2. Dobre prakse in primeri iz razreda (vse)

2.1 Uvod

2.2 Biologija: simulacije Vibe Coding pri pouku

Dinamika plenilec–plen (model Lotka–Volterra)

Predmet: biologija · Razred: 9. razred (14–15 let) · Trajanje: ena dvojna ura (90 min) · UI: učenje Z UI

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

AF-TL-2b

(Temelji UI in njihova uporaba × Poučevanje in učenje, raven 2 – reflektirano izvajanje):

»Učitelji lahko organizirajo elemente učne ure, ki vključujejo uporabo UI z jasnimi pedagoškimi vlogami in strategijami za preverjanje elementov izhoda.«

AF-FC-2b

(Temelji UI in njihova uporaba × Spodbujanje digitalne kompetence učencev na področju UI, raven 2 – reflektirano izvajanje):

»Učitelji lahko izvajajo usmeritve, ki učencem pomagajo razvijati praktične veščine UI, pri čemer naloge prilagajajo predznanju učencev in razpoložljivim orodjem UI.«

Ob koncu ure učenci znajo:

  • opisati ključne spremenljivke (populacija plena, populacija plenilcev) in parametre (stopnja rasti, stopnja plenjenja, učinkovitost pretvorbe, stopnja umrljivosti) modela Lotka–Volterra;
  • oblikovati in preizkusiti hipoteze o dinamiki populacij z interaktivno simulacijo;
  • razširiti obstoječo simulacijo z dodatnimi plastmi ekološke kompleksnosti (npr. kapaciteta okolja, druga vrsta, sezonski dejavnik) tako, da za jezikovni model UI napišejo strukturirane pozive (prompte);
  • kritično ovrednotiti predpostavke in omejitve modela (narava znanosti), vključno s tem, zakaj lahko uvedba naključnosti ali dodatnega dejavnika model destabilizira.

Sporočilo za s seboj: Učenci ne potrebujejo kodiranja od začetka. Branje in preizkušanje obstoječe simulacije, nato pa uporaba jezikovnega modela (LLM) za dodajanje ene plasti ekološke realnosti naenkrat, zadostuje za pristno razumevanje dinamičnega biološkega modela – in prej ali slej za to, da učenci sami odkrijejo, kje natanko ta model doseže svoje meje.

Vibe-Coding SImulations.png

Slika 1. Slika, ustvarjena z ChatGPT (GPT Image 2), 27. avgust 2026.

Vsebina

Matematični modeli in računalniške simulacije so še posebej dragoceno orodje v ekologiji, saj lahko zelo kompleksne sisteme izrazijo z matematičnimi enačbami. To omogoča izvajanje poskusov in silico ter preizkušanje hipotez na modelu v primerih, ko bi bil resničen poskus predrag, prepočasen, etično sporen ali naravnost nevaren. Manipuliranje z resnično populacijo plenilcev je na primer le redko mogoče. Hkrati pa je vsak model nujno poenostavitev resničnosti in prav v tem so njegove šibkosti: resnični ekosistemi so veliko bolj kompleksni, kot jih lahko kateri koli model v celoti zajame.

Model Lotka–Volterra je klasičen primer takšne poenostavitve, uporabljene za dinamiko plenilec–plen. Sistem predstavi z dvema stanjskima spremenljivkama (velikost populacije plena in plenilcev) ter štirimi parametri (naravna stopnja rasti plena, koeficient stopnje plenjenja, stopnja razmnoževanja plenilcev na zaužiti plen in stopnja umrljivosti plenilcev). Ob svojih idealiziranih predpostavkah model napove trajne, periodične oscilacije, pri katerih spremembe v populaciji plenilcev zaostajajo za spremembami v populaciji plena. To vedenje izhaja iz povratne zanke: ko se populacija plena poveča, imajo plenilci na voljo več hrane, kar omogoči rast populacije plenilcev. Povečano plenjenje nato povzroči upad populacije plena, kar zmanjša vir hrane za plenilce in vodi v upad njihove populacije. Ko je plenilcev manj, si populacija plena lahko opomore, cikel pa se ponovno začne.

Da bi dosegel ta čisti cikel, model temelji na več močnih predpostavkah. Je determinističen (enake začetne vrednosti vedno ustvarijo popolnoma enako krivuljo); je zaprt dvovrstni sistem, ki izključuje vsak abiotski dejavnik (temperatura, padavine, letni čas) in vsak drug biotski dejavnik (rastline, ki so hrana plenu, tretja vrsta, bolezen); poleg tega je rast vsake populacije odvisna izključno od velikosti druge populacije.

Resnične populacije le redko izpolnjujejo te predpostavke. Rojstva, smrti in srečanja so odvisni od naključja, stohastična (naključna) različica istega modela pa se pogosto oddalji od čistega cikla in lahko celo propade (npr. populacija plenilcev izumre) v primerih, ko deterministična različica napove stabilno nihanje. Podobno pogosto zadostuje že dodatek enega samega manjkajočega dejavnika (npr. rast, odvisna od temperature, ali omejitev lastnega vira hrane za plen), da se čisti dvospremenljivkovni cikel poruši. To ni pomanjkljivost, ki bi jo bilo treba skrivati pred učenci – gre za osrednjo lekcijo o naravi znanosti v tej dejavnosti. Model je lahko resnično uporaben, hkrati pa je namerno ozka približna predstavitev resničnosti, njegova dobra uporaba pa pomeni natančno poznavanje dejavnikov, ki jih izpušča. V glavni dejavnosti te učne ure učenci to odkrijejo sami, ko poskušajo dodati prav takšne dejavnike.

Učni načrt

Faza Čas Dejavnost
Uvod 8 min Učitelj pokaže neoznačen graf resničnih podatkov o razmerju plenilec–plen (npr. ris/zajec); učenci opišejo vzorec in oblikujejo prve hipoteze.
Vhodne informacije 12 min Učitelj s preprostim diagramom predstavi spremenljivke in parametre modela (diferencialne enačbe niso potrebne).
Raziskovanje 15 min Učenci v parih preizkusijo svoje hipoteze na vnaprej pripravljeni HTML-simulaciji in zapišejo svoja opažanja.
Prilagajanje 35 min V parih učenci izvedejo 2–3 kroge napoved → poziv → preizkus → diagnoza (vodilna vprašanja spodaj), pri čemer vsakič od LLM zahtevajo, da simulaciji doda še eno plast ekološke realnosti (omejitev vira hrane za plen, drugo vrsto, sezonski/abiotski dejavnik), dokler se čisti dvospremenljivkovni cikel vidno ne poruši.
Refleksija 20 min Razprava s celotnim razredom, voditi jo je mogoče z vprašanji, kot so: V katerem krogu je simulacija prenehala ustvarjati čist, ponavljajoč se cikel? Kaj izvirni model namerno izpušča in zakaj? Zaradi česa je koristna poenostavitev in ne zgolj napačna predstavitev?

Vodilna vprašanja: dodajanje plasti kompleksnosti

Pari v 35 minutah izvedejo toliko krogov, kot dopušča čas (večina jih obvlada dva; tretji je dodatna naloga za tiste, ki končajo prej). Vsak krog sledi istemu štiristopenjskemu ciklu:

  1. Krog 1 – omejitev vira hrane za plen (kapaciteta okolja):
    • Napoved: Preden začnete oblikovati poziv, se vprašajte: kaj pričakujete, da se bo zgodilo s ciklom, če se bo rast plena upočasnila, ko bo populacija velika, namesto da bi rasla neomejeno? Skicirajte pričakovano krivuljo.
    • Poziv: UI naročite, naj v simulacijo doda največjo trajnostno populacijo plena in s svojimi besedami razloži, kako je zaradi tega spremenila enačbo rasti.
    • Preizkus in primerjava: Zaženite novo simulacijo z enakimi začetnimi vrednostmi kot prej. Primerjajte prejšnjo simulacijo z novo: kako so se spremenile spremenljivke? Zakaj je tako?
    • Diagnoza: Katero predpostavko izvirnega modela (neomejena hrana za plen) ste pravkar odstranili? Je ta dejavnik biotski ali abiotski?
  2. Krog 2 – dodajanje novega (biotskega ali abiotskega) dejavnika:
    • Napoved: Če zdaj s plenom za hrano tekmuje tretja vrsta, ga tudi lovi, ali pa je rast plena odvisna od temperature – kaj pričakujete, da se bo zgodilo z izvirnim dvovrstnim ciklom?
    • Poziv: Izberite drug dejavnik in napišite poziv, s katerim UI prosite, naj ga doda kot novo spremenljivko, povezano z obstoječimi – natančno določite, kako naj vpliva na populacijo plena ali plenilcev.
    • Preizkus in primerjava: Opazujte simulacijo skozi več ciklov. Ali izvirni dvovrstni ritem preživi, se popači ali izgine?
    • Diagnoza: Izvirni model je predpostavljal, da je vsaka populacija odvisna zgolj od druge. Ali to še vedno drži po tem krogu? Kateremu resničnemu ekološkemu razmerju ustreza vaš novi dejavnik?
  3. Dodatni krog 3 – uvedba naključnosti:
    • Napoved: Če en parameter (npr. stopnja plenjenja) ni več fiksen, temveč se ob vsakem časovnem koraku naključno izbere znotraj razpona, kaj pričakujete za dolgoročno stabilnost populacij?
    • Poziv: UI naročite, naj eno konstantno vrednost parametra nadomesti z naključno vrednostjo in naj beleži, ali katera od populacij doseže vrednost nič.
    • Preizkus in primerjava: Simulacijo zaženite večkrat z enakimi nastavitvami. Ali vsakič dobite enak rezultat? Ali katera od populacij kdaj izumre?
    • Diagnoza: Zakaj lahko enake »povprečne« vrednosti parametrov tu včasih pripeljejo do izumrtja, medtem ko deterministični model tega nikoli ni napovedal?

Zaključno vprašanje (za fazo refleksije): V katerem krogu je simulacija prenehala ustvarjati čist, ponavljajoč se cikel – in kaj vam to pove o tem, koliko resničnih dejavnikov mora izvirni model Lotka–Volterra izpustiti, da ostane rešljiv in enostaven za razlago?

Gradiva

2.3 Angleščina kot tuji jezik

Komunikacijska ustreznost v angleščini

Predmet: angleščina kot tuji jezik · Razred: 9. razred (14–15 let) · Trajanje: ena dvojna ura (90 min) · UI: učenje Z UI

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

AF-TL-2b

(Temelji UI in njihova uporaba × Poučevanje in učenje, raven 2 – reflektirano izvajanje):

»Učitelji lahko organizirajo elemente učne ure, ki vključujejo uporabo UI z jasnimi pedagoškimi vlogami in strategijami za preverjanje elementov izhoda.«

AF-FC-2b

(Temelji UI in njihova uporaba × Spodbujanje digitalne kompetence učencev na področju UI, raven 2 – reflektirano izvajanje):

»Učitelji lahko izvajajo usmeritve, ki učencem pomagajo razvijati praktične veščine UI, pri čemer naloge prilagajajo predznanju učencev in razpoložljivim orodjem UI.«

Ob koncu ure učenci znajo:

  • razlikovati med slovnično pravilno in kontekstualno ustrezno angleščino;
  • prepoznati razlike v besedišču, tonu in registru glede na komunikacijsko situacijo;
  • oblikovati strukturirane pozive, ki določajo naslovnika, namen, kontekst, jezikovno raven in ton;
  • primerjati jezik, ki ga ustvari UI, ter prepoznati neustrezne ali nenaravne formulacije;
  • popraviti jezik, ki ga ustvari UI, na podlagi lastne jezikovne presoje;
  • preveriti, ali odgovor, ki ga ustvari UI, sledi zahtevam, navedenim v pozivu.

Sporočilo za s seboj: UI lahko ustvari tekočo in slovnično pravilno angleščino, vendar to samodejno ne pomeni, da je jezik naraven ali ustrezen za določeno situacijo. S spreminjanjem naslovnika, namena in konteksta pogovora, ki ga ustvari UI, se učenci naučijo vrednotiti predloge UI in pri končnih odločitvah uporabiti lastno jezikovno znanje.

ChatGPT Image Sep 1, 2026 at 03_17_43 PM.png

Slika 1. Slika, ustvarjena z ChatGPT (GPT Image 2), 1. september 2026.

Vsebina

Uspešno sporazumevanje v tujem jeziku zahteva več kot le tvorjenje slovnično pravilnih stavkov. Govorci nenehno prilagajajo besedišče, stavčno zgradbo, vljudnost in ton glede na naslovnika, namen in kontekst sporazumevanja. Isto namero je zato mogoče izraziti na zelo različne načine, odvisno od tega, kdo komu govori. Prošnja, naslovljena na dobrega prijatelja, je lahko kratka in neformalna, medtem ko ista prošnja, naslovljena na učitelja, delodajalca ali neznano osebo, običajno zahteva drugačno besedišče, bolj vljudne strukture in drugačno stopnjo formalnosti. Te razlike so del registra, ki opisuje, kako se jezik spreminja glede na družbeno in komunikacijsko situacijo.

Za učence tujega jezika je register lahko težko prepoznati, saj je stavek lahko slovnično pravilen, a hkrati zveni nenaravno ali neustrezno v določenem kontekstu. Učbeniški primeri pogosto ponujajo jasne razlike med formalnim in neformalnim jezikom, medtem ko je resnično sporazumevanje veliko bolj prilagodljivo. Starost, odnos med govorci, kulturna pričakovanja, medij sporazumevanja in namen sporočanja lahko vsi vplivajo na uporabljeni jezik. Sporočilo, ki zveni naravno v pogovoru med najstniki, na primer lahko zveni preveč neformalno v e-pošti učitelju, medtem ko izraz, primeren za formalno pismo, lahko v vsakdanjem pogovoru zveni nepotrebno oddaljen.

Generativna UI lahko zelo hitro ustvarja in prilagaja dialoge, zato je uporabna za raziskovanje teh razlik. S spreminjanjem posameznih elementov poziva, na primer odnosa med govorci, jezikovne ravni, namena ali stopnje formalnosti, lahko učenci ustvarijo več različic iste komunikacijske situacije in primerjajo, kako se jezik spreminja. Hkrati jezik, ki ga ustvari UI, ni samodejno zanesljiv le zato, ker zveni tekoče. Model lahko ustvari jezik, ki je preveč formalen, ponavljajoč, kulturno neroden, neskladen z zahtevano ravnjo ali ne v celoti usklajen z navodili iz poziva. Generativna UI deluje tudi verjetnostno, kar pomeni, da lahko podobni pozivi ustvarijo različne formulacije.

Ta omejitev je osrednji del dejavnosti in ne nekaj, kar bi bilo treba pred učenci skrivati. UI postane najbolj koristna, ko učenci njen izpis obravnavajo kot jezikovno gradivo za analizo in ne kot odgovor, ki ga je treba sprejeti. V tej učni uri učenci najprej preučijo, kako se register spreminja glede na komunikacijski kontekst, nato pa z jezikovnim modelom (LLM) vsakič spremenijo eno komunikacijsko spremenljivko. Primerjajo nastale dialoge, prepoznajo, katere jezikovne izbire delujejo in katere ne, ter del izpisa popravijo sami. Na ta način učenci vadijo tako komunikacijsko kompetenco v angleščini kot praktično pismenost na področju UI: dajanje jasnih navodil, preverjanje, ali so bila ta navodila upoštevana, ter uporabo lastne jezikovne presoje pri odločanju, ali je končni rezultat ustrezen.

Učni načrt

Faza Čas Dejavnost
Uvod 10 min Učitelj pokaže dve kratki sporočili, ki sporočata isto prošnjo, na primer eno, naslovljeno na prijatelja, in drugo, naslovljeno na učitelja. Učenci prepoznajo razlike v besedišču, vljudnosti in tonu ter predlagajo, kdo bi lahko napisal posamezno sporočilo.
Vhodne informacije 10 min Učitelj predstavi pojme naslovnik, namen, kontekst in register. Učenci skupaj prepoznajo značilnosti formalne in neformalne angleščine ter razpravljajo o tem, zakaj slovnično pravilen jezik ni nujno tudi ustrezen jezik.
Raziskovanje 15 min Učenci v parih preučijo kratek dialog za vsakdanjo situacijo, ki ga je ustvarila UI. Prepoznajo uporabne izraze in označijo vse, kar zveni nenaravno, preveč formalno, preveč neformalno ali neprimerno za njihovo raven angleščine.
Prilagajanje 35 min Učenci izvedejo 2–3 kroge napoved → poziv → primerjava → diagnoza. V vsakem krogu spremenijo en vidik komunikacijskega konteksta in UI prosijo, naj dialog prilagodi.
Refleksija 20 min Učenci primerjajo svoje različice in razpravljajo, katere spremembe so najbolj vplivale na jezik. Prepoznajo, kje je UI dobro sledila navodilom, kje ne, in katere izraze bi sami spremenili.

Vodilna vprašanja: dodajanje plasti kompleksnosti

Pari v 35-minutni fazi prilagajanja izvedejo toliko krogov, kot dopušča čas. Večina parov naj bi zaključila dva kroga, tretji pa je lahko dodatna naloga:

  1. Krog 1 – sprememba odnosa med govorci:
    • Napoved: Predstavljajte si, da je ista prošnja naslovljena na dobrega prijatelja in na učitelja. Kaj pričakujete, da se bo spremenilo? Pomislite na besedišče, pozdrave, stavčno zgradbo in vljudnost.
    • Poziv: UI naročite, naj dialog prepiše za drugačen odnos med govorci.

      Na primer:

      Prepiši ta pogovor med dvema prijateljema kot pogovor med učencem in učiteljem. Ohrani enak pomen, vendar uporabi vljudno, naravno angleščino, primerno za učenca na ravni B1.

    • Primerjava: Primerjajte izvirni in novi dialog. Prepoznajte vsaj tri jezikovne spremembe.
    • Diagnoza: Ali je UI spremenila le posamezne besede ali tudi stavčno zgradbo, pozdrave, prošnje in zaključne izraze? Katere spremembe so ustrezne? Ali je kaj, kar bi sami spremenili?
  2. Krog 2 – sprememba komunikacijskega namena:

    Učenci zdaj spremenijo, kaj želi doseči eden od govorcev. Na primer:

    iskanje informacij → vložitev pritožbe

    sprejetje povabila → vljudna odklonitev

    prošnja za pomoč → prošnja za dovoljenje

    neformalni pogovor → formalna prošnja

    • Napoved: Kateri jezik pričakujete, da se bo spremenil, ko se spremeni namen pogovora?
    • Poziv: Ustvarite podrobnejši poziv, ki vključuje: govorca + situacijo + namen + jezikovno raven + ton

      Na primer:

      Ustvari kratek dialog na ravni B1 med stranko in uslužbencem kavarne. Stranka je prejela napačno naročilo in želi težavo rešiti vljudno. Uporabi naravno vsakdanjo angleščino in dialog omeji na osem vrstic.

    • Primerjava: Preverite, ali ustvarjeni dialog sledi vsakemu delu navodila.
    • Diagnoza: Izberite en izraz, ki dobro deluje, in enega, ki bi ga prepisali. Pojasnite zakaj.
  3. Dodatni krog 3 – dodajanje omejitev in izziv za UI:

    Učenci svoja navodila naredijo bolj natančna.

    Na primer:

    Prepiši pogovor za dva 15-letnika. Angleščino ohrani na ravni B1. Naj bo prijazna in naravna, vendar se izogibaj slengu. Ohrani enak komunikacijski namen.

    • Napoved: Kateri deli prejšnjega dialoga se bodo po vašem mnenju spremenili?
    • Poziv: UI naročite, naj ustvari popravljeno različico.
    • Primerjava: Preverite odgovor glede na vsako zahtevo v pozivu.
    • Diagnoza: Katerim navodilom je UI uspešno sledila? Katera je prezrla ali razumela drugače?

Zaključno vprašanje (za fazo refleksije): V kateri točki je sprememba komunikacijske situacije zahtevala več kot le zamenjavo nekaj besed, in kaj vam to pove o učinkovitem sporazumevanju v drugem jeziku?

Nadaljujte z: Če je dialog, ki ga ustvari UI, slovnično pravilen, kako se lahko odločite, ali je dejansko ustrezen in naraven za to konkretno situacijo?

Gradiva

2.X Medpredmetno: Načrtovanje učnih ur s pomočjo UI

Načrtovanje pouka s pomočjo UI

Predmet: strokovni razvoj učiteljev · Ciljna skupina: učitelji · Trajanje: ena delavnica (90 min) · UI: poučevanje Z UI

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

AF-DR-2b

(Temelji UI in njihova uporaba × Digitalni viri, raven 2 – reflektirano izvajanje):

»Učitelji lahko izvajajo strategije oblikovanja pozivov, ponavljanja in izpopolnjevanja za pridobitev uporabnih virov, ustvarjenih z UI.«

AF-TL-2b

(Temelji UI in njihova uporaba × Poučevanje in učenje, raven 2 – reflektirano izvajanje):

»Učitelji lahko organizirajo elemente učne ure, ki vključujejo uporabo UI z jasnimi pedagoškimi vlogami in strategijami za preverjanje elementov izhoda.«

Ob koncu delavnice udeleženci znajo:

  • oblikovati strukturiran poziv za ustvarjanje učne dejavnosti na svojem predmetnem področju;
  • ovrednotiti dejavnost, ki jo ustvari UI, glede na pedagoško relevantnost, točnost in ustreznost za ciljno skupino;
  • prepoznati elemente gradiva, ustvarjenega z UI, ki zahtevajo človeško preverjanje ali prilagoditev;
  • izboljšati začetni izpis UI s pomočjo oblikovanja pozivov, ponavljanja in ročnega popravljanja;
  • vključiti UI v učno uro ob ohranjanju jasne pedagoške vloge učitelja in učenca.

Sporočilo za s seboj: Generativna UI lahko pospeši pripravo učne ure, vendar uporabna učna dejavnost redko nastane iz enega samega poziva. Učinkovito načrtovanje pouka s podporo UI je iterativen proces, v katerem učitelj opredeli pedagoški cilj, ustvari zamisli, ovrednoti izpis, ga izpopolni in sprejme končne strokovne odločitve.

ChatGPT Image Sep 1, 2026 at 04_27_24 PM.png

Slika 1. Slika, ustvarjena z ChatGPT (GPT Image 2), 1. september 2026.

Vsebina

Generativna UI lahko učiteljem pomaga pri številnih nalogah, povezanih s pripravo pouka, vključno z ustvarjanjem zamisli za dejavnosti, prilagajanjem gradiv različnim skupinam učencev, pripravo primerov in vprašanj ali predlaganjem alternativnih načinov razlage teme. Latvijska študija primera Datorium prikazuje ta praktični pristop k razvoju kompetenc učiteljev na področju UI: učitelji se najprej seznanijo z UI in njeno uporabo v izobraževanju, nato pa preidejo k praktičnemu eksperimentiranju, načrtovanju pouka, ocenjevanju in razvoju diferenciranih gradiv. Uporabi v razredu sledita refleksija in povratna informacija, zaradi česar uporaba UI postane del iterativnega procesa strokovnega učenja in ne enkratna tehnična vaja.

Uporabnost generativne UI za načrtovanje pouka je močno odvisna od informacij in omejitev, ki jih poda učitelj. Zahteva, kot je »Ustvari učno uro o podnebnih spremembah«, prepusti večino pedagoških odločitev sistemu UI. Bolj strukturiran poziv lahko določi predmet, starost učencev, predznanje, učni cilj, trajanje, učno metodo, razpoložljiva sredstva in pričakovan izdelek učencev. Dodajanje teh elementov ne zagotavlja dobre učne ure, vendar učitelju daje večji nadzor nad tem, kaj UI ustvari, in olajša vrednotenje nastalega gradiva glede na predvideni učni cilj.

Tudi podroben poziv lahko ustvari gradivo, ki je vsebinsko netočno, pedagoško šibko, nerealno glede na razpoložljiv čas pouka ali neprimerno za določeno skupino učencev. UI lahko predlaga dejavnosti, ne da bi upoštevala dinamiko razreda, predpostavi vire, ki niso na voljo, ustvari naloge, ki dejansko ne merijo navedenega učnega cilja, ali ponudi vsebino, ki deluje prepričljivo, a zahteva vsebinsko preverjanje. Zato je treba izobraževalno gradivo, ustvarjeno z UI, obravnavati kot osnutek in ne kot dokončan učni pripomoček.

Osrednji učni proces v tej dejavnosti torej ni zgolj učenje, kako napisati »dober poziv«. Učitelji delajo skozi ponavljajoč se cikel opredelitev → poziv → vrednotenje → izpopolnitev → preverjanje. Začnejo z resničnim učnim ciljem iz lastnega pedagoškega konteksta, uporabijo UI za predlog dejavnosti, rezultat ovrednotijo glede na pedagoška merila, po potrebi izpopolnijo poziv in na koncu naredijo lastne spremembe, preden je dejavnost pripravljena za uporabo v razredu. To odraža poudarek študije primera Datorium na praktičnem eksperimentiranju, sooblikovanju, uporabi v razredu in refleksiji, hkrati pa ohranja pedagoško odgovornost in potrjevanje pri učitelju.

Učni načrt

Faza Čas Dejavnost
Uvod 10 min Udeleženci opredelijo eno nalogo pri pripravi pouka, pri kateri bi UI lahko bila koristna. Voditelj predstavi UI kot pomočnico/sooblikovalko in ne kot samostojno oblikovalko pouka.
Vhodne informacije 15 min Udeleženci primerjajo preprost poziv s strukturiranim izobraževalnim pozivom in preučijo, kako dodaten kontekst spremeni ustvarjeno učno dejavnost.
Raziskovanje 15 min Vsak udeleženec izbere resničen učni cilj s svojega predmetnega področja in od LLM zahteva kratko dejavnost za razred, ki ta cilj naslavlja.
Prilagajanje 35 min Udeleženci izvedejo dva ali tri kroge poziv → vrednotenje → izpopolnitev → preverjanje, pri čemer postopoma dodajajo pedagoške omejitve in preverjajo nastalo dejavnost.
Refleksija 25 min Udeleženci primerjajo svoj prvotni izpis UI s končno različico, pripravljeno za razred, in prepoznajo, katere izboljšave izhajajo iz oblikovanja pozivov in katere so zahtevale njihovo lastno strokovno presojo.

Vodilna vprašanja: od izpisa UI do dejavnosti, pripravljene za razred

  1. Krog 1 – opredelitev pedagoškega namena:

    Preden oblikujete poziv za UI, opredelite:

    • Kdo so učenci?
    • Kaj naj bi znali ali zmogli narediti?
    • Kakšno predznanje imajo?
    • Koliko časa je na voljo?
    • Kaj naj učenci dejansko počnejo med dejavnostjo?

    Ustvarite začetno dejavnost in jo primerjajte s predvidenim učnim ciljem.

    • Diagnoza: Ali dejavnost učencem dejansko pomaga doseči cilj ali se le nanaša na isto temo?
  2. Krog 2 – dodajanje razrednih omejitev:

    Izpopolnite poziv tako, da dodate realistične pogoje, kot so velikost razreda, razpoložljiva gradiva, trajanje ure, raven učencev, učna metoda ali zahteve glede dostopnosti.

    Ustvarite popravljeno dejavnost in jo primerjajte s prvo različico.

    Primerjava: Preverite, ali ustvarjeni dialog sledi vsakemu delu navodila.

    • Diagnoza: Katere spremembe so izboljšale dejavnost? Katerih razrednih pogojev UI še vedno ni upoštevala?
  3. Dodatni krog 3 – preverjanje in ponovni prevzem nadzora:

    Ovrednotite končno dejavnost, ki jo je ustvarila UI, glede na:

    • vsebinsko točnost;
    • skladnost z učnim ciljem;
    • ustreznost za skupino učencev;
    • realen časovni okvir;
    • jasnost navodil;
    • dostopnost in vključenost;
    • vlogo učitelja in učenca.

    Udeleženci nato naredijo vsaj eno ročno spremembo, ne da bi za popravek prosili UI.

    Končna primerjava torej ni »Kateri poziv je ustvaril najboljši odgovor UI?«, temveč »Kaj je moral učitelj prispevati, da je zamisel, ustvarjeno z UI, spremenil v uporabno učno dejavnost?«

Zaključno vprašanje (za fazo refleksije): V kateri točki je dejavnost, ustvarjena z UI, zahtevala več kot le izboljšanje poziva, in kaj vam to pove o vlogi učitelja pri načrtovanju pouka s podporo UI?

Nadaljujte z: Če se učna dejavnost, ki jo je ustvarila UI, zdi popolna in dobro strukturirana, kako se lahko odločite, ali je dejansko pedagoško ustrezna in pripravljena za uporabo z učenci?

Gradiva

2.4 Zgodovina: rekonstrukcija preteklosti

En dan v srednjeveški Rigi: kaj nam viri resnično lahko povedo?

Predmet: zgodovina · Ciljna skupina: 7. razred (13–14 let) · Trajanje: ena dvojna ura · UI: učenje Z UI

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

AF-TL-2b

(Temelji UI in njihova uporaba × Poučevanje in učenje, raven 2 – reflektirano izvajanje):

»Učitelji lahko organizirajo elemente učne ure, ki vključujejo uporabo UI z jasnimi pedagoškimi vlogami in strategijami za preverjanje elementov izhoda.«

AF-FC-2b

(Temelji UI in njihova uporaba × Spodbujanje digitalne kompetence učencev na področju UI, raven 2 – reflektirano izvajanje):

»Učitelji lahko izvajajo usmeritve, ki učencem pomagajo razvijati praktične veščine UI, pri čemer naloge prilagajajo predznanju učencev in razpoložljivim orodjem UI.«

Ob koncu ure učenci znajo:

  • pridobiti informacije o srednjeveškem mestnem življenju iz pisnih, vizualnih in arheoloških virov;
  • razlikovati med dokazom, razumnim sklepom in ugibanjem;
  • pojasniti vidike trgovine, obrti in vsakdanjega življenja v srednjeveški Rigi;
  • povezati dokaze iz več virov v zgodovinsko rekonstrukcijo;
  • oblikovati pozive, ki od UI zahtevajo, da izhaja iz predloženih zgodovinskih dokazov;
  • analizirati informacije, da razumejo pomen zanesljivih virov.

Sporočilo za s seboj: Kar je prikazano, ni nujno tisto, kar se je zgodilo. Zgodovinske rekonstrukcije združujejo dokaze, razumne sklepe in ugibanje. Razumeti preteklost pomeni prepoznati razliko med tem, kar vemo iz virov, tem, kar lahko razumno sklepamo, in tem, kar si je nekdo izmislil, da bi zapolnil vrzeli in povedal boljšo zgodbo.

ChatGPT Image Sep 2, 2026 at 01_30_35 PM.png

Slika 1. Slika, ustvarjena z ChatGPT (GPT Image 2), 2. september 2026.

Vsebina

Zgodovinarji ne morejo neposredno opazovati vsakdanjega življenja v srednjem veku. Namesto tega ga rekonstruirajo iz sledi, ki so jih pustili ljudje: pisnih dokumentov, stavb, predmetov, podob, arheoloških najdb in drugih dokazov. Različni viri odgovarjajo na različna vprašanja. Trgovinski zapis lahko razkrije, katero blago je prihajalo v mesto, medtem ko nam arheološki predmet lahko pove nekaj o tem, kaj so ljudje imeli ali uporabljali. Noben posamezen vir ne more sam obnoviti celotnega dneva v nekogaršnjem življenju.

Srednjeveška Riga je uporaben študijski primer. Riga se je hitro razvijala po začetku 13. stoletja in postala pomembno središče, ki je povezovalo trgovino med zahodno Evropo, Livonijo in deželami dlje na vzhodu. Do poznega 13. stoletja je postala pomembno hanzeatsko trgovsko mesto. Trgovina in obrt sta podpirali rast trgovskih in obrtniških organizacij, kot so bili cehi.

Sodobni mediji lahko preteklost prikažejo veliko bolj popolno, kot to dejansko dopuščajo ohranjeni dokazi. Zgodovinske vsebine, ustvarjene z UI, kot je Chloe VS History, na primer prikazujejo živahne prizore »potovanja skozi čas«, v katerih se zdi, da gledalci obiščejo zgodovinska prizorišča, kot je London med veliko kugo. Oblačila, ulice, stavbe, ljudje in vsakdanje dejavnosti so predstavljeni, kot da bi jih neposredno opazovali. Vendar so ti prizori rekonstrukcije: nekateri podatki lahko temeljijo na zgodovinskih dokazih, nekateri so lahko razumni sklepi, drugi pa so lahko ugibanje ali netočni.

Enaka težava se pojavi tudi v zgodovinskih filmih. Film Vitez iz mesta (A Knight's Tale) ustvari prepoznavno srednjeveški svet z oklepi, turnirji, oblačili, arhitekturo in družbenimi vlogami, hkrati pa namerno vnaša sodobno glasbo, jezik in vedenje. Zato je koristen opomnik, da lahko nekaj deluje prepričljivo zgodovinsko, ne da bi predstavljalo natanko to, kar se je zgodilo.

Generativna UI deluje podobno. Fragmente zgodovinskih dokazov lahko poveže v skladno rekonstrukcijo dneva v srednjeveški Rigi, vendar lahko vrzeli zapolni tudi s podrobnostmi, ki jih v virih nikoli ni bilo. Nekateri dodatki so lahko zgodovinsko verjetni, drugi pa lahko pripadajo drugi regiji, stoletju ali družbeni skupini.

Učenci morajo zato razlikovati med tremi stopnjami gotovosti:
Dokaz – kar zgodovinski viri neposredno podpirajo.
Sklep – kar je mogoče razumno sklepati iz tega dokaza.
Ugibanje – kar si je nekdo izmislil, da bi zapolnil vrzeli.

Učni načrt

Faza Čas Dejavnost
Uvodni motiv 10 min Ogled videa Chloe VS History o srednjem veku, ustvarjenega z UI. Učenci prepoznajo, kaj naredi video verodostojen, in se vprašajo, katere podrobnosti dejansko podpirajo dokazi.
Vhodne informacije 10 min Predstavitev pojmov dokaz – sklep – ugibanje in vaja razlikovanja med njimi.
Raziskovanje 15 min Učenci brez UI analizirajo vire o srednjeveški Rigi in ugotovijo, kaj je resnično mogoče vedeti.
Prilagajanje 1 20 min UI iz omejenih dokazov rekonstruira dan v srednjeveški Rigi. Učenci prepoznajo, kje je zapolnila vrzeli.
Prilagajanje 2 20 min Dodajo se dodatni viri in strožje oblikovanje pozivov. Učenci primerjajo obe rekonstrukciji.
Refleksija 25 min Učenci enak okvir kritičnega mišljenja prenesejo na srednjeveški zgodovinski film.

Vodilna vprašanja: od izpisa UI do dejavnosti, pripravljene za razred

Gradiva

2.8 Matematika: ali stroj res zna računati?

Prvo srečanje z UI pri pouku matematike na razredni stopnji – razpoznavanje govora s „Recheneule“

Predmet: Matematika ·   Razred: 2. razred (7–8 let) ·   Trajanje: 1 ura (50 min) ·   UI: učenje O UI

Primer iz resnične šole: Ta primer je zasnovan po dokumentirani praksi šole Volksschule Hagenberg im Mühlkreis (Zgornja Avstrija), uradne KI-Pilotschule (pilotne šole za UI) avstrijskega zveznega ministrstva za izobraževanje. Učitelji tam že od 2. razreda naprej UI predstavljajo igrivo, da bi otroke pripravili na njene priložnosti in tveganja (ravnateljica Martina Ketterer-Hager). Osrednji element je projekt digicase / DLPL, v katerem otroci vadijo algoritmično mišljenje – med drugim z matematično igro z razpoznavanjem govora „Die schlaue Recheneule“, razvito skupaj s PH Linz. Ta učna ura je v celoti zgrajena okoli tega resničnega orodja. Usklajena je z ministrsko KI-Initiative in s kompasom štirih smeri Verstehen, Anwenden, Reflektieren, Mitgestalten (razumeti, uporabljati, reflektirati, sooblikovati).

Sporočilo za s seboj: Otroci orodja ne uporabljajo le – opazujejo ga. Ko na glas računajo s „Recheneule“ in vidijo, kdaj sliši pravo število in kdaj se zmoti, drugošolci naredijo svoje prvo odkritje o UI: je koristen, a nepopoln stroj, pravi odgovor pa še vedno pozna otrok. To je temelj za vseživljenjsko navado preverjanja in ne le zaupanja.

ChatGPT Image 8. Sept. 2026, 13_34_19.png

Slika #. Slika, ustvarjena z ChatGPT (GPT Image 2), 8. september 2026.

Vsebina

Majhni otroci se z umetno inteligenco srečajo dolgo preden jo lahko razložijo: glasovni pomočniki doma, kamere, ki najdejo obraze, aplikacije, ki dokončajo njihove stavke. Avstrijski KI-Basiscurriculum in ministrska KI-Initiative poudarjata, da se mora pismenost na področju UI začeti zgodaj in igrivo, in da sodi na razredno stopnjo prav toliko kot v višje razrede. Volksschule Hagenberg im Mühlkreis, ena od šol KI-Pilotschule, počne točno to: njeni učitelji UI od 2. razreda naprej predstavljajo z igrami, s projektom digicase / DLPL v središču, tako da si otroci ustvarijo prvi, konkreten občutek za to, kaj ti stroji zmorejo in česa ne.

„Recheneule“ (»pametna računska sova«) je ena od teh iger in se odlično prilega pouku matematike. Uporablja razpoznavanje govora – obliko UI – tako da otrok lahko na glas izgovori število, program pa ga poskuša prepoznati in uporabiti v računu. Orodje je namenoma preprosto in, kot ugotavljajo njegovi razvijalci, še vedno eksperimentalno: ali sliši pravilno, je odvisno od mikrofona, od tega, kako razločno otrok govori, in od tega, kako tiho je v prostoru. Za sedemletnika to ni pomanjkljivost, ki bi jo bilo treba skriti, temveč je v tem bistvo celotne ure. Ko sova pokaže napačno število, otrok z lastnimi očmi vidi, da pametni stroj ni razumel – in da on, otrok, še vedno ve, da je tri plus štiri sedem.

Prav zato je orodje dragoceno za poučevanje O UI v tej starosti. Od otrok se ne pričakuje, da bodo razumeli, kako razpoznavanje govora deluje v notranjosti; pričakuje se, da ga bodo opazovali, da bodo poskrbeli, da bo delovalo bolje – z razločnim govorjenjem in bližino mikrofona – ter da bodo opazili, kdaj odpove. V jeziku KI-Basiscurriculuma je to prvi korak od Verstehen (posluša stroj, ne oseba) k Reflektieren (ne razume vedno pravilno in lahko ga preverim). Učitelj matematiko ohranja v prvem planu: bistvo računa je še vedno račun, sova pa je igriv partner, katerega odgovore se otrok uči preverjati.
Pri tej uri otroci napovedo, ali jih bo sova slišala, poskusijo, pogledajo, kaj pokaže, in se pogovorijo o tem, zakaj se včasih zmoti – preprosta, starosti primerna različica cikla napoved → poskus → preverjanje → pogovor , ki ga uporabljamo v vseh teh primerih. Cilj je prva, vesela izkušnja UI kot koristnega pomočnika, ki za preverjanje še vedno potrebuje človeka.

Učni načrt 

Faza

Čas

Dejavnost

Ogrevanje

8 min

Na preprogi učitelj vpraša, kje so otroci že slišali, da stroj »posluša« glas (telefon, zvočnik, tablica). Skupaj se dogovorijo o preprosti misli: računalnik nas lahko poskuša slišati, vendar ni oseba in se lahko zmoti.

Prikaz

7 min

Učitelj na velikem zaslonu enkrat pokaže „Recheneule“: najprej razločno izgovori število, nato eno zamomlja, da razred vidi, kako sova sliši pravilno in nato napačno. Razred ugiba, zakaj.

Poskus (v parih)

20 min

V parih za tablico s slušalkami z mikrofonom se otroci izmenjujejo: eden na glas izgovori odgovor preprostega računa (npr. »tri plus štiri« → reče »sedem«), drugi pa opazuje, katero število pokaže sova, in na preprostem listu obkljuka smeška (slišala pravilno) ali resen obraz (slišala napačno).

Preverjanje

8 min

Za vsak »slišala napačno« par sam izračuna pravilen odgovor in se skupaj odloči: je otrok narobe izgovoril ali je sova narobe slišala? Obkrožita, kdo je naredil napako.

Pogovor

7 min

Nazaj na preprogi: Kaj je sovi pomagalo, da nas je slišala? (razločno govoriti, biti blizu, biti tiho). Ko se je sova zmotila, ali smo pravi odgovor še vedno vedeli? Kdo je gospodar računa – sova ali mi?

Vodilna vprašanja: napoved → poskus → preverjanje → pogovor

Pari te kratke kroge izvedejo v fazi »Poskus«. Besedilo je preprosto, da ga učitelj lahko bere na glas; mlajši ali hitrejši pari lahko izvedejo več krogov.

1.    Krog 1 – ali me bo sova slišala?

2.    Krog 2 – kdo je naredil napako?

3.    Krog 3 (dodatna naloga) – namenoma naredimo težje:

Zaključno vprašanje (za fazo pogovora): Ko je sova pokazala napačno število, ali smo pravi odgovor še vedno vedeli? Kdo torej mora preveriti račun – računalnik ali mi?

Nato nadaljujte z: Sova je pametna, a lahko sliši narobe. Kje drugje bi se pameten stroj lahko zmotil – in kaj bi lahko vedno naredili, da to preverimo?

Gradiva

2.6 Primer: Računalništvo

2.X Družba: poučevanje o UI v razredu

UI, mediji in resničnost: ali lahko verjamemo vsemu, kar vidimo?

Predmet: družba · Razred: 5. razred (10–11 let) · Trajanje: ena dvojna ura (90 min) · UI: poučevanje O UI

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

EA-FC-2a

(Etika UI × Spodbujanje digitalne kompetence učencev na področju UI, raven 2 – reflektirano izvajanje):

»Učitelji lahko izvajajo učne dejavnosti, ki razvijajo etično presojanje učencev o UI, utemeljeno z metodološkimi izbirami.«

Ob koncu ure učenci znajo:

  • na preprost način razložiti, kaj generativna UI zmore z besedilom in slikami;
  • razlikovati med informacijo, mnenjem in umetno ustvarjeno vsebino;
  • prepoznati znake, zaradi katerih se slika, besedilo ali trditev zdi sumljiva ali nezanesljiva;
  • pojasniti, zakaj odgovor ali slika, ki ju ustvari UI, nista samodejno resnična;
  • prepoznati načine preverjanja informacij, preden jih sprejmemo ali delimo naprej;
  • razpravljati o tem, kako UI lahko vpliva na komunikacijo, medije in vsakdanje življenje ljudi;
  • utemeljiti lastno mnenje o odgovorni uporabi vsebin, ustvarjenih z UI.

Sporočilo za s seboj: UI lahko ustvari prepričljivo besedilo in slike, vendar prepričljivo ne pomeni resnično. Preden nečemu verjamemo ali to delimo naprej, se moramo vprašati, od kod izvira, kateri dokazi to podpirajo in ali lahko to preverimo še kje drugje.

Vsebina

Umetna inteligenca postaja vse pomembnejši del vsakdanje komunikacije. Sistemi UI lahko ustvarijo besedila, slike in druge oblike vsebin, ki so lahko videti, kot da jih je ustvaril človek. To odpira nove možnosti, hkrati pa prinaša nove izzive za to, kako ljudje razumejo in vrednotijo informacije. Za učence te starosti ni najpomembnejše vprašanje, kako UI tehnično deluje, temveč kako lahko vsebine, ustvarjene z UI, vplivajo na ljudi in družbo.

Učna ura UI predstavi skozi znano družbeno situacijo: informacijo, s katero se srečamo v vsakdanjem življenju. Učitelj predstavi primere besedil in slik ter učence prosi, naj se odločijo, ali je vsebina resnična, obdelana ali ustvarjena z UI. Poudarek ni na tem, da bi se učenci naučili popolno prepoznati UI. Pravzaprav je eden od osrednjih sklepov učne ure ravno to, da zgolj videz ni zanesljiv način ugotavljanja, ali je nekaj resnično.

Učenci se namesto tega naučijo preprostega postopka preverjanja:
USTAVI SE → VPRAŠAJ SE → PREVERI → PRIMERJAJ → ODLOČI SE

Dejavnost se navezuje na poudarek učnega načrta za družbo na razvijanju kritičnega mišljenja, analizi dokazov, oblikovanju in izražanju mnenj ter raziskovanju družbenega okolja. Učni načrt med predlaganimi družbenimi temami za 5. razred izrecno vključuje vlogo in vpliv medijev. Učni načrt učitelje tudi izrecno spodbuja k razvijanju racionalnega in kritičnega mišljenja z zastavljanjem vprašanj, ki zahtevajo sklepanje, raziskovanjem dokazov, analizo podatkov, ki podpirajo ali izpodbijajo sklepe, ter upoštevanjem različnih razlag.

Pomembno je, da učenci med uro ne komunicirajo neposredno s sistemom UI. Orodje UI upravlja učitelj, ki razredu predstavi izbrane izpise. Vloga učencev je opazovati, spraševati, primerjati in vrednotiti vsebino.

Učni načrt

Faza Čas Dejavnost
Uvod 10 min Učitelj pokaže dve ali tri slike ali kratka besedila, povezana z znano situacijo. Učenci se posamično odločijo: Je to resnično? Kako veste?
Vhodne informacije 15 min Učitelj UI predstavi v starosti primernem jeziku: kaj generativna UI zmore in zakaj je lahko vsebina, ustvarjena z UI, videti prepričljiva.
Predstavitev 15 min Učitelj v živo uporabi orodje UI, da na podlagi preprostega poziva ustvari sliko ali kratko besedilo. Učenci opazujejo, kako hitro je mogoče ustvariti vsebino, in razpravljajo o tem, kaj UI dejansko ustvari.
Raziskovanje 30 min Skupine dobijo več primerov informacij/vsebin. S kontrolnim seznamom za preverjanje se odločijo, čemu bi zaupale, kaj bi vprašale in kaj bi še dodatno preverile.
Refleksija 20 min Razprava s celotnim razredom: Ali lahko zaupamo sliki samo zato, ker je videti resnična? Kaj pa besedilu? Kdo je odgovoren, če ustvarimo ali širimo napačno informacijo?

Vodilna vprašanja:

Učenci skupaj z učiteljem obravnavajo naslednje situacije. UI upravlja izključno učitelj.

1. Krog 1 – USTAVI SE: ne verjemi takoj

Učitelj učencem pokaže sliko znane situacije, ustvarjeno z UI – na primer navidezno realistično fotografijo nenavadnega dogodka v Sloveniji.

Preden karkoli razkrijete, učenci odgovorijo:

Učitelj razkrije, da je bila slika ustvarjena z UI, in na kratko razloži, kako lahko generativna UI ustvari slike, ki so videti resnične.

Diagnoza: Učenci prepoznajo razliko med »To je videti resnično« in »Imam dokaz, da je to resnično«.

Ključna misel: Realističen videz ni dokaz, da je nekaj resnično.

2. Krog 2 – VPRAŠAJ SE: kdo je to ustvaril in zakaj?

Učitelj predstavi kratko novičarsko besedilo, ustvarjeno z UI. Učitelj na primer od sistema UI zahteva, naj napiše kratek članek o namišljenem dogodku na slovenski šoli.

Učenci ne komunicirajo neposredno z UI. Namesto tega analizirajo izpis.

Učenci odkrijejo, da lahko besedilo zveni samozavestno, informativno in prepričljivo, čeprav mu manjka zanesljiv vir ali dokaz.

Ključna misel: Samozavestno zveneč odgovor ni nujno pravilen odgovor.

3. Krog 3 – PREVERI IN PRIMERJAJ: preverimo to

Učitelj predstavi izmišljeno trditev: »V Sloveniji je bilo uvedeno novo pravilo: učenci ob sobotah ne smejo več uporabljati mobilnih telefonov.«

Trditev je namerno preprosta in dovolj verjetna, da učence spodbudi k razmisleku, kako bi jo preverili.

Od učencev se ne zahteva zgolj odgovor »resnično« ali »neresnično«. Namesto tega morajo zasnovati strategijo preverjanja.

Učitelj nato pokaže, kako bi trditev lahko preverili z uporabo različnih vrst virov.

Učenci spoznajo, da je preverjanje informacij proces in ne zgolj odločitev o tem, ali se nekaj »zdi resnično«.

4. Dodatni krog – UI proti človeku

Učitelj vpraša sistem UI: »Zakaj je pomembno ohranjati kulturno dediščino?« UI ustvari kratek odgovor.

Učenci nato samostojno, brez UI, oblikujejo svoj odgovor.

Razred primerja oba odgovora.

To se povezuje s poudarkom učnega načrta na kulturni dediščini, razumevanju preteklosti in sedanjosti pri učencih ter njihovi zmožnosti razlage in utemeljevanja lastnih stališč.

Zaključna dejavnost: oblikovanje razrednega pravila

Ob koncu ure učitelj in učenci skupaj ustvarijo preprost razredni plakat:

5 VPRAŠANJ, PREDEN DELIMO NAPREJ

Plakat postane glavni praktični izdelek te učne ure.

Zaključno vprašanje: Če lahko računalnik ustvari sliko ali besedilo, ki je videti popolnoma resnično, kaj moramo storiti, preden temu verjamemo ali to delimo z drugimi ljudmi?

Gradiva

Vloga učitelja in vloga učencev

Osrednje oblikovalsko načelo te učne ure je, da uporabo UI vodi učitelj.

Učitelj Učenci
Upravlja orodje UI. Opazujejo izpis UI.
Ustvarja izbrane primere. Postavljajo vprašanja o vsebini.
Prikaže, kako UI ustvarja besedilo/slike. Prepoznavajo razloge za zaupanje ali dvom v informacijo.
Zagotavlja primere in nasprotne primere. Primerjajo različne vire.
Modelira strategije preverjanja. Razvijajo lastno strategijo preverjanja.
Vodi razpravo. Razlagajo in utemeljujejo svoje sklepe.
Naredi omejitve UI vidne. Razmišljajo o odgovornem deljenju informacij.

Učenci se torej učijo o zmožnostih, omejitvah in družbenih posledicah UI, ne da bi za to potrebovali lasten dostop do sistema UI.

2.7 Informatika / naravoslovje: UI za resnično šolsko težavo

Ali nam UI lahko pomaga ločevati odpadke v šoli?

Predmet: Informatika/naravoslovje ·  Ciljna skupina: 7. razred (13–14 let) ·  Trajanje: 1 dvojna ura ·  UI: učenje Z UI 

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

AF-TL-2b

(Temelji UI in njihova uporaba × Poučevanje in učenje, raven 2 – reflektirano izvajanje):

 

»Učitelji razumejo temeljna načela UI in strojnega učenja ter jih znajo prikazati na praktičnih primerih.«


 

AF-FC-2b

(Temelji UI in njihova uporaba × Spodbujanje digitalne kompetence učencev na področju (UI), raven 2 – reflektirano izvajanje):

 

»Učitelji lahko učence vodijo pri eksperimentiranju z orodji UI, preizkušanju njihovih izhodov in kritičnem razmisleku o njihovi zanesljivosti.«

Ob koncu ure učenci znajo:

  • s preprostimi besedami razložiti, kako se model UI uči iz primerov
  • naučiti in preizkusiti preprost model za razvrščanje slik
  •  prepoznati primere, v katerih model daje napačne rezultate
  • razložiti, kako kakovost primerov vpliva na uspešnost UI
  • model izboljšati na podlagi preizkušanja; • presoditi, ali bi bila rešitev z UI uporabna in zanesljiva v resnični šolski situaciji.

Sporočilo za s seboj: UI lahko pomaga pri resničnih težavah, vendar ne razume samodejno tega, kar vidi. Uči se iz primerov, ki jih zagotovijo ljudje, zato je treba njene rezultate preizkusiti in ovrednotiti.

image.png

Slika 1. Slika, ustvarjena z ChatGPT (GPT Image 2), 7. september 2026.

Vsebina

Ločevanje odpadkov je v številnih šolah vsakodnevno vprašanje. Učenci vsak dan uporabljajo papir, plastenke, embalažo živil in druge materiale, vendar ti predmeti ne pristanejo vedno v pravem zabojniku za recikliranje.

Ta znana situacija ponuja preprost način za raziskovanje delovanja umetne inteligence. Učenci raziščejo, ali bi sistem UI lahko prepoznal predmet in priporočil, v kateri zabojnik za recikliranje sodi.

Med dejavnostjo učenci ustvarijo osnovni model za razvrščanje slik s kategorijami, kot so papir, plastika in drugi odpadki. UI predložijo več primerov, model naučijo in ga nato preizkusijo z novimi predmeti.

Dejavnost prikaže pomembno načelo strojnega učenja: UI se vzorcev nauči iz primerov, ki jih prejme. Če so primeri preveč podobni, nepopolni ali slabo izbrani, lahko model daje nepričakovane rezultate.

Učenci torej ne ustvarijo le delujočega modela. Namenoma ga preizkusijo s težkimi primeri, raziščejo njegove napake in ga poskusijo izboljšati. Odkrijejo lahko na primer, da je zmečkana plastenka razvrščena drugače kot običajna plastenka ali da na rezultat vpliva ozadje slike.

Učna ura povezuje osnovni pojem UI z resnično šolsko situacijo. Hkrati učence spodbuja h kritičnemu razmišljanju o zanesljivosti in človeški odgovornosti: tudi če sistem UI poda priporočilo, se morajo ljudje še vedno odločiti, ali je rezultat smiseln.

Učni načrt

Faza Čas Dejavnost
Uvod 10 min Učitelj pokaže več vsakodnevnih odpadkov in učence vpraša, kam sodijo. Razred razpravlja o tem, ali bi lahko UI enako odločitev sprejela samodejno.
Vhodne informacije 10 min Učitelj predstavi razvrščanje slik in razloži, da se UI uči iz primerov. Izbrano orodje UI na kratko prikaže.
Raziskovanje 20 min V manjših skupinah učenci ustvarijo kategorije, kot so papir, plastika in drugi odpadki, pripravijo primere in naučijo svoj prvi model.
Prilagajanje 1 20 min Učenci model preizkusijo z novimi predmeti in zapišejo, kje je uspešen in kje se zmoti.
Prilagajanje 2 20 min Učenci izboljšajo učne primere, model znova naučijo in nove rezultate primerjajo s prvo različico.
Refleksija 10 min Učenci razpravljajo o tem, ali bi bil njihov sistem UI dovolj zanesljiv za resnično uporabo v šoli in kakšne so njegove omejitve.

Vodilna vprašanja: od poskusa z UI do uporabe v resničnem življenju

Gradiva