Kriteriji za odabir alata i sustava umjetne inteligencije za obrazovne potrebe

1. Uvod

Kao što je već više puta ponavljano u ovom e-tečaju, važno je iznova naglasiti kako umjetna inteligencija uvodi nove mogućnosti u obrazovanje i omogućuje unapređenje procesa učenja i poučavanja kroz personalizirane pristupe, povećanu učinkovitost i podršku u donošenju pedagoških odluka. 

Cjelovit potencijal takvih rješenja može se ostvariti jedino uz promišljen i odgovoran odabir alata i sustava temeljenih na umjetnoj inteligenciji.

Nedovoljno pažljiv izbor alata i sustav umjetne inteligencije može rezultirati nizom izazova, uključujući tehničke poteškoće, ograničenu pouzdanost rezultata, kao i rizike vezane uz zaštitu privatnosti, transparentnost algoritama i etička pitanja. Zbog toga postaje nužno uspostaviti jasne i mjerljive kriterije koji omogućuju procjenu prikladnosti, sigurnosti i pedagoške vrijednosti pojedinog lata i sustava za obrazovni kontekst.

Pažljivo odabrani alati i sustavi umjetne inteligencije omogućuju usklađivanje tehnoloških funkcionalnosti s obrazovnim ciljevima, osiguravanje poštivanja etičkih načela i zakonskih zahtjeva, kao i stvaranje inkluzivnog okruženja u kojem svi sudionici imaju jednake mogućnosti za učenje i napredak.

U nastavku se definiraju i objašnjavaju ključni kriteriji koji mogu služiti kao temelj za donošenje informiranih odluka o implementaciji i korištenju alata umjetne inteligencije u obrazovanju.

2. Ključni kriteriji

U nastavku su izdvojeni i detaljno objašnjeni ključni kriteriji koji mogu pomoći u odabiru odgovarajućih alata i sustava UI-ja za obrazovne potrebe. Ti kriteriji uključuju:

• relevantnost za obrazovne ciljeve
• podršku konkretnih ishoda učenja
• učinkovitost i točnost alata
• dokaze o učinkovitosti i provedenim istraživanjima
• etičnost i sigurnost korištenja
• prilagodljivost i mogućnost personalizacije
• kvalitetu korisničke podrške i dostupnih resursa
• cijenu i dostupnost alata
• kompatibilnost s postojećim sustavima
• prilagođenost potrebama polaznika.

Svaki od ovih kriterija u nastavku je opisan s primjerima njihove važnosti u odabiru pravog izbora alata i sustava umjetne inteligencije za obrazovanje.

2.1. Relevantnost za obrazovne ciljeve

Važno je da odabrani alat i sustav umjetne inteligencije podupiru obrazovne ciljeve, poput razvoja kritičkog mišljenja, kreativnosti ili stručnih znanja u određenom području. 

Ako alati i sustav umjetne inteligencije ne doprinose obrazovnim ciljevima, njihova uporaba postaje suvišna i ne doprinosi kvaliteti učenja.

Primjeri:

1. Obrazovni cilj: Razvoj kritičkog mišljenja kroz rješavanje problemskih zadataka                                                                
   • Kako alat umjetne inteligencije Socratic by Google doprinosi obrazovnom cilju?                                                                                                                                                                                                                                                                                         
     • Socratic prepoznaje pitanja postavljena putem slike ili teksta i nudi objašnjenja, poveznice na relevantne izvore i vodiče korak-po-korak. Budući da ne pruža samo konačna rješenja, već potiče razumijevanje koncepata i promišljanje strategija rješavanja, aktivno uključuje studente u proces učenja i razvoj analitičkog pristupa, umjesto da ostanu pasivni primatelji informacija.
     • Primjena u nastavi:
       • Interaktivne vježbe: instruktori mogu demonstrirati različite pristupe rješavanju problema tijekom nastave, uz objašnjenja koja alat pruža.
       • Samostalne aktivnosti polaznika: polaznici mogu koristiti alat za provjeru i razumijevanje postupka rješenja, dok instruktori prate njihov napredak kroz povratne informacije.
       • Pomoć u učenju: polaznicima koji imaju poteškoća u razumijevanju sadržaja omogućuje dodatna objašnjenja i podršku pri samostalnom radu.
2. Obrazovni cilj: Razvijanje kreativnosti, argumentacije i analitičkog razmišljanja.                                                                                                                                                                                                                                                                                             
   • Kako alat umjetne inteligencije ChatGPT (OpenAI) doprinosi obrazovnom cilju?                                                                                                                                                                                                                                                                               
     • ChatGPT se koristi kao podrška u učenju, istraživanju i pisanju. Pruža prijedloge ideja, strukture teksta i povratne informacije, što potiče studente na kreativno oblikovanje sadržaja. Postavljanjem usmjeravajućih i produbljujućih pitanja podupire razvijanje argumenata i dublje razumijevanje teme, čime doprinosi visokoj razini kognitivnog angažmana.
     • Primjena u nastavi:
       • Interaktivne vježbe: korištenje u grupnim raspravama za generiranje različitih perspektiva i argumenata.
       • Samostalne aktivnosti polaznika: podrška pri pisanju eseja, projekata i drugih pisanih radova.
       • Pomoć u učenju: pružanje dodatnih objašnjenja i pojašnjenja složenog gradiva u trenutku potrebe.

Pedagoška napomena:

Način uporabe izravno određuje obrazovnu vrijednost. Ako se alat koristi samo za dobivanje gotovog odgovora, ne doprinosi razvoju kompetencija. Kada se primjenjuje kao potpora u promišljanju, stvaranju i argumentiranju, postaje snažan resurs za poticanje aktivnog i samostalnog učenja.

Izvor slike: Shutterstock

2.2. Podrška konkretnim ishodima učenja

Svaki alat i sustav umjetne inteligencije trebao bi imati jasno definiranu ulogu u ostvarivanju specifičnih ishoda učenja, neovisno o tome odnose li se oni na usvajanje novih vještina ili dublje razumijevanje određenih pojmova. Na primjer, alati za simulaciju praktičnih vježbi mogu polaznicima omogućiti bolje razumijevanje stvarnih situacija iskustvenim učenjem.

Primjeri:

1. Ishod učenja: Izraditi funkcionalni programski kod i njegovu primjenu u rješavanju problemskih situacija iz prakse.
   • Primjer kako sustav umjetne inteligencije GitHub Copilot pomaže u realizaciji ovog ishoda učenja:
     • GitHub Copilot generira prijedloge programskog koda u stvarnom vremenu tijekom procesa pisanja, čime podržava učenje praksom i potiče kritičko promišljanje o mogućim rješenjima. Na taj način izravno doprinosi razvoju praktičnih programerskih vještina.
2. Ishod učenja: Interpretirati matematički model i provesti numeričko rješavanje zadanog problema uz provjeru točnosti rezultata.
   • Primjer kako alat umjetne inteligencije Photomath može pomoći u ostvarivanju ovog ishoda učenja:
     • Photomath pruža detaljna objašnjenja svakog koraka u rješenju matematičkog zadatka, što polaznicima omogućuje bolje razumijevanje osnovnih i naprednih matematičkih tehnika. Omogućuje samostalno istraživanje i rješavanje matematičkih problema, potičući razvoj kritičkog mišljenja i analitičkih vještina. Brzi pristup rješenjima i objašnjenjima pridonosi većoj učinkovitosti u učenju i pripremi za ispite.
     • Primjena Photomatha u nastavi:
       • Interaktivne vježbe: instruktori mogu koristiti aplikaciju za demonstraciju različitih metoda rješavanja matematičkih zadataka tijekom nastave.
       • Samostalne aktivnosti polaznika: Photomath može služiti kao podrška u samostalnom rješavanju zadataka, uz mogućnost naknadne provjere i povratnih informacija instruktora.
       • Pomoć u učenju: polaznicima koji imaju poteškoća s pojedinim matematičkim konceptima, aplikacija osigurava dodatna objašnjenja i individualiziranu podršku.
       •  
   • Uz Photomath, slične funkcije može imati i alat umjetne inteligencije Math Now, koji u obliku razgovornog asistenta omogućuje postavljanje matematičkog problema u tekstualnom obliku i daje korak-po-korak rješenje s objašnjenjima. Time dodatno podržava interpretaciju matematičkog modela, numeričko rješavanje i provjeru točnosti rezultata. Primjer primjene navedenog alata dan je na slici.

Slika. Sučelje web-alata Math Now tijekom rješavanja matematičkog zadatka (izvor: autorica, snimka ekrana).

2.3. Učinkovitost i točnost alata i sustava umjetne inteligencije

Kvalitetan alat i sustav umjetne inteligencije mora biti pouzdan i točan. Ako često daju pogrešne informacije ili netočne rezultate, mogu zbuniti ili obeshrabriti polaznike i negativno utjecati na njihovo razumijevanje gradiva i povjerenje u tehnologiju. Važno je naglasiti da svaka pogreška u obrazovnom kontekstu ima i pedagoške posljedice, jer se može odraziti na motivaciju studenata i njihov osjećaj uspješnosti.

Primjeri:

1. Sustav za automatsko ocjenjivanje eseja, poput Gradescopea, koristi umjetnu inteligenciju za analizu radova polaznika i dodjelu ocjena. Ako takav sustav daje netočne ili nepouzdane procjene — primjerice zbog loše definirane metrike, neprikladnog skupa podataka za treniranje ili neadekvatnog upravljanja rubrikom — polaznici mogu biti zbunjeni ili obeshrabreni jer će im se činiti da su ocjene nepravedne. Stoga je važno da model umjetne inteligencije bude temeljito treniran i da se redovito provjeravaju njegovi rezultati.
2. Alat za automatsku provjeru originalnosti, kao primjerice Turnitin, koristi umjetnu inteligenciju za detekciju plagijata u studentskim radovima. Ako sustav često generira lažno pozitivne ili lažno negativne rezultate, primjerice nepravedno optužuje studenta jer je stil pisanja sličan drugome ili pak propusti stvarni slučaj plagijata, povjerenje u proces i osjećaj pravičnosti mogu biti značajno narušeni. Zbog toga je takvim alatima potrebno osigurati visoku razinu preciznosti, redovitu reviziju i jasnu komunikaciju o mogućim ograničenjima sustava.

2.4. Dokazi o učinkovitosti

Prije uvođenja alata i sustava temeljenih na umjetnoj inteligenciji u nastavu, potrebno je razmotriti postoje li istraživanja i dokazi koji potvrđuju njihovu učinkovitost i doprinos učenju. Alati umjetne inteligencije koji su već evaluirani u stvarnim obrazovnim okruženjima predstavljaju sigurniji izbor, budući da se njihova funkcionalnost i pedagoška vrijednost ne temelje samo na marketinškim tvrdnjama, nego i na rezultatima provjere i primjene u obrazovnoj praksi. Takva validacija smanjuje rizik od neadekvatne implementacije i omogućuje nastavnicima informiranu odluku o tome u kojoj mjeri alat može obogatiti iskustvo učenja.

Primjer:

• Duolingo predstavlja jedan od najpoznatijih primjera obrazovnih alata utemeljenih na umjetnoj inteligenciji čija je učinkovitost potvrđena u brojnim istraživanjima. Korištenjem prilagodljivih algoritama koji reagiraju na individualni napredak korisnika, omogućuje sustavno usvajanje vokabulara i razvoj razumijevanja jezika. Zbog tih pedagoških prednosti sve se češće integrira u školske i sveučilišne programe kao dodatni i lako dostupan alat za učenje stranih jezika.

• Gradescope je široko prihvaćen u obrazovnoj praksi kao pouzdan sustav za automatizirano ocjenjivanje i pružanje strukturirane povratne informacije studentima, osobito u STEM područjima. Istraživanja i iskustva iz nastavne prakse potvrđuju da nastavnicima olakšava dosljedno i transparentno vrednovanje, dok studentima osigurava brži uvid u vlastite pogreške i mogućnosti napretka. Kao rezultat takvih korisnih učinaka Gradescope je integriran u mnoge sveučilišne programe, uključujući one vezane za Harvard University, Massachusetts Institute of Technology (MIT).

2.5. Etičnost i sigurnost

Svaki alat i sustav umjetne inteligencije koji se primjenjuje u obrazovanju, mora poštivati načela zaštite privatnosti i transparentnog djelovanja, i pritom izbjegavati pristranost u rezultatima koje generira. Učenici i studenti imaju pravo na sigurnu i etički odgovornu primjenu tehnologije, što uključuje zaštitu njihovih osobnih podataka, anonimnost tamo gdje je moguće, i jasnu komunikaciju o tome kako se podaci prikupljaju, obrađuju i koriste u svrhu poboljšanja učenja. Nepoštivanje ovih pravila može dovesti do narušavanja povjerenja u obrazovni sustav, kao i do situacija u kojima tehnologija posredno stvara nejednakost među polaznicima.

Primjer:

1. Turnitin, sustav za provjeru originalnosti studentskih radova, koristi metode umjetne inteligencije za detekciju plagijata. U njegovu radu naglasak je stavljen na čuvanje povjerljivosti i sigurnosti podataka. Identitet polaznika ostaje zaštićen, a cjelokupna obrada podataka provodi se u skladu s važećim zakonodavnim okvirom o zaštiti osobnih podataka, poput Opće uredbe o zaštiti podataka (GDPR) u Europi. Dodatno, transparentnost sustava podrazumijeva da studenti i nastavnici imaju uvid u način rada algoritma i rezultate analize, što smanjuje rizik od nepravde i doprinosi očuvanju povjerenja u postupak vrednovanja.
2. Khan Academy koristi umjetnu inteligenciju u svom sustavu personaliziranog učenja, uz jasno definirane procedure zaštite privatnosti korisnika. Podaci se obrađuju na način koji ne omogućuje identifikaciju pojedinaca i ne dijele se bez izričitog pristanka. Sustav je osmišljen tako da umanji rizik od pristranosti u preporukama, čime se svim obrazovnim dionicima osiguravaju jednake mogućnosti pristupa i napredovanja u učenju, bez obzira na njihove početne uvjete ili posebnosti.

   Posebna pozornost posvećuje se odgovornom korištenju tehnologije kako bi se spriječilo stvaranje ili produbljivanje postojećih razlika u obrazovnim ishodima među različitim skupinama polaznika. Time se pridonosi stvaranju pravednijeg i inkluzivnijeg obrazovnog okruženja.

   Ovakav pristup jača povjerenje svih obrazovnih dionika u primjenu umjetne inteligencije u obrazovanju, budući da visokoškolske institucije, nastavnici i studenti mogu biti sigurni kako tehnologija djeluje u njihovom interesu i predstavlja pedagoški odgovoran alat koji unapređuje procese poučavanja i učenja.

2.6. Prilagodljivost i personalizacija

Učinkoviti alati i sustavi umjetne inteligencije u obrazovanju odlikuju se sposobnošću prilagodbe različitim načinima učenja i individualnim potrebama polaznika. Takva personalizacija učenja može pozitivno utjecati na motivaciju, samopouzdanje i uspješnost u savladavanju gradiva, jer polaznicima omogućuje da napreduju vlastitim tempom i uz sadržaje koji odgovaraju njihovim interesima i prethodnim znanjima. Platforme koje dinamički prilagođavaju aktivnosti svakom polazniku time doprinose većoj uključenosti i kvalitetnijem obrazovnom iskustvu.

Primjeri:

• Alat Curipod koristi umjetnu inteligenciju za generiranje interaktivnih nastavnih sadržaja, poput kvizova, anketa i problemskih zadataka, koji se prilagođavaju znanju i interesima studenata. Nastavnici pritom mogu dodatno oblikovati aktivnosti prema specifičnim potrebama svoje skupine, čime se povećava njihova pedagoška učinkovitost i angažiranost studenata. Sustav omogućuje i povratne informacije u stvarnom vremenu, što studentima pomaže u bržem prepoznavanju i ispravljanju pogrešaka, a nastavnicima u kvalitetnijem praćenju napretka.
• Knewton je primjer platforme koja podržava personalizirano učenje u visokom obrazovanju. Sustav kontinuirano analizira način na koji studenti napreduju, prepoznaje područja u kojima su uspješni i ona u kojima trebaju dodatnu podršku, i u skladu s tim prilagođava obrazovni sadržaj. Zbog takve fleksibilnosti Knewton se lako integrira s postojećim obrazovnim materijalima i obrazovnim okruženjima, što ga čini korisnim alatom za podršku studentima tijekom cijelog studija.

2.7. Kvaliteta podrške i dostupni resursi

Uspješna primjena sustava temeljenih na umjetnoj inteligenciji u obrazovanju ne ovisi samo o njihovim tehničkim mogućnostima, nego i o razini podrške koja je dostupna obrazovnim dionicima. Bez jasnih uputa i kvalitetno organizirane korisničke podrške napredni alati mogu postati zahtjevni za korištenje i izazvati frustraciju. Iz toga proizlazi potreba da se uz razvoj tehnologije paralelno osiguraju pouzdani mehanizmi pomoći, poput vodiča, tutorijala, edukacijskih resursa i mogućnosti dobivanja stručne podrške kada je to potrebno. Dostupnost podrške uvelike utječe na razinu prihvaćenosti i učinkovitosti alata u obrazovnom procesu.

Primjeri:

• Alat Copilot for Microsoft 365 koristi umjetnu inteligenciju za podršku u pisanju i analizi teksta u aplikacijama kao što su Word, Excel i PowerPoint. Alat je popraćen širokim spektrom resursa namijenjenih studentima i nastavnicima, uključujući integrirane upute unutar samih aplikacija, interaktivne demonstracije, detaljne vodiče i videomaterijale. Osim toga, dostupni su forumi zajednice i službena tehnička podrška, što omogućuje brže savladavanje novih funkcionalnosti i manju ovisnost o prethodnom tehničkom znanju. Na taj način osigurava se da obrazovni dionici mogu učinkovito primjenjivati Copilot u obrazovnim zadacima, bez nepotrebnih prepreka.
• Khan Academy pruža podršku pri korištenju virtualnog asistenta Khanmiga  (AI tutor Khanmigo) razvijenog u suradnji s OpenAI-jem. Riječ je o sustavu koji omogućuje postavljanje pitanja i dobivanje povratne informacije u stvarnom vremenu, što potiče aktivno učenje i pravodobno razjašnjavanje nejasnoća. Platforma nudi i priručnike, videovodiče, odgovore na često postavljana pitanja i savjete obrazovnim dionicima. Kvalitetna dokumentacija i stalna podrška tako doprinose većoj prihvaćenosti alata i njegovoj učinkovitosti u obrazovnom okruženju.

2.8. Cijena i dostupnost

Troškovi alata i sustava temeljenih na umjetnoj inteligenciji trebaju biti prihvatljivi i u skladu s proračunskim mogućnostima obrazovne institucije. Jednako je važna i tehnička dostupnost. Alati i sustavi umjetne inteligencije moraju biti upotrebljivi na različitim uređajima kako bi svi studenti imali jednaku priliku koristiti njihove funkcionalnosti, bez obzira na vrstu i kvalitetu opreme kojom raspolažu. Na taj se način smanjuje rizik da financijske ili tehničke prepreke ograničenosti pristup obrazovnim sadržajima.

Primjeri:

1. ChatGPT je u svojoj osnovnoj verziji besplatno dostupan i može se koristiti na računalima, tabletima i mobilnim uređajima putem internetskog preglednika ili aplikacije. Budući da ne zahtijeva dodatnu opremu niti napredne tehničke postavke, lako se integrira u obrazovne aktivnosti i time doprinosi dostupnosti digitalnih alata širokom krugu obrazovnih dionika.
2. Google Socratic besplatan je sustav temeljen na umjetnoj inteligenciji, posebno koristan u visokoškolskom obrazovanju. Kao primjer, studenti mogu fotografirati pitanje ili zadatak, a sustav prepoznaje sadržaj i nudi objašnjenja i poveznice na relevantne obrazovne resurse. Dostupnost na većini mobilnih uređaja bez dodatnih troškova uklanja prepreke pristupu znanju i podupire inkluzivnije obrazovanje.

2.9. Kompatibilnost s postojećim sustavima

Alati i sustavi umjetne inteligencije trebaju biti kompatibilni s ostalim digitalnim rješenjima koja se koriste u obrazovanju, poput sustava za e-učenje, platformi za upravljanje nastavom i alata za evaluaciju. Dobra integracija smanjuje tehničke poteškoće, olakšava svakodnevnu primjenu i omogućuje pristup svim funkcionalnostima unutar jedinstvenog digitalnog okruženja. Na taj se način povećava učinkovitost rada i kvaliteta obrazovnog iskustva za sve sudionike u nastavnom procesu.

Primjer:

• Gradescope je sustav za automatsko ocjenjivanje studentskih zadataka iz programiranja, matematičkih kolegija i kvizova s kratkim odgovorima. Budući da se može izravno integrirati s Moodleom, studenti dobivaju zadatke, ocjene i povratne informacije unutar istog sučelja koje koriste i za druge nastavne aktivnosti. Sustav temeljen na umjetnoj inteligenciji podržava nastavnike u grupiranju sličnih odgovora i održavanju dosljednosti u procjeni, dok studentima omogućuje brzu i jasnu povratnu informaciju. Visoka razina kompatibilnosti time smanjuje tehničke poteškoće i olakšava provedbu evaluacije u digitalnom okruženju.

2.10. Prilagođenost potrebama polaznika

Na kraju, važno je naglasiti da alati i sustavi temeljeni na umjetnoj inteligenciji moraju biti intuitivni i korisni polaznicima kako bi doista podržavali učenje. Ako su presloženi za razumijevanje ili nisu usklađeni s potrebama onih koji ih koriste, njihova primjena može izazvati frustraciju, smanjiti motivaciju i negativno utjecati na obrazovni proces. Učinkovita rješenja u obrazovanju temelje se na jasnoći, jednostavnosti uporabe i usmjerenosti na stvarne izazove s kojima se polaznici susreću.

Primjeri:

1. Khanmigo, virtualni asistent razvijen u okviru tvrtke Khan Academy, posebno je koristan studentima koji nemaju snažno predznanje iz STEM područja. Složene matematičke ili znanstvene pojmove pojašnjava na način koji je prilagođen razini predznanja svakog polaznika, često koristeći primjere iz svakodnevnog života. Time se povećava razumljivost sadržaja, smanjuje osjećaj nelagode i potiče samopouzdanje pri učenju, budući da alat ne zahtijeva visoku razinu tehničke stručnosti.
   
   
2. GitHub Copilot predstavlja virtualnog asistenta koji podržava studente u pisanju i razumijevanju programskog koda. Osmišljava prijedloge u stvarnom vremenu i studentima omogućuje donošenje vlastitih odluka, čime se zadržava razvoj kritičkog mišljenja i analitičkih sposobnosti. Fleksibilnost alata očituje se u mogućnosti prilagodbe različitim razinama znanja: početnicima nudi jasne i jednostavne prijedloge, dok onima s većim iskustvom pruža naprednija rješenja i optimizacije.
   
   

3. QuillBot je alat koji podržava studente u pisanju akademskih tekstova, poput eseja i istraživačkih radova. Koristeći metode umjetne inteligencije, pomaže u preformuliranju rečenica, gramatičkoj ispravnosti i stilskom oblikovanju, a pritom se prilagođava individualnom načinu izražavanja studenta. Na taj način studenti dobivaju vrijednu podršku u razvoju preciznog i jasnog pisanja, što olakšava artikuliranje ideja i poboljšava kvalitetu pisanih radova. Uz jednostavno sučelje i dostupnost na različitim uređajima, alat je lako uklopiv u svakodnevne akademske aktivnosti.

3. Zaključak

Ulaganje u promišljen odabir i redovitu evaluaciju tehnologija temeljenih na umjetnoj inteligenciji donosi dugoročne koristi i omogućuje održiv razvoj obrazovnih procesa usklađenih sa suvremenim tehnološkim promjenama. Uspješna primjena takvih rješenja u nastavi zahtijeva sustavan pristup i jasno definirane kriterije. Pritom su osobito važni učinkovitost, etičnost, prilagodljivost i njihova usklađenost s obrazovnim ciljevima.

Pri razmatranju uvođenja umjetne inteligencije u obrazovanje ključno je imati na umu da tehnologija ne smije postati sama sebi svrhom. Njezin je osnovni zadatak pružiti podršku stvarnim obrazovnim potrebama i ciljevima, uz jačanje kvalitete učenja i poučavanja.

Dobro odabrani i odgovorno primijenjeni alati, temeljeni na umjetnoj inteligenciji, mogu poboljšati ishode učenja i doprinijeti stvaranju sigurnog, inkluzivnog i motivirajućeg okruženja za sve sudionike obrazovnog procesa. Iako ovi kriteriji čine temelj za donošenje odluka, valja uzeti u obzir da svako obrazovno okruženje ima svoje specifičnosti. Postoje brojni dodatni čimbenici koje je potrebno razmotriti ovisno o potrebama pojedine institucije i kontekstu primjene. Upravo će se tim aspektima detaljnije pristupiti u nastavku ovog e-tečaja.

Izvor slike: Shutterstock

4. Literatura

• Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278.
  Opis: Pregled ključnih kriterija za odabir i primjenu UI tehnologija u obrazovanju, uključujući učinkovitost, etiku i prilagodljivost.

• Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
  Opis: Detaljno razmatra kriterije kao što su etičnost, sigurnost, učinkovitost i usklađenost s obrazovnim ciljevima.

• Dignum, V. (2019). Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible Way. Springer Nature.
  Opis: Obrađuje etičke smjernice i sigurnosne zahtjeve u razvoju i implementaciji UI sustava.

• Mittelstadt, B. D., et al. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1-21.
  Opis: Naglašava važnost transparentnosti i nepristranosti u UI sustavima.

• Brusilovsky, P., & Millán, E. (2007). User Models for Adaptive Hypermedia and Adaptive Educational Systems. In The Adaptive Web (pp. 3-53). Springer.
  Opis: Opisuje kriterije vezane za prilagodljivost i personalizaciju UI alata u edukaciji.

• Woolf, B. P. (2010). Building Intelligent Interactive Tutors. Morgan Kaufmann.
  Opis: Pruža smjernice za evaluaciju učinkovitosti i personalizacije UI sustava.

• Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An Argument for AI in Education. Pearson.
  Opis: Predstavlja praktične kriterije za procjenu UI alata prije implementacije u nastavu.

• Aljohani, A. (2025). Data-Driven Pedagogy: Empowering Educational Excellence in Saudi Higher Institutions Through the Integration of AI and ML. In International Conference on Mathematical Modeling and Computational Science (pp. 11–21). Cham: Springer Nature Switzerland.

        Opis: Rad analizira doprinos umjetne inteligencije i strojnog učenja modernizaciji visokog obrazovanja.

• Alkhateeb, A., Hezam, A. M. M., & Almuraikhi, A. A. (2025). Assessing the use of AI tools for EFL exam preparation at Saudi universities: efficiency, benefits, and challenges. Cogent Education, 12(1), 2507553. 
  Opis: Istraživanje analizira učinkovitost, prednosti i izazove korištenja UI alata u pripremi ispita iz engleskog kao stranog jezika (EFL) na saudijskim sveučilištima, s naglaskom na stvarni utjecaj na učenje i pristupačnost tehnologije.  

• Selwyn, N. (2019). Should Robots Replace Teachers? AI and the Future of Education. Polity Press.
  Opis: Diskutira o financijskin i aspektima pristupačnosti pri odabiru UI tehnologija u obrazovanju.