Curriculum
- 9 Sections
- 73 Lessons
- Lifetime
Expand all sectionsCollapse all sections
- Podstawy pedagogiczne HyFlex Learning i FCLIntegracja nowych technologii cyfrowych w kształceniu zawodowym: Pedagogiczne i techniczne wykorzystanie rozszerzonej rzeczywistości (AR), wirtualnej rzeczywistości (VR), sztucznej inteligencji (AI) i narzędzi do cyfrowej produkcji w nauczaniu15
- 1.1Pedagogiczne podstawy nauczania HyFlex i FCL – Wprowadzenie
- 1.2Jak konstruktywizm znajduje zastosowanie w nauczaniu HyFlex
- 1.3Uczenie się przez doświadczenie (Kolb)
- 1.4Teoria uczenia się społecznego (Bandura)
- 1.5Uniwersalne projektowanie uczenia się (UDL)
- 1.6Pedagogiczne podstawy nauczania HyFlex
- 1.7Pedagogiczne podstawy FCL
- 1.8Scenariusz 1: Interakcja – szkolenie VR z programowania ramienia robotycznego (opartego na Arduino/ESP32)
- 1.9Scenariusz 2: Badanie – diagnostyka systemów mechatronicznych wspomagana przez AR
- 1.10Scenariusz 3: Tworzenie – niestandardowe części do robotyki drukowane w 3D
- 1.11Scenariusz 4: Wymiana – zdalnie sterowana robotyka IoT z wykorzystaniem ESP32 i interfejsów internetowych
- 1.12Scenariusz 5: Rozwój – konserwacja predykcyjna z wykorzystaniem czujników i Arduino
- 1.13Scenariusz 6: Prezentacja – interaktywna demonstracja robotyki z wykorzystaniem VR i komponentów drukowanych w 3D
- 1.14Wnioski
- 1.15Źródła
- Integracja nowych technologii cyfrowych w kształceniu zawodowym: Pedagogiczne i techniczne wykorzystanie rozszerzonej rzeczywistości (AR), wirtualnej rzeczywistości (VR), sztucznej inteligencji (AI) i narzędzi do cyfrowej produkcji w nauczaniu14
- 2.1Wprowadzenie do nowych technologii cyfrowych w kształceniu i szkoleniu zawodowym (VET)
- 2.2Rzeczywistość rozszerzona (AR) w VET
- 2.3Rzeczywistość wirtualna (VR) w VET
- 2.4Sztuczna inteligencja (AI) w edukacji
- 2.5Narzędzia cyfrowej fabrykacji w VET
- 2.6Strategie pedagogiczne integracji technologii
- 2.7Wyzwania i kwestie etyczne
- 2.8Ćwiczenie 1: Projektowanie mini-projektu z wykorzystaniem druku 3D
- 2.9Ćwiczenie 2: Tworzenie prototypu doświadczenia AR
- 2.10Ćwiczenie 3: Wykorzystanie AI do opracowania krótkiego filmu edukacyjnego
- 2.11Odniesienia wizualne do działań
- 2.12Źródła
- 2.13Wprowadzenie
- 2.14Ewaluacja modułu10 Questions
- Samouczek dotyczący instalacji LLM – DeepSeek w środowisku lokalnym14
- 3.12. Cele nauczani
- 3.24. Treści teoretyczne
- 3.34.1 Instalacja Ollamy
- 3.44.2 Instalacja DeepSeek
- 3.54.3 Instalacja platformy Docker
- 3.64.4 Instalacja Open WebUI
- 3.7Ćwiczenie 1: Instalowanie i konfigurowanie Ollamy
- 3.8Ćwiczenie 2: Pobierz i zainstaluj model DeepSeek-R1
- 3.9Działanie 3: Instalowanie i konfigurowanie programu Docker Desktop
- 3.10Działanie 4: Wdrażanie otwartego interfejsu WebUI przy użyciu platformy Docker
- 3.11Ćwiczenie 5: Testowanie funkcjonalności i rozwiązywanie problemów
- 3.126. Odnośniki wizualne (linki z youtube lub inne – co najmniej 2)
- 3.137. Bibliografia i linki
- 3.14Ocena modułu8 Questions
- IoT w praktyceTen moduł zawiera materiały dotyczące urządzeń wykorzystywanych w Internecie Rzeczy. Znajdują się tu materiały teoretyczne, głównie dotyczące płytek ESP i Raspberry Pi, a także praktyczne przykłady i narzędzia ewaluacyjne. 2. Cele edukacyjne Aby ukończyć ten moduł, student powinien znać: Podstawy elektrotechniki; Podstawy elektroniki; Podstawy programowania w języku C. Cele edukacyjne podczas pracy z modułem: Praca w zespole; Umiejętności czytania ze zrozumieniem i rozwiązywania problemów; Nauka i praca z płytkami deweloperskimi ESP i Raspberry Pi; Zapoznanie się z konfiguracją środowiska Home Assistant; Zapoznanie się z narzędziami takimi jak Alexa, Node-Red, ESP HOME, MQTT, chatbot i innymi i korzystanie z nich. 3. Szacowany czas trwania Teoretyczna treść modułu: Urządzenia ESP – 120 minut Urządzenia RASPBERRY PI – 120 minut Ćwiczenia praktyczne modułu: Ćwiczenie 1: HOME ASSISTANT – 240 minut Ćwiczenie 2: ALEXA – 90 minut Ćwiczenie 3: MQTT – 120 minut Ćwiczenie 4: CHATBOT – 90 minut Ewaluacja modułu – 30 minut Razem – 810 minut9
- Narzędzia generatywnej sztucznej inteligencji w kształceniu zawodowym (VET)2.Cele nauczania15
- 5.12. Cele kształcenia
- 5.24. Zawartość teoretyczna
- 5.34.1 Dlaczego generatywna sztuczna inteligencja ma znaczenie w kształceniu zawodowym (VET)
- 5.44.2 Podstawy generatywnej sztucznej inteligencji
- 5.54.3 Tekstowa GenAI (narzędzia typu ChatGPT) w nauczaniu zawodowym
- 5.64.4 Awatary AI i syntetyczne wideo (HeyGen) w edukacji zawodowej
- 5.74.5 Odpowiedzialne i krytyczne użytkowanie
- 5.84.6 Integracja w modelach HyFlex i FCL
- 5.9Zadanie 1: Pisanie ustrukturyzowanego promptu dla własnego przedmiotu zawodowego
- 5.10Zadanie 2: Tworzenie krótkiego filmu z awatarem AI w HeyGen
- 5.11Zadanie 3: Zapewnienie jakości z udziałem nauczyciela (Teacher-in-the-loop)
- 5.12Zadanie 4: Dopasowanie zastosowań GenAI do stref FCL we własnym przedmiocie
- 5.13Referencje wizualne
- 5.14Bibliografia i linki
- 5.15Ewaluacja modułu10 Questions
- Learning Situations & Templates0
- Flipped Classroom in VET and Digital Tools Resource Bank0
- Future Classroom Labs Design0
- Włączenie i Dostępność w VET11
- 9.1Włączenie w edukacji VET
- 9.2Uniwersalne Projektowanie Nauczania (UDL) w VET
- 9.3Strategie wspierania uczniów neuroróżnorodnych w edukacji VET
- 9.4Cyfrowe narzędzia dostępności
- 9.5Zadanie 1: Projektowanie inkluzywnych środowisk uczenia się w VET
- 9.6Zadanie 2: Zastosowanie zasad UDL w planie lekcji VET
- 9.7Zadanie 3: Tworzenie wizualnych i strukturalnych pomocy dydaktycznych
- 9.8Zadanie 4: Cyfrowy audyt dostępności materiałów online
- 9.9Zadanie 5: Projektowanie pomocy dydaktycznych przyjaznych osobom z autyzmem w VET
- 9.10Źródła
- 9.11Ewaluacja modułu8 Questions