Sztuczna inteligencja w dydaktyce nauk ścisłych i przyrodniczych – projektowanie zajęć i materiałów dydaktycznych

LINK DO REJESTRACJI

Promocja przy zgłoszeniu do 30 listopada 2026 r.:

- jednej i dwóch osób otrzymają Państwo 10% rabatu lub

- 50% rabatu dla trzeciej osoby lub

- czwarta osoba gratis.

Promocje nie łączą się!

Szkolenie: Sztuczna inteligencja w dydaktyce nauk ścisłych i przyrodniczych – projektowanie zajęć i materiałów dydaktycznych z wykorzystaniem AI

Dla kogo przeznaczone jest to szkolenie:

• Nauczyciele akademiccy prowadzący zajęcia z nauk przyrodniczych

• Doktoranci i studenci przygotowujący się do prowadzenia zajęć

• Pracownicy laboratoriów i zespołów badawczych

• Koordynatorzy programów kształcenia i zajęć laboratoryjnych

• Każdy zainteresowany wykorzystaniem AI w dydaktyce nauk przyrodniczych

Opis szkolenia:

Uczestnicy szkolenia poznają sposoby wykorzystania AI do projektowania zajęć z nauk przyrodniczych, przygotowywania instrukcji laboratoryjnych, analizowania danych, tworzenia wizualizacji i objaśniania złożonych procesów. Szkolenie pokaże również, jak budować ćwiczenia rozwijające rozumowanie naukowe i jak weryfikować treści generowane przez AI.

Dlaczego warto:

1. Szkolenie prowadzone przez naukowca i eksperta w zakresie wykorzystania AI w dydaktyce i pracy akademickiej.

2. Praktyczne przykłady dostosowane do specyfiki danej grupy odbiorców.

3. Ćwiczenia do natychmiastowego zastosowania pozyskanej wiedzy.

Korzyści dla uczestników:

1. Umiejętność projektowania nowoczesnych zajęć i ćwiczeń laboratoryjnych.

2. Sprawniejsze przygotowywanie instrukcji, danych i wizualizacji.

3. Znajomość zasad weryfikacji i odpowiedzialnego wykorzystania AI w naukach przyrodniczych.

Metody szkoleniowe:

• Prezentacja i wykład teoretyczny

• Ćwiczenia praktyczne

• Sesja Q&A

PROGRAM SZKOLENIA

1. Wprowadzenie do AI w dydaktyce nauk ścisłych i przyrodniczych

·         Możliwości AI w nauczaniu przedmiotów przyrodniczych

·         Ograniczenia i ryzyko błędów

·         Zasady odpowiedzialnego wykorzystania

2. Projektowanie zajęć

·         Cele i efekty uczenia się

·         Scenariusze zajęć

·         Ćwiczenia problemowe i badawcze

3. Zajęcia laboratoryjne

·         Tworzenie instrukcji

·         Planowanie eksperymentów

·         Identyfikacja zagrożeń i punktów kontrolnych

4. Praca z danymi

·         Przygotowywanie zbiorów ćwiczeniowych

·         Analiza i interpretacja wyników

·         Tworzenie wykresów i wizualizacji

5. Wyjaśnianie złożonych zjawisk

·         Analogie i przykłady

·         Materiały wizualne

·         Dostosowanie objaśnień do poziomu studentów

6. Ocenianie i weryfikacja

·         Pytania sprawdzające

·         Ocena raportów i projektów

·         Weryfikacja treści generowanych przez AI

7. Podsumowanie i sesja Q&A

·         Omówienie najważniejszych punktów

·         Odpowiedzi na pytania i dyskusja końcowa.

Trener: dr Przemysław Tomczyk