OJS Karolinum (Charles University)
Not a member yet
3648 research outputs found
Sort by
Using Generative Artificial Intelligence to Support Learning with a Specific Focus on Language and Literature Education
No full textGenerativní umělá inteligence (GenAI) představuje velké výzvy pro oblasti vzdělávání a tzv. velké jazykové modely se stále častěji uplatňují v práci pedagogů - jak v jejich pedagogické přípravě, tak i ve výuce. V našem příspěvku analyzujeme, jakým způsobem lze umělou inteligenci využít k podpoře dosahování různých typů kognitivních cílů definovaných v rámci několikrát revidované Bloomově taxonomii, zároveň nabízíme pedagogům i výzkumníkům přehled užitečných promptů, které lze efektivně využívat jak pro podporu výuky, tak i přípravy na vyučování či podporu domácí přípravy žáků (specificky se zaměřujeme na využití AI v jazykovém vzdělávání). Vycházíme přitom z konceptů definovaných výzkumníky z Oregon State University, SAMR modelu, využíváme také zkušeností s vývojem a využíváním AI aplikace Khanmigo. Věnujeme se jak jednoduché, tak i složité tvorbě AI promptů, tvorbě personalizovaných AI asistentů, gamifikaci s podporou AI a dalším možnostem, jak lze AI využít pro efektivní podporu vzdělávání. Zároveň se zaměřujeme na požadavky na konstrukci funkčních promptů – s minimalizací halucinování či biasů.Generative Artificial Intelligence (GenAI) poses major challenges for the field of education and so-called big language models are increasingly being applied in the work of education both in their pedagogical training and in their teaching. In our paper, we analyze how AI can be used to support the achievement of different types of cognitive goals defined within the framework of Bloom\u27s taxonomy, which has been revised several times, while offering educators and researchers an overview of useful prompts that can be effectively used to support teaching, as well as to support students\u27 classroom or home preparation (we specifically focus on the use of AI in language education). In doing so, we draw on concepts defined by researchers at Oregon State University, the SAMR model, and we also leverage our experience with the development and use of the Khanmigo AI application. We address both simple and complex AI prompt creation, the creation of personalized AI assistants, AI-enabled gamification, and other ways AI can be used to effectively support learning. We also focus on the requirements for constructing functional prompts – minimizing hallucinations or biases
GenAI and the Future of Higher Education: A Conference Overview
No full textTato zpráva shrnuje dvoudenní mezinárodní konferenci GenAI in Higher Education: New Perspectives for Research and Teaching, která se konala na Varšavské univerzitě v květnu 2025. Text se zaměřuje na hlavní téma konference, kterým byla generativní umělá inteligence (GenAI) a její dopady na vysokoškolské vzdělávání, zejména na výuku, výzkum, akademickou integritu a institucionální politiku. Sleduje strukturu konference, jež začala úvodními přednáškami a debatami, které představily GenAI jako slibnou, ale zároveň problematickou technologii. Následuje přehled paralelních sekcí, které se věnovaly etickým, pedagogickým, institucionálním a filozofickým aspektům GenAI. Zvláštní pozornost je věnována tomu, jak studenti a výzkumníci s těmito nástroji pracují, jaké výzvy přináší otázka autorství a originality, a jak se mění role učitele. Závěrem zpráva zdůrazňuje potřebu, aby univerzity překročily rámec rychlých řešení a rozvíjely promyšlené strategie pro odpovědnou integraci AI. Vyzývá k dalšímu výzkumu zaměřenému na inkluzivní a etické využívání GenAI v akademickém prostředí.This is a conference report summarizing a two-day international academic event titled GenAI in Higher Education: New Perspectives for Research and Teaching, held at the University of Warsaw in May 2025. The report addresses the central theme of generative artificial intelligence (GenAI) and its implications for higher education, focusing on teaching, research, academic integrity, and institutional policy. The text follows the structure of the conference, beginning with keynote speeches and debates that framed GenAI as both a promising and problematic innovation. It then outlines the content of parallel sessions, which explored ethical, pedagogical, institutional, and philosophical dimensions of GenAI. Particular attention is given to how students and researchers engage with GenAI tools, the challenges of authorship and originality, and the evolving role of educators. The report concludes by emphasizing the need for universities to move beyond superficial solutions and develop thoughtful strategies for responsible AI integration. It calls for future research into inclusive and ethical uses of GenAI in academic contexts
Some Limitations of generative Artificial Intelligence in Solving Logical Problems
No full textČlánek se zabývá omezeními umělé inteligence při řešení klasických logických úloh, konkrétně úloh „Vlk, koza a zelí“ a „O třech kanibalech a třech misionářích“, včetně její modifikace „O čtyřech kanibalech a čtyřech misionářích“. Následně je analyzována schopnost jazykového modelu ChatGPT vyřešit tyto úlohy a jsou zdůrazněny obtíže, které AI má při dodržování logických pravidel a strategií. V analogii k těmto obtížím je zmíněn tzv. „Argument čínského pokoje“, který ilustruje limity algoritmických přístupů k problémům, které vyžadují hlubší porozumění a strategické myšlení. Na závěr je konstatováno, že přestože má AI s některými složitějšími logickými úlohami problémy, může být velmi efektivně využita pro zpracování a analýzu velkých objemů data.This article discusses the limitations of artificial intelligence in solving classic logical problems, specifically the problems "Wolf, Goat, and Cabbage" and "Three Cannibals and Three Missionaries," including their modification "Four Cannibals and Four Missionaries." The ability of the ChatGPT language model to solve these problems is analyzed, highlighting the difficulties that AI faces in adhering to logical rules and strategies. The article also discusses how the Chinese Room Argument illustrates the limits of algorithmic approaches to problems that require deeper understanding and strategic thinking. In conclusion, it points out that while AI can effectively process and analyze data, some complex logical tasks remain a challenge
Logaritmus ve výuce matematiky
No full textČlánek stručně charakterizuje genetický přístup ve výuce a ukazuje, jak by bylo možné tento přístup využít v případě zavedení pojmu logaritmus ve výuce matematiky na střední škole.
Out-Heroding Herod? — Author-trained GPTs and Original Works in the Perspective of Quantitative Linguistics
No full textCíle: Studie porovnává texty vytvořené modely GPT trénovanými na dílech významných českých autorů s literárními texty, které tito autoři skutečně napsali. Cílem je zjistit (1) zda mezi oběma typy textů existují rozdíly, a pokud ano, (2) v které jazykové oblasti jsou tyto rozdíly nejvýraznější. Metody: Pro trénink GPT byli zvoleni autoři Karel Čapek, Jaroslav Hašek, Franz Kafka a Vladislav Vančura. Korpus každého autora obsahuje 40 textových vzorků o délce 1 000 slov; 20 je generováno příslušným GPT a 20 převzato z původních děl. Byly provedeny dvě analýzy: první spočívalave výpočtu 30 morfologických, syntaktických a lexikálních markerů pro každý text, druhá vycházela z analýz nejfrekventovanějších prvků. Výsledky první analýzy byly testovány z hlediska statistické významnosti pomocí Mannova–Whitneyho U testu.
Výsledky: Chatboti nedokážou dobře zachytit hovorovost stylu a konverzační interakci a mají tendenci posilovat narativní charakter textu. Nejlepších výsledků je dosaženo u Karla Čapka, nejhorších u Franze Kafky. Stylometrické analýzy téměř vždy dokážou odlišit texty generované umělou inteligencí od textů lidských autorů.Závěry: Texty vytvářené GPT modely trénovanými na konkrétních autorech jsou stále velmi dobře rozlišitelné od textů skutečných spisovatelů. Z hlediska pedagogické praxe však mohou být chatboti využitelní při kritickém srovnávání s původními texty nebo s texty vytvářenými žáky a studenty.Goals: The paper compares texts created by GPT models trained on the works of prominent Czech authors and the pieces of literature they actually wrote. The goal is to find out (1) whether there are any differences between the two; and if so, (2) in what sphere of language these differences are the most prominent.
Methods: The authors used for building GPTs are Karel Čapek, Jaroslav Hašek, Franz Kafka, and Vladislav Vančura. The corpus contains 40 1,000-word text samples per each, 20 of them produced by the respective GPT and 20 taken from the original works. Two investigations are carried out – the first includes calculating 30 morphological, syntactic, and lexical markers for each text; the second is based on most-frequent-element analyses. The results of the first set are tested on statistical significance via Mann–Whitney U Test.
Results: The chatbots do not reflect colloquiality of style and conversation interaction very well, and tend to make texts more narrative. The best results are obtained for Karel Čapek, the worst for Franz Kafka. The stylometric analyses almost always distinguish the AI- and human-generated pieces of language.
Conclusions: The texts produced by the author-trained GPTs are still very well distinguishable from those produced by real writers
Exponenciální funkce v českých a švédských učebnicích a jejich využití v aplikačních úlohách
No full textCílem článku je analyzovat způsoby zavedení a využití exponenciální funkce v českých a švédských středoškolských učebnicích matematiky. Pozornost je věnována rozdílům v definici exponenciální funkce i způsobu práce s aplikačními úlohami, které tuto funkci propojují s reálnými situacemi. Studie ukazuje, že využití rozšířeného zápisu exponenciální funkce, běžného například ve švédských učebnicích, přináší větší flexibilitu při modelování reálných jevů, jako je růst populace, změna cen nebo biologické procesy. Součástí článku je výběr příkladů aplikačních úloh přeložených ze švédských materiálů, které mohou sloužit jako inspirace pro výuku matematiky na českých středních školách
Exponenciálna a logaritmická funkcia – objavovanie a argumentácia
No full textV článku uvádzame príklady úloh a prezentácie učiva o exponenciálnej a logaritmickej funkcii, ktoré obsahujú podnety pre žiacke objavovanie a argumentáciu. Pozornosť venujeme zvlášť pojmu exponenciálneho rastu a logaritmickej škály, viaceré úlohy využívajú vzťahy medzi grafom logaritmickej a exponenciálnej funkcie, resp. medzi grafmi exponenciálnych, resp. logaritmických funkcií s rôznym základom.
V článku uvádíme příklady úloh a prezentace učiva o exponenciální a logaritmické funkci, které obsahují podněty pro žákovské objevování a argumentaci. Pozornost věnujeme zvláště pojmu exponenciálního růstu a logaritmické stupnice, více úloh využívá vztahy mezi grafem logaritmické a exponenciální funkce, resp. mezi grafy exponenciálních (logaritmických) funkcí při různých základech
