6. Resursi un glosārijs

6.1 Resursi

Recenzētas publikācijas

Ali, R., Tang, O. Y., Connolly, I. D., Abdulrazeq, H. F., Mirza, F. N., Lim, R. K., Johnston, B. R., Groff, M. W., Williamson, T., Svokos, K., Libby, T. J., Shin, J. H., Gokaslan, Z. L., Doberstein, C. E., Zou, J., & Asaad, W. F. (2024). Demographic representation in 3 leading artificial intelligence text-to-image generators. JAMA Surgery, 159(1), 87–95. https://doi.org/10.1001/jamasurg.2023.5695

Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.

Autenrieth, D., & Schluchter, J.-R. (2026). Künstliche Intelligenz und inklusive Bildung: Empirische Perspektiven auf Einstellungen und Nutzungsmuster von Lehrkräften [Artificial intelligence and inclusive education: Empirical perspectives on teachers' attitudes and usage patterns]. Medienimpulse, 64(1). https://doi.org/10.21243/mi-01-26-24 

Barnes, M., & Tour, E. (2026). Teachers' use of generative AI: A 'dirty little secret'? Language and Education, 40(1), 24–39. https://doi.org/10.1080/09500782.2025.2485935

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), Article e2422633122. https://doi.org/10.1073/pnas.2422633122

BEKIARIDIS, G. (author) and ATTWELL, G. (ed.), Supplement to the DigCompEDU Framework: Outlining the Skills and Competences of Educators Related to AI in Education, AI Pioneers – Work Package 3, Erasmus+ Programme, European Union, 2024. Available at: https://aipioneers.org/wp-content/uploads/2024/01/WP3_Supplement_to_the_DigCompEDU_English.pdf 

BLOOM, B.S. (ed.), ENGELHART, M.D., FURST, E.J., HILL, W.H. and KRATHWOHL, D.R., Taxonomy of Educational Objectives: The Classification of Educational Goals. Handbook I: Cognitive Domain, David McKay Company, New York, 1956.

Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188. https://doi.org/10.1145/3449287

Dier, M. (2025). KI-Kompetenzprofile von Lehrkräften an beruflichen Schulen: Vom Wissen zum didaktischen Handeln [AI competence profiles of vocational school teachers: From knowledge to didactic action]. Journal of Technical Education, 13(2), 66–85. https://doi.org/10.48513/joted.v13i2.328

Dong, Y. (2026). Generative AI technologies and educational outcomes: A comprehensive meta-analysis comparing traditional and AI-driven approaches. Humanities and Social Sciences Communications, 13(1), Article 559. https://doi.org/10.1057/s41599-026-06903-y

Farrokhnia, M., Latifi, S., Papadopoulos, P. M., Hogenkamp, L., Gijlers, H., Khosravi, H., & Noroozi, O. (2026). Generative AI offers more, but students revise less: Comparing the effects of teacher and AI feedback on student essay revisions. International Journal of Educational Technology in Higher Education, 23(1), Article 6. https://doi.org/10.1186/s41239-026-00579-9

Fleckenstein, J., Liebenow, L. W., & Meyer, J. (2023). Automated feedback and writing: A multi-level meta-analysis of effects on students' performance. Frontiers in Artificial Intelligence, 6, Article 1162454. https://doi.org/10.3389/frai.2023.1162454

Jaggy, A.-K., Jansen, T., Fütterer, T., & Trautwein, U. (2026). Almighty ChatGPT? Development of gifted secondary school students' AI (mis)conceptions. Journal of Educational Psychology. Advance online publication. https://doi.org/10.1037/edu0001063

Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15(1), Article 17458. https://doi.org/10.1038/s41598-025-97652-6 

Krathwohl, D. R. (2002). A revision of Bloom’s taxonomy: An overview. Theory Into Practice, 41(4), 212–218.

Lee, V. R., Pope, D., Miles, S., & Zárate, R. C. (2024). Cheating in the age of generative AI: A high school survey study of cheating behaviors before and after the release of ChatGPT. Computers and Education: Artificial Intelligence, 7, Article 100253. https://doi.org/10.1016/j.caeai.2024.100253

Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), Article 100779. https://doi.org/10.1016/j.patter.2023.100779

Liu, B., Zhang, W., & Wang, F. (2026). Can generative artificial intelligence effectively enhance students' mathematics learning outcomes? A meta-analysis of empirical studies from 2023 to 2025. Education Sciences, 16(1), Article 140. https://doi.org/10.3390/educsci16010140

Maršálek, R., & Teplá, M. (2026). "Is AI inevitable?" Development of attitudes and practices of Czech teachers between 2023 and 2025. Education Sciences, 16(2), Article 335. https://doi.org/10.3390/educsci16020335

MIAO, F. and CUKUROVA, M., AI Competency Framework for Teachers, UNESCO, 2024. ISBN 978-92-3-100707-1. DOI: https://doi.org/10.54675/ZJTE2084 

REDECKER, C., European Framework for the Digital Competence of Educators: DigCompEdu, PUNIE, Y. (ed.), EUR 28775 EN, Publications Office of the European Union, Luxembourg, 2017. ISBN 978-92-79-73494-6 (pdf). DOI: https://doi.org/10.2760/159770. JRC107466.

Rind, I. A. (2026). Conceptualizing the impact of AI on teacher knowledge and expertise: A cognitive load perspective. Education Sciences, 16(1), Article 57. https://doi.org/10.3390/educsci16010057

Romeo, G., & Conti, D. (2026). Exploring automation bias in human–AI collaboration: A review and implications for explainable AI. AI & Society, 41, 259–278. https://doi.org/10.1007/s00146-025-02422-7

Rowe, J., Klimaszewski, M., Guillou, L., Vallor, S., & Birch, A. (2025). EuroGEST: Investigating gender stereotypes in multilingual language models. In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (pp. 32074–32096). Association for Computational Linguistics. https://doi.org/10.18653/v1/2025.emnlp-main.1632

Scarfe, P., Watcham, K., Clarke, A., & Roesch, E. (2024). A real-world test of artificial intelligence infiltration of a university examinations system: A "Turing Test" case study. PLOS ONE, 19(6), Article e0305354. https://doi.org/10.1371/journal.pone.0305354

Schemmer, M., Kühl, N., Benz, C., Bartos, A., & Satzger, G. (2023). Appropriate reliance on AI advice: Conceptualization and the effect of explanations. In Proceedings of the 28th International Conference on Intelligent User Interfaces (pp. 410–422). Association for Computing Machinery. https://doi.org/10.1145/3581641.3584066

Tian, Z., Liu, A., Esbenshade, L., Sarkar, S., Zhang, Z., He, K., & Sun, M. (2025). Implementation considerations for automated AI grading of student work. In J. Wilson, C. Ormerod, & M. Beiting Parrish (Eds.), Proceedings of the Artificial Intelligence in Measurement and Education Conference (AIME-Con): Full papers (pp. 9–20). National Council on Measurement in Education. https://aclanthology.org/2025.aimecon-main.2/ 

Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., & Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. New Media & Society, 27(9), 5342–5368. https://doi.org/10.1177/14614448241252820

Wang, J., & Fan, W. (2025). RETRACTED ARTICLE: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences Communications, 12(1), Article 621. https://doi.org/10.1057/s41599-025-04787-y 

Wang, J., & Fan, W. (2026). Retraction note: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. Humanities and Social Sciences Communications, 13(1), Article 528. https://doi.org/10.1057/s41599-026-07310-z

Weinmann, H., Messingschlager, T. V., & Appel, M. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. New Media & Society. Advance online publication. https://doi.org/10.1177/14614448261435197

Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications, 13(1), Article 684. https://doi.org/10.1057/s41599-026-07019-z

Yan, D., & Zhang, S. (2024). L2 writer engagement with automated written corrective feedback provided by ChatGPT. Humanities and Social Sciences Communications, 11, Article 1086. https://doi.org/10.1057/s41599-024-03543-y

Yeo, G. H., & Lansford, J. E. (2025). Effects of artificial intelligence on educational functioning: A review and meta-analysis. Educational Psychology Review, 37(4), Article 110. https://doi.org/10.1007/s10648-025-10085-5 

Yi, L., Liu, D., Jiang, T., & Xian, Y. (2025). The effectiveness of AI on K-12 students' mathematics learning: A systematic review and meta-analysis. International Journal of Science and Mathematics Education, 23(4), 1105–1126. https://doi.org/10.1007/s10763-024-10499-7

Yu, H., & Xie, Q. (2025). Generative AI vs. teachers: Feedback quality, feedback uptake, and revision. Language Teaching Research Quarterly, 47, 113–137. https://doi.org/10.32038/ltrq.2025.47.07

Zhang, L., Carter, R. A., Jr., Liu, Y., & Peng, P. (2026). Let's CHAT about artificial intelligence for students with disabilities: A systematic literature review and meta-analysis. Review of Educational Research, 96(1), 215–257. https://doi.org/10.3102/00346543241293424

Priekšpublikācijas, darba dokumenti un pētījumu ziņojumi

Campos, C., & Singleton, J. D. (2026). AI diffusion gaps: Unequal integration of AI across K-12 schools (NBER Working Paper No. 35347). National Bureau of Economic Research. https://doi.org/10.3386/w35347 

Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., & Lombardi, M. (2026). Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment (NBER Working Paper No. 34851; rev. October 2026). National Bureau of Economic Research. https://doi.org/10.3386/w34851 

Kalai, A. T., Nachum, O., Vempala, S. S., & Zhang, E. (2025). Why language models hallucinate (arXiv:2509.04664v1) [Preprint]. arXiv. https://arxiv.org/abs/2509.04664 

Lehmann, M., Cornelius, P. B., & Sting, F. J. (2025). AI meets the classroom: When do large language models harm learning? (arXiv:2409.09047v2) [Preprint]. arXiv. https://arxiv.org/abs/2409.09047 

Lodge, J. M., & Loble, L. (2026). Artificial intelligence, cognitive offloading and implications for education [Report]. Australian Network for Quality Digital Education; University of Technology Sydney. https://doi.org/10.71741/4pyxmbnjaq.31302475

Maier, S., Gunzenhäuser, M., Schweisthal, J., Schneider, M., & Feuerriegel, S. (2026). A meta-analysis of the effect of generative AI on productivity and learning in programming (arXiv:2605.04779v1) [Preprint]. arXiv. https://arxiv.org/abs/2605.04779 

Shao, J., Wu, Q., Zhang, H., Sun, S., & Zhuang, J. (2026). Mitigating scaffolding collapse in Socratic tutors via representation alignment (arXiv:2607.19371v1) [Preprint]. arXiv. https://arxiv.org/abs/2607.19371

Paris, A., Labetoulle, A., Bezjak, S., Butler, D., Cardoso-Leite, P., Chesné, J.-F., Kirsch, C., Mori, S., Nardi, A., Nencioni, P., Niewint, J., Rossi, F., Storai, F., Toci, V., & Mirazchiyski, P. V. (2023). Comparative European evaluation report (AI4T – Artificial Intelligence for and by Teachers, Deliverable D3.3). Cnesco-Cnam; France Éducation international. https://cnesco.fr/wp-content/uploads/2024/05/AI4T_WP3_D3.3_Comparative-European-Evaluation-Report.pdf 

Roy, P., Poet, H., Staunton, R., Aston, K., & Thomas, D. (2024). ChatGPT in lesson preparation: A Teacher Choices Trial [Evaluation report]. National Foundation for Educational Research; Education Endowment Foundation; The Hg Foundation. https://www.nfer.ac.uk/publications/chatgpt-in-lesson-preparation-a-teacher-choices-trial/

Staksrud, E., Mascheroni, G., Milosevic, T., Ní Bhroin, N., Ólafsson, K., Şengül-İnal, G., & Stoilova, M. (2026). European children's use and understanding of generative AI: EU Kids Online 2026 (EU Kids Online Reports No. 1). London School of Economics and Political Science. https://doi.org/10.21953/researchonline.lse.ac.uk.00137132

Organizāciju statistika un ziņojumi

Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084

OECD. (2025). Results from TALIS 2024: The state of teaching. OECD Publishing. https://doi.org/10.1787/90df6235-en

OECD. (2026). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en

UNESCO. (2023). Global education monitoring report 2023: Technology in education – A tool on whose terms? https://doi.org/10.54676/UZQV8501

Fondu, NVO u. c. aptaujas un ziņojumi

Bellio, N., & Kayser-Bril, N. (2024, March 4). Wie Bildgeneratoren die Welt zeigen: Stereotypen statt Vielfalt [How image generators show the world: Stereotypes instead of diversity]. AlgorithmWatch. https://algorithmwatch.org/de/bildgeneratoren-stereotypen/

Human Rights Watch. (2022, May 25). "How dare they peep into my private life?": Children's rights violations by governments that endorsed online learning during the Covid-19 pandemic. https://www.hrw.org/report/2022/05/25/how-dare-they-peep-my-private-life/childrens-rights-violations-governments

Latham, K., & Montacute, R. (2025, July). Artificial advantage? AI in the classroom and the inequality gap. The Sutton Trust. https://www.suttontrust.com/wp-content/uploads/2025/07/Artificial-advantage.pdf

Medienpädagogischer Forschungsverbund Südwest. (2024). JIM-Studie 2024. Jugend, Information, Medien: Basisuntersuchung zum Medienumgang 12- bis 19-Jähriger [JIM study 2024: Youth, information, media]. https://mpfs.de/studie/jim-studie-2024/

Michel, L. P., & Goertz, L. (2025). mmb-Trendmonitor 2024/2025. Weiterbildung und digitales Lernen heute und in drei Jahren [mmb trend monitor 2024/2025: Continuing education and digital learning today and in three years] (Results of the 19th mmb Learning Delphi). mmb Institut. https://www.mmb-institut.de/wp-content/uploads/mmb-Trendmonitor_2024-2025.pdf

Robert Bosch Stiftung. (2026). Deutsches Schulbarometer 2026: Befragung Lehrkräfte [German School Barometer 2026: Teacher survey] (Survey conducted by forsa). https://www.bosch-stiftung.de/sites/default/files/documents/2026-06/RBSG_Deutsches_Schulbarometer_Lehrkr%C3%A4fte_2026.pdf

Trucano, M. (2023, July 10). AI and the next digital divide in education. Brookings Institution. https://www.brookings.edu/articles/ai-and-the-next-digital-divide-in-education/

Vodafone Stiftung Deutschland. (2024, March). Pioniere des Wandels: Wie Schüler:innen KI im Unterricht nutzen möchten [Pioneers of change: How students want to use AI in the classroom] (Survey conducted by infratest dimap). https://www.vodafone-stiftung.de/pioniere-des-wandels/

Walton Family Foundation, & Gallup. (2025, June). Teaching for tomorrow: Unlocking six weeks a year with AI. https://news.gallup.com/poll/691967/three-teachers-weekly-saving-six-weeks-year.aspx

Institūciju dokumenti

Børne- og Undervisningsministeriet, Styrelsen for Undervisning og Kvalitet. (2025, August 22). Forsøg med prøverne i engelsk A (stx) [Trial of the English A examinations (stx)] (Case 25/23313). https://www.uvm.dk/-/media/filer/uvm/udd/gym/pdf25/aug/250822-forsoeg-med-proeverne-i-engelsk-a--stx-.pdf 

Commission nationale de l'informatique et des libertés. (2025, June 20). Enseignant : comment utiliser un système d'IA dans le respect du RGPD ? [Teachers: How to use an AI system in compliance with the GDPR]. https://www.cnil.fr/fr/enseignant-usage-systeme-ia 

Department of Education Northern Ireland. (2026, May 6). Givan announces roll-out of AI tools and training for Northern Ireland teachers [Press release]. https://www.education-ni.gov.uk/news/givan-announces-roll-out-ai-tools-and-training-northern-ireland-teachers 

Der Hamburgische Beauftragte für Datenschutz und Informationsfreiheit. (2023, November 13). Checkliste zum Einsatz LLM-basierter Chatbots [Checklist for the use of LLM-based chatbots]. https://datenschutz-hamburg.de/fileadmin/user_upload/HmbBfDI/Datenschutz/Informationen/20231113_Checkliste_LLM_Chatbots_DE.pdf 

European Commission. (2026, September 7). Market surveillance authorities under the AI Act. https://digital-strategy.ec.europa.eu/en/policies/market-surveillance-authorities-under-ai-act 

FWU Institut für Film und Bild in Wissenschaft und Unterricht. (n.d.). AIS.chat (vormals telli). Retrieved October 16, 2026, from https://fwu.de/ais-chat/ 

Haridus- ja Teadusministeerium. (2026, March 8). Europe's top PISA performer showcases AI Leap programme as global summit opens in Tallinn [Press release]. https://www.hm.ee/en/news/europes-top-pisa-performer-showcases-ai-leap-programme-global-summit-opens-tallinn 

Joint Council for Qualifications. (2025). AI use in assessments: Protecting the integrity of qualifications (Effective from 30 April 2025). https://www.jcq.org.uk/exams-office/malpractice/artificial-intelligence/

Kennisnet. (2026, January 15). Toetsing en generatieve AI in het voortgezet onderwijs [Assessment and generative AI in secondary education] (updated April 28, 2026). https://www.kennisnet.nl/ 

Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder. (2024, May 6). Orientierungshilfe: Künstliche Intelligenz und Datenschutz [Guidance: Artificial intelligence and data protection] (Version 1.0). https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf 

Kultusministerkonferenz. (2024, October 10). Handlungsempfehlung für die Bildungsverwaltung zum Umgang mit Künstlicher Intelligenz in schulischen Bildungsprozessen [Recommendation for education administrations on artificial intelligence in school education] (Resolution of the Bildungsministerkonferenz; rev. ed. March 2025). https://www.kmk.org/fileadmin/Dateien/veroeffentlichungen_beschluesse/2024/2024_10_10-Handlungsempfehlung-KI.pdf

Ministère de l'Éducation nationale. (2025, June 13). Cadre d'usage de l'IA en éducation [Framework for the use of AI in education]. https://www.education.gouv.fr/cadre-d-usage-de-l-ia-en-education-450647 

Ministère de l'Éducation nationale. (2026, February). M.I.A. Seconde, une approche personnalisée de la remédiation en français et en mathématiques [M.I.A. Seconde: A personalised approach to remediation in French and mathematics]. Éduscol. https://eduscol.education.gouv.fr/6693/mia-seconde-une-approche-personnalisee-de-la-remediation-en-francais-et-en-mathematiques 

Ministerstvo školstva, výskumu, vývoja a mládeže Slovenskej republiky. (2026, January 15). 20-tisíc licencií ChatGPT Edu podporí rozvoj digitálnych zručností budúcich učiteľov [20,000 ChatGPT Edu licences will support future teachers' digital skills] [Press release]. https://www.minedu.sk/20-tisic-licencii-chatgpt-edu-podpori-rozvoj-digitalnych-zrucnosti-buducich-ucitelov/ 

Ministerstvo školstva, výskumu, vývoja a mládeže Slovenskej republiky. (2026, May 12). Ministerstvo chce do konca roka sprístupniť AI nástroje pre všetkých učiteľov na Slovensku [The ministry wants to make AI tools available to all teachers in Slovakia by the end of the year] [Press release]. https://www.minedu.sk/ministerstvo-chce-do-konca-roka-spristupnit-ai-nastroje-pre-vsetkych-ucitelov-na-slovensku/ 

Ministerium für Schule und Bildung des Landes Nordrhein-Westfalen. (n.d.). Dienstanweisung für die automatisierte Verarbeitung von personenbezogenen Daten in der Schule (BASS 10-41 Nr. 4). Retrieved October 16, 2026, from https://bass.schule.nrw/17585.htm 

Bayerisches Staatsministerium für Unterricht und Kultus. (n.d.). Private Endgeräte im Dienstgebrauch [Private devices for official use]. Retrieved October 16, 2026, from https://www.km.bayern.de/gestalten/digitalisierung/datensicherheit/private-endgeraete-im-dienstgebrauch 

Office of Qualifications and Examinations Regulation. (2026, March). SLT briefing pack: AI and coursework integrity (Version 2.5). https://www.gov.uk/government/organisations/ofqual 

Scheiter, K., Bauer, E., Omarchevska, Y., Schumacher, C., & Sailer, M. (2025). Künstliche Intelligenz in der Schule: Eine Handreichung zum Stand in Wissenschaft und Praxis [Artificial intelligence in schools: A guide to the state of research and practice]. Bundesministerium für Bildung, Familie, Senioren, Frauen und Jugend. https://www.empirische-bildungsforschung-bmbfsfj.de/img/KI_Review.pdf 

Statsministerens kontor, & Kunnskapsdepartementet. (2026, June 19). Ny nasjonal anbefaling: Kunstig intelligens skal i all hovedsak ikke brukes i barneskolen [New national recommendation: AI should as a rule not be used in primary school] [Press release]. https://www.regjeringen.no/no/aktuelt/kunstig-intelligens-skal-i-all-hovedsak-ikke-brukes-i-barneskolen/id3166807/ 

SURF. (2026, May 27). Privacy risks Microsoft 365 Copilot remain 'orange' despite improvements. https://www.surf.nl/en/news/privacy-risks-microsoft-365-copilot-remain-orange-despite-improvements 

Transport for London. (2022, March). The Knowledge of London: An introduction to learning the Knowledge of London and the examination process. https://foi.tfl.gov.uk/FOI-0355-2425/Introduction%20to%20Knowledge%20Booklet%20(March%202022).pdf 

Vanderbilt University, Brightspace Support. (2023, August 16). Guidance on AI detection and why we're disabling Turnitin's AI detector. https://www.vanderbilt.edu/brightspace/2023/08/16/guidance-on-ai-detection-and-why-were-disabling-turnitins-ai-detector/ 

Verband Bildungsmedien. (n.d.). Urheberrecht und KI [Copyright and AI]. Schulbuchkopie.de. Retrieved October 16, 2026, from https://www.schulbuchkopie.de/index.php/urheberrecht-und-ki 

ZHAW Zürcher Hochschule für Angewandte Wissenschaften. (2026). Verwendung generativer KI-Systeme bei Leistungsnachweisen [Use of generative AI systems in assessments] (Richtlinie Z-RL, Version 4.0.0). https://gpmpublic.zhaw.ch/GPMDocProdDPublic/Vorgabedokumente_ZHAW/Z_RL_Richtlinie_KI_bei_Leistungsnachweisen.pdf 

Preses avoti

AI Leap Foundation. (n.d.). AI Leap (TI-Hüpe). Retrieved October 16, 2026, from https://tihupe.ee/en 

Depue, W. (2023, November 6). What's new with DALL·E 3? OpenAI Cookbook. https://developers.openai.com/cookbook/articles/what_is_new_with_dalle_3 

EvidenceB. (2022, November 30). EvidenceB et Docaposte remportent le marché public pour offrir un service de remédiation en français et en mathématiques pour tous les nouveaux lycéens de France [Press release]. https://evidenceb.fr/evidenceb-et-docaposte-remportent-le-marche-public/ 

OpenAI. (2022, July 18). Reducing bias and improving safety in DALL·E 2. https://openai.com/index/reducing-bias-and-improving-safety-in-dall-e-2 

Raghavan, P. (2024, February 23). Gemini image generation got it wrong. We'll do better. The Keyword (Google). https://blog.google/products/gemini/gemini-image-generation-issue/

Tiesību akti

Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/46/EC (General Data Protection Regulation), OJ L 119, 4.5.2016, p. 1. https://eur-lex.europa.eu/eli/reg/2016/679/oj/eng

Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act), OJ L, 2024/1689, 12.7.2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng — consolidated version of 27 July 2026: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A02024R1689-20260727 

Regulation (EU) 2026/1744 of the European Parliament and of the Council of 8 July 2026 amending Regulations (EU) 2024/1689, (EU) 2018/1139 and (EU) 2023/1230 as regards the simplification of the implementation of harmonised rules on artificial intelligence (Digital Omnibus on AI), OJ L, 2026/1744, 24.7.2026 (in force 27 July 2026; corrigendum 29 September 2026). https://eur-lex.europa.eu/eli/reg/2026/1744/oj/eng 

Gesetz über Urheberrecht und verwandte Schutzrechte (Urheberrechtsgesetz – UrhG) [German Copyright Act], §§ 2, 16, 44a, 44b, 60a, 97. https://www.gesetze-im-internet.de/urhg/ 

Schulgesetz für Baden-Württemberg (SchG), § 115b. https://www.landesrecht-bw.de/ 

Bayerisches Hochschulinnovationsgesetz (BayHIG), as amended by the Act of 8 May 2026 (GVBl. p. 208). https://www.gesetze-bayern.de/ 

Tiesu nolēmumi

Verwaltungsgericht Hamburg, Beschluss vom 15. Dezember 2025, 2 E 8786/25 (interim relief, § 123 VwGO; not final). https://justiz.hamburg.de/resource/blob/1128534/4a02d061e1d2a47e4ff1449241831117/2-e-8786-25-beschluss-vom-15-12-25-data.pdf 

Verwaltungsgericht Kassel, Urteile vom 25. Februar 2026, 7 K 2134/24.KS und 7 K 2515/25.KS (appeal admitted; not final). Press release No. 1/2026 of 26 February 2026. https://verwaltungsgerichtsbarkeit.hessen.de/presse/unzulaessige-nutzung-kuenstlicher-intelligenz-bei-studentischen-pruefungsleistungen 

Landgericht München I, Urteil vom 11. November 2025, 42 O 14139/24 (GEMA v. OpenAI; appeal pending before the OLG München). 

Raad van State (Afdeling bestuursrechtspraak), uitspraak van 30 juli 2025, 202501708/1/A2, ECLI:NL:RVS:2025:3585. https://uitspraken.rechtspraak.nl/details?id=ECLI:NL:RVS:2025:3585 

Tribunal administratif de Paris, ordonnance du 12 février 2026, n° 2600972 (référé). 

Kammarrätten i Göteborg, dom den 14 juli 2023, mål nr 4285-23. Reported in Processrätt (2023, November 4), https://processratt.se/kammarratten-i-goteborg-upphaver-disciplinnamndens-beslut-om-fusk-med-ai-verktyg/

6.2 Glosārijs un galvenie termini

Termins

Sinonīmi

Definīcija

A

Adaptīva mācību platforma

(angl. Adaptive learning platform)

Platforma, kas pielāgo saturu, tempu vai mācību ceļu katram izglītojamajam.

Adaptīva vingrināšanās programmatūra

(angl. Adaptive practice software)

Skolās jau izmantota vingrināšanās programmatūra, kas pielāgo uzdevumus skolēna atbildēm. Ģeneratīvā MI tērzēšanas roboti uzrādīja lielāku ietekmi uz zināšanām un izpratni.

AI Pioneers

 

Ietvars, kas papildina DigCompEdu ar MI specifiskām pedagogu kompetencēm.

Aizliegtā MI prakse

Aizliegti MI lietojumi (angl. Prohibited AI practices)

Astoņi MI lietojumi, kurus MI akts (5. pants) kopš 2025. gada 2. februāra pilnībā aizliedz. Četri no tiem attiecas uz skolām: emociju atpazīšana, neaizsargātības izmantošana, sejas atpazīšanas datubāzu veidošana ar nemērķētu datu ievākšanu un biometriskā kategorizācija.

Aizspriedums

Neobjektivitāte (angl. Bias)

Aizspriedumi, ko sistēma pārņēmusi no materiāliem, uz kuriem tā apmācīta, un kurus ne vienmēr izdodas mazināt, palielinot sistēmas mērogu.

Algoritmiskā pārredzamība

(angl. Algorithmic transparency)

Pakāpe, kādā var saprast, kā MI sistēma nonāk pie saviem rezultātiem un kas ir noteicis, kā tā uzvedas.

Anonimizācija

(angl. Anonymisation)

Datu pārveidošana tā, lai personu vairs nevarētu identificēt, pat ne no konteksta. Vārdu dzēšana nav anonimizācija, jo īpaši esejām un mācību dienasgrāmatām, kuru autoru var atpazīt pēc stila.

Apmācība ar lietotāju ievaddatiem

(angl. Training on user inputs)

Situācija, kad nodrošinātājs to, ko lietotāji ieraksta vai augšupielādē, izmanto saviem mērķiem, īpaši savu modeļu apmācībai. Personas datus drīkst ievadīt tikai tad, ja rakstiska vienošanās to izslēdz.

Apmācības dati

Apmācības materiāls, apmācības piemēri (angl. Training data)

Piemēri, no kuriem MI sistēma mācās, piemēram, miljoniem cilvēku marķētu attēlu. Šī materiāla novirzes pārnesas sistēmas rezultātos un nepazūd tikai tāpēc, ka modeļi kļūst lielāki.

Apstrādātājs

Datu apstrādātājs (angl. Processor)

Saskaņā ar VDAR – struktūra, kas apstrādā personas datus pārziņa vārdā un stingri saskaņā ar tā norādījumiem, piemēram, MI nodrošinātājs.

Apvienojamība

Apvienojams (angl. Stackability)

Iespēja laika gaitā apvienot mikrokvalifikācijas tā, lai tās tiktu ieskaitītas lielākās kvalifikācijās.

Atbildība

(angl. Accountability)

Pienākums atbildēt par lēmumiem par MI izmantošanu un to sekām. Atbildība vienmēr paliek cilvēkiem un iestādēm, nekad sistēmai.

Atgriezeniskās saites izmantošana

(angl. Feedback uptake, uptake)

Vai atgriezeniskā saite tiek izlasīta, saprasta, izmantota un saprasta tik labi, ka izglītojamais nākamreiz to spētu izdarīt pareizi bez palīdzības. Šaurā vieta ir tieši izmantošana, nevis kvalitāte.

Atsaukšana

(angl. Retraction)

Žurnāla oficiāla publicēta raksta atsaukšana. Raksts paliek redzams ar atzīmi „RETRACTED”, lai ikviens, kas to citējis, to varētu atpazīt.

Attēlu klasifikācija

Attēlu klasifikators (angl. Image classification)

MI uzdevums, kurā modelis pēc apmācības ar piemēriem šķiro attēlus kategorijās (piem., papīrs, plastmasa, cits) un pēc tam tiek pārbaudīts ar jauniem objektiem.

Atvērtais izglītības resurss (OER)

OER (angl. Open Educational Resource)

Mācību un mācīšanās materiāls, kas publicēts ar atvērtu licenci, kura atļauj to brīvi izmantot, pielāgot un kopīgot.

Atvērts modelis

Atvērts MI modelis (angl. Open model)

MI modelis, kura sastāvdaļas ir publiski pieejamas, pretstatā uzņēmumu patentētiem modeļiem. Ieteicams kā daļa no publiski finansētas, taisnīgas piekļuves MI.

Augsta riska MI sistēma

Augsta riska MI (angl. High-risk AI system)

MI sistēma, uz kuru tās paredzētā nolūka dēļ attiecas stingri pienākumi. Izglītībā: lēmumi par uzņemšanu, mācīšanās rezultātu novērtēšana vai mācību procesa vadīšana, piekļuves izglītības līmeņiem novērtēšana un aizliegtas uzvedības atklāšana eksāmenos; attiecībā uz darbiniekiem: pieņemšana darbā, paaugstināšana amatā, uzdevumu sadale un snieguma novērtēšana. Pienākumi piemērojami no 2027. gada 2. decembra.

Augstskolu mācībspēki

(angl. University Faculty)

Augstskolu darbinieki, kas iesaistīti skolotāju izglītībā; viena no rokasgrāmatas mērķgrupām.

Automatizācijas aizspriedums

Pārmērīga uzticēšanās (angl. Automation Bias)

Mašīnas ieteikuma pieņemšana bez neatkarīgas pārbaudes.

Automatizēta lēmumu pieņemšana

(angl. Automated decision-making)

Lēmums, kas balstīts tikai uz automatizētu apstrādi un būtiski ietekmē personu. Atzīme ir šāds lēmums; formāla MI ieteikuma apstiprināšana neskaitās cilvēka lēmums.

Automatizēta vērtēšana

Automatizēta punktu piešķiršana, automatizēts novērtējums (angl. Automated grading)

Programmatūras izmantošana darbu vērtēšanai vai atzīmju likšanai. Sertifikācijas eksāmenā to piemēro jautājumiem ar atbilžu izvēli.

Autortiesības

(angl. Copyright)

Darbu tiesiskā aizsardzība. Tas, ko rada MI, parasti nav aizsargāts ar autortiesībām, taču aizsargātu darbu augšupielāde MI sistēmā neietilpst izņēmumā mācību vajadzībām.

B

Biometriskā kategorizācija

(angl. Biometric categorisation)

Biometrisko datu izmantošana personu šķirošanai, lai izdarītu secinājumus par aizsargātām iezīmēm, piemēram, rasi, politiskajiem uzskatiem, reliģiju vai seksuālo orientāciju. Saskaņā ar MI aktu aizliegta.

Biometriskie dati

(angl. Biometric data)

Dati par fiziskām iezīmēm, piemēram, seju vai balsi. Saskaņā ar VDAR tie ir īpašu kategoriju dati, un vairāki uz tiem balstīti MI lietojumi skolās ir aizliegti.

C

Cilvēka virsvadība

(angl. Human oversight)

Prasība, lai kompetenti, apmācīti un pilnvaroti cilvēki uzraudzītu augsta riska MI sistēmu, izprastu tās ierobežojumus un varētu neņemt vērā vai mainīt tās rezultātu. Uzraudzība bez ekspertīzes nav uzraudzība.

D

Datorikas domāšana

Algoritmiskā domāšana (angl. Computational thinking)

Pieeja problēmām tādā veidā, kādu varētu izpildīt dators, piemēram, sadalot tās soļos un atpazīstot likumsakarības.

Datu aizsardzība

(angl. Data protection)

Personas datu tiesiskā aizsardzība. MI tiesiskā regulējuma nesošais pamats, kas ir bijis spēkā jau visu laiku; ES tā galvenokārt ir VDAR.

Datu apstrādes līgums

DPA (angl. Data processing agreement)

Rakstisks līgums starp skolu un nodrošinātāju, kurā noteikts, kā nodrošinātājs drīkst rīkoties ar personas datiem (VDAR 28. pants). Praktiskā pārbaude: vai tas izslēdz modeļu apmācību ar jūsu ievadītajiem datiem?

Datu mitināšana

(angl. Data hosting)

Vieta, kur dati tiek glabāti un apstrādāti, piem., Eiropas serveros vai ārpus ES. Datiem, kas tiek nosūtīti ārpus ES, nepieciešams aizsardzības mehānisms.

Deterministisks

(angl. Deterministic)

Tāds, kas no vienām un tām pašām sākuma vērtībām vienmēr rada tieši tādu pašu rezultātu.

Diagnostikas dati

Telemetrija (angl. Diagnostic data)

Tehniskie dati, ko nodrošinātājs vāc par sava pakalpojuma izmantošanu. Cik ilgi tie tiek glabāti, ir datu aizsardzības jautājums.

DigCompEdu

 

Eiropas pedagogu digitālās kompetences ietvars. Tas nodrošina DUAL.AI.TEACHer ietvara pedagoģisko struktūru (horizontālo dimensiju).

Digitālais centrs

(angl. Digital Hub)

Centrāla tiešsaistes platforma, kas apvieno projekta resursus, kursus un kopienas pieredzes apmaiņu.

Digitālā nozīmīte

Atvērtā digitālā nozīmīte (angl. Digital Badge)

Sertifikāta vai mikrokvalifikācijas koplietojama digitāla forma.

Digitālā suverenitāte

(angl. Digital sovereignty)

Kontrole pār saviem datiem, infrastruktūru un tehnoloģiju izvēli. Paša veidota platforma automātiski nenodrošina lielāku kontroli, tāpēc rokasgrāmata iesaka šo terminu lietot piesardzīgi.

Dimensija

(angl. Dimension)

Viena no plašajām jomām, kurās ietvars ir iedalīts, katra apvienojot kompetences, kas praksē pieder kopā.

Drošības ierobežojumi

(angl. Guardrails)

Sistēmā iebūvēti ierobežojumi, kas nodrošina, ka tā atbalsta domāšanu, nevis to aizstāj.

Dziļviltojums

(angl. Deepfake)

MI ģenerēts vai manipulēts attēla, audio vai video saturs, kas šķiet autentisks. Ja to izmanto stundā, tas ir jāatklāj (MI akta 50. panta 4. punkts).

E

Eiropas ietvars

(angl. European Framework)

Atsauces ietvars, kas nodrošina standartizētas kompetenču definīcijas Eiropas līmenī.

Eiropas kvalifikāciju ietvars

EKI (angl. European Qualifications Framework, EQF)

ES atsauces ietvars, kas padara kvalifikācijas salīdzināmas starp valstīm. Sertifikācija ir saskaņota ar to.

Eksāmenu uzraudzība

Attālināta eksāmenu uzraudzība (angl. Proctoring)

Eksāmenu uzraudzība ar programmatūras palīdzību, piemēram, ar tīmekļa kameru. MI, kas atklāj aizliegtu uzvedību eksāmenu laikā, ir augsta riska MI; sertifikācijas eksāmenā tiek izmantota attālināta uzraudzība.

Emociju atpazīšana

(angl. Emotion recognition)

MI, kas apgalvo, ka no biometriskajiem datiem spēj secināt jūtas vai nodomus, piem., uzmanības noteikšana, noskaņojuma analīze vai „iesaistes” vērtēšana ar tīmekļa kameru. Skolās aizliegta kopš 2025. gada 2. februāra, ar šauriem izņēmumiem medicīniskiem vai drošības mērķiem.

EntreComp

 

Eiropas uzņēmējdarbības kompetenču ietvars. Ietvaram devis radošuma un inovāciju aspektu.

ES datubāze

(angl. EU database)

ES reģistrs, kurā publiskajām iestādēm var nākties reģistrēt to izmantotās augsta riska MI sistēmas (MI akta 49. pants).

ES MI akts

MI akts, Regula (ES) 2024/1689 (angl. EU AI Act)

ES vienotais, uz risku balstītais MI noteikumu kopums. Tas klasificē MI sistēmas pēc to radītā riska – no aizliegtas prakses līdz augsta riska lietojumiem un ikdienas rīkiem bez īpašiem noteikumiem – un attiecas uz publiskām un privātām organizācijām, arī skolām. Stājies spēkā 2024. gada 1. augustā, tiek ieviests pakāpeniski līdz 2027. gadam.

ESCO

 

Eiropas prasmju, kompetenču, kvalifikāciju un profesiju klasifikācija. Sertifikācija ir saskaņota ar to.

Europass

 

ES platforma, kurā var kopīgot digitālos sertifikātus un kurā trešo pušu iestādes var pārbaudīt to derīgumu.

Ē

Ētiskā dimensija

(angl. Ethical Dimension)

Dimensija, kas aptver ētiskos apsvērumus saistībā ar MI izmantošanu mācīšanā un mācīšanās procesā.

F

Faktu zināšanas

(angl. Factual knowledge)

Zināšanas par faktiem un jēdzieniem. MI tutori var atbalstīt to apguvi.

Ģ

Ģeneratīvais MI

GenAI (angl. Generative AI)

MI, kas pēc uzvednes rada jaunu tekstu, attēlus vai citu saturu.

H

Halucinācija

(angl. Hallucination)

Raiti izteikts, pārliecinošs, bet nepatiess. Tas nav defekts, ko novērsīs ar labojumu, bet gan sekas tam, kā šīs sistēmas ģenerē tekstu.

Horizontālā dimensija

Pedagoģiskā dimensija (angl. Horizontal dimension)

Sešas mācīšanas prakses jomas DUAL.AI.TEACHer ietvarā, pārņemtas no DigCompEdu: profesionālā iesaiste, digitālie resursi, mācīšana un mācīšanās, vērtēšana, izglītojamo pilnvarošana un izglītojamo (MI) digitālās kompetences veicināšana.

I

ICEP

Institute of European Certification of Personnel

Akreditēta sertifikācijas institūcija (ISO 17024), kas uztur sertifikācijas platformu un eksāmenu un glabā sertifikācijas ierakstus.

Iekļaušanas dimensija

(angl. Inclusion Dimension)

Dimensija, kas pievēršas pieejamībai, vienlīdzībai un iekļaušanai ar MI atbalstītā mācīšanā un mācīšanās procesā.

Iepirkums

Pirkuma lēmums (angl. Procurement)

Process, kurā skola vai dibinātājs izvēlas un iegādājas MI rīkus. Tieši šeit tiek nodrošināti uzticami ierobežojumi un līgumiskas garantijas, tāpēc atbildība ir iepirkuma, nevis atsevišķa skolotāja ziņā.

Ilgtspējīgs MI

(angl. Sustainable AI)

MI izstrāde un izmantošana tā, lai tiktu ņemta vērā tā ilgtermiņa ietekme uz vidi, sabiedrību un ekonomiku.

Inovāciju difūzija

(angl. Diffusion of innovations)

Teorija par to, kā izplatās inovācijas: tās tiek pieņemtas vieglāk, ja tās var izmēģināt (izmēģināmība) un redzēt darbībā (novērojamība).

Integrācijas ceļvedis

(angl. Integration Roadmap)

Soli pa solim veidots ceļš, ko skolotājs vai iestāde iziet no pirmās saskarsmes ar MI līdz iedibinātai praksei; DUAL.AI.TEACHer tas ietver deviņus posmus.

Intelektuālā mācību atbalsta sistēma

ITS (angl. Intelligent tutoring system)

Ilgstoši izmantota mācību programmatūra, kas vada izglītojamos ar pielāgotiem uzdevumiem un atgriezenisko saiti.

Iteratīva uzvedņu veidošana

Uzvednes pilnveidošana (angl. Iterative prompting)

MI rezultāta uzlabošana vairākos posmos, nevis paļaušanās uz vienu uzvedni: definēt mērķi, uzrakstīt uzvedni, izvērtēt rezultātu, pilnveidot un pārbaudīt.

Izdomāta atsauce

Neeksistējošs avots (angl. Fabricated citation)

MI radīta atsauce uz avotu, kas neeksistē. Šādu avotu atpazīšana ir viena no galvenajām pārbaudes prasmēm un viena no tipiskajām neatklātas MI izmantošanas pazīmēm.

Izglītojamais

(angl. Learner)

Persona, kas piedalās mācību aktivitātēs, lai iegūtu zināšanas, prasmes vai kompetences.

Izglītojamo rīcībspēja

(angl. Learner agency)

Izglītojamo spēja pašiem pieņemt lēmumus par savu mācīšanos, arī par MI ģenerētu resursu izmantošanu. Skolotājiem tā jāsaglabā ar MI atbalstītos procesos.

Izņēmums mācību vajadzībām

(angl. Teaching exception)

Autortiesību izņēmums, kas ļauj skolotājiem kopēt ierobežotu darba daļu savai klasei. Tas neattiecas uz aizsargātu darbu augšupielādi MI sistēmā, un materiāli, kas paredzēti mācīšanai skolā, galvenokārt mācību grāmatas, no tā ir izslēgti.

Izskaidrojamība

MI skaidrojums (angl. Explainability)

MI sistēmas spēja parādīt, kā tā nonākusi pie sava rezultāta. Skaidrojumi droši nenovērš pārmērīgu uzticēšanos; pārāk tehniski vai pārāk vienkāršoti skaidrojumi var pat palielināt nepamatotu paļāvību.

Ī

Īpašu kategoriju dati

(angl. Special category data)

Personas dati, kuriem nepieciešama papildu aizsardzība, piemēram, dati par veselību, invaliditāti, biometriskie dati vai dati, kas atklāj etnisko izcelsmi vai reliģiju (VDAR 9. pants). Principā aizliegti bez konkrēta izņēmuma.

K

Kiborga rakstīšana

(angl. Cyborg writing)

Rakstīšana, kurā MI paplašina, nevis aizstāj rakstītāja domāšanu; skolēni atzīmē, kuras daļas ir viņu pašu.

Koda ģenerēšana

(angl. Code generation)

Programmas koda rakstīšanas uzticēšana MI. Iesācējiem no tā vajadzētu izvairīties, jo viņi vēl nespēj novērtēt, vai kods ir pareizs.

Koda pārskatīšana

MI atbalstīta koda pārskatīšana (angl. Code review)

Skolēni vispirms paši uzraksta kodu un tikai tad lūdz MI ieteikt uzlabojumus, nevis ļauj tam uzrakstīt risinājumu. Ieteikumi ir kritiski jāizvērtē.

Kognitīvā atslogošana

(angl. Cognitive Offloading)

Garīgā darba nodošana kaut kam ārpus paša prāta. Tā ir noderīga, ja zināšanas jau ir izveidojušās, un kaitīga, ja tās vēl tikai veidojas.

Kompetence

(angl. Competence, Competency)

Tas, ko skolotājs zina, spēj darīt un ir gatavs darīt, aprakstīts tā, lai to varētu mācīt un pārbaudīt.

Kompetences kods

Mācīšanās mērķa kods (angl. Competence code)

Mācīšanās mērķa apzīmējums, piem., AF-TL-2b: MI aspekts (HM, EI, AF) – pedagoģiskā joma (PE, DR, TL, A, EL, FC) – progresijas līmenis (1–3) un mērķis (a–c).

Kompetenču joma

Kompetenču grupa (angl. Competence Domain)

Savstarpēji saistītu kompetenču grupa ietvarā.

Kursa norise

(angl. Course Run)

Konkrēta kursa īstenošanas reize ar reģistrētiem izglītojamajiem un noteiktu laika posmu.

Kurss

(angl. Course)

Strukturēts mācību moduļu kopums, kas veidots, lai nodrošinātu pilnīgu mācīšanās pieredzi.

L

Lēmums par aizsardzības līmeņa pietiekamību

(angl. Adequacy decision)

ES lēmums, ka kāda valsts ārpus ES pietiekami aizsargā personas datus, tāpēc datus drīkst uz turieni nosūtīt.

Licence

 

 

Lielais valodas modelis (LLM)

LLM (angl. Large Language Model)

MI modelis, kas apmācīts ar lielu teksta apjomu un ģenerē ticamus teksta turpinājumus; tērzēšanas robotu pamats. Darbojas kā prognozēšanas mehānisms, nevis kā datubāze.

Lietojuma gadījums

(angl. Use Case)

Konkrēts scenārijs, kas apraksta, kā MI tiek izmantots mācīšanas praksē.

Līguma standartklauzulas

SCC (angl. Standard contractual clauses)

ES apstiprināti līguma noteikumi, kas aizsargā uz ārpus ES nosūtītos personas datus, ja nav lēmuma par aizsardzības līmeņa pietiekamību.

LLM tērzēšanas saskarne

MI tērzēšanas asistents (angl. LLM chat interface)

Pārlūkprogrammā atverams tērzēšanas logs, kurā lietotāji strādā ar lielo valodas modeli.

Lokāli instalēts modelis

Lokāli mitināts modelis (angl. Locally installed model)

Valodas modelis, kas darbojas skolas paša ierīcē vai serverī. Tā ir alternatīva, ja interneta piekļuve skolā ir ierobežota.

M

Mašīnmācīšanās

ML (angl. Machine learning)

Pieeja, kurā MI sistēma apgūst likumsakarības no saņemtajiem piemēriem, nevis seko cilvēka rakstītiem noteikumiem. Ja piemēri ir pārāk līdzīgi, nepilnīgi vai slikti izvēlēti, modelis rada negaidītus rezultātus.

Mateja efekts

(angl. Matthew effect)

Visvairāk iegūst tie, kuriem jau ir priekšrocības: „kam ir, tam tiks dots”.

Mācību modulis

(angl. Training Module)

Strukturēta mācību vienība, kas attīsta kompetences ar mācību aktivitāšu un materiālu palīdzību.

Mācību vienība

(angl. Learning Unit)

Konkrēta mācību aktivitāte, ko izglītojamais veic moduļa ietvaros.

Mācīšana ar MI

Mācīšanās AR MI (angl. Teaching with AI)

MI izmantošana kā rīks paša skolotāja darbā – no plānošanas līdz atgriezeniskajai saitei.

Mācīšana par MI

Mācīšanās PAR MI (angl. Teaching about AI)

MI padarīšana par pašas nodarbības priekšmetu, lai skolēni saprastu, kā tas darbojas un kur tas nedarbojas pareizi.

Mācīšanas modelis

(angl. Teaching Model)

Pedagoģiska pieeja, kas nosaka, kā tiek strukturēta mācīšana un mācīšanās, ieskaitot MI lomu.

Mācīšanās rezultāts

(angl. Learning Outcome)

Izmērāms apgalvojums, kas apraksta, ko izglītojamajam ir jāzina vai jāspēj izdarīt.

Metaanalīze

Pārskats (angl. Meta-analysis)

Pētījums, kas apvieno daudzu atsevišķu pētījumu rezultātus par vienu un to pašu jautājumu.

MI

Mākslīgais intelekts (angl. AI, Artificial Intelligence)

Datorsistēmas, kas veic uzdevumus, kurus saista ar cilvēka domāšanu, piemēram, atpazīst likumsakarības, apstrādā valodu vai ģenerē saturu, galvenokārt mācoties no datiem.

MI asistents

(angl. AI Assistant)

MI rīks, kas veic darbu lietotāja vietā. Tas var mazināt atšķirības starp lietotāju darba rezultātiem, bet ne atšķirības viņu spējās.

MI detektors

(angl. AI Detector)

Programmatūra, kas apgalvo, ka spēj identificēt mašīnas rakstītu tekstu. Patiesībā tā mēra teksta paredzamību.

MI ētika

(angl. Ethics of AI)

Ētikas principi, regulējums, iestāžu politika un praktiskas vadlīnijas par MI izmantošanu, kas skolotājiem jāsaprot un jāpiemēro. Vertikālās dimensijas caurviju aspekts.

MI modelis

(angl. AI model)

Apmācītais MI sistēmas kodols, kas no ievaddatiem ģenerē rezultātus.

MI pamati un pielietojumi

(angl. AI foundations and applications)

Konceptuālās zināšanas un pārnesamas prasmes, lai saprastu, kā MI darbojas, un izvēlētos, pielietotu un pielāgotu MI rīkus. Vertikālās dimensijas saturiskais aspekts.

MI pedagoģisko kompetenču ietvars

DUAL.AI.TEACHer kompetenču ietvars (angl. AI Pedagogical Competency Framework)

Struktūra, kas sadala ar MI saistītās mācīšanas kompetences dimensijās un līmeņos un saista tās ar rezultātiem un novērtējumiem, saskaņojot pedagoģiskos, ētiskos un tehniskos aspektus.

MI pratība

(angl. AI literacy)

Izpratne par MI jēdzieniem, iespējām, ierobežojumiem un atbildīgu izmantošanu. Saskaņā ar MI akta 4. pantu skolām jāatbalsta tās attīstība darbiniekiem, kuri izmanto MI (saistoši kopš 2025. gada 2. februāra); konkrēts līmenis, sertifikāts vai formāts nav noteikts. Arī sertifikācijas B virziena nosaukums.

MI rīks

(angl. AI Tool)

Jebkura lietotne, kas izmanto MI, lai atbalstītu kāda uzdevuma veikšanu.

MI tērzēšanas robots

Tērzēšanas robots, čatbots (angl. AI Chatbot)

Programma, kas sarunājas dabiskā valodā; mūsdienās parasti balstīta uz lielo valodas modeli.

MI tiesiskā atbilstība

Tiesību aktiem atbilstoša MI izmantošana (angl. AI Compliance)

MI izmantošana saskaņā ar datu aizsardzības tiesībām, MI aktu, autortiesībām un eksāmenu regulējumu. Atbilstība nevis kavē MI izmantošanu, bet gan padara to iespējamu.

MI tutors

(angl. AI Tutor)

MI sistēma, kas paredzēta satura skaidrošanai un izglītojamo vadīšanai. Var atbalstīt faktu zināšanu apguvi.

Mikrokvalifikācija

(angl. Micro-credential)

Mazāka sertifikācija, kas aptver vienu fokusētu kompetenču kopu, nevis visu sertifikācijas ceļu; mikrokvalifikācijas var apvienot, lai iegūtu lielākas kvalifikācijas.

MOOC platforma

(angl. MOOC Platform)

Digitāla platforma kursu īstenošanai, izglītojamo pārvaldībai un mācību satura mitināšanai.

N

Nemērķēta datu ievākšana

Datu ievākšana (angl. Untargeted scraping, scraping)

Automatizēta masveida attēlu vākšana no interneta vai videonovērošanas ierakstiem bez konkrēta mērķa vai konkrētas personas.

Nodrošinātājs

MI nodrošinātājs (angl. Provider)

Uzņēmums, kas izstrādā un piedāvā MI sistēmu. Parasti tas ir atbildīgs par to, lai lietotāji tiktu informēti, ka mijiedarbojas ar MI; ja tas apstrādā datus skolas vārdā, saskaņā ar VDAR tas ir apstrādātājs.

Novērtējums par ietekmi uz pamattiesībām

FRIA (angl. Fundamental rights impact assessment)

Novērtējums, kas publiskām struktūrām un organizācijām, kuras sniedz publiskus pakalpojumus, var būt jāveic pirms augsta riska MI izmantošanas (MI akta 27. pants).

Novērtēšanas aktivitāte

(angl. Assessment Activity)

Aktivitāte, ar kuru novērtē, vai ir sasniegti mācīšanās rezultāti.

Novērtēšanas kritērijs

(angl. Assessment Criterion)

Noteikums vai etalons, pēc kura novērtē, vai mācīšanās rezultāts ir sasniegts.

Novitātes efekts

(angl. Novelty effect)

Īslaicīga pozitīva ietekme tikai tāpēc, ka kaut kas ir jauns. Tas var mākslīgi uzlabot īstermiņa pētījumu rezultātus.

O

Operators

(angl. Operator)

Darbības vārds, uz kura balstīts mācīšanās mērķis (piem., atpazīt, īstenot, kritiski izvērtēt). Tas parāda, ko no skolotāja attiecīgajā līmenī sagaida, un padara mērķi novērojamu.

P

Pakāpeniskais atbalsts

(angl. Scaffolding)

Skolotāja strukturēta vadība, kas palīdz izglītojamajiem izmantot rīku vai paveikt uzdevumu, ar kuru viņi vēl nespētu tikt galā patstāvīgi.

Pamatkompetence

(angl. Core competency)

Viena no 18 DUAL.AI.TEACHer ietvara kompetencēm; katra atrodas kādas pedagoģiskās jomas un kāda MI aspekta krustpunktā.

Paredzamība

(angl. Predictability)

Cik sagaidāms ir teksta formulējums. MI detektori mēra paredzamību, nevis mašīnas autorību, tāpēc tie kļūdaini atzīmē vienkāršu tekstu vai tekstu, kas rakstīts otrajā valodā.

Pastiprināšanas efekts

Pastiprināšana pretstatā izlīdzināšanai (angl. Amplification effect)

MI mēdz palielināt jau esošās atšķirības. Tas tās izlīdzina tikai tad, ja vienlaikus izpildās trīs nosacījumi: droša piekļuve, rīks, kas veidots mācīšanās atbalstam, nevis atbilžu sniegšanai, un skolotājs, kurš tā izmantošanu atbalsta ar pakāpenisku palīdzību (scaffolding).

Pārmērīga paļaušanās

Pārmērīga uzticēšanās (angl. Overreliance)

Lielāka uzticēšanās MI rezultātiem, nekā tie ir pelnījuši, piemēram, nepareizu atzīmju vai atgriezeniskās saites pieņemšana. Skolotājiem, kuri izmanto augsta riska MI, tas aktīvi jāuzrauga.

Pārredzamības pienākums

Marķēšanas pienākums, atklāšanas pienākums (angl. Transparency obligation)

Saskaņā ar MI akta 50. pantu – pienākums informēt cilvēkus, ka viņi mijiedarbojas ar MI, un atklāt dziļviltojumus un MI ģenerētus tekstus par sabiedrības interešu jautājumiem. Saturs, kas ir izgājis cilvēka pārskatīšanu un redakcionālu kontroli, ir atbrīvots, tāpēc skolotāja pārskatītai darba lapai marķējums nav vajadzīgs.

Pārskatītā Blūma taksonomija

(angl. Revised Bloom's taxonomy)

Modelis, kurā kognitīvie procesi attīstās no atcerēšanās un izpratnes caur pielietošanu un analīzi līdz izvērtēšanai un radīšanai (Anderson & Krathwohl, 2001). Progresijas līmeņu pamatā.

Pārzinis

Datu pārzinis (angl. Controller)

Saskaņā ar VDAR – struktūra, kas ir atbildīga par personas datu apstrādi. Skolās tā parasti ir skola.

Pedagoģiskais ietvars

(angl. Pedagogical Framework)

Strukturēts pedagoģisko principu un pieeju kopums, kas virza mācīšanas un mācīšanās plānošanu.

Personalizācija

MI personalizācija (angl. Personalisation)

Resursu, uzdevumu vai atbalsta pielāgošana katram izglītojamajam ar MI palīdzību. Tā var atbalstīt iekļaušanu, bet rada arī nevienlīdzības, datu ļaunprātīgas izmantošanas un atstumtības riskus.

Personas dati

(angl. Personal data)

Jebkura informācija par identificējamu personu, piem., vārdi, skolas e-pasta adreses, skolēnu darbi, balss ieraksti, fotoattēli, atzīmes, apmeklējuma un mācību progresa dati. Dati paliek personas dati, ja kādu var identificēt no konteksta.

Pielāgošana

Modeļa pielāgošana, drošības apmācība (angl. Tuning)

Korekcijas, ko nodrošinātājs veic pēc sākotnējās apmācības, lai ietekmētu to, ko sistēma parāda vai saka, piemēram, lai padarītu to drošāku, taisnīgāku vai daudzveidīgāku. Pielāgošana rezultātā nav redzama, tā var nenostrādāt un var mainīties bez brīdinājuma.

Politikas vadlīnijas

(angl. Policy Guideline)

Politikas līmeņa dokuments, kas sniedz pamatu kompetenču un mācīšanas prakses attīstībai.

Prasmju erozija

(angl. Deskilling)

Profesionālās ekspertīzes pakāpeniska erozija, kad rīks pārņem darbu, ar kura palīdzību šī ekspertīze tiek uzturēta.

Profesionālā pilnveide

Tālākizglītība, kvalifikācijas pilnveide (angl. Continuing professional development, CPD)

Profesionālā mācīšanās skolotājiem, kuri jau strādā skolās. Ceļveža 6. posms to pārvērš strukturētā piedāvājumā ar apvienojamām mikrokvalifikācijām.

Profilēšana

(angl. Profiling)

Automatizēta personu izvērtēšana, lai analizētu vai prognozētu to īpašības vai uzvedību. Izglītības MI sistēma, kas profilē personas, vienmēr tiek uzskatīta par augsta riska sistēmu.

Prognozēšanas mehānisms

Varbūtisks rezultāts (angl. Prediction engine)

Valodas modeļi ģenerē ticamu teksta turpinājumu, nevis meklē faktus datubāzē. Tas izskaidro, kāpēc tie halucinē un kāpēc līdzīgas uzvednes var dot atšķirīgas atbildes.

Progresijas līmenis

Līmenis (angl. Progression level)

Viens no trim līmeņiem, kuros aprakstīta katra pamatkompetence: 1. līmenis – orientējoša izpratne, 2. līmenis – reflektīva īstenošana (galvenais mērķis skolotājiem) un 3. līmenis – transformējoša līderība.

R

Randomizēts kontrolēts pētījums

RCT, kontrolēts pētījums (angl. Randomised controlled trial)

Pētījums, kurā dalībnieki tiek nejauši sadalīti grupās, lai rezultātu atšķirības varētu attiecināt uz intervenci.

Rokasgrāmata

(angl. Playbook)

Strukturēts ceļvedis, kas MI kompetences pārvērš mācīšanas praksē, izmantojot lietojuma gadījumus, pedagoģiskos modeļus un mācību resursus.

Runas atpazīšana

(angl. Speech recognition)

MI forma, kurā programma mēģina atpazīt izrunātus vārdus vai skaitļus. Tas, cik labi tā darbojas, ir atkarīgs no mikrofona, no tā, cik skaidri cilvēks runā, un no tā, cik telpā ir kluss.

S

Satura filtrs

(angl. Content filter)

Automātisks mehānisms, kas bloķē vai pārveido saturu, ko nodrošinātājs uzskata par nepiemērotu. Tā kritēriji bieži netiek atklāti.

Satura vienība

(angl. Content Unit)

Mazākā atkārtoti izmantojamā mācību sastāvdaļa, ko izmanto stundu plānos un moduļos.

Sejas atpazīšana

(angl. Facial recognition)

MI, kas identificē cilvēkus pēc sejas, piem., apmeklējuma uzskaitei vai eksāmenu uzraudzībai. Sejas atpazīšanas datubāzu veidošana vai paplašināšana ar nemērķētu datu ievākšanu ir aizliegta.

Sertifikācijas ceļš

(angl. Certification Pathway)

Ceļš, pa kuru kompetences tiek validētas un formāli atzītas – šeit kā divvirzienu ceļš (A virziens un B virziens).

Sertifikācijas virziens

A virziens, B virziens (angl. Certification track, Track A, Track B)

Viena no divām savstarpēji papildinošām sertifikācijām: A virziens – MI papildināta mācīšana (AR MI) un B virziens – MI pratība (PAR MI). Skolotāji var kārtot vienu vai abas.

Sertifikāts

(angl. Certificate)

Oficiāls dokuments, kas apliecina kompetenču apguvi.

Serveris

(angl. Server)

Dators, kas tīklā glabā un apstrādā datus citu vajadzībām. Tas, kur atrodas MI rīka serveri (piem., ES), ietekmē, kuri datu aizsardzības noteikumi ir piemērojami.

Shēma

(angl. Schema)

Personas sakārtotas zināšanas.

Skolas MI vide

Pārbaudīta platforma (angl. School AI environment)

Valsts nodrošināta, pārbaudīta MI platforma skolām ar saskaņotiem līgumiem, kas tiek piedāvāta, lai skolotājiem nebūtu jāreģistrējas bezmaksas rīkos.

Skolas vadītājs

Direktors, direktora vietnieks (angl. School Administrator)

Persona, kas atbild par skolas vadību, piemēram, direktors vai direktora vietnieks. 5.3. nodaļa ir adresēta tieši viņiem.

Skolotāja MI kompetence

(angl. Teacher AI Competence)

Skolotāju zināšanas, prasmes un attieksmes, lai mācītu ar MI un par MI, kā tās strukturētas DUAL.AI.TEACHer ietvarā.

Skolotājs

(angl. Teacher)

Persona, kas atbild par mācīšanas un mācīšanās aktivitāšu plānošanu un īstenošanu.

Skolotāju izglītotājs

(angl. Teacher educator)

Akadēmiskais personāls, kas māca skolotāju sākotnējā izglītībā. Viņu kapacitātes stiprināšana ir ceļveža 3. posms.

Skolotāju sākotnējā izglītība

Pedagogu studijas (angl. Initial teacher education, ITE)

Topošo skolotāju izglītība augstskolā.

Sokrātiskais tutors

(angl. Socratic tutor)

Tērzēšanas robots, kuram uzdots uzdot virzošus jautājumus, nevis sniegt atbildes. Ja tas iestatīts tikai ar uzvedni, garākās sarunās tas mēdz atgriezties pie atbilžu sniegšanas, tāpēc uzticami ierobežojumi ir jāiebūvē sistēmā.

Spēlifikācija

Gamifikācija (angl. Gamification)

Spēles elementu izmantošana stundās. MI izmantošana spēlifikācijai deva pārāk mazu ieguvumu, lai to varētu uzskatīt par pierādītu.

Stohastisks

Nejaušināts (angl. Stochastic)

Atkarīgs no nejaušības, tāpēc vieni un tie paši iestatījumi var dot atšķirīgus rezultātus.

Strukturēta uzvedne

(angl. Structured prompt)

Uzvedne, kurā norādīts vairāk nekā tikai temats, piemēram, mērķauditorija, nolūks, konteksts, valodas līmenis, tonis, izglītojamo vecums, mācīšanās mērķis, ilgums un gaidāmais rezultāts. Tā dod lielāku kontroli pār rezultātu, bet negarantē, ka tas būs labs.

Stundas plāns

(angl. Lesson Plan)

Detalizēts mācību stundas plāns, kas ietver mērķus, aktivitātes un MI rīku integrēšanu.

T

Taisnīgums

Nediskriminēšana (angl. Fairness)

Princips, ka MI un tā izmantošana nedrīkst sistemātiski nostādīt cilvēkus nelabvēlīgā situācijā, piem., kad MI detektori kļūdaini atzīmē tekstus, kuru autoriem valoda nav dzimtā.

Tehniskā drošība

(angl. Technical safety)

MI sistēmas uzticamība un noturība, lai tā darbotos, kā paredzēts, un neradītu kaitējumu.

Teksta-attēla ģenerators

Attēlu ģenerators (angl. Text-to-image generator)

Ģeneratīvais MI, kas rada attēlus pēc rakstiskas uzvednes. Tas, ko tas attēlo, ir atkarīgs no tā apmācības datiem un no nodrošinātāja veiktajām korekcijām.

Tiešsaistes eksāmens

(angl. Online Exam)

Formāls, strukturēts tiešsaistes novērtējums, kas ir daļa no vērtēšanas procesa.

Tirgus uzraudzības iestāde

(angl. Market surveillance authority)

Valsts iestāde, kas nodrošina MI akta izpildi. Ikviens, arī skolotāji, skolēni un vecāki, var tai iesniegt sūdzību (MI akta 85. pants).

Trešā puse

(angl. Third party)

Uzņēmums, kas nav ne skola, ne lietotnes izstrādātājs, parasti reklāmas vai analītikas uzņēmumi, kuri saņem datus, kamēr skolēns strādā.

U

UNESCO skolotāju MI kompetenču ietvars

(angl. UNESCO AI Competency Framework for Teachers)

UNESCO ietvars (2024), kas nosaka principus, vērtības, zināšanas un prasmes, kas skolotājiem nepieciešamas, lai MI izmantotu ētiski, efektīvi un droši. Vertikālās dimensijas avots.

Universālais dizains mācībām

UDL (angl. Universal Design for Learning)

Ietvars iekļaujošai, uz izglītojamo vērstai mācību plānošanai. Izmantots, lai stiprinātu ietvara iekļaujošo dimensiju.

Uz cilvēku vērsta domāšana

(angl. Human-centred mindset)

Vērtības un attieksmes, kas skolotājiem nepieciešamas cilvēka un MI mijiedarbībā, lai prioritāte būtu cilvēku vajadzībām, spriestspējai un labbūtībai. Vertikālās dimensijas caurviju aspekts.

Uzturētājs

(angl. Deployer)

Organizācija, kas ievieš un kontrolē MI sistēmu, parasti skola vai skolas dibinātājs. Skolotājs, kurš izmanto rīku saskaņā ar skolas norādījumiem, parasti nav atsevišķs uzturētājs.

Uzvedne

(angl. Prompt)

Norādījums, ko lietotājs dod MI sistēmai. Tās formulējums, konteksts un ierobežojumi ietekmē rezultātu.

Uzvednes pārrakstīšana

(angl. Prompt rewriting)

Nodrošinātājs automātiski maina lietotāja uzvedni, pirms to saņem modelis, piemēram, lai pievienotu detaļas vai daudzveidību. Lietotājs šīs izmaiņas neredz, tāpēc ierakstītais nav tas, ko mašīnai patiesībā lūdza.

Uzvedņu veidošana

Uzvedņu inženierija (angl. Prompt engineering, prompting)

Efektīvu uzvedņu rakstīšana kā apgūstama prasme, piemēram, stundu plānošanai, diferenciācijai un vērtēšanai.

V

VDAR

Vispārīgā datu aizsardzības regula, Regula (ES) 2016/679 (angl. GDPR)

ES datu aizsardzības tiesību akts. Kamēr MI akts jautā, vai un kā MI sistēmu drīkst izmantot, VDAR jautā, vai konkrētus datus par konkrētu personu drīkst apstrādāt konkrētā veidā.

Vertikālā dimensija

MI dimensija (angl. Vertical dimension)

Trīs MI aspekti DUAL.AI.TEACHer ietvarā, pārņemti no UNESCO ietvara: uz cilvēku vērsta domāšana, MI ētika un MI pamati un pielietojumi.

Vibe coding

 

Programmatūras izveide vai paplašināšana, dabiskā valodā aprakstot, kas tai jādara, un ļaujot MI uzrakstīt kodu. Rokasgrāmatā skolēni paplašina esošu simulāciju ar uzvednēm, nevis programmē no nulles.

Vienreizēja uzvedne

Viena uzvedne (angl. One-shot prompt)

Uzvedne, kas tiek nosūtīta vienu reizi, bez pilnveidošanas vai papildjautājumiem. (Tehniskajā lietojumā termins var nozīmēt arī uzvedni, kurā ir viens atrisināts piemērs.)

Viltus pozitīvs rezultāts

(angl. False Positive)

Pareizs, godīgs darbs, kas kļūdaini atzīmēts kā neatbilstošs. Kļūda, kas kaitē skolēniem.

Z

Zināšanu un rīcības plaisa

(angl. Knowledge-Action Gap)

Izmērāms attālums starp zināšanām par MI un mācīšanas prakses maiņu šo zināšanu dēļ.

Ž

Žurnāli

Reģistrētie notikumi (angl. Logs)

MI sistēmas automātiski ģenerēti ieraksti. Augsta riska sistēmu uzturētājiem tie jāglabā vismaz sešus mēnešus, ja žurnāli ir to kontrolē.