8 ώρες

12 ώρες

Γλωσσικά Μοντέλα Τεχνητής Νοημοσύνης στη Διδακτική Πράξη

Θέματα της ενότητας:

1. Εισαγωγή στα γλωσσικά μοντέλα ΤΝ
2. Βασικές αρχές παιδαγωγικού prompting
3. Χρήση ΤΝ για προετοιμασία και αναδιαμόρφωση μαθήματος
4. Δημιουργία φύλλων εργασίας και δραστηριοτήτων
5. Παραγωγή ερωτήσεων αξιολόγησης και υποστηρικτικού υλικού
6. Προσαρμογή εκπαιδευτικού περιεχομένου στις ανθρωπιστικές επιστήμες

Μετά την ολοκλήρωση της ενότητας θα μπορείς να:

1. Χρησιμοποιείς γλωσσικά μοντέλα (π.χ. ChatGPT ή αντίστοιχα εργαλεία) για προετοιμασία διδακτικού υλικού και αναδιαμόρφωση μαθημάτων.
2. Διαμορφώνεις παιδαγωγικά κατάλληλα prompts αξιοποιώντας τεχνικές όπως role prompting, few-shot prompting και βήμα-βήμα καθοδήγηση.
3. Παράγεις φύλλα εργασίας και δραστηριότητες με σαφή μαθησιακό στόχο και διαφοροποίηση ανά επίπεδο μαθητών.
4. Δημιουργείς ερωτήσεις αξιολόγησης (πολλαπλής επιλογής, ανάπτυξης, σύντομης απάντησης) με βάση την ταξινομία Bloom.
5. Προσαρμόζεις παραγόμενο κείμενο σε διαφορετικά γνωστικά αντικείμενα των ανθρωπιστικών επιστημών (Ιστορία, Λογοτεχνία, Κοινωνιολογία).
6. Αξιολογείς την ακρίβεια και εγκυρότητα των απαντήσεων που παράγονται από τα LLMs και να εφαρμόζει τεχνικές fact-checking.
7. Αναδιαμορφώνεις το ύφος του παραγόμενου υλικού ανά ηλικιακή ομάδα, μαθησιακό προφίλ και διδακτικό πλαίσιο.
8. Δημιουργείς σενάρια υποστηρικτικού διαλόγου (teacher assistant prompts) για την καθοδήγηση μαθητών σε εργασίες και projects.

12 ώρες

Δημιουργία Οπτικού Εκπαιδευτικού Υλικού με Τεχνητή Νοημοσύνη

Θέματα της ενότητας:

1. Ο ρόλος της οπτικοποίησης στη μαθησιακή διαδικασία
2. Δημιουργία εικόνων για εκπαιδευτική χρήση
3. Προσαρμογή οπτικού υλικού στο γνωστικό αντικείμενο
4. Παιδαγωγική αξιολόγηση παραγόμενων εικόνων
5. Δημιουργία εποπτικού υλικού για παρουσίαση ή φύλλα εργασίας

Μετά την ολοκλήρωση της ενότητας θα μπορείς να:

1. Περιγράφεις τη σημασία της οπτικοποίησης στη μαθησιακή διαδικασία και τη συμβολή της στην κατανόηση αφηρημένων εννοιών.

2. Χρησιμοποιείς εργαλεία παραγωγής εικόνας (π.χ. DALL·E, Leonardo AI ή αντίστοιχα) για δημιουργία εποπτικού υλικού.

3. Συντάσσεις prompts για παραγωγή εικόνων με ιστορική, πολιτισμική ή λογοτεχνική συνάφεια.

4. Προσαρμόζεις το οπτικό περιεχόμενο ώστε να ανταποκρίνεται σε διαφορετικές ηλικιακές ομάδες και γνωστικό επίπεδο μαθητών.

5. Αξιολογείς παιδαγωγικά την καταλληλότητα εικόνων ως προς στερεότυπα, αναπαραστάσεις και επιστημονική ακρίβεια.

6. Ενσωματώνεις εικόνες σε φύλλα εργασίας, παρουσιάσεις και ψηφιακά μαθησιακά αντικείμενα με δομημένο τρόπο.

7. Δημιουργείς βασικά γραφικά (infographics, timelines, concept maps) ως υποστηρικτικά εργαλεία διδασκαλίας.

8. Σχεδιάζεις δραστηριότητες ανάλυσης εικόνας για ανάπτυξη κριτικής σκέψης και ιστορικού γραμματισμού.

15 ώρες

Παραγωγή Ήχου και Βίντεο με ΤΝ για Εκπαιδευτική Αξιοποίηση

Θέματα της ενότητας:

1. Πολυτροπικό περιεχόμενο στη σύγχρονη διδασκαλία
2. Δημιουργία εκπαιδευτικής αφήγησης με ΤΝ
3. Παραγωγή σύντομων εκπαιδευτικών βίντεο
4. Χρήση ήχου και εικόνας για ενίσχυση της κατανόησης
5. Παιδαγωγική αξιοποίηση πολυμεσικού υλικού στην τάξη

Μετά την ολοκλήρωση της ενότητας θα μπορείς να:

1. Εξηγείς τις αρχές της πολυτροπικής μάθησης και τη σημασία του ήχου/βίντεο στη διδακτική πράξη.
2. Χρησιμοποιείς εργαλεία ΤΝ για παραγωγή αφηγήσεων, voice-over ή διαλόγων με εκπαιδευτικό χαρακτήρα.
3. Δημιουργείς σύντομα εκπαιδευτικά βίντεο ή πολυμεσικές παρουσιάσεις προσαρμοσμένες σε ανθρωπιστικά μαθήματα.
4. Σχεδιάζεις εκπαιδευτικό σενάριο βασισμένο σε storytelling, αξιοποιώντας παραγόμενο υλικό ΤΝ.
5. Αξιολογείς την ποιότητα του παραγόμενου πολυμεσικού περιεχομένου με βάση παιδαγωγικά κριτήρια (στόχος, σαφήνεια, διάρκεια, προσβασιμότητα).
6. Ενσωματώνεις ήχο και βίντεο σε ασύγχρονα μαθήματα (π.χ. LMS) με σαφή μαθησιακή δραστηριότητα πριν/μετά την προβολή.
7. Δημιουργείς δραστηριότητες κατανόησης και κριτικής ανάλυσης πολυμεσικού υλικού για μαθητές.
8. Εφαρμόζεις πρακτικές προστασίας πνευματικών δικαιωμάτων και αναφοράς πηγών σε παραγόμενο βίντεο/ήχο.

15 ώρες

Εξατομικευμένη και Διαφοροποιημένη Μάθηση με Τεχνητή Νοημοσύνη

Θέματα της ενότητας:

1. Έννοιες διαφοροποιημένης και εξατομικευμένης μάθησης
2. Προσαρμογή διδακτικού υλικού σε διαφορετικά μαθησιακά επίπεδα
3. Δημιουργία εξατομικευμένων μαθησιακών διαδρομών
4. Υποστήριξη μαθητών με διαφορετικές ανάγκες
5. Δημιουργία ψηφιακού υποστηρικτικού υλικού με ΤΝ

Μετά την ολοκλήρωση της ενότητας θα μπορείς να:

1. Εξηγείς τις βασικές αρχές διαφοροποιημένης και εξατομικευμένης διδασκαλίας στο πλαίσιο της δευτεροβάθμιας εκπαίδευσης.

2. Χρησιμοποιείς εργαλεία ΤΝ για παραγωγή εναλλακτικών εκδοχών εκπαιδευτικού υλικού (εύκολη/μέτρια/προχωρημένη).

3. Σχεδιάζεις εξατομικευμένα μαθησιακά μονοπάτια με βάση μαθησιακούς στόχους και ανάγκες μαθητών.

4. Παράγεις δραστηριότητες υποστήριξης μαθητών με διαφορετικούς ρυθμούς μάθησης και διαφορετικά μαθησιακά προφίλ.

5. Δημιουργείς προσαρμοσμένο υλικό για μαθητές με μαθησιακές δυσκολίες ή γλωσσικές ανάγκες (π.χ. αλλόγλωσσοι μαθητές).

6. Αξιολογείς τα παιδαγωγικά οφέλη και τους κινδύνους της χρήσης ΤΝ στην εξατομίκευση (εξάρτηση, υπεραπλούστευση, bias).

7. Σχεδιάζεις ψηφιακά υποστηρικτικά υλικά (κουίζ, ανατροφοδότηση, βοηθητικά κείμενα) με χρήση ΤΝ.

8. Διαμορφώνεις πρακτικές αναστοχασμού για τη βελτίωση της διδακτικής του πρακτικής μέσω δεδομένων και ανατροφοδότησης.

15 ώρες

Εισαγωγή στη Μηχανική Μάθηση για την Τάξη

Θέματα της ενότητας:

1. Τι είναι η μηχανική μάθηση σε απλά λόγια
2. Παραδείγματα ML στην καθημερινότητα και στην εκπαίδευση
3. Δημιουργία απλών μοντέλων ML χωρίς προγραμματισμό
4. Εκπαιδευτικά σενάρια με ML για ανθρωπιστικά μαθήματα
5. Όρια και παιδαγωγική αξιοποίηση της ML στην τάξη

Μετά την ολοκλήρωση της ενότητας θα μπορείς να:

1. Περιγράφει με απλό τρόπο βασικές έννοιες μηχανικής μάθησης (training, dataset, classification, prediction).
2. Αναγνωρίζεις παραδείγματα εφαρμογών ML στην καθημερινή ζωή και στη σχολική πραγματικότητα.

3. Χρησιμοποιείς φιλικά εργαλεία χωρίς προγραμματισμό (π.χ. Teachable Machine) για δημιουργία απλών μοντέλων ταξινόμησης.

4. Δημιουργείς απλά datasets (εικόνας ή ήχου) με σκοπό την εκπαιδευτική αξιοποίηση.

5. Ερμηνεύεις βασικά αποτελέσματα ενός μοντέλου (ακρίβεια, λάθη ταξινόμησης) και να εξηγεί τους λόγους αστοχίας.

6. Σχεδιάζεις δραστηριότητες στην τάξη που συνδέουν ML με έννοιες κριτικής σκέψης και επιστημονικού γραμματισμού.

7. Αξιολογείς παιδαγωγικά πότε η χρήση ML είναι ουσιαστική και πότε αποτελεί απλή τεχνολογική επίδειξη.

8. Διαμορφώνεις απλό εκπαιδευτικό σενάριο αξιοποίησης ML σε μάθημα ανθρωπιστικών επιστημών (π.χ. ανάλυση εικόνας, πολιτισμικά δεδομένα).

23 ώρες

Πολυθεματικές Δραστηριότητες με ΤΝ για τις Ανθρωπιστικές Επιστήμες

Θέματα της ενότητας:
1. Πολυθεματική προσέγγιση στη διδασκαλία ανθρωπιστικών μαθημάτων
2. Σχεδιασμός διδακτικών δραστηριοτήτων με χρήση ΤΝ
3. Σύνδεση ΤΝ με Ιστορία, Φιλολογία, Κοινωνικές Επιστήμες
4. Δημιουργία ολοκληρωμένων εκπαιδευτικών σεναρίων
5. Προετοιμασία για το τελικό εκπαιδευτικό έργο

Μετά την ολοκλήρωση της ενότητας θα μπορείς να:

1. Σχεδιάζεις πολυθεματικές διδακτικές δραστηριότητες που ενσωματώνουν εργαλεία ΤΝ σε Ιστορία, Φιλολογία και Κοινωνικές Επιστήμες.

2. Επιλέγεις κατάλληλα εργαλεία ΤΝ ανάλογα με τον μαθησιακό στόχο (κειμενικό, οπτικό, πολυμεσικό, ML).

3. Συνδυάζεις διαφορετικά εργαλεία ΤΝ για τη δημιουργία ολοκληρωμένου διδακτικού σεναρίου.

4. Αναπτύσσεις δραστηριότητες που ενισχύουν την κριτική σκέψη των μαθητών απέναντι σε παραγόμενο περιεχόμενο ΤΝ.

5. Δημιουργείς ολοκληρωμένο εκπαιδευτικό πακέτο (σχέδιο μαθήματος, φύλλο εργασίας, υλικό παρουσίασης, αξιολόγηση).

6. Τεκμηριώνεις παιδαγωγικά τις επιλογές εργαλείων και μεθοδολογίας, με αναφορά σε στόχους, ηλικία και διδακτική στρατηγική.
7. Αναπτύσσεις εκπαιδευτικό έργο (project) άμεσα εφαρμόσιμο στη σχολική τάξη, με σαφή μαθησιακή στοχοθεσία.

8. Αναστοχάζεσαι πάνω στη διδακτική αξία του έργου του και να προτείνει τρόπους βελτίωσης και επέκτασης.