; web: 18 elem; mobiltelefonok: 8 elem) és a technológiai alapú eszközök egyetemi tanulmányokban történő alkalmazásának preferenciái (19 tétel). Az említett eszközt részben módosították, figyelembe véve a litván egyetemek tanulmányi sajátosságait.

Kutatási minta 663 egyetemi tanulmányok elsőéves hallgatói vettek részt a kutatásban. Közülük - 469 Siauliai Egyetem, 82 - Vilnius pedagógiai intézet, 112 - Kaunas orvosi egyetemi hallgatók. Nem szerint 421 nő (63,5%) vett részt a kutatásban, és 242 nő (36,5%) férfi. Közülük 295 (44,5%) válaszadó, városi iskolát végzett, 368 (55,5%) regionális iskolát végzett. 1. táblázat: A válaszadók jellemzői (N /%). Nem szerint Nő Férfi Összesen 421/63,5 242/36,5 663/100 Iskola szerint Városi iskola Regionális iskola Összesen érettségi hely 295/44,5 368/55,5 663/100 A Siauliai egyetem szerint Vilnius pedagógiai Kaunas orvosi egyetemi egyetemi egyetem 469/70,7 82/12,4 112/16,9 36

Vincentas Lamanauskas, Violeta Šlekienė, Loreta Ragulienė: Az elsőéves hallgatók tapasztalatai a technológiával: Litvánia esete

A mintavételt a csoportválasztás sztochasztikus módszerével strukturálták, ezáltal egy egymást követő „csokor” rendszert alkalmazva. A kutatási mintát több okból is elég megbízhatónak tartják: a minta három litván egyetem hallgatóit tartalmazza; az összes elsőéves hallgató Litvánia különböző helyszínein végzett középiskolákban, ezért valószínű, hogy szerteágazó tapasztalattal rendelkezik az IKT területén. Statisztikai adatok elemzése A kutatási adatok elemzéséhez a leíró statisztikák mérőszámait (abszolút és relatív gyakoriság, népszerűség/hasznosság/szükségesség indexek) alkalmaztuk. Független minták tesztjét - az eszközök egyenlőségének t-tesztjét alkalmazták a jellemzők közötti lehetséges különbségek összehasonlítására. Az SSPS statisztikai köteget az adatfeldolgozás eszközeként használják.