Σύγχρονη Εκπαίδευση και Τεχνητή Νοημοσύνη *Μοριοδοτούμενο Σεμινάριο

Μοριοδότηση

Σύμφωνα με την κείμενη νομοθεσία, παρέχεται μοριοδότηση σε εκπαιδευτικούς, στελέχη εκπαίδευσης και άλλες κατηγορίες επαγγελματιών για την επιμόρφωση που έχουν λάβει από ΑΕΙ.

Συγκεκριμένα μοριοδοτείται:

• Η Επιμόρφωση ΑΕΙ ή άλλου φορέα του δημόσιου τομέα που εποπτεύεται από το Υπουργείο Παιδείας, Έρευνας και Θρησκευμάτων, διάρκειας τουλάχιστον 300 ωρών που πραγματοποιήθηκε σε χρονικό διάστημα τουλάχιστον 7 μηνών:

-2 μόρια σε Υποψήφιους για διορισμό ως μόνιμοι εκπαιδευτικοί στην γενική εκπαίδευση, την ειδική αγωγή και το ειδικό εκπαιδευτικό προσωπικό ν. 4589/2019 (ΦΕΚ 13, Α’, 29.01.2019).

-2 μόρια σε Υποψήφιους για διορισμό ως αναπληρωτές εκπαιδευτικοί και ειδικό εκπαιδευτικό προσωπικό ν. 4589/2019 (ΦΕΚ 13, Α’, 29.01.2019).

–10 μόρια για προσλήψεις εκπαιδευτικών των κατηγοριών TE και ΔΕ της Γενικής Εκπαίδευσης και της Ειδικής Αγωγής και Εκπαίδευσης (Ε.Α.Ε.) σύμφωνα με την υπ’ αριθμ. Υπουργική Απόφαση 48190/E1 (ΦΕΚ 1088, Β’, 2.04.2019).

• Η Επιμόρφωση ΑΕΙ (πιστοποιητικό ή βεβαίωση επιτυχούς ολοκλήρωσης προγράμματος επιμόρφωσης Α.Ε.Ι. συνολικής διάρκειας 300 τουλάχιστον ωρών ή 9μηνης τουλάχιστον διάρκειας:

-1-2 μόρια στην επιλογή Περιφερειακών Διευθυντών Εκπαίδευσης, Διευθυντών Πρωτοβάθμιας και Δευτεροβάθμιας Εκπαίδευσης, Προϊσταμένων των Κέντρων Διεπιστημονικής Αξιολόγησης, Συμβουλευτικής και Υποστήριξης, Συμβούλων Εκπαίδευσης, και Διευθυντών Σχολικών Μονάδων και Εργαστηριακών Κέντρων και Προϊσταμένων των Τμημάτων Εκπαιδευτικών Θεμάτων σύμφωνα με τον Ν. 4823/2021 (ΦΕΚ 136, Α’, 3.08.2021).

Απαιτούμενα τυπικά προσόντα και όροι συμμετοχής

Για τη συμμετοχή στο πρόγραμμα Σύγχρονη Εκπαίδευση και Τεχνητή Νοημοσύνη απαιτούνται τα παρακάτω: 

1. Βασική εξοικείωση με τη χρήση ηλεκτρονικών υπολογιστών: Οι συμμετέχοντες πρέπει να είναι άνετοι με τη χρήση ηλεκτρονικών υπολογιστών, όπως για παράδειγμα η πλοήγηση στο διαδίκτυο ή η χρήση βασικών εφαρμογών γραφείου. Δεν απαιτείται κάποια συγκεκριμένη πιστοποίηση.
2. Πρόσβαση στο internet: Το μάθημα έχει πολλές πρακτικές εφαρμογές που είναι διαθέσιμες μόνο ηλεκτρονικών σελίδων
3. Κάτοχοι ή φοιτητές ενός πτυχίου ανώτερης ή ανώτατης εκπαίδευσης: Το πρόγραμμα είναι κατάλληλο για εκπαιδευτικούς με πτυχίο , για φοιτητές που βρίσκονται στη διαδικασία απόκτησής του αλλά ακόμα και για ενδιαφερόμενους που κάνουν εκπαίδευση σε εξειδικευμένους τομείς σε θεματικούς τομείς εκτός της εκπαίδευσης (π.χ. Σεμινάρια κατάρτισης)

4. Ενδιαφέρον για καινοτόμες μεθόδους διδασκαλίας: Οι συμμετέχοντες θα πρέπει να έχουν διάθεση να εξερευνήσουν νέες ιδέες και εργαλεία που μπορούν να αναβαθμίσουν τη διδασκαλία και τη διοίκηση στην εκπαίδευση. 

   Το πρόγραμμα έχει σχεδιαστεί ώστε να είναι προσβάσιμο και κατανοητό, ακόμα και για όσους δεν έχουν προηγούμενη εμπειρία στην Τεχνητή Νοημοσύνη.

Σκοπός του προγράμματος

Το πρόγραμμα Σύγχρονη Εκπαίδευση και Τεχνητή Νοημοσύνη στοχεύει να δώσει στους εκπαιδευτικούς όλες τις απαραίτητες γνώσεις και τις βασικές βάσεις για την κατανόηση του πεδίου της Τεχνητής Νοημοσύνης (ΤΝ), δεδομένου ότι στο μέλλον η ΤΝ αναμένεται να αποτελέσει το κυρίαρχο εργαλείο στην εκπαιδευτική διαδικασία και όχι μόνο. 

Παράλληλα, επιδιώκει να παρέχει στον εκπαιδευόμενο όλες τις αναγκαίες πληροφορίες για τη σωστή και υπεύθυνη χρήση της ΤΝ, εξηγώντας τους πιθανούς κινδύνους και τις προκλήσεις που συνδέονται με την ενσωμάτωσή της στο σχολικό περιβάλλον. 

Τέλος, το πρόγραμμα παρουσιάζει μια σειρά από πρακτικά θέματα μέσα από παραδείγματα, τα οποία μπορούν άμεσα να εφαρμοστούν από τον εκπαιδευτικό. Με αυτόν τον τρόπο, βοηθά τους συμμετέχοντες να βελτιώσουν το επίπεδο και τη συμμετοχή στη μαθησιακή διαδικασία, καθώς και την οργάνωση των μαθημάτων, κάνοντας τη διδασκαλία πιο αποτελεσματική και ελκυστική.

Στο τέλος του προγράμματος, οι συμμετέχοντες θα είναι πλήρως εξοπλισμένοι να χρησιμοποιήσουν την ΤΝ για να κάνουν τη διδασκαλία πιο καινοτόμα, αποτελεσματική και διαδραστική, ανταποκρινόμενοι στις ανάγκες του σύγχρονου σχολείου.

Εκπαιδευτικοί στόχοι

Οι εκπαιδευόμενοι, μετά την ολοκλήρωση του προγράμματος "Σύγχρονη Εκπαίδευση και Τεχνητή Νοημοσύνη", αναμένεται να: 

1. Κατανοήσουν τις βασικές αρχές της Τεχνητής Νοημοσύνης: Να αποκτήσουν σαφή εικόνα για το τι είναι η ΤΝ, πώς λειτουργεί και ποιες είναι οι βασικές τεχνολογίες που τη στηρίζουν.
2. Εξοικειωθούν με τη χρήση εργαλείων ΤΝ: Να μάθουν να χρησιμοποιούν εφαρμογές, όπως τα μεγάλα γλωσσικά μοντέλα (π.χ. ChatGPT), για τη δημιουργία εκπαιδευτικού υλικού, την εξατομίκευση της διδασκαλίας και την υποστήριξη της καθημερινής εκπαιδευτικής πρακτικής.
3. Αναγνωρίσουν τους πιθανούς κινδύνους: Να ενημερωθούν για τα ηθικά και κοινωνικά ζητήματα της ΤΝ, όπως η προστασία δεδομένων, η αποφυγή προκαταλήψεων και η υπεύθυνη χρήση της τεχνολογίας.
4. Εφαρμόσουν πρακτικές λύσεις: Να ενσωματώσουν την ΤΝ στην τάξη και στη σχολική διοίκηση, διευκολύνοντας την αυτοματοποίηση επαναλαμβανόμενων εργασιών, την οργάνωση μαθημάτων και την υποστήριξη μαθητών.
5. Βελτιώσουν τη μαθησιακή εμπειρία: Να δημιουργούν προσωποποιημένες λύσεις διδασκαλίας, ενισχύοντας τη συμμετοχή και την κατανόηση των μαθητών.
6. Παραγάγουν εκπαιδευτικό περιεχόμενο με την ΤΝ: Να αξιοποιούν εργαλεία για τη δημιουργία ήχου, βίντεο, παρουσιάσεων, κουίζ και άλλων πολυμεσικών υλικών που καθιστούν το μάθημα πιο ελκυστικό και διαδραστικό.
7. Αξιοποιήσουν αυτοματισμούς: Να εξοικειωθούν με εργαλεία όπως το n8n για τη δημιουργία αυτοματοποιημένων διαδικασιών που διευκολύνουν την οργάνωση και μειώνουν τον φόρτο εργασίας. 

Με την επίτευξη αυτών των στόχων, οι συμμετέχοντες θα είναι έτοιμοι να αξιοποιήσουν την Τεχνητή Νοημοσύνη ως ένα ισχυρό εργαλείο που βελτιώνει τη διδασκαλία, την οργάνωση και τη συνολική εκπαιδευτική διαδικασία.

Στοιχεία επικοινωνίας

ΑΛΚΙΒΙΑΔΗΣ ΤΣΙΜΠΙΡΗΣ

e-mail: atsimpiris@ihu.gr

web: http://teachers.cm.ihu.gr/tsimpiris

Κ.Ε.ΔΙ.ΒΙ.Μ ΔΙ.ΠΑ.Ε.
Τ:+30-2310474913
kedivim@ihu.gr

Διδάσκοντες

ΜΕΛΗ ΔΕΠ, ΕΞΕΙΔΙΚΕΥΜΕΝΟΙ ΕΠΙΣΤΗΜΟΝΕΣ ΣΧΕΤΙΚΟΙ ΜΕ ΤΙΣ ΕΝΟΤΗΤΕΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ

Διδακτικές ενότητες και διάρκεια αυτών

Ο αριθμός ωρών καλύπτει και την εκτιμώμενη προσπάθεια που απαιτείται από τους συμμετέχοντες για την ολοκλήρωση της κάθε ενότητας και της τελικής εργασίας. 

Το υλικό της κάθε ενότητας θα απαρτίζεται από βιντεοσκοπήσεις με παρουσιάσεις και τα πρακτικά βήματα για δημιουργία της τελικής εργασίας. Κάθε ενότητα θα περιέχει και την ίδια την παρουσίαση καθώς και επιπλέον αντίστοιχο θεωρητικό υλικό. 

Αναλυτική παρουσίαση διδακτικών ενοτήτων

Ενότητα 1: Εισαγωγή στην Τεχνητή Νοημοσύνη

Η ενότητα αυτή εισάγει τους εκπαιδευόμενους στον κόσμο της Τεχνητής Νοημοσύνης (ΤΝ), παρουσιάζοντας με απλό και κατανοητό τρόπο τι είναι η ΤΝ, πού χρησιμοποιείται και πώς εξελίχθηκε μέσα στον χρόνο. Μέσα από πλούσιο οπτικό υλικό, αναλύονται οι βασικές έννοιες του πεδίου, οι διαφορές της ΤΝ από άλλες τεχνολογίες, τα στάδια δημιουργίας ενός συστήματος ΤΝ, καθώς και η επίδρασή της στην καθημερινή ζωή.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα μπορεί να κατανοεί τι είναι η Τεχνητή Νοημοσύνη και πώς λειτουργεί, να αναγνωρίζει εφαρμογές της στην καθημερινότητα, να διακρίνει τις διαφορές της από άλλα πληροφοριακά συστήματα, να περιγράφει τα βασικά στάδια ανάπτυξης ενός συστήματος ΤΝ, να γνωρίζει σημαντικά ιστορικά σημεία στην εξέλιξή της και να είναι εξοικειωμένος με βασικούς όρους και έννοιες που θα αξιοποιηθούν στα επόμενα κεφάλαια

Περιεχόμενα Υποκεφαλαίων

• Τι είναι η Τεχνητή Νοημοσύνη: Παρουσίαση της έννοιας της ΤΝ, του τρόπου λειτουργίας της και του αντίκτυπού της στον κόσμο.
• Παραδείγματα εφαρμογών: Παρουσίαση καθημερινών παραδειγμάτων χρήσης της τεχνητής νοημοσύνης
• Διαφορές μεταξύ Τεχνητής Νοημοσύνης και άλλες τεχνολογίες: Κατανόηση της διαφορετικότητας της τεχνητής νοημοσύνης από τον κλασικό προγραμματισμό
• Ιστορική Εξέλιξη της Τεχνητής Νοημοσύνης: Ανασκόπηση από τα πρώτα πειράματα έως τις σύγχρονες εξελίξεις.
• Πως κατασκευάζεται ένα πρόγραμμα Τεχνητής Νοημοσύνης: Παρουσίαση του κύκλου δημιουργίας προγραμμάτων τεχνητής νοημοσύνης. Από τα δεδομένα έως στη χρήση του μοντέλου
• Λεξικό όρων τεχνητής νοημοσύνης: Εξοικείωση με του βασικούς όρους στην τεχνολογία της τεχνητής νοημοσύνης 

Ενότητα 2: Εξερεύνηση Τεχνολογιών Τεχνητής Νοημοσύνης

Η ενότητα αποτελεί μια ολοκληρωμένη εισαγωγή στις βασικές τεχνολογίες που συνθέτουν τον πυρήνα της Τεχνητής Νοημοσύνης, εστιάζοντας ιδιαίτερα στη Μηχανική Μάθηση, τα Νευρωνικά Δίκτυα, τη Βαθιά Μάθηση, την Οπτική Όραση, την Επεξεργασία Φυσικής Γλώσσας και τα Μεγάλα Γλωσσικά Μοντέλα (LLM). Μέσα από σαφείς επεξηγήσεις, πρακτικά παραδείγματα και αναφορές σε εφαρμογές της καθημερινότητας και της εκπαίδευσης, ο εκπαιδευόμενος κατανοεί όχι μόνο πώς λειτουργούν αυτές οι τεχνολογίες, αλλά και πού και γιατί χρησιμοποιούνται.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα μπορεί να διακρίνει τις βασικές κατηγορίες και τις λειτουργικές αρχές της Μηχανικής Μάθησης, να αναγνωρίζει τη συμβολή των Νευρωνικών Δικτύων και της Βαθιάς Μάθησης σε σύγχρονες εφαρμογές, να κατανοεί πώς η Οπτική Όραση και η Επεξεργασία Φυσικής Γλώσσας επιτρέπουν στους υπολογιστές να "βλέπουν" και να "καταλαβαίνουν" ανθρώπινη γλώσσα, και τέλος, να εξηγεί τον τρόπο λειτουργίας και τις προκλήσεις των Μεγάλων Γλωσσικών Μοντέλων. Το κεφάλαιο προσφέρει έτσι ένα γερό θεμέλιο για την κατανόηση των πιο διαδεδομένων τεχνολογιών Τεχνητής Νοημοσύνης.

Περιεχόμενα Υποκεφαλαίων

• Εισαγωγή στη Μηχανική Μάθηση
• Νευρωνικά Δίκτυα (NeuralNetworks)
• Βαθιά Μάθηση (DeepLearning)
• Οπτική Όραση (ComputerVision)
• Επεξεργασία Φυσικής Γλώσσας
• Μεγάλα Γλωσσικά Μοντέλα (LargeLanguageModels - LLMs)

Ενότητα 3: Καλές Πρακτικές στην Τεχνητή Νοημοσύνη

Η τρίτη ενότητα εξετάζει σε βάθος τις ηθικές, νομικές και κοινωνικές πτυχές της Τεχνητής Νοημοσύνης, εστιάζοντας στις προκλήσεις που ανακύπτουν από τη χρήση της σε εκπαιδευτικά και καθημερινά περιβάλλοντα. Μέσα από θεματικές ενότητες που αφορούν τη διαφάνεια, τις προκαταλήψεις, την ιδιωτικότητα, την προστασία πνευματικών δικαιωμάτων και την ανθρώπινη εποπτεία, το κεφάλαιο αναδεικνύει την ανάγκη υπεύθυνης και δίκαιης χρήσης της ΤΝ. Ειδική έμφαση δίνεται στην ευρωπαϊκή νομοθεσία (AI ACT) και στον τρόπο που αυτή επηρεάζει τη χρήση της τεχνολογίας στην εκπαίδευση, εντοπίζοντας τους κινδύνους, τις κανονιστικές απαιτήσεις και τις υποχρεώσεις που απορρέουν για τους εκπαιδευτικούς.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα έχει κατανοήσει τα βασικά ηθικά διλήμματα που συνοδεύουν την ανάπτυξη και εφαρμογή της ΤΝ, θα είναι σε θέση να αναγνωρίζει παραδείγματα προκατάληψης, παραβίασης δεδομένων και πνευματικής ιδιοκτησίας, και θα έχει εξοικειωθεί με τις βασικές αρχές της ευρωπαϊκής ρύθμισης για την ΤΝ. Επιπλέον, θα γνωρίζει πώς να αξιολογεί και να υιοθετεί καλές πρακτικές για τη διασφάλιση της διαφάνειας, της προστασίας των προσωπικών δεδομένων και της συμμόρφωσης με το ισχύον θεσμικό πλαίσιο, ώστε να εφαρμόζει την ΤΝ στην τάξη με υπευθυνότητα και ασφάλεια..

Περιεχόμενα Υποκεφαλαίων

• Ηθική στην Τεχνητή Νοημοσύνη: Διαφάνεια, δικαιοσύνη, λογοδοσία.
• Προκαταλήψεις και Μεροληψίες στην Τεχνητή Νοημοσύνη: Πιθανοί κίνδυνοι και τρόποι αποφυγής τους.
• Προστασία Προσωπικών Δεδομένων: Ασφάλεια και προστασία δεδομένων χρηστών.
• Πνευματικά Δικαιώματα: Θέματα πνευματικής ιδιοκτησίας και Τεχνητή Νοημοσύνη.
• AI ACT

Ενότητα 4: Τεχνητή Νοημοσύνη και Εκπαίδευση

Η ενότητα αυτή επικεντρώνεται στην αξιοποίηση της Τεχνητής Νοημοσύνης στην εκπαίδευση, αναδεικνύοντας ποικίλες εφαρμογές και πρακτικά παραδείγματα από την τάξη, την εκπαιδευτική διοίκηση και την ακαδημαϊκή έρευνα. Ο εκπαιδευόμενος έρχεται σε επαφή με έξυπνα συστήματα που υποστηρίζουν την προσωποποιημένη μάθηση, την προσβασιμότητα, την αξιολόγηση, τη δημιουργία εκπαιδευτικού περιεχομένου και την ενίσχυση της εμπλοκής των μαθητών. Παρουσιάζονται επίσης οι δυνατότητες της ΤΝ στη δημιουργία εικονικών μαθησιακών περιβαλλόντων, στην ενίσχυση της κοινωνικής ευαισθητοποίησης και στη βελτίωση των διοικητικών λειτουργιών εκπαιδευτικών ιδρυμάτων.

Με την ολοκλήρωση της ενότητας ο εκπαιδευόμενος θα έχει αποκτήσει μια σφαιρική κατανόηση του πώς η Τεχνητή Νοημοσύνη μετασχηματίζει την εκπαιδευτική πράξη, ενισχύοντας τη διδασκαλία, τη μάθηση και τη διαχείριση. Θα είναι σε θέση να αναγνωρίζει τις δυνατότητες και τις προκλήσεις που σχετίζονται με την εφαρμογή της ΤΝ σε όλες τις βαθμίδες της εκπαίδευσης και να αξιολογεί τις προοπτικές χρήσης της με παιδαγωγικά και διοικητικά κριτήρια.

Περιεχόμενα Υποκεφαλαίων

• Τεχνητή Νοημοσύνη στην Εκπαίδευση: Εφαρμογές και προκλήσεις.
• Επαγγελματική ανάπτυξη και έρευνα
• ΑΙ στο διοικητικό τομέα
• Πραγματικά δεδομένα Φοιτητών από την χρήση της Τεχνητής Νοημοσύνης

Ενότητα 5: Πρακτικός οδηγός Χρήσης του ChatGPT για δημιουργία και Συνεργασία

Στην πέμπτη ενότητα, οι εκπαιδευόμενοι εισάγονται στη βασική δεξιότητα της εποχής της τεχνητής νοημοσύνης: τη Μηχανική Προτροπών (Prompt Engineering). Το κεφάλαιο αναλύει τι είναι ένα prompt, γιατί είναι καθοριστικής σημασίας για την απόδοση των μοντέλων, και ποιες είναι οι βασικές του ρυθμίσεις και παράμετροι. Παρουσιάζεται η μεθοδολογία σχεδίασης αποτελεσματικών prompts, συχνά λάθη και τρόποι αποφυγής τους, καθώς και πρακτικές στρατηγικές δοκιμής και βελτιστοποίησης. Στη συνέχεια, εξετάζονται τα δημοφιλέστερα μεγάλα γλωσσικά μοντέλα (ChatGPT, Claude, Gemini), με αναφορά στις δυνατότητες αξιοποίησής τους στην εκπαιδευτική πράξη, ενώ δίνεται πλήρης ξενάγηση στη διεπαφή χρήστη του ChatGPT και στα εργαλεία που τη συνοδεύουν. Το κεφάλαιο ολοκληρώνεται με αναφορά στα τοπικά μοντέλα και στο εργαλείο AnythingLLM, που επιτρέπουν την αξιοποίηση της ΤΝ σε προσωπικό υπολογιστή.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα γνωρίζει πώς να σχεδιάζει σαφή και λειτουργικά prompts για διάφορους σκοπούς, θα έχει εξοικειωθεί με τις βασικές έννοιες και παραμέτρους που επηρεάζουν την έξοδο των μοντέλων, και θα μπορεί να χρησιμοποιεί αποτελεσματικά τα σύγχρονα εργαλεία ΤΝ, τόσο σε περιβάλλοντα βασισμένα σε cloud όσο και σε τοπικές εγκαταστάσεις. Παράλληλα, θα μπορεί να αξιολογεί τις δυνατότητες κάθε εργαλείου με βάση τις ανάγκες της εκπαιδευτικής διαδικασίας και να προσαρμόζει τη χρήση του ανάλογα με το περιεχόμενο, το κοινό και τους στόχους της διδασκαλίας.

Ενότητα 6: Το ChatGPT, Άλλα Γλωσσικά Μοντέλα και Εργαλεία Κειμένου

Η ενότητα αυτή αποτελεί έναν πρακτικό οδηγό για την αξιοποίηση όλων των βασικών λειτουργιών του ChatGPT που σχετίζονται με την επεξεργασία και δημιουργία κειμένου. Μέσα από παραδείγματα και οδηγίες, παρουσιάζεται η δυνατότητα φυσικής συνομιλίας με το μοντέλο, η δημιουργία εικόνων με χρήση περιγραφικών προτροπών, η αναζήτηση πληροφοριών στο διαδίκτυο απευθείας από τη διεπαφή του ChatGPT, καθώς και η δημιουργία και χρήση εξατομικευμένων GPT βοηθών. Ιδιαίτερη έμφαση δίνεται στη λειτουργία της συνεργατικής συγγραφής, η οποία επιτρέπει σε πολλούς χρήστες να συνδημιουργούν περιεχόμενο σε πραγματικό χρόνο.

Με την ολοκλήρωση του κεφαλαίου, ο εκπαιδευόμενος θα έχει αποκτήσει πρακτική εξοικείωση με το περιβάλλον του ChatGPT και θα μπορεί να αξιοποιεί πλήρως τις λειτουργίες του για να συνομιλεί, να δημιουργεί περιεχόμενο, να αναζητά πληροφορίες, να σχεδιάζει εξατομικευμένα βοηθητικά μοντέλα και να συνεργάζεται με άλλους σε κοινά έργα γραφής. Οι γνώσεις αυτές ενισχύουν τη δημιουργικότητα και την παραγωγικότητα, τόσο σε εκπαιδευτικά όσο και σε επαγγελματικά πλαίσια.

Ενότητα 7: Έξυπνη αναζήτηση με ανάλυση πληροφοριών με Τεχνητή Νοημοσύνη 

Η ενότητα αυτή επικεντρώνεται στη στρατηγική αξιοποίηση της τεχνητής νοημοσύνης για την αναζήτηση και εις βάθος ανάλυση πληροφοριών. Ο εκπαιδευόμενος θα γνωρίσει πώς να χρησιμοποιεί το εργαλείο web search μέσα από το ChatGPT, αλλά και πώς να πραγματοποιεί πιο σύνθετες, στοχευμένες έρευνες με τη λειτουργία Deep Research. Θα παρουσιαστούν οι αντίστοιχες δυνατότητες και στην πλατφόρμα Gemini, ενώ θα εξεταστεί η online μηχανή αναζήτησης Perplexity, που συνδυάζει τη δύναμη της αναζήτησης με τεχνητή νοημοσύνη. Το κεφάλαιο ολοκληρώνεται με την παρουσίαση του NotebookLM της Google, ενός πρωτοποριακού εργαλείου που επιτρέπει την εξαγωγή γνώσης από κείμενα και τη δημιουργία οδηγιών μελέτης, διαγραμμάτων εννοιών (mindmaps) ή ακόμα και podcasts.

Με την ολοκλήρωση του κεφαλαίου, ο εκπαιδευόμενος θα μπορεί να επιλέγει το κατάλληλο εργαλείο ανάλογα με τις ανάγκες της πληροφορίας που αναζητά, να αξιοποιεί τη δυνατότητα σύνθετης ανάλυσης περιεχομένου, και να ενσωματώνει τα αποτελέσματα της έρευνάς του σε εκπαιδευτικό ή επιστημονικό πλαίσιο με μεγαλύτερη ακρίβεια και βάθος.

Ενότητα 8: Δημιουργία Παρουσιάσεων με Τεχνητή Νοημοσύνη

Στην Ενότητα αυτή, οι εκπαιδευόμενοι γνωρίζουν το Gamma.app, ένα σύγχρονο εργαλείο δημιουργίας παρουσιάσεων με τη βοήθεια Τεχνητής Νοημοσύνης. Το εργαλείο αυτό δίνει τη δυνατότητα παραγωγής διαφανειών με τρόπο γρήγορο, ευέλικτο και αισθητικά προσεγμένο, είτε αυτόματα με βάση ένα πλήρες κείμενο, είτε μέσω συνεργατικής αλληλεπίδρασης ανθρώπου και ΑΙ. Παρουσιάζονται παραδείγματα από πλήρως αυτοματοποιημένες παρουσιάσεις, καθώς και πιο εξελιγμένες περιπτώσεις όπου ο χρήστης καθοδηγεί τη μηχανή βήμα-βήμα, επεμβαίνοντας στο ύφος, τη δομή και το οπτικό αποτέλεσμα.

Με την ολοκλήρωση της Ενότητας, ο εκπαιδευόμενος θα μπορεί να αξιοποιεί το Gamma.app για τη δημιουργία εκπαιδευτικών και επαγγελματικών παρουσιάσεων, κατανοώντας πώς να χρησιμοποιεί τις βασικές και προχωρημένες λειτουργίες του εργαλείου. Θα έχει επίσης αναπτύξει κριτήρια για την επιλογή μεταξύ αυτόματης δημιουργίας και συνεργατικής προσέγγισης, ανάλογα με τις ανάγκες του κοινού και τον στόχο της παρουσίασης.

Ενότητα 9: Κατασκευή Προσωπικών Βοηθών με δική μας πηγή γνώσης 

Στην Ενότητα αυτή εστιάζει στη δημιουργία εξατομικευμένων βοηθών τεχνητής νοημοσύνης που βασίζονται σε συγκεκριμένο γνωστικό υλικό, όπως προσωπικά ή εκπαιδευτικά έγγραφα. Οι εκπαιδευόμενοι θα κατασκευάσουν τρεις διαφορετικούς τύπους βοηθών: αρχικά, έναν GPT βοηθό μέσα από την πλατφόρμα του ChatGPT, ακολουθώντας βήμα-βήμα τη διαδικασία ρύθμισης και εισαγωγής υλικού. Στη συνέχεια, θα δημιουργήσουν έναν φωνητικό βοηθό, με τον οποίο ο χρήστης μπορεί να συνομιλεί προφορικά, αξιοποιώντας σύγχρονες δυνατότητες αναγνώρισης και σύνθεσης ομιλίας. Τέλος, θα περάσουν σε ένα πιο προχωρημένο στάδιο, κατασκευάζοντας έναν βοηθό μέσω του περιβάλλοντος n8n, όπου με γραφικό προγραμματισμό και συνδυασμό λειτουργικών "κουτιών", αποκτούν πλήρη έλεγχο στη λειτουργία και συμπεριφορά του βοηθού.

Με την ολοκλήρωση της Ενότητας, ο εκπαιδευόμενος θα μπορεί να δημιουργεί έξυπνους ψηφιακούς βοηθούς που απαντούν βάσει εξατομικευμένου υλικού, να αξιοποιεί φωνητική αλληλεπίδραση στη χρήση ΑΙ, και να σχεδιάζει πλήρως προσαρμοσμένους αυτοματισμούς, κατανοώντας σε βάθος τον τρόπο που λειτουργούν τα συστήματα πίσω από την επιφάνεια.

Ενότητα 10: Δημιουργία ψηφιακών ιστοριών με Τεχνητή Νοημοσύνη

Στην Ενότητα αυτή εξερευνούμε πώς μπορούμε να δημιουργήσουμε ψηφιακές ιστορίες αξιοποιώντας τη δύναμη της τεχνητής νοημοσύνης, από τη σύλληψη μιας ιδέας έως την παραγωγή ενός ολοκληρωμένου σύντομου φιλμ. Οι εκπαιδευόμενοι θα γνωρίσουν τα βασικά στοιχεία της κινηματογραφικής σύνθεσης, του φωτισμού και της σκηνοθετικής έκφρασης, ώστε να μπορούν να επικοινωνούν με σαφήνεια την οπτική τους μέσα από prompts. Θα εξασκηθούν στη μηχανική προτροπών (prompt engineering) για τη δημιουργία εικόνων από κείμενο ή άλλες εικόνες, καθώς και σε τεχνικές μεταφοράς ύφους.

Στη συνέχεια, το κεφάλαιο εστιάζει στη δημιουργία βίντεο με χρήση του Kling.AI, μέσα από εικόνες ή απευθείας από κείμενο. Ακολουθεί η ενότητα του ήχου, με έμφαση στη δημιουργία φωνών: τόσο συνθετικών όσο και φωνών που προσομοιώνουν την προσωπική εκφορά λόγου του χρήστη. Οι φωνές αυτές θα ενσωματωθούν στα βίντεο, δίνοντας ζωή στους χαρακτήρες. Έπειτα, οι εκπαιδευόμενοι θα μάθουν πώς να δημιουργούν μουσική για την υποστήριξη της ατμόσφαιρας της ιστορίας. Το κεφάλαιο ολοκληρώνεται με τη διαδικασία συνδυασμού όλων των παραπάνω στοιχείων —εικόνας, ήχου, μουσικής και κειμένου— σε μία ολοκληρωμένη κινηματογραφική αφήγηση.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα διαθέτει τις βασικές γνώσεις και τα εργαλεία για να δημιουργεί ψηφιακές ιστορίες, εκφράζοντας δημιουργικά τις ιδέες του με τη βοήθεια της Τεχνητής Νοημοσύνης — από την πρώτη έμπνευση μέχρι το τελικό βίντεο.

Ενότητα 11: Δημιουργία MINI APPS με φυσική γλώσσα στο Google AI Studio

Σε αυτή την ενότητα θα γνωρίσουμε το Google AI Studio και τη δυνατότητα δημιουργίας μικρών εφαρμογών (Mini Apps) χωρίς απαραίτητα γνώσεις προγραμματισμού. Οι εκπαιδευόμενοι θα μάθουν πώς να εκφράζουν μια ιδέα απλώς συνομιλώντας σε φυσική γλώσσα με την πλατφόρμα, και να μετατρέπουν αυτή τη συζήτηση σε μια λειτουργική εφαρμογή. Οι εφαρμογές αυτές μπορούν να επαναχρησιμοποιηθούν για καθημερινές ανάγκες, διευκολύνοντας και αυτοματοποιώντας μικρές εργασίες με απλό και γρήγορο τρόπο.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα έχει κατανοήσει τη διαδικασία ανάπτυξης Mini Apps στο Google AI Studio, αποκτώντας ένα ισχυρό εργαλείο για την ενίσχυση της προσωπικής του παραγωγικότητας και της εκπαιδευτικής πράξης.

Ενότητα 12: Εξερεύνηση των δυνατοτήτων της Τεχνητής Νοημοσύνης μέσω του Hugging Face

Σε αυτή την ενότητα θα γνωρίσουμε την πλατφόρμα Hugging Face, μια διαδικτυακή βιβλιοθήκη που συγκεντρώνει ελεύθερα και ανοιχτά μοντέλα τεχνητής νοημοσύνης. Η πλατφόρμα φιλοξενεί εκατοντάδες μοντέλα για επεξεργασία εικόνας, κειμένου, ήχου, κώδικα και πολλά ακόμη, τα οποία μπορούμε να δοκιμάσουμε μέσα από διαδραστικά περιβάλλοντα (playgrounds), χωρίς να απαιτείται εγκατάσταση ή σύνδεση με εξωτερικά εργαλεία. Θα εξετάσουμε πώς λειτουργεί η πλατφόρμα, πώς εντοπίζουμε τα κατάλληλα μοντέλα, και πώς μπορούμε να τα χρησιμοποιούμε ως πειραματικό πεδίο αλλά και ως πρακτικό εργαλείο για καθημερινές ανάγκες.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα είναι σε θέση να περιηγείται στο Hugging Face, να εντοπίζει και να αξιολογεί διαφορετικά μοντέλα τεχνητής νοημοσύνης, να τα δοκιμάζει σε πραγματικό χρόνο, και να επιλέγει εκείνα που ανταποκρίνονται στις προσωπικές ή εκπαιδευτικές του ανάγκες — ακόμη και σε περιπτώσεις όπου δεν υπάρχει άμεσα διαθέσιμο έτοιμο εργαλείο.

Ενότητα 13: Διαχείριση εκπαιδευτικών έργων με το ClickUp και την υποστήριξη της Τεχνητής Νοημοσύνης

Σε αυτή την ενότητα εστιάζουμε στη διαχείριση έργων στον εκπαιδευτικό χώρο —είτε πρόκειται για διδακτικές δραστηριότητες είτε για διοικητικά καθήκοντα— αξιοποιώντας το ψηφιακό εργαλείο ClickUp. Οι εκπαιδευόμενοι θα γνωρίσουν το περιβάλλον του ClickUp, θα κατανοήσουν τη διεπαφή χρήστη και θα μάθουν πώς να οργανώνουν ένα έργο βήμα-βήμα: από τη συνολική σύλληψη έως τη διάσπαση σε μικρότερες, διαχειρίσιμες ενότητες. Θα παρουσιαστούν επίσης οι δυνατότητες τεχνητής νοημοσύνης που ενσωματώνει η πλατφόρμα και πώς αυτές μπορούν να ενισχύσουν την αποδοτικότητα του σχεδιασμού. Τέλος, θα δημιουργήσουμε απλούς αυτοματισμούς για την αυτοματοποίηση επαναλαμβανόμενων εργασιών.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα μπορεί να χρησιμοποιεί το ClickUp για να οργανώνει και να παρακολουθεί έργα στον εκπαιδευτικό του χώρο, να αξιοποιεί τις λειτουργίες τεχνητής νοημοσύνης για ευκολότερη διαχείριση καθηκόντων και να εφαρμόζει βασικούς αυτοματισμούς που ενισχύουν την παραγωγικότητα και μειώνουν το διαχειριστικό βάρος.

Ενότητα 14: Κατασκευή Αυτοματισμών με ΑΙ μέσω του Ν8Ν 

Σε αυτή την ενότητα  προχωρούμε σε ένα πιο προχωρημένο θέμα: την κατασκευή αυτοματισμών με τεχνητή νοημοσύνη μέσω της πλατφόρμας n8n. Επανερχόμαστε στο εργαλείο που γνωρίσαμε σε προηγούμενο κεφάλαιο, αυτή τη φορά για να κατανοήσουμε πώς λειτουργεί ένας AI agent μέσα σε ένα σύστημα αυτοματισμού. Μέσα από πρακτικό παράδειγμα, θα δημιουργήσουμε έναν αυτοματισμό που οργανώνει αυτόματα τα email μας καταγράφοντας τα δεδομένα τους σε υπολογιστικό φύλλο του Google Drive.

Κεντρικός στόχος του κεφαλαίου είναι η κατανόηση της λογικής των αυτοματισμών και του τρόπου με τον οποίο μπορούμε να διασυνδέουμε εξωτερικές υπηρεσίες, όπως το Gmail και το Google Sheets, ώστε να επιτελούν επαναλαμβανόμενες εργασίες χωρίς ανθρώπινη παρέμβαση. Ιδιαίτερη προσοχή δίνεται στη διαδικασία εξουσιοδότησης των Google υπηρεσιών, που αν και πιο σύνθετη, θα παρουσιαστεί με λεπτομερή καθοδήγηση βήμα προς βήμα.

Με την ολοκλήρωση της ενότητας, ο εκπαιδευόμενος θα έχει αποκτήσει βαθύτερη κατανόηση των συστημάτων αυτοματισμού, θα είναι σε θέση να δημιουργεί δικούς του ρομποτικούς βοηθούς που συνδέουν εφαρμογές μεταξύ τους, και θα μπορεί να αξιοποιεί τις υπηρεσίες της Google σε δυναμικά, πλήρως προσαρμοσμένα AI workflows.

Συνολικά Κριτήρια Αξιολόγησης

• Δημιουργικότητα και ποιότητα των παραδοτέων.
• Ολοκλήρωση όλων των μερών της άσκησης.
• Ενσωμάτωση εργαλείων ΤΝ στις προτεινόμενες λύσεις.
• Συμμόρφωση με ηθικά και νομικά πρότυπα.

Με την ολοκλήρωση όλων των εργασιών , οι συμμετέχοντες θα είναι σε θέση να σχεδιάζουν και να υλοποιούν πρακτικές λύσεις με Τεχνητή Νοημοσύνη που βελτιώνουν την εκπαιδευτική διαδικασία.