Primjeri uspješne implementacije alata i sustava umjetne inteligencije u obrazovanju – organizacijski aspekt

1. Uvod

Kao što je poznato, uvođenje umjetne inteligencije u obrazovni sustav otvara širok spektar mogućnosti za unapređenje procesa učenja, personalizaciju nastave i optimizaciju administrativnih i evaluacijskih zadataka. Alati i sustavi umjetne inteligencije mogu podržati prilagodbu nastavnih sadržaja individualnim potrebama polaznika, omogućiti automatizirano praćenje napretka i prepoznavanje obrazaca u učenju i instruktorima pružiti dublji uvid u podatke koji olakšavaju donošenje pedagoških odluka. Istodobno, umjetna inteligencija može značajno smanjiti administrativno opterećenje instruktora kroz automatizaciju rutinskih zadataka, generiranje povratnih informacija i podršku u oblikovanju nastavnih materijala.

Međutim, uspješna implementacija tih alata ne ovisi isključivo o njihovim tehničkim mogućnostima, već i o organizacijskim uvjetima unutar same institucije. Tehnološke inovacije u obrazovanju zahtijevaju sustavnu institucionalnu podršku, jasno definirane strategije i dugoročno planiranje. Ključnu ulogu u tom procesu imaju i instruktori/nastavnici, čije razumijevanje, motivacija i digitalne kompetencije uvelike određuju koliko će umjetna inteligencija doista unaprijediti procese poučavanja i učenja. Stoga se primjena umjetne inteligencije ne može promatrati kao izoliran tehnički proces, već kao dio šire transformacije obrazovne prakse i institucionalne kulture.

Izvor slike: Shutterstock

2. Ključni organizacijski činitelji

Uspješna integracija alata i sustava umjetne inteligencije u obrazovno okruženje ne može se promatrati izvan šire institucionalne slike. Potrebna je koordinacija više razina – od strateških dokumenata i vodstva, do tehničke i ljudske podrške. U nastavku su izdvojeni ključni organizacijski činitelji koji čine temelj svake održive primjene UI-ja u obrazovanju.

Izvor slike: Shutterstock

2.1. Tehnička infrastruktura

Bez pouzdane i moderne tehnološke infrastrukture primjena umjetne inteligencije u nastavi ili u pružanju podrške obrazovnim dionicima ostaje tehnički neizvediva. Za njezinu uspostavu potrebno je osigurati sljedeće ključne komponente:

• stabilnu internetsku vezu, koja omogućuje kontinuirani pristup digitalnim alatima i platformama

• računalnu opremu i uređaje koji podržavaju rad s alatima i sustavima temeljenima na umjetnoj inteligenciji

• sigurnosne sustave i sustave za upravljanje podacima, koji osiguravaju zaštitu osobnih i institucionalnih informacija

• poslužitelje (servere) ili pristup cloud tehnologijama, na primjer, za udomljavanje modela umjetne inteligencije ili pohranu podataka.

Primjer:

Arizona State University (ASU)  jedno je od prvih sveučilišta koje je sustavno implementiralo ChatGPT Edu u svoje nastavne, istraživačke i administrativne procese. Platforma se koristi za podršku akademskom pisanju, analizu podataka u istraživanjima, simulacije u području zdravstva i za personalizirano učenje i komunikaciju sa studentima. Na Fakultetu za zdravstvena rješenja (College of Health Solutions) razvijen je chatbot pod nazivom Sam, temeljen na tehnologiji ChatGPT-ja, koji studentima omogućuje vježbanje komunikacije između pacijenata i zdravstvenih djelatnika simuliranim razgovorima uloga. Ovakav pristup studentima pomaže u razvoju motivacijskih i komunikacijskih vještina, dok nastavnicima olakšava davanje kvalitativne povratne informacije na temelju automatski generiranih transkripata interakcije. ASU je pritom uspostavio jasne smjernice odgovorne i sigurne primjene umjetne inteligencije kojima se štiti privatnost studenata, osigurava sigurnost istraživačkih podataka i čuva intelektualno vlasništvo. Takav cjelovit pristup čini ovo sveučilište jednim od predvodnika u etičkoj, institucionalno podržanoj i tehnički održivoj primjeni umjetne inteligencije u visokom obrazovanju.

ChatGPT Edu predstavlja posebnu verziju sustava ChatGPT, razvijenu za visokoškolske institucije kako bi se umjetna inteligencija mogla koristiti na siguran, etičan i obrazovno relevantan način. Za razliku od javno dostupne verzije, kao što je istaknuto u analizi na portalu OnlineEducation.com, ChatGPT Edu omogućuje rad u zatvorenom sustavu s naprednim mehanizmima sigurnosti i privatnosti. Podaci koje dijele studenti i nastavnici, ne koriste se za treniranje budućih modela, čime se dodatno osigurava zaštita privatnosti i integritet institucionalnih informacija. Sustav omogućuje administrativnu kontrolu pristupa, upravljanje korisničkim računima i pohranu podataka unutar institucije, a može se integrirati s obrazovnim platformama poput Moodlea, Canvasa ili Blackboard Learn Ultra. Temeljen na modelu GPT-4o ChatGPT Edu omogućuje analizu teksta i slike i primjenu naprednih alata za obradu i vizualizaciju podataka, što ga čini korisnim u različitim disciplinama i kontekstima visokog obrazovanja.

Primjer Sveučilišta Arizona State pokazuje da uspješna primjena umjetne inteligencije u visokom obrazovanju ne ovisi samo o tehničkoj sofisticiranosti alata, nego i o institucionalnoj infrastrukturi, sigurnosnim protokolima i kulturi odgovorne i promišljene upotrebe. Ovaj slučaj može poslužiti kao dobar model za druge visokoškolske ustanove jer povezuje stabilnu i sigurnu tehnološku osnovu, jasno definirane etičke standarde i aktivno uključivanje nastavnika i studenata u proces implementacije. Takav pristup omogućuje razvoj održive, sigurne i smisleno integrirane uporabe umjetne inteligencije u visokom obrazovanju, koja istodobno podupire inovacije i čuva akademski integritet.

2.2. Edukacija i podrška osoblju

Jedan od ključnih izazova uvođenja umjetne inteligencije u obrazovni sustav je osposobljavanje nastavnog i tehničkog osoblja. Alati i sustavi umjetne inteligencije nisu intuitivni svima, pa institucije moraju omogućiti sljedeće.

Jedan od najvećih izazova pri uvođenju umjetne inteligencije u obrazovni sustav jest priprema nastavnika i tehničkog osoblja za njezinu primjenu u praksi. Iako većina nastavnika danas koristi digitalne alate, sustavi temeljeni na umjetnoj inteligenciji zahtijevaju nova znanja, vještine i razumijevanje njihovih mogućnosti i ograničenja. Da bi se ti alati koristili na smislen i odgovoran način, institucije moraju ulagati u edukaciju i pružati podršku zaposlenicima na više razina, a to su:

• strukturirane edukacije i radionice
• pružanje mentorske i tehničke podrške
• osiguravanje priručnika i vodiča za korištenje alata i sustava umjetne inteligencije.

Primjer:

Zanimljiv primjer dolazi sa sveučilišta British University Vietnam (BUV) koje je pokrenulo inicijativu AI Tutor Initiative usmjerenu na razvoj kompetencija i profesionalno osnaživanje nastavnika i studenata. BUV potiče odgovornu i promišljenu uporabu umjetne inteligencije, omogućujući njezinu primjenu u izradi zadataka, istraživačkim projektima i vrednovanju znanja. Umjesto zabrana sveučilište je razvilo sustav koji kombinira stručno vođenje, mentorski pristup i tehničku podršku, čime se gradi kultura učenja u kojoj se umjetna inteligencija istražuje, a ne izbjegava.

Prema izvještaju portala Vietnam.vn nastavnici okupljeni u Centru za istraživanje i inovacije (Center for Research and Innovation) redovito provode radionice i pružaju studentima upute o odgovarajućoj i etičnoj primjeni alata umjetne inteligencije u nastavi i istraživanju. Uvedeni su i različiti stupnjevi uporabe umjetne inteligencije – od djelomične do potpune – kako bi se potaknulo eksperimentiranje i kritičko promišljanje o ulozi tehnologije u procesu učenja.

Rezultati su ohrabrujući: studenti koji su koristili alate umjetne inteligencije u istraživačkom radu, pokazali su veću razinu angažiranosti, kvalitetnije radove i veće zadovoljstvo učenjem, dok su nastavnici razvili sigurnost u primjeni novih tehnologija i stekli iskustvo koje mogu prenositi kolegama. BUV je time pokazao da edukacija i kontinuirana podrška osoblju nisu samo tehnički preduvjeti, nego i temelj stvaranja kulture odgovorne, kreativne i održive primjene umjetne inteligencije u visokom obrazovanju.

2.3. Prilagodba krajnjim korisnicima

Sustavi umjetne inteligencije u obrazovanju moraju biti dostupni, razumljivi i korisni svim studentima, uključujući one s različitim obrazovnim potrebama i razinama digitalne pismenosti. Pravo na jednak pristup obrazovanju podrazumijeva da umjetna inteligencija ne smije postati prepreka, nego alat koji olakšava učenje i sudjelovanje.

Da bi se to postiglo, institucije trebaju osigurati:

• pristupačnost i intuitivnost sučelja

• prilagodbu jezika, razine složenosti i digitalne pismenosti korisnika

• uključivanje studenata u procese testiranja, evaluacije i povratne informacije o alatima.

Posebno je važno omogućiti korištenje sustava umjetne inteligencije kao podrške polaznicima s teškoćama u učenju, jer oni mogu generirati personalizirane odgovore, prilagoditi tempo obrade sadržaja i time smanjiti kognitivno opterećenje. Takva podrška doprinosi većoj samostalnosti polaznika i potiče njihovu motivaciju za učenje.

Primjer:

London Metropolitan University razvio je pristup poučavanju temeljen na umjetnoj inteligenciji s ciljem povećanja pristupačnosti i uključivosti u visokom obrazovanju. Umjesto jedinstvenog rješenja sveučilište razvija alate i pedagoške prakse prilagođene različitim razinama digitalne pismenosti i potrebama studenata, čime se osigurava da tehnologija ostane dostupna svima. Prema izvještaju QAA-e umjetna inteligencija koristi se i za povećanje pristupa digitalnim vještinama i za promicanje obrazovanja za održivi razvoj. Studenti su uključeni u testiranja, evaluaciju i prilagodbu sučelja, a povratne informacije koje daju izravno oblikuju buduće verzije nastavnih alata.

Ovakav pristup ilustrira kako se umjetna inteligencija može primijeniti na način koji ne produbljuje digitalni jaz, nego ga smanjuje. Rezultati pokazuju veći angažman i uspješnost studenata koji su sudjelovali u programima temeljenima na umjetnoj inteligenciji, osobito onih koji su ranije bili slabije zastupljeni u digitalnom učenju. Takva praksa pokazuje kako odgovorna primjena umjetne inteligencije može istodobno unaprijediti kvalitetu obrazovanja i doprinijeti stvaranju održivog, uključivog akademskog okruženja.

2.4. Etička pitanja i sigurnost podataka

Primjena umjetne inteligencije u obrazovanju zahtijeva pažljivo razmatranje etičkih pitanja, posebno onih koja se odnose na zaštitu privatnosti, transparentnost i pravednost algoritama. Budući da sustavi umjetne inteligencije obrađuju osjetljive osobne podatke polaznika – od radova do rezultata i obrazovnih navika – institucije moraju razviti jasne politike koje definiraju način prikupljanja, pohrane i uporabe tih podataka.

Takve politike obično uključuju:

• privatnost i obradu osobnih podataka, u skladu s važećim propisima o zaštiti podataka

• transparentnost rada sustava umjetne inteligencije, što znači da korisnici moraju razumjeti kako sustav funkcionira i na temelju kojih podataka donosi odluke

• izbjegavanje pristranosti i diskriminacije, kroz stalno testiranje i evaluaciju algoritama u svrhu osiguranja pravičnosti i etičnosti u rezultatima koje generiraju.

Primjer:

Sveučilište Michigan razvilo je vlastiti skup generativnih alata temeljenih na umjetnoj inteligenciji unutar zatvorene, sigurnosno kontrolirane infrastrukture.

Time je osigurano da se svi procesi – od analize podataka do automatiziranog vrednovanja pisanih zadataka – odvijaju u okviru strogo definiranih etičkih smjernica i pod nadzorom nastavnika.

Sustav je osmišljen tako da ne zamjenjuje nastavnika, nego ga podržava u procesu procjene i pružanju povratne informacije studentima. Svi algoritmi prolaze kroz provjeru na pristranost i točnost, a svaki rezultat može biti ručno revidiran prije nego što postane konačan. Na taj se način čuva akademska odgovornost i povjerenje studenata u pravednost evaluacijskog procesa.

Ova praksa Sveučilišta Michigan primjer je odgovorne institucionalne primjene umjetne inteligencije, jer pokazuje kako se tehnička inovacija može uskladiti s etičkim standardima i načelima akademske integriteta. Drugi mogu iz ovog modela preuzeti pristup u kojem se umjetna inteligencija ne promatra kao autonomni sustav odlučivanja, nego kao alat koji podupire ljudski nadzor, etičnost i transparentnost obrazovnog procesa.

Izvor slike: Shutterstock

2.5. Evaluacija učinkovitosti i povratne informacije

Uspješno uvođenje umjetne inteligencije u obrazovanje zahtijeva kontinuiranu evaluaciju njezine učinkovitosti, kako bi se osiguralo da alati i sustavi doista doprinose unapređenju procesa učenja i poučavanja. Takva evaluacija mora obuhvatiti ne samo tehničke pokazatelje, nego i pedagoške aspekte, iskustva korisnika i stvarne učinke na kvalitetu obrazovanja.

Praćenje implementacije uključuje tri međusobno povezana cilja:

• pedagošku učinkovitost – mjeri se u kojoj mjeri uporaba umjetne inteligencije poboljšava razumijevanje, motivaciju i postignuća polaznika

• zadovoljstvo korisnika – procjenjuje se svih obrazovnih dionika  o korisnosti, pristupačnosti i podršci alata

• identifikaciju problema i prilika za poboljšanje – temeljem prikupljenih povratnih informacija oblikuju se prijedlozi za prilagodbu i unapređenje sustava.

Primjer:

Arizona State University (ASU) jedno od prvih sveučilišta koje je uvelo ChatGPT Edu u nastavu, istraživanje i administraciju. 

U sklopu implementacije ASU provodi sustavno prikupljanje podataka o korisničkom iskustvu, praćenje načina korištenja alata i evaluaciju njegovih učinaka na ishode učenja. Podaci se analiziraju na više razina – od individualnog angažmana studenata do učinkovitosti pedagoških modela – kako bi se razumjelo gdje umjetna inteligencija zaista donosi dodanu vrijednost.

Prema izvještajima sveučilišta rezultati pokazuju povećanu angažiranost studenata i veću spremnost nastavnika na eksperimentiranje s novim metodama poučavanja. Posebno je istaknuto da su povratne informacije nastavnika ključne za daljnje poboljšanje sustava i razvoj etički održivih praksi primjene umjetne inteligencije.

Ovaj primjer pokazuje da umjetna inteligencija u obrazovanju nije statičan alat, već dinamičan sustav koji zahtijeva stalno promišljanje, mjerenje i prilagodbu. Druga sveučilišta mogu iz iskustva ASU-a preuzeti model evaluacije koji povezuje kvantitativne i kvalitativne podatke, uključuje sve dionike i gradi kulturu učenja temeljenu na povratnim informacijama.

2.6. Vrijeme i planiranje

Uspješna implementacija umjetne inteligencije u obrazovni sustav zahtijeva strateški, vremenski realističan i fazno planiran pristup. Umjesto brzog uvođenja alata u nastavu, potrebno je osigurati postupno testiranje i evaluaciju svake faze primjene, uz jasno definirane ciljeve i mjerljive pokazatelje uspješnosti. Takav pristup smanjuje rizik od tehničkih i pedagoških poteškoća i omogućuje prilagodbu sustava stvarnim potrebama svih obrazovnih dionika.

Institucije koje primjenjuju ovaj model obično razvijaju:

• realistične vremenske planove, koji omogućuju temeljitu pripremu i edukaciju korisnika

• fazno uvođenje (projektni pristup), u kojem se tehnologija najprije primjenjuje u ograničenom okruženju, a zatim se širi na cijeli sustav

• pilot-projekte, čiji se rezultati koriste za evaluaciju učinkovitosti i prilagodbu strategije prije šire implementacije.

Primjer:

U kontekstu svojih online preddiplomskih i diplomskih programa University of London Worldwide proveo je pilot-projekt u kojem je integrirao generativni chatbot „Walter” u kolegijima iz prava.

Studija je mjerila kako studenti percipiraju alat prije i nakon korištenja, i otkrila je da oko 85 % studenata pozitivno doživljava korištenje chatbota nakon pilot-faze.

Ovaj je primjer relevantan jer pokazuje kako fakultet najprije uvodi umjetnu inteligenciju u ograničenom opsegu (pilot-projekt u jednoj disciplini) kako bi testirao korisničko iskustvo i pedagoške efekte prije šire implementacije. Karakteristike dobre prakse uključuju: 1) korisničko testiranje i evaluaciju („prije” i „poslije”), 2) prilagodbu alata (chatbota) specifičnim potrebama studenata u online okruženju, i 3) prikupljanje kvantitativnih i kvalitativnih podataka o utjecaju alata. Rezultati pokazuju značajan broj korisnika s pozitivnim percepcijama, što može potaknuti nastavak šire implementacije. Institucije koje razmišljaju o uvođenju umjetne inteligencije mogu preuzeti model pilot-uvođenja s jasno definiranim evaluacijskim fazama, uz uključivanje krajnjih korisnika i prikupljanje podataka o iskustvu i percepciji.

2.7. Institucionalna strategija i vodstvo

Bez jasne strategije za uvođenje umjetne inteligencije ostaje nepovezano s vizijom obrazovne institucije. Zato je važno da za svaki obrazovni sustav vrijedi sljedeće.

Bez jasno definirane strategije primjena umjetne inteligencije u obrazovanju često ostaje skup nepovezanih inicijativa koje ne doprinose dugoročnim ciljevima ustanove. Da bi tehnologija imala stvaran učinak na kvalitetu poučavanja i učenja, potrebno ju je uskladiti s vizijom i misijom obrazovne institucije i s nacionalnim i europskim obrazovnim politikama. Uspješan strateški okvir podrazumijeva nekoliko ključnih koraka. Prvo, svaka institucija treba:

• razviti strateške dokumente koji jasno određuju područja primjene umjetne inteligencije – od nastave i istraživanja do administrativne podrške i razvoja digitalnih kompetencija

• osigurati podršku uprave i ulaganja u potrebne resurse, uključujući edukaciju nastavnika, tehničku infrastrukturu i etički okvir za uporabu podataka

• uskladiti se s nacionalnim i europskim smjernicama (npr. Digital Education Action Plan 2021–2027, EU AI Act 2024), koji potiču odgovornu i transparentnu primjenu umjetne inteligencije u obrazovanju.

Primjer iz prakse:

Sve veći broj europskih sveučilišta sustavno uključuje umjetnu inteligenciju u svoje razvojne strategije – bilo primjenom u personaliziranom učenju, unaprjeđenju administrativnih procesa i sustava podrške studentima, bilo osnivanjem interdisciplinarnih centara posvećenih istraživanju i etičkoj primjeni umjetne inteligencije u obrazovanju.

Prema izvještaju Gitnux Market Data (2025), trend integracije umjetne inteligencije u visoko obrazovanje ubrzano raste:

• 67 % visokih učilišta širom svijeta integrira alate umjetne inteligencije u svoj kurikulum

• 70 % nastavnika smatra da umjetna inteligencija može značajno unaprijediti personalizirano učenje

• 45 % studenata u visokom obrazovanju barem je jednom koristilo sustav umjetne inteligencije za učenje ili podučavanje.

Ovi podaci potvrđuju da umjetna inteligencija postaje sastavni dio obrazovnog ekosustava, ali i da je njezina uspješna primjena moguća samo ondje gdje postoji jasna strategija, institucionalna podrška i stalna evaluacija učinaka.

Izvor: Gitnux Market Data, AI In The Educational Industry Statistics (2025).

Izvor slike: Shutterstock

2.8. Primjeri dobre prakse

U nastavku su predstavljena tri primjera dobre prakse koji ilustriraju različite pristupe implementaciji umjetne inteligencije u visokom obrazovanju. Svaki primjer pokazuje kako organizacijski, tehnički i pedagoški čimbenici utječu na uspješnost primjene umjetne inteligencije i kako institucije mogu razviti održive modele njezine integracije u obrazovni sustav:

• Arizona State University (ASU): ChatGPT Edu i personalizirana podrška studentima

• University of Michigan: vrednovanje studentskih radova uz potporu umjetne inteligencije

• British University Vietnam: sustav za podršku studentima temeljen na umjetnoj inteligenciji.

2.9. Arizona State University (ASU)

Opis primjene:
Arizona State University jedno je od prvih sveučilišta koje je institucionalno uvelo sustav umjetne inteligencije ChatGPT Enterprise, kasnije preimenovan u ChatGPT Edu. Cilj ove inicijative bio je unaprijediti personaliziranu podršku studentima u učenju i povećati pristup digitalnim resursima, osobito u velikim kolegijima s ograničenim mentorskim kapacitetima.

Organizacijski aspekti:

• Strategijska odluka: Inicijativa je potekla s razine sveučilišnog vodstva, koje je u suradnji s tvrtkom OpenAI definiralo institucionalni okvir i sigurnosne standarde primjene umjetne inteligencije.

• Podrška i edukacija: Proveden je niz radionica i izrađeni su digitalni vodiči kako bi se nastavno i tehničko osoblje, kao i studenti, osposobili za odgovornu i učinkovitu uporabu sustava ChatGPT Edu.

• Sigurnost i etika: Sustav ChatGPT Edu funkcionira unutar zatvorenog institucionalnog okruženja, čime se sprječava dijeljenje osobnih podataka studenata s vanjskim pružateljima usluga i osigurava usklađenost s propisima o zaštiti privatnosti.

• Evaluacija: Sveučilište kontinuirano prikuplja i analizira podatke o angažmanu i zadovoljstvu korisnika kako bi na temelju dobivenih uvida unaprjeđivalo postojeće UI usluge i razvijalo nove oblike digitalne podrške učenju.

Pročitati više: Arizona State University (ASU): ChatGPT Edu i personalizirana podrška studentima

2.10. University of Michigan

Opis primjene:
Sveučilište Michigan razvilo je vlastiti sustav koji se temelji na modelima umjetne inteligencije, s ciljem da studentima pruži brze i relevantne povratne informacije o njihovim pisanim radovima. Sustav analizira strukturu, argumentaciju i stil eseja i potiče studente na samostalno učenje i kontinuirano unapređivanje akademskog pisanja. Glavna svrha sustava nije zamijeniti nastavnika, nego pružiti dodatni alat koji podržava proces poučavanja i refleksivnog učenja pisanja.

Organizacijski aspekti:

• Strategija: Sustav je razvijen unutar sveučilišta u suradnji Informacijskih službi (ITS) i nastavnika s odsjeka za pedagogiju i lingvistiku, čime je osigurano da primjena umjetne inteligencije bude u skladu s akademskim ciljevima, etičkim načelima i pedagoškim standardima ustanove.

• Obuka: Provedene su radionice i pilot-faze s nastavnicima koji su testirali mogućnosti i ograničenja sustava umjetne inteligencije u analizi pisanih zadataka, uz poseban naglasak na interpretaciju rezultata i njihovu primjenu u nastavi.

• Etika i transparentnost: Posebna je pozornost posvećena etičkim pitanjima i ulozi nastavnika. Umjetna inteligencija ne donosi konačne ocjene, nego generira povratne informacije koje nastavnicima služe kao podrška u procesu vrednovanja i usmjeravanja studentskog učenja, čime se čuva načelo ljudske prosudbe u obrazovanju.

• Praćenje: Učinkovitost sustava kontinuirano se prati putem studentskih anketa i pedagoške analitike. Rezultati evaluacija koriste se za procjenu točnosti i korisnosti povratnih informacija i za daljnje unapređivanje sustava.

Pročitati više: 

• University of Michigan: Vrednovanje studentskih radova uz potporu umjetne inteligencije (18. 7. 2025.)

2.11. University British University Vietnam

Opis primjene:
British University Vietnam (BUV) razvija sustave temeljene na umjetnoj inteligenciji koji studentima pružaju personaliziranu podršku u učenju, osobito onima s dodatnim obrazovnim potrebama ili jezičnim barijerama. Sustav omogućuje asinkronu komunikaciju – odgovara na pitanja, nudi objašnjenja i daje smjernice za razumijevanje obrazovnih sadržaja. Na taj se način potiče samostalno učenje i smanjuje razlika u pristupu obrazovnim resursima među studentima različitih predznanja i sposobnosti.

Organizacijski aspekti:

• Usmjerenost na inkluzivnost: Sustav umjetne inteligencije osmišljen je kako bi pružio podršku studentima s teškoćama u učenju i onima koji ne koriste engleski kao materinski jezik, čime se povećava dostupnost i pravednost obrazovanja.

• Tehnička integracija: Alat umjetne inteligencije ugrađen je u postojeći sustav e-učenja sveučilišta i omogućuje interakciju u stvarnom vremenu, što poboljšava iskustvo učenja i povezanost između nastavnika i studenata.

• Podaci i sigurnost: Sveučilište primjenjuje jasne protokole za zaštitu osobnih podataka i prava korisnika, osiguravajući da se tehnologija koristi odgovorno i u skladu s etičkim standardima.

• Evaluacija: Povratne informacije studenata redovito se prikupljaju i analiziraju radi unaprjeđenja funkcionalnosti sustava i prilagodbe potrebama korisnika. Istraživanja provedena tijekom više semestara pokazala su da studenti koji koriste sustav ostvaruju kvalitetnije radove i iskazuju veće zadovoljstvo učenjem.

Pročitati više: British University Vietnam: Sustav za podršku studentima temeljen na umjetnoj inteligenciji

3. Zaključak

Uspješna primjena alata i sustava umjetne inteligencije u obrazovanju ne ovisi isključivo o tehnološkim rješenjima, već o cjelovitom pristupu koji uključuje strateško planiranje, institucionalnu podršku i kulturu odgovorne primjene tehnologije. Umjetna inteligencija može unaprijediti učenje, poučavanje i istraživanje, ali samo ako je integrirana u jasno definirane procese, uz osigurane resurse, edukaciju osoblja i sustavnu evaluaciju učinaka.

Primjeri sveučilišta poput Arizona State University, University of Michigan i British University Vietnam pokazuju da su najuspješnije one institucije koje promišljeno kombiniraju tehnološke inovacije s organizacijskim promjenama – od razvoja infrastrukture i sigurnosnih protokola do jačanja kompetencija nastavnika i uključivanja studenata u proces.

Bez institucionalne spremnosti i jasnog upravljačkog okvira najnapredniji alati umjetne inteligencije ostaju nedovoljno iskorišteni. Organizacijski činitelji stoga predstavljaju temelj svake održive, etičke i pedagoški utemeljene primjene umjetne inteligencije u visokom obrazovanju.

Izvor slike: Shutterstock

4. Literatura