Sztuczna inteligencja w dydaktyce nauk społecznych – nowoczesne metody nauczania i oceniania studentów

LINK DO REJESTRACJI

Promocja przy zgłoszeniu do 23 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!

Dla kogo przeznaczone jest to szkolenie:

• Nauczyciele akademiccy prowadzący zajęcia z nauk społecznych

• Doktoranci i studenci przygotowujący się do prowadzenia zajęć

• Badacze wykorzystujący studia przypadków, dane społeczne i metody projektowe

• Koordynatorzy kierunków i programów kształcenia

• Każdy zainteresowany wykorzystaniem AI w dydaktyce nauk społecznych

Opis szkolenia:

Szkolenie pokazuje, jak wykorzystać sztuczną inteligencję do przygotowywania zajęć z nauk społecznych. Uczestnicy nauczą się tworzyć studia przypadków, symulacje decyzyjne, debaty, ćwiczenia analityczne i projekty zespołowe. Poznają również sposoby oceniania pracy studentów, wykorzystywania danych i tworzenia informacji zwrotnej.

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 angażujących zajęć opartych na problemach i przypadkach.

2. Krótszy czas przygotowywania materiałów, symulacji i ćwiczeń.

3. Znajomość zasad odpowiedzialnego wykorzystania AI przez nauczycieli i studentów.

Metody szkoleniowe:

• Prezentacja i wykład teoretyczny

• Ćwiczenia praktyczne

• Sesja Q&A

PROGRAM SZKOLENIA

1. Wprowadzenie do AI w dydaktyce nauk społecznych

• Najważniejsze zastosowania

• Możliwości i ograniczenia AI

• Etyka i weryfikacja treści

2. Projektowanie zajęć i aktywności

• Scenariusze zajęć

• Metody problemowe i projektowe

• Dostosowanie poziomu trudności

3. Studia przypadków i symulacje

• Tworzenie case studies

• Symulacje decyzyjne

• Role, konflikty i scenariusze społeczne

4. Praca z danymi i materiałami

• Przygotowywanie zestawów danych

• Tworzenie pytań analitycznych

• Wizualizacja i interpretacja wyników

5. Ocenianie studentów

• Kryteria i rubryki

• Ocena projektów i prac zespołowych

• Informacja zwrotna z pomocą AI

6. AI w pracy studenta

• Zadania wymagające samodzielnej analizy

• Transparentne zasady korzystania z AI

• Weryfikacja źródeł i argumentacji

7. Podsumowanie i sesja Q&A

• Omówienie najważniejszych punktów

• Odpowiedzi na pytania i dyskusja końcowa.

Trener: dr Przemysław Tomczyk