Wyślij tekst przez e-mail 
Ukryj
Pokaż wszystkie
Algorytmy w procesie edukacji – możliwości i ograniczenia
Streszczenie w języku polskim
Wprowadzenie: Tematyka zastosowań algorytmów jest obecnie bardzo powszechna w publikacjach naukowych i popularnonaukowych. Coraz częściej sięgają po nią teoretycy i praktycy i związani z nauczaniem, wychowaniem czy terapią, mając nadzieję na zwiększenie efektywności podejmowanych działań oraz ich usprawnienie organizacyjne.
Cel badań: Celem artykułu jest przedstawienie możliwości i ograniczeń implikacji algorytmów do procesu edukacji.
Stan wiedzy: W ciągu ostatnich lat znacznie wzrosła liczba publikacji, poświęconych problematyce związanej z AI oraz procesem algorytmizacji. Zdefiniowanie pojęcia algorytmu, wskazanie jego związku z uczeniem maszynowym oraz sztuczną inteligencją dookreśliło możliwości zastosowania algorytmów w wielu obszarach naszego życia – od aplikacji wykorzystywanych na osobistych urządzeniach, poprzez medycynę, bankowość, politykę oświatową do
badań naukowych. Coraz większa popularyzacja algorytmizacji oraz łatwiejszy dostęp do tej technologii, spowodowała podjęcie dyskusji nad jej ograniczeniami i niebezpieczeństwami w sposób pośredni i bezpośredni, dotyczącymi również dzieci.
Podsumowanie: Praktycy i naukowcy zajmujący się procesami edukacji posiadają wciąż niewystarczającą wiedzę dotyczą poruszanego tematu. Niewiele publikacji naukowych czy popularnonaukowych autorstwa realnych specjalistów jest skierowanych do tej grupy odbiorców. Bez dokładnego rozeznania w tematyce algorytmizacji, uczenia maszynowego czy sztucznej inteligencji implikacja algorytmów może nie tylko nie przynieść zamierzonych rezultatów, ale skutkować zaburzeniami rozwoju dzieci, młodzieży i osób dorosłych.
Słowa kluczowe
Pełny tekst:
PDF (English)Bibliografia
Alston, P., Khawaja, B., Riddell, R. (2019). Much Ado About Poverty: The Role of a UN Special Rapporteur. NYU School of Law, Public Law Research Paper No. 19-31.
Babicka-Wirkus, W., Parezja, A. (2018) Polityka w edukacji i edukacja w polityce. Forum Młodych Pedagogów przy Komitecie Nauk Pedagogicznych PAN, 1(9), 11–23.
Basso, D., Fronza, I., Colombi, A., Pahl, C. (2018). Improving assessment of computational thinking through a comprehensive framework. In Proceedings of the 18th Koli Calling International Conference on Computing Education Research (pp. 1–5). Association for Computing Machinery.
Bedyńska, S., Campfield, D., Kaczan, R., Kaczmarek, M., Knopik, T., Kochańska, M., Krasowicz-Kupis, G., Krejtz, I., Orylska, A., Papuda-Dolińska, B., Rycielski, P., Rydzewska, K., Sędek, G., Smoczyńska, M., Wiejak, K. (2021). Narzędzia diagnostyczne do oceny zdolności poznawczych dzieci i młodzieży – projekt wdrożeniowy. Przegląd Psychologiczny, 64(2), 9–23.
Bovens M., Zouridis S. (2002) From street-level to system-level bureaucracies: How information and communication technology is transforming administrative discretion and constitutional control. Public Administration Review, 62(2), 174–184.
Bucher, T. (2018). If... Then: Algorithmic Power and Politics. Oxford University Press.
Castillo, N.M., Adam, T., Alam, A., Alrawashdeh, G., Tiwari, P. (2022). Trends in Digital Personalized Learning: Landscape Review of Personalized Learning Solutions in Low and Middle-Income Countries. UNICEF.
Chen, X., Zou, D., Xie, H., Cheng, G., Liu, C. (2022). Two decades of artificial intelligence in education. Educational Technology & Society, 25(1), 28–47.
Chojak, M. (2019). Neuropedagogika, neuroedukacja i neurodydaktyka – fakty i mity. Difin.
Chojak, M. (2021). Nauczycielska diagnoza pedagogiczna w przedszkolu i w szkole. Difin.
Ersozlu, Z., Taheri, S., Koch, I. (2024). A review of machine learning methods used for educational data. Education and Information Technologies, 29(16), 22125–22145.
European Agency for Special Needs and Inclusive Education. (2018). Dowody na związek edukacji włączającej z włączeniem społecznym. Końcowy raport podsumowujący.
Garcia, M., Pedersen, J.M., Riele, H. te. (2004). Amicable pairs, a survey. Fields Institute Communications, 41, 179–196.
Gralak, J. What is machine learning. Retrieved 5, November, 2024 from: https://ttpsc.com/pl/blog/machine-learning-thingworx-vs-covid-19/
Grover, S. (2017). Assessing algorithmic and computational thinking in K-12: Lessons from a middle school classroom. In P.J. Rich, C.B. Hodges (Eds.), Emerging Research, Practice, and Policy on Computational Thinking (pp. 269–288). Springer.
Grover, S., Pea, R. (2018). Computational thinking: A competency whose time has come. In S. Sentance, E. Barendsen, C. Schulte (Eds.), Computer Science Education: Perspectives on Teaching and Learning in School (pp. 19–38). Bloomsbury.
Guo, S., Si, L., Liu, X. (2023). Research practice and progress of models and algorithms applied in topic identification and prediction based on the analysis of CNKI. Applied Sciences, 13(13),7545.
Guzicki, W., Zakrzewski, P. (2005). Wykłady ze wstępu do matematyki: wprowadzenie do teorii mnogości. PWN.
Horabin, I.S., Lewis, B.N. (1978). Algorithms. Educational Technology. Iwasiński, Ł. (2016). Społeczne zagrożenia danetyzacji rzeczywistości. In B. Sosińska-Kalata (Ed.), Nauka o informacji w okresie zmian. Informatologia i humanistyka cyfrowa (pp. 135–146). SBP.
Joel, S., Eastwick, P.W., Finkel, E.J. (2017). Czy romantyczne pożądanie jest przewidywalne? Uczenie maszynowe stosowane do początkowego romantycznego pociągu. Psychological Science, 28(10), 1478–1489.
Kaufmann, E., Chacon, A., Kausel, E.E, Herrera, N., Reyes, T. (2023). Task-specific algorithm advice acceptance: A review and directions for future research. Data and Information Management, 7(3),100040.
Khalid, O., Isa, N.A.M., Sakim, H.A.M. (2022). Emperor penguin optimizer: A comprehensive review based on state-of-the-art meta-heuristic algorithms. Alexandria Engineering Journal, 63(24), 487–526.
Kotnarowski, M., Sztandar-Sztanderska, K., Zielenska, M. (2021). Czy algorytmy wprowadzają w błąd? Metaanaliza algorytmu profilowania bezrobotnych stosowanego w Polsce. Studia Socjologiczne, 1(240), 89–114.
Kreft, J. (2019). Władza algorytmów: u źródeł potęgi Google i Facebooka. Wyd. UJ.
Landa, L.N. (1977). Algorithmization in Learning and Instruction. Educational Technology Margolis, C. (1983). Uses of clinical algorithms. JAMA – Journal of the American Medical, 249(5), 627.
Mohammed, M., Khan, M.B., Mohammed, B.E. (2016 ). Machine Learning: Algorithms and Applications. CRC Press.
Niemierko, B. (2009). Diagnostyka edukacyjna. PWN.
Nijenhuis-Voogt, J., Bayram-Jacobs, D., Meijer, P.C., Barendsen, E. (2021). Teaching algorithms in upper secondary education: a study of teachers pedagogical content knowledge. Computer Science Education, 33(1), 61–93.
Papuda-Dolińska, B., Błaszczak, A., Wiejak, K., Knopik, T., Krasowicz-Kupis, G., Łuniewska-Etenkowska, M., Zieliński, P. (2023). Skale obserwacyjne do oceny rozwoju poznawczego dla osób z niepełnosprawnością intelektualną w stopniu umiarkowanym (KAPP_SNIU), znacznym (KAPP_SNIZ) i głębokim (KAPP_SNIG) – charakterystyka narzędzia. Lubelski Rocznik Pedagogiczny, 42(2), 117–133.
Pazdanowski, M. (2012). Aproksymacja. Master’s thesis. Politechnika Krakowska.
Radomski, G., Klichowska, K. (2004). Wychowanie a polityka. Cele polityczne jako czynnik determinujący oddziaływanie wychowawcze. UMK.
Sarker, I.H. (2021). Machine learning: Algorithms, real-world applications and research directions. SN Computer Science, 2, 160.
Scheider, G.M., Gersting. J. (1995). An Invitation on Computer Science. West Publishing Company.
Schlund, R., Zitek, E.M. (2024). Algorithmic versus human surveillance leads to lower perceptions of autonomy and increased resistance. Communications Psychology, 2, 53.
Szpunar, M. (2019). Kultura algorytmów. Instytut Dziennikarstwa, Mediów i Komunikacji Społecznej Uniwersytetu Jagiellońskiego.
Tzanetos, A., Dounias, G. (2021). Nature inspired optimization algorithms or simply variations of metaheuristics? Artificial Intelligence Review, 54(3), 1841–1862.
Wedel, J.R. (2014). Unaccountable: How Elite Power Brokers Corrupt Our Finances, Freedom, and Security. Pegasus Books.
Witten, I.H., Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann.
Wroński, A. (2020). Algorytmy, programowanie i myślenie komputacyjne. Retrieved 5, December, 2024 from: https://www.pcen.pl/images/bank-dobrych-praktyk/tik/002-Algorytmy-programowanie-myslenie-komputacyjne.pdf
Wróblewski, P. (2019). Algorytmy, struktury danych i techniki programowania. Helion.
Wysocka, E. (2013). Diagnostyka pedagogiczna. Nowe obszary i rozwiązania. Impuls.
Zawojski, P. (2018). Rewolucja algorytmiczna. We władzy cyfr i liczb. Opcje, 4, 14–21.
Zarzecki, L. (2012). Teoretyczne podstawy wychowania. Teoria i praktyka w zarysie. Karkonoska Państwowa Szkoła Wyższa.
Zouridis, S., Van Eck, M., Bovens, M.A.P. (2020). Automated discretion. In T. Evans, P. Hupe (Eds.), Discretion and the Quest for Controlled Freedom (pp. 313 – 329). Palgrave Macmillan.
DOI: http://dx.doi.org/10.17951/lrp.2024.43.4.75-89
Data publikacji: 2025-01-22 11:01:07
Data złożenia artykułu: 2024-06-20 10:08:18
Statystyki
Wskaźniki
Prawa autorskie (c) 2025 Małgorzata Chojak
Powyższa praca jest udostępniana na lcencji Creative Commons Attribution 4.0 International License.