.
Mākslīgais intelekts sociālajās zinātnēs
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:2.00
Kursa apraksta apstiprināšanas datums:29.04.2024 09:53:16
| Par studiju kursu | |||||||||
| Kursa kods: | SZF_119 | LKI līmenis: | Visiem līmeņiem | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Datorzinātne un informātika; Citas datorzinātnes un informātikas apakšnozares | Mērķauditorija: | Komunikācijas zinātne; Vadībzinātne; Tiesību zinātne; Politikas zinātne; Psiholoģija; Personu un īpašuma aizsardzība; Sociālā antropoloģija; Civilā un militārā aizsardzība; Socioloģija; Tirgzinības un reklāma; Tiesību zinātne | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Agate Ambulte | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Sociālo zinātņu fakultāte | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Dzirciema iela 16, Rīga, szf rsu[pnkts]lv | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 11 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 22 | ||||
| Nodarbības (skaits) | 5 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 10 | ||||
| Kopā kontaktstundas | 32 | ||||||||
| Nepilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 4 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 8 | ||||
| Nodarbības (skaits) | 4 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 8 | ||||
| Kopā kontaktstundas | 16 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Prasmes darbā ar datoru; angļu valodas pamatzināšanas. | ||||||||
| Mērķis: | Studiju kurss paredzēts, lai informētu par mākslīgā intelekta tehnoloģijām un veicinātu praktisku mākslīgā intelekta tehnoloģiju pielietošanu mācībās, kā arī personīgās un profesionālās produktivitātes kāpināšanā. Kursa laikā paredzēts apgūt praktiskas prasmes un iegūt ieskatu mākslīgā intelekta tehnoloģijās, ar mērķi ieviest tās visdažādāko procesu paātrināšanā un kvalitātes kāpināšanā. Tiks gūtas praktiskas zināšanas mākslīgā intelekta rīkos, kas ģenerē tekstus un attēlus. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads – mākslīgā intelekta veidi un rīki | Lekcijas | 1.00 | auditorija | |||||
| 2 | Ievads – ierobežojumi, autortiesības, ētika un draudi | Lekcijas | 1.00 | auditorija | |||||
| 3 | Praktiskais seminārs par vaicājumu veidošanu I – pamatlīmenis; ievads ChatGPT | Nodarbības | 1.00 | cits | |||||
| 4 | Praktiskais seminārs par vaicājumu veidošanu II – pamatlīmenis; ievads ChatGPT | Nodarbības | 1.00 | cits | |||||
| 5 | Praktiskais seminārs par vaicājumu veidošanu III – vaicājumu efektivizācija un pielietojumi dažādās situācijās | Nodarbības | 1.00 | datorklase | |||||
| 6 | Seminārs par vaicājumu inženieriju I | Lekcijas | 1.00 | cits | |||||
| 7 | Seminārs par vaicājumu inženieriju II | Lekcijas | 1.00 | cits | |||||
| 8 | Praktiskais seminārs par vaicājumu inženieriju III | Nodarbības | 1.00 | datorklase | |||||
| 9 | Mākslīgā intelekta rīki teksta ģenerēšanai I – to iespējas, ierobežojumi un atšķirības | Lekcijas | 1.00 | cits | |||||
| 10 | Mākslīgā intelekta rīki teksta ģenerēšanai II – to iespējas, ierobežojumi un atšķirības | Lekcijas | 1.00 | cits | |||||
| 11 | Mākslīgais intelekts un attēlu ģenerēšana I (attēlu ģenerēšanas platformas) | Lekcijas | 1.00 | cits | |||||
| 12 | Mākslīgais intelekts un attēlu ģenerēšana II (attēlu ģenerēšanas serveri) | Lekcijas | 1.00 | cits | |||||
| 13 | Ģeneratīvais mākslīgais intelekts sociālajās zinātnēs – pielietojumi un nākotnes perspektīvas | Lekcijas | 1.00 | auditorija | |||||
| 14 | Procesu digitalizēšana ar mākslīgā intelekta rīkiem | Nodarbības | 1.00 | datorklase | |||||
| 15 | Praktiskie MI pielietojumi un nozares ekspertīze | Lekcijas | 1.00 | auditorija | |||||
| 16 | MI pielietojumi un nākotnes perspektīvas | Lekcijas | 1.00 | auditorija | |||||
| Tēmu saraksts (nepilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 3 | Praktiskais seminārs par vaicājumu veidošanu I – pamatlīmenis; ievads ChatGPT | Nodarbības | 1.00 | cits | |||||
| 5 | Praktiskais seminārs par vaicājumu veidošanu III – vaicājumu efektivizācija un pielietojumi dažādās situācijās | Nodarbības | 1.00 | datorklase | |||||
| 6 | Seminārs par vaicājumu inženieriju I | Lekcijas | 1.00 | cits | |||||
| 8 | Praktiskais seminārs par vaicājumu inženieriju III | Nodarbības | 1.00 | datorklase | |||||
| 11 | Mākslīgais intelekts un attēlu ģenerēšana I (attēlu ģenerēšanas platformas) | Lekcijas | 1.00 | cits | |||||
| 13 | Ģeneratīvais mākslīgais intelekts sociālajās zinātnēs – pielietojumi un nākotnes perspektīvas | Lekcijas | 1.00 | auditorija | |||||
| 14 | Procesu digitalizēšana ar mākslīgā intelekta rīkiem | Nodarbības | 1.00 | datorklase | |||||
| 15 | Praktiskie MI pielietojumi un nozares ekspertīze | Lekcijas | 1.00 | auditorija | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. Studenti patstāvīgi apgūst obligāto literatūru par katras nodarbības tematu, izmantojot universitātes tiešsaistes datubāzēs pieejamos resursus. Tekstuālā satura ģenerēšana - veidot skaidru, loģisku un mērķauditorijai atbilstošu tekstu, izmantojot MI rīkus. Grafiskā satura ģenerēšana - veidot vizuāli pievilcīgus un informatīvus attēlus vai diagrammas, kas atbilst uzdevuma prasībām. Vaicājumu (prompts) izstrāde - formulēt precīzus un detalizētus vaicājumus, lai iegūtu vēlamo rezultātu no MI ģeneratīvajiem rīkiem. 2. Konkrētāki uzdevumi tiek precizēti katru gadu un izklāstīti e-studiju platformā. 3. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā. | ||||||||
| Vērtēšanas kritēriji: | 1. Regulārs nodarbību apmeklējums, aktīva līdzdalība praktiskajās nodarbībās - 20%. 2. Patstāvīgā darba vērtējums - 50%. 3. Testu sekmīga nokārtošana - 30%. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | Eksāmens | ||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | 1. Studējošie brīvi orientēsies mākslīgā intelekta risinājumos un nozares tendencēs. 2. Studējošiem būs visas nepieciešamās zināšanas, lai diskutētu par MI pielietojumiem un argumentētu dažādu risinājumu pielietojumus. 3. Studējošie būs apguvuši vismaz 10 MI rīkus un varēs brīvi darboties dažādos ģeneratīvā mākslīgā intelekta risinājumos. 4. Studējošie būs apguvuši vismaz 10 dažādas vaicājumu inženierijas metodes un pratīs ģenerēt kvalitatīvu un jēgpilnu saturu. | ||||||||
| Prasmes: | 1. Studējošie pārvaldīs spēju ģenerēt gan tekstuālu, gan attēla formāta rezultātus. 2. Studējošie spēs rakstīt vaicājumus (prompts), lai sasniegtu efektīvu rezultātu, ģenerējot visdažādāko saturu. 3. Studējošie spēs brīvi diskutēt par mākslīgā intelekta rīku ētiku un pielietojumiem. 4. Studējošie spēs veidot un digitalizēt dažādus procesus, kā arī pratīs efektivizēt savu personīgo darbu un kāpināt produktivitāti, izmantojot MI rīkus. | ||||||||
| Kompetences: | 1. Kompetence ģenerēt kvalitatīvu saturu. 2. Kompetence kritiski izvērtēt MI rīkus un to pielietojumus: Studējošajiem ir jābūt spējai ne tikai brīvi orientēties mākslīgā intelekta risinājumos un nozares tendencēs, bet arī kritiski izvērtēt dažādus MI rīkus un to pielietojumus, balstoties uz zināšanām par dažādiem MI rīkiem un to iespējām. 3. Ētikas un atbildības izpratne: Kompetence ietver spēju diskutēt un argumentēt par mākslīgā intelekta rīku ētiku un atbildīgu pielietojumu, izpratni par potenciālajiem riskiem un iespējām, kā arī spēju veikt informētas izvēles, ņemot vērā ētiskos apsvērumus. 4. Studējošajiem ir jāprot ne tikai veidot un digitalizēt dažādus procesus, bet arī efektivizēt savu personīgo darbu un produktivitāti, izmantojot mākslīgā intelekta rīkus. Tas ietver prasmi pielāgot un integrēt MI rīkus dažādos darba procesos, lai uzlabotu efektivitāti un veiktspēju. 5. Vaicājumu inženierijas un problēmu risināšanas kompetence: Studējošajiem jābūt apguvušiem dažādas vaicājumu inženierijas metodes un jāprot izmantot šīs metodes, lai ģenerētu kvalitatīvu un jēgpilnu saturu. Tas ietver spēju analizēt un definēt problēmu, izstrādāt efektīvu vaicājumu un izmantot kritisko domāšanu, lai pielāgotu un optimizētu ģenerēšanas procesus, atbilstoši konkrētām vajadzībām un mērķiem. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Prompt Engineering Guide | ||||||||
| 2 | Fatih Kadir Akin. The Art of ChatGPT Prompting: A Guide to Crafting Clear and Effective Prompts | ||||||||
| 3 | Fatih Kadir Akin. The Art of Midjourney AI: A Guide to Creating Images from Text | ||||||||
| Papildu literatūra | |||||||||
| 1 | Mākslīgais intelekts augstākajā izglītībā. RSU, 2024 (latviešu plūsmai) | ||||||||
