PRIMENA VETAKE INTELIGENCIJE U PROCESU ODREIVANJA PROFESIONALNE ORIJENTACIJE

PRIMENA VEŠTAČKE INTELIGENCIJE U PROCESU ODREĐIVANJA PROFESIONALNE ORIJENTACIJE BUDUĆIH STUDENATA AUTORI: SRBISLAV STOJIĆ ALEKSANDAR VEKIĆ JELENA BOROCKI ANGELA FAJSI

• Termin veštačka inteligencija prvi je osmislio John Mc. Carty, 1956. godine • "Veštačka inteligencija podrazumeva teoriju i razvoj računarskih sistema sposobnih da izvršavaju zadatke koji inače zahtevaju ljudsku inteligenciju, kao što su vizuelna percepcija, prepoznavanje govora, donošenje odluka i prevod između jezika" - English Oxford Living Dictionaries • U razvoj veštačke inteligencije se ulaže iz tri objektivna razloga: 1. Izgradnja sistema koji razmišlja isto kao i čovek ("jaka veštačka inteligencija") 2. Izgradnja sistema koji radi bez oslanjanja na način na koji ljudsko rasuđivanje funkcioniše ("slaba veštačka inteligencija") 3. Korišćenje ljudskog rasuđivanja kao modela, ali ne nužno kao krajnjeg cilja

VEŠTAČKA INTELIGENCIJA I NJENE PODOBLASTI

Neke od primena veštačke inteligencije u sferi obrazovanja: • Poboljšanje sistema ocenjivanja • Automatizacija nastavnog procesa • Dostizanje višeg stepena kvaliteta u kreiranju i akreditaciji studijskih programa • Uspostavljanje efikasnog sistema selekcije budućih studenata od strane obrazovnih ustanova • Sveobuhvatno praćenje uspeha studenata tokom studija

Pri procesu selekcije studenata na nekim od najprestižnijih svetskih univerziteta posmatraju se: • Kao primaran kriterijum, uspeh postignut tokom dosadašnjeg obrazovanja budućeg studenta • Neakademsko interesovanje studenta • Sekcije ili organizacije kojih je student bio član • Porodično stanje • Dobro napisano motivacioni pismo

Univerzitet u Oklahomi je odličan primer potencijala softvera zasnovanog na konceptima veštačke inteligencije. 2015. godine je na fakultetu implementiran softver "IBM Watson", program zadužen za analizu nestruktuiranih podataka kao što su studentski eseji i dr. Rezultat projekta je pokazao potencijal veštačke inteligencije. Od ukupnog broja studenata koji su upisali studije, njih oko 65% se vratilo nakon završene prve godine – podaci iz 2013. Nakon upotrebe softvera, taj procenat je porastao na 92. 1% - podaci iz 2017.

• U Republici Srbiji upis studenata na visokoškolske ustanove precizno je definisan Zakonom o visokom obrazovanju. • Radi statističkih podataka, država, putem ŠV obrasca, prati obeležja studentske populacije. • Fakulteti, radi sopstvenih potreba, prikupljaju podatke o celokupnom procesu studiranja svakog studenta.

• Podaci popisa iz 2011. godine ukazuju na nizak procenat visokoobrazovanog stanovništa u Republici Srbiji, samo 10. 59%. • Procenat učenika koji pokazuju interesovanje da nastave školovanje nakon završene srednje škole prelazi 80%, što je obećavajući podatak. • Sa druge strane, nailazi se na problem uspešnosti završetka studija.

• Sistemi bazirani na primeni veštačke inteligencije preuzimaju primat u raznim oblastima industrije. • Prikupljanje dovoljne količine podataka radi učenja veštačkih neuronskih mreža. • Kvalitetan algoritam je neprocenjiv. • Obratiti pažnju na nestruktuirane podatke, ne samo na forme i obrasce. • Psihološki profili studenata bi mogli da budu dobra osnova. • Praćenje celokupnog procesa studiranja kako bi se uvideli šabloni koji mogu da ukažu na potencijalne probleme.

HVALA NA PAŽNJI!