БУДУЋНОСТ ОБРАЗОВАЊА: ВАЖНОСТ ЕТИЧКИХ ОКВИРА И КУЛТУРНЕ ОСЕТЉИВОСТИ
Sažetak
Са појавом вештачке интелигенције (АИ) и напредних платформи као што је ChatGPT, постајемо сведоци дубоких промена образовног контекста које све више долазе у фокус актуелних научних истраживања и дискурса. Ове технологије поседују потенцијал да у потпуности редефинишу будућност образовања, уводећи могућности персонализованог учења и прилагођавања наставног материјала специфичним потребама и способностима сваког ученика. Такође се отвара могућност превазилажења баријера у образовању у случајевима када не постоји приступ традиционалном образовању. Међутим, да би се потпуности искористиле могућности ових иновација, неопходно је унапредити степен техничке писмености и развити кореспондирајуће вештине и компетенције. Културолошки контексти могу значајно утицати на то како ученици из различитих средина разумеју и користе АИ системе. Постојеће предрасуде у вештачкој интелигенцији, које произилазе из претежно западноцентричних скупова података, могу индиректно да промовишу стереотипе и доведу до необјективности у исходима учења. Употреба вештачке интелигенције у образовању отвара широк спектар могућности за унапређење наставног процеса, али њена примена захтева детаљну анализу и разматрање етичких аспеката, као и питања безбедности и приватности корисника, као и проверу на пристрасност која може бити уграђена у (АИ) алгоритме. Стратегија која укључује обазриво усвајање и етичко коришћење вештачке интелигенције може донети значајан напредак у методама обучавања и учења, те позитивно утицати на развој образовних стандарда и повећање квалитета образовања. Само путем информисаног и пажљиво праћеног развоја, заснованог на различитости, културној осетљивости и једнаким глобалним могућностима, постоји нада у истинску еволуцију образовања уз помоћ нових технологија.
Reference
Banks: 2016. Banks, James A. Cultural diversity and education. Routledge.
Boyd, 2014. Boyd, Danah. It's complicated: The social lives of networked teens. Yale University Press.
Brown, et al.: 2020. Brown, Tom et al. Language models are few-shot learners. arXiv preprint arXiv:2005.14165.
Castells: 2013. Castells, Manuel. Communication power. Oxford University Press.
Daniels: 2013. Daniels, Jessie. Race and racism in internet studies: A review and critique. New Media & Society, 15(5), 695-719.
Fadel-Trilling: 2017. Fadel, Charles-Bernie Trilling. 21st Century Skills: Learning for life in our times. John Wiley & Sons.
Firnando: 2024. Firnando, Hero Gefthi. Tech Revolution with a Soul: Navigating Digital Transformation through Islamic Ethics. Proceedings of International Conference on Education. http://icon.ftk.uinjambi.ac.id/index.php/icon/article/view/84
Henze, et al.: 2011, September. Henze Niels, Enrico Rukzio, and Susanne Boll. 100,000,000 taps: analysis and improvement of touch performance in the large. In Proceedings of the 13th international conference on Human computer interaction with mobile devices and services (pp. 133-142).
Jenkins, Mizuko: 2015. Jenkins, Henry, and Mizuko Ito. Participatory culture in a networked era: A conversation on youth, learning, commerce, and politics. John Wiley & Sons.
Kukulska-Hulme: 2019. Agnes Kukulska-Hulme. Mobile-assisted language learning. The Encyclopedia of Applied Linguistics.
Liu, Zhong: 2024. Liu, Xiaofan, and Baichang Zhong. What to consider before incorporating generative AI into schools? AI & Society. https://link.springer.com/article/10.1007/s00146-024-01872-9
Милутиновић-Балтезаревић Б. 2021. Оливера Милутиновић, Боривоје Балтезаревић. Развој технологије и интегративни приступ истраживању онлајн образовања, Баштина, св. 53, 477-485.
Mitchell: 1997. Mitchell, Tom M. Machine learning. McGraw Hill.
O'Neil: 2016. O'neil, Cathy. Weapons of math destruction: How big data increases inequality and threatens democracy. Broadway Books.
Rainie-Wellman: 2012. Rainie, Harrison, and Barry Wellman. Networked: The new social operating system. MIT press.
Selwyn: 2016. Selwyn, Neil. Education and technology: Key issues and debates. Bloomsbury Publishing.
Siemens: 2004. Siemens, George. Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2. http://www.itdl.org/Journal/Jan_05/article01.htm
Smith: 2013. Smith, Linda Tuhiwai. Decolonizing methodologies: Research and indigenous peoples. Zed Books Ltd.
Vaswani, et al.: 2017. Vaswani, Ashish, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, and Illia Polosukhin. Attention is all you need. Advances in neural information processing systems, 30.
Warschauer: 2004. Warschauer, Mark. Technology and social inclusion: Rethinking the digital divide. MIT press.
Weller: 2011. Weller, Martin. The digital scholar: How technology is transforming scholarly practice. Bloomsbury Publishing.
West-Whittaker, Crawford: 2019. West, Sarah Myers, Meredith Whittaker, and Kate Crawford. Discriminating systems: Gender, race, and power in AI. AI Now Institute.
Zhang-Wallace: 2017. Zhang, Ye, and Byron Wallace. A Sensitivity Analysis of (and Practitioners' Guide to) Proceedings of the Eighth International Joint Conference on Natural Language Processing (Volume 1: Long Papers) Convolutional Neural Networks for Sentence Classification.