Multiplikatorji

Opis

Izvajalka predlaga nadgradnjo dveh predmetov s področja prehrane živali z uvedbo problemsko-raziskovalnega učnega modela, podprtega z digitalnimi orodji. Izhaja iz opažanja, da so študenti pogosto v pasivni vlogi in težje povezujejo teoretično znanje s praktičnimi situacijami. Del vsebin želi preoblikovati v avtentične problemske izzive, ki izhajajo iz realnega strokovnega okolja. Študenti bodo v manjših skupinah reševali praktične primere, pri tem pa uporabljali digitalna orodja za sodelovanje, analizo podatkov in refleksijo učenja. Del aktivnosti bo podprt z umetno inteligenco kot pomoč pri raziskovanju, oblikovanju osnutkov, samoevalvaciji, poseben poudarek bo namenjen kritični presoji rezultatov.

Multiplikator

Vida Rezar, vida.rezar@bf.uni-lj.si

Opis

Ideja posodobitve je, da izvajalec razvije in vpelje AR/VR učni model, s katerim se izboljša razumevanje abstraktnih pojmov električnega, magnetnega in tokovnega polja. S tem se pouk premakne od statičnega prikaza k interaktivnemu in problemsko usmerjenemu učenju, ki povezuje matematiko, fizikalni pomen in inženirsko prakso. Cilj je povečati aktivno vlogo študentov, njihovo motivacijo ter kakovost znanja, hkrati pa ustvariti prenosljiv model dobre prakse za širšo uporabo.

Multiplikator

Iztok Humar, iztok.humar@fe.uni-lj.si

Opis

Multiplikatorka želi razviti kombiniran učni model, ki povezuje umetno inteligenco, sodelovalna digitalna orodja in elemente simulacij za podporo problemskemu učenju. Nadgradnja se osredotoča na sistematično obravnavo strukturiranih študij primera, kot so inšpekcijski nadzori, etične dileme in presoja pogojev reje. Pri tem bodo študentje v majhnih skupinah uporabljali umetno inteligenco kot podporo pri analizi zakonodajnih virov, oblikovanju argumentov in preverjanju odločitev. Poseben poudarek bo na kritični in odgovorni rabi tehnologije ter na refleksiji lastnega odločanja.

Multiplikator

Alenka Dovč, alenka.dovc@vf.uni-lj.si

Opis

Izvajalec želi vzpostaviti strukturirano in enotno digitalno okolje za delo s podatki, ki bo podprlo celoten proces analize, interpretacije in poročanja rezultatov. Trenutno študenti delajo v razdrobljenih okoljih, kar vodi v neenotne pristope in otežuje primerjavo rezultatov. Nadgradnja vključuje uvedbo virtualnih strežnikov s pregledno organizacijo vseh surovih podatkov za študente, standardiziranih Jupyter Notebook predlog za analizo podatkov ter predlog za pripravo znanstvenih poročil v LaTeX okolju. Cilj je izboljšati kakovost dela študentov in jih približati načinom dela v raziskovalni praksi.

Multiplikator

Gregor Traven, gregor.traven@fmf.uni-lj.si

Opis

Posodobitev sestoji iz premišljene integracije generativne umetne inteligence v praktično in projektno naravnano filmsko izobraževanje. Študenti delujejo v sodelovalnih skupinah, ob mentorski podpori in v dialogu s strokovnjaki iz prakse, kjer kritično preizkušajo vlogo umetne inteligence pri ustvarjanju avdiovizualnih vsebin. Glavni cilj posodobitve je razvijati samostojno, reflektirano in ustvarjalno rabo novih tehnologij, ki krepi umetniško vizijo ter omogoča prenosljiv pedagoški model za različne visokošolske discipline.

Multiplikator

Martin Srebotnjak, martin.srebotnjak@agrft.uni-lj.si

Opis

Izvajalka predlaga posodobitev predmeta, ki povezuje terensko delo, analizo uporabniške izkušnje in strateško uporabo umetne inteligence v marketingu. Študenti bi v skupinah analizirali konkretne storitvene organizacije, identificirali izzive in na tej osnovi oblikovali komunikacijske rešitve. Umetno inteligenco bi uporabljali kot podporo pri raziskovanju, oblikovanju idej in produkciji vsebin, ob hkratnem poudarku na kritični presoji in etični rabi. Cilj je, da študenti umetno inteligenco razumejo kot orodje za strateško odločanje, ne kot bližnjico pri delu.

Multiplikator

Ana Marija Mustafai, ana-marija.mustafai@fdv.uni-lj.si

Opis

Izvajalka predlaga posodobitev poučevanja statistike po principih aktivnega učenja, kjer študenti del snovi predelajo samostojno, čas na predavanjih pa je namenjen razpravi, analizi podatkov in reševanju problemov. Izhaja iz izziva, da študenti statistiko pogosto dojemajo kot abstraktno in nepomembno, zato želi predmet približati z uporabo realnih primerov in sodelovalnega dela. V proces vključuje tudi umetno inteligenco kot podporo pri analizi in programiranju, ob hkratnem poudarku na kritičnem vrednotenju rezultatov. Cilj je razviti statistično pismenost, ki omogoča odgovorno interpretacijo podatkov in njihovo smiselno uporabo v praksi.

Multiplikator

Hana Šinkovec, hana.sinkovec@bf.uni-lj.si

Opis

Projekt povezuje študente kompozicije in instrumentalnih smeri skozi t. i. aleatorične glasbene prakse. Izhaja iz opažanja, da študenti pogosto nimajo dovolj priložnosti za razvoj improvizacije, kreativnega odzivanja in prevzemanja odgovornosti v nepredvidljivih situacijah. S kombinacijo analize sodobnih glasbenih pristopov in praktičnega dela želi ustvariti prostor, kjer študenti ne sledijo le navodilom, temveč aktivno soustvarjajo glasbeni potek. Projekt se zaključi s koncertom, kjer študenti predstavijo lastna dela in interpretacije.

Multiplikator

Matej Bonin, matej.bonin@ag.uni-lj.si

Opis

Goran Turk predlaga nadgradnjo predmeta Osnove statike in dinamike, ki ga obiskuje približno 120 študentov prvega letnika študijskega programa Gradbeništvo. Posodobitev vidi v dveh razvojnih poudarkih. Prvi je nadaljnji razvoj učnih pripomočkov s 3D tiskanjem, s katerimi bi bilo mogoče na kovinskih tablah sestavljati fizične modele konstrukcij in tako bolj nazorno razlagati ključne pojme. Drugi poudarek je razvoj UI asistenta za pomoč študentom pri reševanju kolokvijskih in izpitnih nalog iz statike in dinamike. Namen posodobitve je študentom omogočiti boljše razumevanje snovi, hitrejše napredovanje ter več dodatne podpore pri samostojnem učenju.

Multiplikator

Goran Turk, goran.turk@fgg.uni-lj.si

Opis

Multiplikator predlaga nadgradnjo predmeta z digitalnim modulom za podatkovno podprto izboljševanje kakovosti v zdravstvu. Študenti bodo delali z realističnimi podatkovnimi nabori (npr. klinični zapisi, incidenti, procesne meritve) ter uporabljali analitične metode za prepoznavanje problemov in oblikovanje rešitev. Modul vključuje tudi uporabo umetne inteligence za analizo besedil ter vizualizacijo podatkov skozi KPI-dashborde. Cilj je razviti sposobnost pretvorbe podatkov v konkretne izboljšave v praksi.

Multiplikator

Andrej Starc, andrej.starc@zf.uni-lj.si