Osnovni pojmovi podatkovne pismenosti

1. Uvod

U digitalnom obrazovanju podaci imaju ključnu ulogu u razumijevanju načina na koji se odvijaju procesi učenja i poučavanja. Svakodnevno se u digitalnim okruženjima prikupljaju velike količine podataka koje mogu pomoći u prepoznavanju potreba studenata, praćenju njihova napretka i prepoznavanju područja u kojima su im potrebne dodatne podrške. Na temelju takvih uvida nastavnici mogu prilagoditi sadržaj, metode i oblike rada kako bi potaknuli aktivnije, učinkovitije i smislenije učenje.

Sposobnost razumijevanja i odgovorne uporabe podataka postaje jedna od temeljnih kompetencija svakog dionika obrazovanja i naziva se podatkovna pismenost. Ona omogućuje donošenje odluka utemeljenih na dokazima, dublje razumijevanje procesa učenja i poučavanja i razvoj refleksivnog pristupa obrazovnoj praksi.

Sve veću ulogu u analizi i interpretaciji obrazovnih podataka ima umjetna inteligencija (UI). Sustavi temeljeni na umjetnoj inteligenciji, kao što je već prethodnoj temi naglašeno, mogu analizirati velike količine podataka, prepoznavati obrasce u učenju i nuditi personalizirane preporuke. Međutim, njihova uporaba zahtijeva kritičko promišljanje i razumijevanje etičkih načela, zaštite privatnosti i transparentnosti u obradi informacija.

Sadržaj u nastavku pruža osnovna znanja o ulozi podataka i umjetne inteligencije u obrazovanju, s naglaskom na razumijevanje i razvoj podatkovne pismenosti kao važne kompetencije svih obrazovnih dionika.

Izvor slike: Shutterstock

2. Što je podatkovna pismenost?

Podatkovna pismenost u praksi uključuje sposobnost kako:

• prepoznati relevantne podatke u određenom kontekstu

• objasniti izvore podataka i metode njihova prikupljanja

• analizirati i interpretirati podatke i izvući pouzdane zaključke

• primijeniti spoznaje temeljene na podacima u planiranju i provedbi nastave i istraživačkom radu

• procijeniti i djelovati u skladu s etičkim načelima koja uključuju poštivanje privatnosti, zaštitu osobnih podataka, transparentnost u korištenju informacija i izbjegavanje manipulacije ili pristranosti u interpretaciji podataka.

U vremenu sve intenzivnije primjene umjetne inteligencije (UI) u obrazovanju podatkovna pismenost postaje ključna kompetencija. Sustavi temeljeni na umjetnoj inteligenciji analiziraju velike količine podataka i generiraju preporuke o napretku, angažmanu ili uspješnosti studenata. Kako bi takve informacije bile korisne i vjerodostojne, nastavnici i studenti trebaju razumjeti kako sustavi dolaze do tih rezultata, koje su im metodološke pretpostavke i koja su njihova ograničenja. Kritičko promišljanje o načinima na koje umjetna inteligencija prikuplja i obrađuje podatke ključno je za očuvanje integriteta i pravednosti obrazovnog procesa.

Razvijanje podatkovne pismenosti pridonosi stvaranju akademske kulture utemeljene na dokazima, razumijevanju i odgovornosti. U takvom pristupu podaci ne predstavljaju sami sebi svrhu, već postaju alat koji podržava kvalitetno učenje, poučavanje i istraživanje.

Zaključno, biti podatkovno pismen znači znati čitati i razumjeti podatke, koristiti ih kao podršku učenju i poučavanju i u svakom koraku djelovati odgovorno, transparentno i u skladu s etičkim standardima akademske zajednice.

U obrazovnom okruženju podatkovno pismeni nastavnici i studenti razvijaju sposobnost kritičkog promišljanja i odgovorne uporabe podataka u obrazovnom procesu.

3. Osnovni pojam i vrste podataka

Prema svojoj strukturi i načinu obrade, podaci se uobičajeno dijele u tri osnovne skupine.

Zašto je klasifikacija podataka važna za nastavnike?

Razlikovanje vrsta podataka nastavnicima omogućuje:

• učinkovitiji odabir metoda prikupljanja (npr. automatsko bilježenje aktivnosti u sustavu e-učenja ili ručni unos ocjena)

• pravilnu pohranu i organizaciju (baze podataka, softverska rješenja u oblaku, sustavi za dokumentaciju)

• primjenu odgovarajućih analitičkih alata, uključujući i one koji se temelje na umjetnoj inteligenciji (UI).

Nastavnici koji razumiju prirodu i mogućnosti različitih vrsta podataka mogu donositi informirane odluke u nastavnom procesu, prepoznati potrebe studenata i učinkovitije oblikovati strategije poučavanja. Time se povećava kvaliteta obrazovnog procesa i potiče kultura odlučivanja utemeljena na dokazima.

Uloga podataka u primjeni umjetne inteligencije (UI)

Primjena umjetne inteligencije (UI) u obrazovanju uvelike se oslanja na podatke kao ključni resurs. Sustavi temeljeni na umjetnoj inteligenciji analiziraju obrazovne podatke kako bi prepoznali obrasce, pružili preporuke ili personalizirali iskustvo učenja.

Kvaliteta i raznolikost dostupnih podataka izravno utječu na točnost i korisnost sustava umjetne inteligencije. Ako su podaci nereprezentativni ili pristrani, mogu dovesti do pogrešnih interpretacija na primjer, netočnih preporuka za dodatno učenje ili pogrešnog vrednovanja angažmana studenata.

Zbog toga je važno da obrazovni stručnjaci razumiju kako se podaci generiraju, obrađuju i interpretiraju i da razvijaju kritički pristup prema njihovoj uporabi.

Promišljeno i etički utemeljeno korištenje podataka temelj je razvoja pouzdanih sustava umjetne inteligencije i ključan preduvjet za pravednije i učinkovitije obrazovanje.

4. Na koji način IT stručnjak interpretira podatkovnu pismenost i zašto je to važno?

Što za IT stručnjaka znači podatkovna pismenost?

IT stručnjak (stručnjak za informacijske tehnologije) profesionalac je koji posjeduje specijalizirana znanja i vještine iz područja računalnih sustava, mrežnih tehnologija, programiranja, sigurnosti podataka i digitalne infrastrukture. U obrazovanju njegova je uloga interdisciplinarna. Povezuje tehničke aspekte informacijskih sustava s obrazovnim i istraživačkim potrebama nastavnika, studenata i institucija.

Za IT stručnjaka podatkovna pismenost znači razumijevanje kako se podaci prikupljaju, strukturiraju, obrađuju, pohranjuju i štite.

IT stručnjak mora osigurati da su podaci točni, dostupni, sigurni i spremni za analizu, osobito kada ih koriste sustavi umjetne inteligencije (UI) u obrazovanju.

Riječ je o spoju tehničkog znanja, analitičkih sposobnosti i etičke odgovornosti u rukovanju podacima, koji omogućuje učinkovito i odgovorno korištenje informacija u obrazovnim sustavima.

Ključne aktivnosti IT stručnjaka u radu s podacima

U svakodnevnom radu IT stručnjak obavlja niz aktivnosti koje osiguravaju pouzdano upravljanje podacima i njihovu odgovornu primjenu u obrazovanju:

Uloga IT stručnjaka u primjeni umjetne inteligencije u obrazovanju

IT stručnjak ima središnju ulogu u povezivanju tehničkih sustava i obrazovne prakse. On ne samo da osigurava stabilno i sigurno funkcioniranje informacijskih sustava, nego surađuje sa stručnjacima za instrukcijski dizajn kako bi tehnološka rješenja učinkovito podržala pedagoške ciljeve i potrebe nastavnika i studenata.

Njegova uloga podrazumijeva da sustavi umjetne inteligencije:

• koriste kvalitetne i relevantne podatke

• generiraju pouzdane i razumljive rezultate

• poštuju privatnost korisnika i pridržavaju se etičkih načela

Takav pristup zahtijeva interdisciplinarno razumijevanje – spoj tehničkog znanja, kritičkog promišljanja i svijesti o obrazovnim vrijednostima.

Zašto je to važno?

Bez IT stručnjaka koji razumiju prirodu, kvalitetu i ograničenja podataka, sustavi umjetne inteligencije mogu generirati netočne, pristrane ili pogrešno interpretirane rezultate. Njihova uloga nije samo tehničke naravi, nego je i etička i društvena, odnosno, osigurati da se tehnologija koristi u službi obrazovanja, a ne obrnuto.

Podatkovna pismenost IT stručnjaka stoga predstavlja temelj odgovorne, transparentne i održive primjene digitalnih tehnologija koje podupiru učenje, istraživanje i donošenje odluka u visokom obrazovanju.

Izvor slike: Shutterstock

5. Prikupljanje digitalnih podataka u obrazovanju

U visokom obrazovanju prikupljanje i analiza podataka predstavljaju ključan element razumijevanja procesa učenja i poučavanja. Podaci se prikupljaju različitim metodama, ovisno o ciljevima istraživanja, vrsti obrazovne aktivnosti i potrebama nastavnog procesa.

Razumijevanje načina prikupljanja podataka nužno je za njihovu točnu interpretaciju i primjenu u svrhu unapređenja obrazovanja. U nastavku su prikazani neki od najčešćih načina prikupljanja podataka:

Automatsko prikupljanje putem digitalnih sustava
Digitalne obrazovne platforme, poput sustava za e-učenje, omogućuju automatsko bilježenje različitih aktivnosti studenata. Najčešće se prikupljaju podaci o vremenu provedenom na zadacima, broju pokušaja rješavanja testova, postignutim rezultatima i sudjelovanju u raspravama. Takvi podaci pružaju vrijedan uvid u obrasce učenja i omogućuju nastavnicima da prilagode sadržaj i metode rada individualnim potrebama studenata.

Anketni i testni podaci
Podaci se često prikupljaju i izravno od nastavnika i studenata, na primjer, putem anketa, upitnika ili testova. Ovim se metodama ispituju stavovi, motivacija, razina zadovoljstva nastavnim procesom ili percepcija učinkovitosti digitalnih obrazovnih alata. Kako bi rezultati bili pouzdani i korisni, potrebno je pažljivo osmisliti instrumente prikupljanja podataka, odabrati primjeren uzorak i provesti sustavnu analizu prikupljenih informacija.

Biometrijski i senzorski podaci
Razvoj suvremenih tehnologija omogućio je prikupljanje biometrijskih i senzorskih podataka koji mogu pružiti dublji uvid u procese učenja. Primjeri uključuju praćenje pokreta oka (eye-tracking) ili mjerenje moždane aktivnosti (EEG), čime se mogu istraživati pažnja, angažman i emocionalno stanje studenata tijekom učenja. Iako ove metode nude iznimno precizne uvide, njihova primjena zahtijeva specijaliziranu opremu, stručno znanje i strogo poštivanje etičkih standarda, osobito u pogledu zaštite privatnosti i osobnih podataka.

Uloga umjetne inteligencije u analizi podataka
Sustavi temeljeni na umjetnoj inteligenciji sve se češće primjenjuju u analizi obrazovnih podataka prikupljenih različitim metodama. Umjetna inteligencija može prepoznati obrasce u ponašanju i napretku studenata, predvidjeti moguće poteškoće u učenju i predložiti personalizirane strategije poučavanja. Međutim, učinkovitost takvih sustava uvelike ovisi o kvaliteti, pouzdanosti i reprezentativnosti podataka.

Stoga je za obrazovne stručnjake od presudne važnosti razvijati podatkovnu pismenost koja uključuje razumijevanje izvora podataka, metoda njihove obrade i etičkih i pedagoških implikacija njihove uporabe.

6. Izazovi prikupljanja podataka u obrazovanju

U obrazovanju značajan se dio podataka prikuplja digitalnim putem. Iako takvi podaci nude brojne mogućnosti za analizu i unapređenje obrazovne prakse, njihovo prikupljanje i obrada donose i niz izazova koje je potrebno prepoznati i razumjeti kako bi se osigurala njihova pouzdanost, etičnost i primjenjivost, a oni su:

Pristup tehnologiji i digitalni jaz
Nejednak je pristup digitalnim resursima još uvijek jedan od izazova današnjeg obrazovanja. Nisu svi studenti u jednakoj mjeri povezani s internetom, niti svi raspolažu potrebnom opremom i tehničkim znanjem za učinkovito sudjelovanje u online okruženju. Takve razlike mogu dovesti do nepotpunih, pristranih ili neujednačenih podataka jer dio studenata jednostavno nije u mogućnosti sudjelovati u svim digitalnim aktivnostima na jednak način.

Tehničke pogreške
Pouzdanost digitalnih podataka može biti narušena različitim tehničkim problemima od pogrešaka u radu softvera i prekida u mrežnoj povezanosti do neispravnosti uređaja koje studenti i nastavnici koriste. Takve poteškoće mogu rezultirati gubitkom podataka, njihovom netočnošću ili nepotpunošću, što smanjuje njihovu istraživačku i pedagošku vrijednost. Stoga je nužno osigurati tehničku podršku i redovito održavanje digitalnih sustava koji se koriste u obrazovanju.

Privatnost i etički izazovi
Prikupljanje, pohrana i analiza digitalnih podataka u obrazovanju moraju biti usklađeni s važećim zakonskim okvirima, poput Opće uredbe o zaštiti podataka (GDPR). Ključno je da studenti i nastavnici budu jasno informirani o svrsi prikupljanja podataka, načinu njihove uporabe i mogućnostima zaštite privatnosti. Etika u radu s obrazovnim podacima podrazumijeva transparentnost, poštivanje prava pojedinaca i odgovorno upravljanje informacijama. Samo takav pristup može osigurati povjerenje i stvoriti temelje za sigurnu i etičku primjenu digitalnih tehnologija u obrazovanju.

7. Obrada podataka i interpretacija rezultata

Nakon prikupljanja podataka potrebno je provesti sustavnu obradu i analizu kako bi se dobile korisne, pouzdane i primjenjive informacije za unapređenje učenja i poučavanja. U tom procesu (pogledati sliku) sve važniju ulogu imaju sustavi temeljeni na umjetnoj inteligenciji, koji omogućuju učinkovitije prepoznavanje obrazaca i dublje razumijevanje složenih obrazovnih podataka.

ChatGPT je rekao:Proces obrade i analize obrazovnih podataka uz podršku umjetne inteligencije

ChatGPT je rekaoProces obrade i analize obrazovnih podataka uz podršku umjetne inteligencije

Ovakve situacije ukazuju na to da je, uz tehničko razumijevanje i analitičke sposobnosti, nužno i pedagoško znanje i etička prosudba kako bi se rezultati pravilno tumačili i primjenjivali. Umjetna inteligencija može biti vrijedan alat u obrazovanju, ali konačne odluke o studentima i nastavnim strategijama uvijek trebaju donositi ljudi na temelju cjelovitog uvida u obrazovni kontekst.

Integracija umjetne inteligencije u obradu i analizu obrazovnih podataka donosi brojne prednosti, ali i zahtijeva visoku razinu podatkovne i digitalne pismenosti uključenih dionika. Samo kombinacija tehnološkog razumijevanja, pedagoške prosudbe i etičke osviještenosti može osigurati da podaci i njihova analiza doista doprinose kvalitetnijem, pravednijem i učinkovitijem obrazovanju.

8. Etički aspekti i zaštita privatnosti u radu s podacima

Razvijanje podatkovne pismenosti ne obuhvaća samo razumijevanje načina na koji se podaci prikupljaju, obrađuju i analiziraju, već i svijest o etičkoj odgovornosti koja proizlazi iz njihova korištenja. U suvremenom obrazovnom okruženju, u kojem se sve više primjenjuju sustavi temeljeni na umjetnoj inteligenciji, etika i zaštita privatnosti postaju neizostavni dio profesionalne prakse svakog nastavnika i studenta. Način na koji upravljamo podacima odražava ne samo tehničku stručnost, već i vrijednosne temelje obrazovanja – povjerenje, odgovornost i poštovanje.

Glavni etički principi:

• Transparentnost: Sudionici obrazovnog procesa moraju jasno razumjeti zašto, kako i u koju svrhu se njihovi podaci prikupljaju i obrađuju. Posebno je važno osigurati da su procesi u kojima se koriste algoritmi umjetne inteligencije razumljivi i dostupni objašnjenju, kako bi se spriječila nevidljiva automatizacija odluka koje mogu utjecati na studente.

• Informirani pristanak: Prije prikupljanja podataka, studenti trebaju biti detaljno upoznati s ciljevima i načinima korištenja svojih podataka, uključujući i one koji se primjenjuju u analitičkim sustavima umjetne inteligencije. Pristanak mora biti slobodan, informiran i moguće ga je povući u bilo kojem trenutku bez negativnih posljedica.

• Minimalizacija podataka: Prikupljaju se isključivo podaci nužni za ostvarenje jasno definiranih obrazovnih ciljeva. Time se izbjegava nepotrebno prikupljanje osjetljivih informacija koje nisu od izravne važnosti za proces učenja i poučavanja. Ovaj princip promiče odgovorno i svrhovito korištenje informacija u obrazovanju.

• Sigurnost i zaštita podataka: Obvezno je osigurati tehničke i organizacijske mjere zaštite podataka od neovlaštenog pristupa, gubitka ili zloupotrebe. To je osobito važno u radu sa sustavima umjetne inteligencije koji se oslanjaju na velike količine podataka i složene modele obrade. Sigurnosna infrastruktura mora uključivati redovito testiranje, enkripciju i sustave za praćenje mogućih prijetnji.

• Anonimizacija i pseudonimizacija: 

  Kad god je moguće, osobni se podaci trebaju anonimizirati ili pseudonimizirati kako bi se zaštitila privatnost pojedinaca i smanjio rizik od identifikacije.

  • Anonimizacija podrazumijeva trajno uklanjanje svih identifikacijskih podataka tako da se pojedinac više ne može prepoznati.
  • Pseudonimizacija označava zamjenu osobnih podataka kodiranim oznakama, pri čemu je ponovno povezivanje s osobom moguće samo uz dodatne informacije koje se čuvaju zasebno i sigurno.

Primjena u obrazovnom okruženju:

Zaštita privatnosti studenata i nastavnika mora biti prioritet u svim fazama upravljanja obrazovnim podacima od prikupljanja do analize i primjene rezultata.
Uvođenje umjetne inteligencije u obrazovno okruženje donosi dodatnu složenost u upravljanju podacima jer takvi sustavi uče iz velikih količina informacija o studentima i nastavnicima. Stoga je uspostava jasnih politika o prikupljanju, pohrani i korištenju podataka ključna za održavanje visokih etičkih standarda i zaštitu privatnosti svih uključenih.

Refleksivna pitanja:

• Na koji način u svojem obrazovnom okruženju nastojite uskladiti korištenje podataka i tehnologija umjetne inteligencije s poštivanjem etičkih načela i zaštitom privatnosti i sigurnosti studenata?
• Koliko vam je taj proces zahtjevan kada uvodite nove digitalne alate i pristupe u obrazovne procese? 
• Koje biste korake mogli poduzeti kako bi primjena umjetne inteligencije u nastavi bila odgovornija, transparentnija i u većoj mjeri usmjerena dobrobiti studenata?

9. Zaključak: Zašto je podatkovna pismenost važna u praksi obrazovnih dionika?

Na osnovi svega navedenog dozvoljava se zaključak kako je podatkovna pismenost iznimno važna za sve dionike obrazovnog sustava. 

Za nastavnike podatkovna pismenost znači sposobnost ispravne interpretacije podataka o učenju, prepoznavanja obrazaca u napretku studenata i prilagodbe nastavnih strategija temeljem pouzdanih informacija.
Studentima omogućuje razumijevanje vlastitog napretka, aktivnije sudjelovanje u učenju i kritičko promišljanje o automatiziranim preporukama koje nude sustavi temeljeni na umjetnoj inteligenciji.
Upravama i donositeljima odluka podaci pružaju osnovu za planiranje i unaprjeđenje studijskih programa, učinkovitije upravljanje resursima i poticanje inovacija.

No, podatkovna pismenost nadilazi tehničku dimenziju. Ona razvija sposobnost kritičkog razmišljanja, etičkog promišljanja i odgovorne primjene tehnologije, čime se osigurava da uporaba podataka i umjetne inteligencije u obrazovanju ostane usklađena s načelima pravednosti, transparentnosti i dobrobiti svih obrazovnih dionika.

U konačnici, samo podatkovno pismen nastavnik, student ili obrazovni stručnjak može u doba umjetne inteligencije koristiti podatke na učinkovit, odgovoran i smislen način pretvarajući ih u znanje koje unapređuje učenje i poučavanje.

Izvor slike: Shutterstock

10. Literatura