Kako približati statistiko študentom skozi aktivno učenje, podatke in umetno inteligenco?
Hana Šinkovec je docentka na Biotehniški fakulteti, ki pri poučevanju statistike sistematično uvaja elemente aktivnega in sodelovalnega učenja. Njeno delo temelji na vključevanju študentov v razpravo, sprotnem preverjanju razumevanja in povezovanju teorije s praktičnimi primeri. Pri poučevanju uporablja različna digitalna orodja (npr. Mentimeter, QR-kode, spletne učilnice, računalniške simulacije) ter umetno inteligenco, predvsem kot podporo pri analizi podatkov in razumevanju modelov. Njene pedagoške prakse so med študenti prepoznane kot vključujoče in spodbudne. Svoje izkušnje aktivno deli s sodelavci in jih spodbuja k uvajanju podobnih pristopov.
Izziv – kako narediti statistiko smiselno in uporabno
Statistika je med študenti pogosto zaznana kot zahtevna, abstraktna in nepovezana z njihovim področjem. To vodi v nizko motivacijo in površinsko razumevanje.
Ključni izzivi so:
- odpor do predmeta,
- težave pri povezovanju teorije s prakso,
- nezadostno razumevanje pomena podatkov za realne probleme,
- pomanjkanje kompetenc za kritično interpretacijo rezultatov.
Hkrati pa je statistična pismenost ključna za znanstveno delo in informirano odločanje.
Rešitev – od poslušanja k aktivnemu raziskovanju
Predlagana rešitev je uvedba modela aktivnega učenja, kjer se težišče poučevanja premakne iz podajanja snovi v aktivno sodelovanje študentov.
Študenti:
- snov predelajo vnaprej,
- na predavanjih sodelujejo v razpravah in reševanju problemov,
- delajo z realnimi podatki,
- razvijajo rešitve v sodelovanju z drugimi.
Umetna inteligenca se uporablja kot podporno orodje, pri čemer je poudarek na razumevanju, preverjanju in kritični presoji rezultatov.
Kako bo potekalo delo pri posodobljenem predmetu?
Struktura predavanj in vaj temelji na zaporedju aktivnosti:
- Zgodba: Uvod v problem skozi konkreten primer.
- Aktivnost: Študenti rešujejo naloge ali analizirajo podatke.
- Razprava: Študenti postavljajo vprašanja in razjasnjujejo nejasnosti.
- Računalniška demonstracija: Prikaz analize, modelov ali programiranja.
- Utrjevanje: Naloge v parih ali manjših skupinah.
- Izzivalni problem: Odprta naloga za poglobljeno razmišljanje.
Delo poteka sodelovalno, pogosto v parih ali skupinah, z vključevanjem realnih podatkov in lastnih “mini raziskav”.
Vloga digitalnih tehnologij
Digitalne tehnologije podpirajo interaktivnost, sprotno zbiranje podatkov in analizo:
- Mentimeter in QR-kode za takojšnje vključevanje študentov,
- spletne učilnice za kvize in sprotno spremljanje dela,
- računalniške simulacije za razumevanje modelov,
- umetna inteligenca za pomoč pri analizi podatkov in pisanju kode.
Posebnost pristopa je poudarek na kritični uporabi umetne inteligence – študenti se učijo prepoznati omejitve in preverjati pravilnost rezultatov.
Zakaj je ta pristop zanimiv tudi za druge pedagoge?
Pristop ponuja konkreten model, kako zahtevno in pogosto manj priljubljeno snov približati študentom:
- z aktivnim vključevanjem v učni proces,
- z uporabo realnih podatkov in problemov,
- s sodelovalnim učenjem,
- z vključevanjem umetne inteligence na smiseln in odgovoren način.
Model je prenosljiv tudi na druga področja, kjer želimo okrepiti kritično razmišljanje, povezovanje teorije s prakso in aktivno vlogo študentov pri učenju.