{"id":96,"date":"2023-11-30T17:30:30","date_gmt":"2023-11-30T17:30:30","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/chapter\/ai-speak-data-based-systems-part-1\/"},"modified":"2024-01-31T11:47:40","modified_gmt":"2024-01-31T11:47:40","slug":"ai-speak-data-based-systems-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/chapter\/ai-speak-data-based-systems-part-1\/","title":{"raw":"Govorica UI: Sistemi, ki temeljijo na podatkih - 1. del","rendered":"Govorica UI: Sistemi, ki temeljijo na podatkih &#8211; 1. del"},"content":{"raw":"<div class=\"textbox textbox--exercises\"><header class=\"textbox__header\">\n<h3><strong>Odlo\u010danje v razredu<\/strong><\/h3>\n<\/header>\n<div class=\"textbox__content\">\n<p class=\"no-indent\">Kot u\u010ditelj imate dostop do \u0161tevilnih vrst podatkov, ki so bodisi oprijemljivi, npr. redovalnice ali razne evidence prisotnosti, bodisi neoprijemljivi, npr. telesna govorica u\u010dencev. Razmislite o odlo\u010ditvah, ki jih sprejemate v svojem poklicnem \u017eivljenju: <strong>kateri podatki vam pomagajo pri sprejemanju teh odlo\u010ditev?<\/strong><\/p>\n<p class=\"indent\">Danes so na voljo \u0161tevilne aplikacije, ki vam lahko pomagajo pri vizualizaciji ali obdelavi podatkov. Sistemi UI uporabljajo podatke za personaliziranje u\u010denja ter za napovedovanje in sprejemanje odlo\u010ditev, ki vam lahko pomagajo pri pou\u010devanju in upravljanju razreda kot celote. Ali mislite, da lahko na nekatere va\u0161e zahteve\/potrebe odgovori tehnologija? \u010ce je odgovor pritrdilen, razmislite o tem, katere podatke bi tak\u0161en sistem potreboval za izvedbo naloge.<\/p>\n\n<\/div>\n<\/div>\n\n[caption id=\"attachment_95\" align=\"alignleft\" width=\"264\"]<img class=\"wp-image-93 \" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-576x1024.png\" alt=\"\" width=\"264\" height=\"469\"> Reference : Kelleher, J.D, Tierney, B, Data Science, London, 2018 and Kitchin, R, Big Data, new epistemologies and paradigm shifts, Big Data &amp; Society, 2014[\/caption]\n<p class=\"no-indent\">Izobra\u017eevalni sistemi so od nekdaj zbirali in obdelovali dolo\u010dene podatke - osebne podatke u\u010dencev, podatke o akademskih (u\u010dnih) dose\u017ekih, podatke o prisotnosti itd. Z digitalizacijo in razmahom aplikacij UI v izobra\u017eevanju (AIED) se danes bele\u017eijo in shranjujejo \u0161e veliko ve\u010dje koli\u010dine podatkov: \u0161tevilo klikov, \u0161tevilo odprtih strani, \u010dasovni \u017eigi in \u0161tevilo pritiskov na tipkovnico<sup>1<\/sup>. Dandanes se vse vrti okrog podatkov, kar je postalo svojevrstna norma v dru\u017ebi, zato se ob tem upravi\u010deno spra\u0161ujemo, kako ravnati z vsemi temi podatke tako, da bi ustvarili nekaj zares pomembnega in koristnega. Na primer, ali lahko u\u010dencem zagotovimo bolj personalizirane povratne informacije? Ali lahko oblikujemo bolj\u0161a orodja za vizualizacijo, obve\u0161\u010danje o spremembah ipd<sup>2<\/sup>?<\/p>\n<p class=\"indent\">Ne glede na to, kak\u0161no tehnologijo uporabljajo u\u010ditelji v u\u010dilnicah, mora ta izpolnjevati dejanske, \u010disto konkretne zahteve. Ko identificiramo dolo\u010deno potrebo, lahko pregledamo razpolo\u017eljive podatke in se vpra\u0161amo, kaj je pomembno za \u017eeleni rezultat. To vklju\u010duje odkrivanje tudi tistih dejavnikov, ki u\u010diteljem omogo\u010dajo sprejemanje zelo natan\u010dnih, prilagojenih odlo\u010ditev. Ali razpolo\u017eljivi podatki omogo\u010dajo upo\u0161tevanje teh dejavnikov? Ali so podatki in sistemi, ki temeljijo na podatkih, najbolj\u0161i mo\u017eni na\u010din za obravnavanje konkretne zahteve\/potrebe? Kak\u0161ne so lahko ne\u017eelene posledice tak\u0161ne uporabe podatkov<sup>3<\/sup>?<\/p>\n<p class=\"indent\">Strojno u\u010denje nam omogo\u010da, da \u0161tevilna od teh vpra\u0161anj \"prelo\u017eimo\" na podatke\u00a0same<sup>4<\/sup>. Aplikacije strojnega u\u010denja se u\u010dijo s pomo\u010djo podatkov. Delujejo tako, da obdelujejo podatke. I\u0161\u010dejo vzorce in splo\u0161ne zakonitosti ter jih shranjujejo kot modele - modeli pa niso ni\u010d drugega kot podatki, ki se lahko uporabijo za prihodnje situacije<sup>4<\/sup>. Tudi odlo\u010ditve in napovedi, ki jih nato sprejemajo tako ustvarjeni modeli, ter njihov vpliv na u\u010denje - vse to so spet podatki. Prav zato je poznavanje tega, kako programerji, uporabniki in stroji ravnajo s podatki, pomemben del razumevanja delovanja UI.<\/p>\n\n<h3>Ve\u010d o podatkih<\/h3>\n<p class=\"no-indent\"><strong>Podatki<\/strong> se v splo\u0161nem vedno nana\u0161jo na dolo\u010deno entiteto iz sveta okrog nas - npr. na osebo, predmet ali dogodek. Vsako entiteto lahko opi\u0161emo s \u0161tevilnimi <strong>atributi<\/strong> (<strong>lastnostmi, zna\u010dilnostmi<\/strong> ali <strong>spremenljivkami<\/strong>)<sup>5<\/sup>. Na primer, ime, starost in razred so nekatere izmed lastnosti vsakega u\u010denca. Celota teh lastnosti predstavlja podatke, ki jih imamo o u\u010dencu. Ti podatki sicer niti pribli\u017eno niso enaki entiteti kot tak\u0161ni (u\u010dencu samemu), vendar nam o njej povedo vsaj nekaj. Podatke, ki se zbirajo, uporabljajo in obdelujejo v izobra\u017eevalnih sistemih, imenujemo <strong>izobra\u017eevalni podatki<\/strong><sup>1<\/sup>.<\/p>\n<p class=\"indent\"><strong>Podatkovni niz<\/strong>\u00a0(tudi: nabor podatkov, sklop podatkov) vsebuje podatke o zbirki entitet, pri \u010demer so ti podatki razporejeni v vrstice in stolpce. Evidenca prisotnosti u\u010dencev v razredu je primer podatkovnega niza. Vsaka vrstica vsebuje zapis o enem u\u010dencu\/u\u010denki. Stolpci pa lahko, na primer, vsebujejo podatke o prisotnosti ali odsotnosti na dolo\u010den dan v tednu ali na posamezni u\u010dni uri. Vsak stolpec torej pomeni dolo\u010den atribut.<\/p>\nhttps:\/\/youtu.be\/_de5bKmLOUw?list=PLkm8ZqYSzE3fv8uQT7zz1I_Tvelj0U2vd\n\n[caption id=\"attachment_95\" align=\"alignright\" width=\"300\"]<img class=\"size-medium wp-image-94\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-300x300.png\" alt=\"\" width=\"300\" height=\"300\"> The DIKW Pyramid. Referenca: Kelleher, J.D, Tierney, B, Data Science, London, 2018 and Kitchin, R, Big Data, new epistemologies and paradigm shifts, Big Data &amp; Society, 2014[\/caption]\n<p class=\"no-indent\">Podatke ustvarimo z izbiro in merjenjem\u00a0atributov;\u00a0vsak podatek je rezultat \u010dlove\u0161kih odlo\u010ditev in izbir. Zato je ustvarjanje podatkov subjektiven, parcialen in neurejen proces, dovzeten za razli\u010dne tehni\u010dne te\u017eave<sup>4,5<\/sup>.\u00a0Poleg tega ima lahko to, kar merimo in \u010desar ne, bistven vpliv na pri\u010dakovane rezultate.<\/p>\n<p class=\"indent\"><strong>Podatkovne sledi <\/strong>se nana\u0161ajo na podatke, ki so ustvarjeni kot rezultat aktivnosti uporabnikov - u\u010dencev, npr. \u0161tevilo klikov z mi\u0161ko, \u0161tevilo odprtih strani, \u010das interakcij ali \u0161tevilo pritiskov na tipkovnico<sup>1<\/sup>.<strong> Metapodatki<\/strong>\u00a0so podatki, ki opisujejo druge podatke<sup>5<\/sup>. <strong>Izpeljani podatki<\/strong>\u00a0so podatki, izra\u010dunani ali izpeljani iz drugih podatkov, npr., posamezen rezultat nekega u\u010denca je podatek, povpre\u010dje celega razreda pa je izpeljan podatek. Pogosto so izpeljani podatki bolj uporabni pri raznih vpogledih, iskanju vzorcev in napovedovanju. Aplikacije za strojno u\u010denje generirajo izpeljane podatke in jih pove\u017eejo z metapodatkovnimi sledmi ter tako ustvarjajo poglobljene\u00a0<a href=\"https:\/\/www.ai4t.eu\/book\/umetna-inteligenca-za-uitelje-interaktivni-spletni-prironik-za-uitelje\/ai-speak--the-tech-behind-recommendation\">u\u010dne modele<\/a>, ki pomagajo pri personalizaciji u\u010denja<sup>1<\/sup>.<\/p>\n\n<h3>Podobnosti v \u017eivljenju in razdalje v podatkih<\/h3>\n<p class=\"no-indent\">Se spra\u0161ujete, kako lahko stroj, ki razume samo \u0161tevilke, odkrije podobnosti v vedenju u\u010dencev?<\/p>\n<p class=\"indent\">Za uspe\u0161no uporabo katerekoli aplikacije, ki temelji na podatkih, je treba atribute skrbno izbrati in jih pravilno meriti. Potrebno je preveriti, ali imajo odkriti vzorci smiselno uporabo v kontekstu izobra\u017eevanja. Pravilno zasnovani in vzdr\u017eevani sistemi, ki temeljijo na podatkih, so lahko izjemno dragoceno orodje.<\/p>\n\n<h3>Ve\u010d o masovnih podatkih<\/h3>\n<p class=\"no-indent\">Preverite osnovno znanje o masovnih podatkih<\/p>\nhttps:\/\/youtu.be\/LU-21FKbugI?list=PLkm8ZqYSzE3fv8uQT7zz1I_Tvelj0U2vd\n<div class=\"textbox textbox--sidebar\"><a href=\"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/chapter\/more-on-big-data\/\" target=\"_blank\" rel=\"noopener\">Preverite, ali ste pismeni na podro\u010dju (velikih) podatkov<\/a><\/div>\n<p class=\"no-indent\">V tem poglavju predstavljamo le osnovne informacije o podatkih in tehnologijah, ki temeljijo na uporabi in obdelavi podatkov. S tem je povezana zelo pomembna ve\u0161\u010dina\u00a0<em>podatkovne pismenosti,<\/em>\u00a0v katero se spla\u010da vlo\u017eiti \u010das in trud ter jo nenehno posodabljati<sup>1<\/sup>.<\/p>\n\n<h3>Zakonodaja, ki jo morate poznati<\/h3>\n<p class=\"no-indent\">Zaradi bistveno ni\u017ejih stro\u0161kov shranjevanja podatkov se danes shranjuje vse\u00a0ve\u010d podatkov in metapodatkov, ki se tudi veliko dlje hranijo<sup>6<\/sup>. To lahko privede do kr\u0161itev zasebnosti in pravic. Zakoni, kot je <strong>Splo\u0161na uredba o varstvu podatkov (GDPR)<\/strong>, odvra\u010dajo od tak\u0161nih praks in dr\u017eavljanom EU omogo\u010dajo ve\u010dji nadzor nad njihovimi osebnimi podatki. Zagotavljajo pravno izvr\u0161ljive predpise o varstvu podatkov v vseh dr\u017eavah \u010dlanicah EU.<\/p>\n\n\n[caption id=\"attachment_95\" align=\"alignleft\" width=\"378\"]<img class=\"wp-image-95 \" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-576x1024.png\" alt=\"\" width=\"378\" height=\"672\"> Referenca: \"GDPR &amp; ePrivacy Regulations\" by dennis_convert je licenciran pod CC BY 2.0. \u010ce si \u017eelite ogledati kopijo te licence, obi\u0161\u010dite <a href=\"https:\/\/creativecommons.org\/licenses\/by\/2.0\/?ref=openverse\">https:\/\/creativecommons.org\/licenses\/by\/2.0\/?ref=openverse<\/a>[\/caption]\n<p class=\"indent\">V skladu z omenjeno uredbo so osebni podatki vse informacije v zvezi z dolo\u010deno ali dolo\u010dljivo osebo (osebo, na katero se podatki nana\u0161ajo). \u0160ole poleg sodelovanja s podjetji, ki obdelujejo njihove podatke, hranijo ogromne\u00a0koli\u010dine osebnih podatkov o u\u010dencih, star\u0161ih, zaposlenih, vodstvu in dobaviteljih. Kot upravljavci podatkov morajo podatke, ki jih obdelujejo, hraniti na zaupen in varen na\u010din ter imeti vzpostavljene postopke za varstvo in pravilno uporabo vseh osebnih podatkov<sup>1<\/sup>.<\/p>\n<p class=\"indent\">Pravice, dolo\u010dene s Splo\u0161no uredbo o varstvu podatkov, vklju\u010dujejo:<\/p>\n\n<ul>\n \t<li>pravico\u00a0do<strong> dostopa<\/strong>, na podlagi katere morajo biti posamezniki obvezno seznanjeni s tem, kateri podatki se zbirajo o njih;<\/li>\n \t<li>pravico do<strong> obve\u0161\u010denosti<\/strong> o na\u010dinih uporabe\u00a0njihovih podatkov;<\/li>\n \t<li>pravico do <strong>izbrisa podatkov,<\/strong> ki posamezniku, katerega podatke je zbrala dolo\u010dena platforma, omogo\u010da, da zahteva odstranitev teh podatkov iz nabora podatkov te platforme\u00a0(ki so\u00a0lahko predmet prodje tretjim osebam);<\/li>\n \t<li>pravica do <strong>pojasnila<\/strong>, pri \u010demer je treba zagotoviti pojasnilo, kadarkoli je to potrebno, v zvezi z\u00a0avtomatiziranimi\u00a0postopki\u00a0odlo\u010danja, ki vplivajo na posameznika.<\/li>\n<\/ul>\n<p class=\"no-indent\">Uredba sicer dovoljuje zbiranje nekaterih podatkov v okviru <em>zakonitega interesa<\/em><sup>7<\/sup> in uporabo izpeljanih, zdru\u017eenih ali anonimiziranih podatkov za nedolo\u010den \u010das in brez privolitve<sup>5<\/sup>. Novi <strong>Akt o digitalnih storitvah<\/strong> omejuje uporabo osebnih podatkov za namene ciljnega ogla\u0161evanja<sup>7<\/sup>. Omenimo \u0161e\u00a0<strong>Zasebnostni \u0161\u010dit EU-ZDA,<\/strong>\u00a0ki krepi pravice do varstva podatkov za dr\u017eavljane EU v primeru, ko so bili njihovi podatki preneseni zunaj EU<sup>5<\/sup>.<\/p>\n<p class=\"indent\">V \u010dlanku\u00a0<a href=\"https:\/\/www.liberties.eu\/en\/stories\/gdpr-for-dummies\/44076\" target=\"_blank\" rel=\"noopener\">GDPR for dummies<\/a>\u00a0si lahko ogledate analizo, ki so jo opravili neodvisni strokovnjaki iz Odbora za dr\u017eavljanske svobo\u0161\u010dine Evropskega parlamenta (LIBE), ki skrbi za varstvo \u010dlovekovih pravic vseh prebivalcev Evropske unije.<\/p>\n\n\n<hr>\n<p class=\"hanging-indent\"><sup>1 <\/sup><em><a href=\"https:\/\/education.ec.europa.eu\/news\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/education.ec.europa.eu\/news\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators\">Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators<\/a><\/em>, European Commission, October 2022.<\/p>\n<p class=\"hanging-indent\"><sup>2<\/sup> du Boulay, B., Poulovasillis, A., Holmes, W., Mavrikis, M., <em>Artificial Intelligence And Big Data Technologies To Close The Achievement Gap,<\/em>in Luckin, R., ed. Enhancing Learning and Teaching with Technology, London: UCL Institute of Education Press, pp. 256\u2013285, 2018.<\/p>\n<p class=\"hanging-indent\"><sup>3 <\/sup>Hutchinson, B., Smart, A., Hanna, A., Denton, E., Greer, C., Kjartansson, O., Barnes, P., Mitchell, M., <em><a href=\"https:\/\/doi.org\/10.1145\/3442188.3445918\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/doi.org\/10.1145\/3442188.3445918\">Towards Accountability for Machine Learning Datasets: Practices from Software Engineering and Infrastructure<\/a><\/em>, Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, Association for Computing Machinery, New York, 2021.<\/p>\n<p class=\"hanging-indent\"><sup>4 <\/sup>Barocas, S.,\u00a0 Hardt, M., Narayanan, A., <em><a href=\"https:\/\/fairmlbook.org\/\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/fairmlbook.org\/\">Fairness and machine learning Limitations and Opportunities<\/a>, <\/em>2022.<\/p>\n<p class=\"hanging-indent\"><sup>5 <\/sup>Kelleher, J.D, Tierney, B, <em>Data Science<\/em>, MIT Press, London, 2018.<\/p>\n<p class=\"hanging-indent\"><sup>6<\/sup> Schneier, B., Data and Goliath: The Hidden Battles to Capture Your Data and Control Your World, W. W. Norton &amp; Company, 2015.<\/p>\n<p class=\"hanging-indent\"><sup>7<\/sup> Kant, T., <em>Identity, Advertising, and Algorithmic Targeting: Or How (Not) to Target Your \u201cIdeal User.\u201d<\/em>, MIT Case Studies in Social and Ethical Responsibilities of Computing, 2021.<\/p>","rendered":"<div class=\"textbox textbox--exercises\">\n<header class=\"textbox__header\">\n<h3><strong>Odlo\u010danje v razredu<\/strong><\/h3>\n<\/header>\n<div class=\"textbox__content\">\n<p class=\"no-indent\">Kot u\u010ditelj imate dostop do \u0161tevilnih vrst podatkov, ki so bodisi oprijemljivi, npr. redovalnice ali razne evidence prisotnosti, bodisi neoprijemljivi, npr. telesna govorica u\u010dencev. Razmislite o odlo\u010ditvah, ki jih sprejemate v svojem poklicnem \u017eivljenju: <strong>kateri podatki vam pomagajo pri sprejemanju teh odlo\u010ditev?<\/strong><\/p>\n<p class=\"indent\">Danes so na voljo \u0161tevilne aplikacije, ki vam lahko pomagajo pri vizualizaciji ali obdelavi podatkov. Sistemi UI uporabljajo podatke za personaliziranje u\u010denja ter za napovedovanje in sprejemanje odlo\u010ditev, ki vam lahko pomagajo pri pou\u010devanju in upravljanju razreda kot celote. Ali mislite, da lahko na nekatere va\u0161e zahteve\/potrebe odgovori tehnologija? \u010ce je odgovor pritrdilen, razmislite o tem, katere podatke bi tak\u0161en sistem potreboval za izvedbo naloge.<\/p>\n<\/div>\n<\/div>\n<figure id=\"attachment_95\" aria-describedby=\"caption-attachment-95\" style=\"width: 264px\" class=\"wp-caption alignleft\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-93\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-576x1024.png\" alt=\"\" width=\"264\" height=\"469\" srcset=\"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-576x1024.png 576w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-169x300.png 169w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-768x1365.png 768w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-864x1536.png 864w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-65x116.png 65w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-225x400.png 225w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data-350x622.png 350w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2023\/11\/ch3-page-3-rise-of-data.png 1080w\" sizes=\"(max-width: 264px) 100vw, 264px\" \/><figcaption id=\"caption-attachment-95\" class=\"wp-caption-text\">Reference : Kelleher, J.D, Tierney, B, Data Science, London, 2018 and Kitchin, R, Big Data, new epistemologies and paradigm shifts, Big Data &amp; Society, 2014<\/figcaption><\/figure>\n<p class=\"no-indent\">Izobra\u017eevalni sistemi so od nekdaj zbirali in obdelovali dolo\u010dene podatke &#8211; osebne podatke u\u010dencev, podatke o akademskih (u\u010dnih) dose\u017ekih, podatke o prisotnosti itd. Z digitalizacijo in razmahom aplikacij UI v izobra\u017eevanju (AIED) se danes bele\u017eijo in shranjujejo \u0161e veliko ve\u010dje koli\u010dine podatkov: \u0161tevilo klikov, \u0161tevilo odprtih strani, \u010dasovni \u017eigi in \u0161tevilo pritiskov na tipkovnico<sup>1<\/sup>. Dandanes se vse vrti okrog podatkov, kar je postalo svojevrstna norma v dru\u017ebi, zato se ob tem upravi\u010deno spra\u0161ujemo, kako ravnati z vsemi temi podatke tako, da bi ustvarili nekaj zares pomembnega in koristnega. Na primer, ali lahko u\u010dencem zagotovimo bolj personalizirane povratne informacije? Ali lahko oblikujemo bolj\u0161a orodja za vizualizacijo, obve\u0161\u010danje o spremembah ipd<sup>2<\/sup>?<\/p>\n<p class=\"indent\">Ne glede na to, kak\u0161no tehnologijo uporabljajo u\u010ditelji v u\u010dilnicah, mora ta izpolnjevati dejanske, \u010disto konkretne zahteve. Ko identificiramo dolo\u010deno potrebo, lahko pregledamo razpolo\u017eljive podatke in se vpra\u0161amo, kaj je pomembno za \u017eeleni rezultat. To vklju\u010duje odkrivanje tudi tistih dejavnikov, ki u\u010diteljem omogo\u010dajo sprejemanje zelo natan\u010dnih, prilagojenih odlo\u010ditev. Ali razpolo\u017eljivi podatki omogo\u010dajo upo\u0161tevanje teh dejavnikov? Ali so podatki in sistemi, ki temeljijo na podatkih, najbolj\u0161i mo\u017eni na\u010din za obravnavanje konkretne zahteve\/potrebe? Kak\u0161ne so lahko ne\u017eelene posledice tak\u0161ne uporabe podatkov<sup>3<\/sup>?<\/p>\n<p class=\"indent\">Strojno u\u010denje nam omogo\u010da, da \u0161tevilna od teh vpra\u0161anj &#8220;prelo\u017eimo&#8221; na podatke\u00a0same<sup>4<\/sup>. Aplikacije strojnega u\u010denja se u\u010dijo s pomo\u010djo podatkov. Delujejo tako, da obdelujejo podatke. I\u0161\u010dejo vzorce in splo\u0161ne zakonitosti ter jih shranjujejo kot modele &#8211; modeli pa niso ni\u010d drugega kot podatki, ki se lahko uporabijo za prihodnje situacije<sup>4<\/sup>. Tudi odlo\u010ditve in napovedi, ki jih nato sprejemajo tako ustvarjeni modeli, ter njihov vpliv na u\u010denje &#8211; vse to so spet podatki. Prav zato je poznavanje tega, kako programerji, uporabniki in stroji ravnajo s podatki, pomemben del razumevanja delovanja UI.<\/p>\n<h3>Ve\u010d o podatkih<\/h3>\n<p class=\"no-indent\"><strong>Podatki<\/strong> se v splo\u0161nem vedno nana\u0161jo na dolo\u010deno entiteto iz sveta okrog nas &#8211; npr. na osebo, predmet ali dogodek. Vsako entiteto lahko opi\u0161emo s \u0161tevilnimi <strong>atributi<\/strong> (<strong>lastnostmi, zna\u010dilnostmi<\/strong> ali <strong>spremenljivkami<\/strong>)<sup>5<\/sup>. Na primer, ime, starost in razred so nekatere izmed lastnosti vsakega u\u010denca. Celota teh lastnosti predstavlja podatke, ki jih imamo o u\u010dencu. Ti podatki sicer niti pribli\u017eno niso enaki entiteti kot tak\u0161ni (u\u010dencu samemu), vendar nam o njej povedo vsaj nekaj. Podatke, ki se zbirajo, uporabljajo in obdelujejo v izobra\u017eevalnih sistemih, imenujemo <strong>izobra\u017eevalni podatki<\/strong><sup>1<\/sup>.<\/p>\n<p class=\"indent\"><strong>Podatkovni niz<\/strong>\u00a0(tudi: nabor podatkov, sklop podatkov) vsebuje podatke o zbirki entitet, pri \u010demer so ti podatki razporejeni v vrstice in stolpce. Evidenca prisotnosti u\u010dencev v razredu je primer podatkovnega niza. Vsaka vrstica vsebuje zapis o enem u\u010dencu\/u\u010denki. Stolpci pa lahko, na primer, vsebujejo podatke o prisotnosti ali odsotnosti na dolo\u010den dan v tednu ali na posamezni u\u010dni uri. Vsak stolpec torej pomeni dolo\u010den atribut.<\/p>\n<p><iframe loading=\"lazy\" id=\"oembed-1\" title=\"Podatki vseh oblik in velikosti.\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/_de5bKmLOUw?list=PLkm8ZqYSzE3fv8uQT7zz1I_Tvelj0U2vd\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<figure id=\"attachment_95\" aria-describedby=\"caption-attachment-95\" style=\"width: 300px\" class=\"wp-caption alignright\"><img loading=\"lazy\" decoding=\"async\" class=\"size-medium wp-image-94\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-300x300.png\" alt=\"\" width=\"300\" height=\"300\" srcset=\"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-300x300.png 300w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-1024x1024.png 1024w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-150x150.png 150w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-768x768.png 768w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-65x65.png 65w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-225x225.png 225w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid-350x350.png 350w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-pyramid.png 1080w\" sizes=\"(max-width: 300px) 100vw, 300px\" \/><figcaption id=\"caption-attachment-95\" class=\"wp-caption-text\">The DIKW Pyramid. Referenca: Kelleher, J.D, Tierney, B, Data Science, London, 2018 and Kitchin, R, Big Data, new epistemologies and paradigm shifts, Big Data &amp; Society, 2014<\/figcaption><\/figure>\n<p class=\"no-indent\">Podatke ustvarimo z izbiro in merjenjem\u00a0atributov;\u00a0vsak podatek je rezultat \u010dlove\u0161kih odlo\u010ditev in izbir. Zato je ustvarjanje podatkov subjektiven, parcialen in neurejen proces, dovzeten za razli\u010dne tehni\u010dne te\u017eave<sup>4,5<\/sup>.\u00a0Poleg tega ima lahko to, kar merimo in \u010desar ne, bistven vpliv na pri\u010dakovane rezultate.<\/p>\n<p class=\"indent\"><strong>Podatkovne sledi <\/strong>se nana\u0161ajo na podatke, ki so ustvarjeni kot rezultat aktivnosti uporabnikov &#8211; u\u010dencev, npr. \u0161tevilo klikov z mi\u0161ko, \u0161tevilo odprtih strani, \u010das interakcij ali \u0161tevilo pritiskov na tipkovnico<sup>1<\/sup>.<strong> Metapodatki<\/strong>\u00a0so podatki, ki opisujejo druge podatke<sup>5<\/sup>. <strong>Izpeljani podatki<\/strong>\u00a0so podatki, izra\u010dunani ali izpeljani iz drugih podatkov, npr., posamezen rezultat nekega u\u010denca je podatek, povpre\u010dje celega razreda pa je izpeljan podatek. Pogosto so izpeljani podatki bolj uporabni pri raznih vpogledih, iskanju vzorcev in napovedovanju. Aplikacije za strojno u\u010denje generirajo izpeljane podatke in jih pove\u017eejo z metapodatkovnimi sledmi ter tako ustvarjajo poglobljene\u00a0<a href=\"https:\/\/www.ai4t.eu\/book\/umetna-inteligenca-za-uitelje-interaktivni-spletni-prironik-za-uitelje\/ai-speak--the-tech-behind-recommendation\">u\u010dne modele<\/a>, ki pomagajo pri personalizaciji u\u010denja<sup>1<\/sup>.<\/p>\n<h3>Podobnosti v \u017eivljenju in razdalje v podatkih<\/h3>\n<p class=\"no-indent\">Se spra\u0161ujete, kako lahko stroj, ki razume samo \u0161tevilke, odkrije podobnosti v vedenju u\u010dencev?<\/p>\n<p class=\"indent\">Za uspe\u0161no uporabo katerekoli aplikacije, ki temelji na podatkih, je treba atribute skrbno izbrati in jih pravilno meriti. Potrebno je preveriti, ali imajo odkriti vzorci smiselno uporabo v kontekstu izobra\u017eevanja. Pravilno zasnovani in vzdr\u017eevani sistemi, ki temeljijo na podatkih, so lahko izjemno dragoceno orodje.<\/p>\n<h3>Ve\u010d o masovnih podatkih<\/h3>\n<p class=\"no-indent\">Preverite osnovno znanje o masovnih podatkih<\/p>\n<p><iframe loading=\"lazy\" id=\"oembed-2\" title=\"Podatki vseh oblik in velikosti.\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/LU-21FKbugI?list=PLkm8ZqYSzE3fv8uQT7zz1I_Tvelj0U2vd\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<div class=\"textbox textbox--sidebar\"><a href=\"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/chapter\/more-on-big-data\/\" target=\"_blank\" rel=\"noopener\">Preverite, ali ste pismeni na podro\u010dju (velikih) podatkov<\/a><\/div>\n<p class=\"no-indent\">V tem poglavju predstavljamo le osnovne informacije o podatkih in tehnologijah, ki temeljijo na uporabi in obdelavi podatkov. S tem je povezana zelo pomembna ve\u0161\u010dina\u00a0<em>podatkovne pismenosti,<\/em>\u00a0v katero se spla\u010da vlo\u017eiti \u010das in trud ter jo nenehno posodabljati<sup>1<\/sup>.<\/p>\n<h3>Zakonodaja, ki jo morate poznati<\/h3>\n<p class=\"no-indent\">Zaradi bistveno ni\u017ejih stro\u0161kov shranjevanja podatkov se danes shranjuje vse\u00a0ve\u010d podatkov in metapodatkov, ki se tudi veliko dlje hranijo<sup>6<\/sup>. To lahko privede do kr\u0161itev zasebnosti in pravic. Zakoni, kot je <strong>Splo\u0161na uredba o varstvu podatkov (GDPR)<\/strong>, odvra\u010dajo od tak\u0161nih praks in dr\u017eavljanom EU omogo\u010dajo ve\u010dji nadzor nad njihovimi osebnimi podatki. Zagotavljajo pravno izvr\u0161ljive predpise o varstvu podatkov v vseh dr\u017eavah \u010dlanicah EU.<\/p>\n<figure id=\"attachment_95\" aria-describedby=\"caption-attachment-95\" style=\"width: 378px\" class=\"wp-caption alignleft\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-95\" src=\"http:\/\/aiopentext.itd.cnr.it\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-576x1024.png\" alt=\"\" width=\"378\" height=\"672\" srcset=\"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-576x1024.png 576w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-169x300.png 169w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-768x1365.png 768w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-864x1536.png 864w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-65x116.png 65w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-225x400.png 225w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr-350x622.png 350w, https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-content\/uploads\/sites\/14\/2024\/01\/ch3-page3-gdpr.png 1080w\" sizes=\"(max-width: 378px) 100vw, 378px\" \/><figcaption id=\"caption-attachment-95\" class=\"wp-caption-text\">Referenca: &#8220;GDPR &amp; ePrivacy Regulations&#8221; by dennis_convert je licenciran pod CC BY 2.0. \u010ce si \u017eelite ogledati kopijo te licence, obi\u0161\u010dite <a href=\"https:\/\/creativecommons.org\/licenses\/by\/2.0\/?ref=openverse\">https:\/\/creativecommons.org\/licenses\/by\/2.0\/?ref=openverse<\/a><\/figcaption><\/figure>\n<p class=\"indent\">V skladu z omenjeno uredbo so osebni podatki vse informacije v zvezi z dolo\u010deno ali dolo\u010dljivo osebo (osebo, na katero se podatki nana\u0161ajo). \u0160ole poleg sodelovanja s podjetji, ki obdelujejo njihove podatke, hranijo ogromne\u00a0koli\u010dine osebnih podatkov o u\u010dencih, star\u0161ih, zaposlenih, vodstvu in dobaviteljih. Kot upravljavci podatkov morajo podatke, ki jih obdelujejo, hraniti na zaupen in varen na\u010din ter imeti vzpostavljene postopke za varstvo in pravilno uporabo vseh osebnih podatkov<sup>1<\/sup>.<\/p>\n<p class=\"indent\">Pravice, dolo\u010dene s Splo\u0161no uredbo o varstvu podatkov, vklju\u010dujejo:<\/p>\n<ul>\n<li>pravico\u00a0do<strong> dostopa<\/strong>, na podlagi katere morajo biti posamezniki obvezno seznanjeni s tem, kateri podatki se zbirajo o njih;<\/li>\n<li>pravico do<strong> obve\u0161\u010denosti<\/strong> o na\u010dinih uporabe\u00a0njihovih podatkov;<\/li>\n<li>pravico do <strong>izbrisa podatkov,<\/strong> ki posamezniku, katerega podatke je zbrala dolo\u010dena platforma, omogo\u010da, da zahteva odstranitev teh podatkov iz nabora podatkov te platforme\u00a0(ki so\u00a0lahko predmet prodje tretjim osebam);<\/li>\n<li>pravica do <strong>pojasnila<\/strong>, pri \u010demer je treba zagotoviti pojasnilo, kadarkoli je to potrebno, v zvezi z\u00a0avtomatiziranimi\u00a0postopki\u00a0odlo\u010danja, ki vplivajo na posameznika.<\/li>\n<\/ul>\n<p class=\"no-indent\">Uredba sicer dovoljuje zbiranje nekaterih podatkov v okviru <em>zakonitega interesa<\/em><sup>7<\/sup> in uporabo izpeljanih, zdru\u017eenih ali anonimiziranih podatkov za nedolo\u010den \u010das in brez privolitve<sup>5<\/sup>. Novi <strong>Akt o digitalnih storitvah<\/strong> omejuje uporabo osebnih podatkov za namene ciljnega ogla\u0161evanja<sup>7<\/sup>. Omenimo \u0161e\u00a0<strong>Zasebnostni \u0161\u010dit EU-ZDA,<\/strong>\u00a0ki krepi pravice do varstva podatkov za dr\u017eavljane EU v primeru, ko so bili njihovi podatki preneseni zunaj EU<sup>5<\/sup>.<\/p>\n<p class=\"indent\">V \u010dlanku\u00a0<a href=\"https:\/\/www.liberties.eu\/en\/stories\/gdpr-for-dummies\/44076\" target=\"_blank\" rel=\"noopener\">GDPR for dummies<\/a>\u00a0si lahko ogledate analizo, ki so jo opravili neodvisni strokovnjaki iz Odbora za dr\u017eavljanske svobo\u0161\u010dine Evropskega parlamenta (LIBE), ki skrbi za varstvo \u010dlovekovih pravic vseh prebivalcev Evropske unije.<\/p>\n<hr \/>\n<p class=\"hanging-indent\"><sup>1 <\/sup><em><a href=\"https:\/\/education.ec.europa.eu\/news\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/education.ec.europa.eu\/news\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators\">Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators<\/a><\/em>, European Commission, October 2022.<\/p>\n<p class=\"hanging-indent\"><sup>2<\/sup> du Boulay, B., Poulovasillis, A., Holmes, W., Mavrikis, M., <em>Artificial Intelligence And Big Data Technologies To Close The Achievement Gap,<\/em>in Luckin, R., ed. Enhancing Learning and Teaching with Technology, London: UCL Institute of Education Press, pp. 256\u2013285, 2018.<\/p>\n<p class=\"hanging-indent\"><sup>3 <\/sup>Hutchinson, B., Smart, A., Hanna, A., Denton, E., Greer, C., Kjartansson, O., Barnes, P., Mitchell, M., <em><a href=\"https:\/\/doi.org\/10.1145\/3442188.3445918\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/doi.org\/10.1145\/3442188.3445918\">Towards Accountability for Machine Learning Datasets: Practices from Software Engineering and Infrastructure<\/a><\/em>, Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, Association for Computing Machinery, New York, 2021.<\/p>\n<p class=\"hanging-indent\"><sup>4 <\/sup>Barocas, S.,\u00a0 Hardt, M., Narayanan, A., <em><a href=\"https:\/\/fairmlbook.org\/\" target=\"_blank\" rel=\"noopener\" data-cke-saved-href=\"https:\/\/fairmlbook.org\/\">Fairness and machine learning Limitations and Opportunities<\/a>, <\/em>2022.<\/p>\n<p class=\"hanging-indent\"><sup>5 <\/sup>Kelleher, J.D, Tierney, B, <em>Data Science<\/em>, MIT Press, London, 2018.<\/p>\n<p class=\"hanging-indent\"><sup>6<\/sup> Schneier, B., Data and Goliath: The Hidden Battles to Capture Your Data and Control Your World, W. W. Norton &amp; Company, 2015.<\/p>\n<p class=\"hanging-indent\"><sup>7<\/sup> Kant, T., <em>Identity, Advertising, and Algorithmic Targeting: Or How (Not) to Target Your \u201cIdeal User.\u201d<\/em>, MIT Case Studies in Social and Ethical Responsibilities of Computing, 2021.<\/p>\n","protected":false},"author":1,"menu_order":3,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[],"contributor":[],"license":[],"part":85,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/96"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/96\/revisions"}],"predecessor-version":[{"id":97,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/96\/revisions\/97"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/parts\/85"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapters\/96\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/media?parent=96"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/pressbooks\/v2\/chapter-type?post=96"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/contributor?post=96"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/umetnainteligenca\/wp-json\/wp\/v2\/license?post=96"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}