γενικό υπόβαθρο · εξειδίκευση · Ανάπτυξη Δεξιοτήτων

Η Τεχνητή Νοημοσύνη ως Ερευνητικός Εταίρος στις Βυζαντινές Σπουδές

Μεταπτυχιακό Πρόγραμμα — Επίπεδο 7

10 Πιστωτικές Μονάδες ECTS
3 ώρες / εβδομάδα
Γλώσσα Αγγλική
Ανοιχτό σε Erasmus
Χωρίς Προαπαιτούμενα

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μετά την ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση να:

1)

Χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης ως περιορισμένους συνεργάτες στην έρευνα, διατηρώντας παράλληλα την ακαδημαϊκή τους ευθύνη

2)

Σχεδιάζουν αποτελεσματικές οδηγίες για την εξερεύνηση πηγών, τη σύνθεση, την πολυγλωσσική ταξινόμηση και τον σχεδιασμό μαθημάτων

3)

Εντοπίζουν, συγκρίνουν και επαληθεύουν επιστημονικό υλικό που έχει δημιουργηθεί ή ανακτηθεί με τη χρήση εργαλείων τεχνητής νοημοσύνης

4)

Δημιουργούν εκπαιδευτικό υλικό με τη βοήθεια της τεχνητής νοημοσύνης, προσαρμοσμένο σε θέματα Βυζαντινών Σπουδών

5)

Αξιολογούν τα αποτελέσματα της τεχνητής νοημοσύνης ως προς την ακρίβεια, τη μεροληψία, τον αναχρονισμό και τις παραπλανητικές αναφορές

6)

Εφαρμόζουν αρχές αξιολόγησης της χρηστικότητας και της εμπειρίας του μαθητή σε αποτελέσματα που υποστηρίζονται από τεχνητή νοημοσύνη

7)

Τεκμηριώνουν τη χρήση της τεχνητής νοημοσύνης με διαφάνεια, μέσω αρχείων καταγραφής προτροπών και σημειώσεων επαλήθευσης πηγών

8)

Σχεδιάσουν και να παρουσιάσουν μια ολοκληρωμένη ροή εργασιών για έρευνα ή διδασκαλία με τη βοήθεια της τεχνητής νοημοσύνης

ΠΡΟΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

13 Ενότητες

Εβδομάδα 01 | Η Τεχνητή Νοημοσύνη ως Συνεργάτης στην Έρευνα και τη Διδασκαλία

Εισαγωγή στα εργαλεία τεχνητής νοημοσύνης ως βοηθητικά μέσα στις Βυζαντινές Σπουδές, την έρευνα στις ανθρωπιστικές επιστήμες και την εκπαίδευση. Οι φοιτητές χαρτογραφούν τις ροές εργασίας στην έρευνα, τη διδασκαλία και την επικοινωνία, διακρίνοντας την υποστήριξη από την αυτοματοποίηση, και αρχίζουν να τηρούν ένα ημερολόγιο αναστοχασμού σχετικά με τη χρήση της τεχνητής νοημοσύνης.

Ο σχεδιασμός ερωτήσεων ως ακαδημαϊκή δεξιότητα. Εξάσκηση στη διατύπωση ερωτήσεων για εξήγηση, περίληψη, σύγκριση, ταξινόμηση, εξειδίκευση ερευνητικών ερωτημάτων και προσεκτική ιστορική ερμηνεία, με έμφαση στην επαναληπτική διαδικασία και στα αποδεικτικά στοιχεία.

Χρήση εργαλείων που υποστηρίζονται από τεχνητή νοημοσύνη για την αναζήτηση βιβλιογραφίας, τον εντοπισμό λέξεων-κλειδιών και την εξερεύνηση άγνωστων πεδίων, σε σύγκριση με τις παραδοσιακές βάσεις δεδομένων. Έμφαση στην επαλήθευση των παραπομπών, στις πλαστές αναφορές και στην τριγωνοποίηση.

Χρήση εργαλείων τεχνητής νοημοσύνης για την πρώτη ανάγνωση, την ανάλυση των επιχειρημάτων, τη δημιουργία γλωσσάριου και την υποστήριξη της μετάφρασης. Οι φοιτητές επαληθεύουν τα αποτελέσματα σε σύγκριση με τις πρωτότυπες πηγές, ιδίως όσον αφορά τα βυζαντινά ελληνικά, τα λατινικά και την εξειδικευμένη ορολογία.

Εισαγωγή στους όρους «ακρίβεια», «ανακλητικότητα», «ψευδείς ενδείξεις», «μη τεκμηριωμένα συμπεράσματα» και «μετατόπιση πεδίου». Οι φοιτητές εφαρμόζουν ένα απλό πρωτόκολλο αξιολόγησης για να αποφασίσουν πότε μπορούν να χρησιμοποιηθούν, να ελεγχθούν ή να απορριφθούν τα αποτελέσματα της τεχνητής νοημοσύνης.

Επισκέπτης ομιλητής που θα εφαρμόσει το πλαίσιο αξιολόγησης σε περιπτώσεις αποτυχιών της τεχνητής νοημοσύνης σε κείμενα, εικόνες και δομημένη συλλογιστική — πλαστά χειρόγραφα, εικονογραφικά λάθη, επινοημένες λεπτομέρειες τεχνουργημάτων και απίθανες προσωπογραφικές συνδέσεις.

Δημιουργία, με τη βοήθεια της τεχνητής νοημοσύνης, προγραμμάτων μαθημάτων, μαθησιακών στόχων, δομών 5E, κριτηρίων αξιολόγησης, κουίζ, φύλλων εργασίας και επεξηγηματικών κειμένων για τη βυζαντινή ιστορία, τέχνη, αρχαιολογία και πολιτιστική κληρονομιά.

Χρήση εργαλείων που βασίζονται στην τεχνητή νοημοσύνη για τη δημιουργία διαφανειών διδασκαλίας, παρουσιάσεων τύπου συνεδρίου, αφισών ευαισθητοποίησης και περιλήψεων που απευθύνονται στο ευρύ κοινό, σχετικά με σύνθετο περιεχόμενο των Βυζαντινών Σπουδών.

Εισαγωγική χρήση εργαλείων μετατροπής κειμένου σε εικόνα, κειμένου σε ομιλία και κειμένου σε βίντεο για την επικοινωνία της πολιτιστικής κληρονομιάς, με έμφαση στην ιστορική ακρίβεια, τον αναχρονισμό, τα πνευματικά δικαιώματα και την υπεύθυνη επισήμανση.

Βασικές αρχές χρηστικότητας και προσβασιμότητας για εκπαιδευτικούς πόρους που υποστηρίζονται από τεχνητή νοημοσύνη. Οι μαθητές αξιολογούν ένα μαθησιακό αντικείμενο χρησιμοποιώντας έναν κατάλογο ελέγχου εμπνευσμένο από το SUS, κριτήρια σχεδιασμού χωρίς αποκλεισμούς και ανατροφοδότηση από τους συμμαθητές τους.

Χρήση εργαλείων τεχνητής νοημοσύνης για τη βελτίωση ερευνητικών ερωτημάτων, υποθέσεων, οδηγών συνεντεύξεων, ερωτηματολογίων, κατηγοριών κωδικοποίησης και σχεδίων ανάλυσης για εκπαιδευτικά προγράμματα στις ανθρωπιστικές επιστήμες.

Οι φοιτητές συντάσσουν ένα φάκελο υποστήριξης της έρευνας, ο οποίος περιλαμβάνει το ερευνητικό ερώτημα, επαληθευμένη βιβλιογραφία, περιλήψεις πηγών, γλωσσάριο, ημερολόγιο εργασιών και δήλωση σχετικά με τη χρήση εργαλείων, σχετικά με ένα θέμα Βυζαντινών Σπουδών.

Ακαδημαϊκή ακεραιότητα, γνωστοποίηση της χρήσης τεχνητής νοημοσύνης, πνευματικά δικαιώματα, αδειοδότηση, προστασία της ιδιωτικής ζωής, μεροληψία, καθώς και το πλαίσιο πολιτικής της ΕΕ και της UNESCO για την τεχνητή νοημοσύνη στην εκπαίδευση και την έρευνα. Οι φοιτητές συντάσσουν μια δήλωση σχετικά με τη χρήση της τεχνητής νοημοσύνης.

ΑΞΙΟΛΟΓΗΣΗ

Αξιολόγηση φοιτητών

40%

Γραπτές εργασίες
Εβδομαδιαίες πρακτικές ασκήσεις και αναστοχασμοί

40%

Τελική εργασία
Ερευνητικό φάκελο με τη βοήθεια τεχνητής νοημοσύνης

20%

Προφορική παρουσίαση
Τελική παρουσίαση και συμμετοχή

Φόρτος εργασίας — Κατανομή ECTS

Σύνολο 250 ώρες

Διαλέξεις

39

Καθοδηγούμενη εργαστηριακή άσκηση με διαδικτυακά εργαλεία ΤΝ

36

Εβδομαδιαίες πρακτικές εργασίες

45

Μελέτη βιβλιογραφίας & τεκμηρίωσης εργαλείων

40

Ανάπτυξη ερευνητικού χαρτοφυλακίου με υποστήριξη ΤΝ

50

Προετοιμασία τελικής παρουσίασης & αναφοράς

35

Σύνολο μαθήματος

250

Συνιστώμενη βιβλιογραφία

Προτεινόμενη βιβλιογραφία:

  • Mitchell, M. Artificial Intelligence: A Guide for Thinking Humans. Farrar, Straus and Giroux, 2019.
  • Russell, S. Human Compatible: Artificial Intelligence and the Problem of Control. Viking, 2019.
  • Kelleher, J. D. Deep Learning. MIT Press, 2019.
  • Karsdorp, F., Kestemont, M., and Riddell, A. Humanities Data Analysis: Case Studies with Python. Princeton University Press, 2021.
  • Flanders, J., and Jannidis, F. (eds.). The Shape of Data in Digital Humanities. Routledge, 2019.
  • Baca, M. (ed.). Introduction to Metadata. Getty Research Institute, selected chapters.
  • The Programming Historian. Selected beginner-friendly lessons on data literacy, OCR, text analysis, and digital humanities methods.
  • European Commission. Ethics Guidelines for Trustworthy AI, 2019.
  • UNESCO. Recommendation on the Ethics of Artificial Intelligence, 2021.

Σχετικά επιστημονικά περιοδικά:

  • International Journal of Digital Humanities (Springer)
  • Journal on Computing and Cultural Heritage (ACM)
  • Digital Scholarship in the Humanities (Oxford University Press)
  • Journal of Open Humanities Data
  • Journal of Cultural Heritage
Κύλιση στην κορυφή