Iskanje po repozitoriju

Latent class analysis of student attitudes and performance in online mathematics assessments : a Technology Acceptance Model approach
Daniel Doz, Motognon Wastalas d’Assise Dogbalou, Zevick Otieno Juma, Danilo Lewanski, 2026, izvirni znanstveni članek

Opis: In recent years, many institutions have transitioned from traditional pen-and-paper mathematics examinations to online assessments. One such system gaining popularity is STACK, which provides students with immediate feedback and supports teaching, learning, and assessment. Although literature suggests students generally have positive attitudes towards STACK, the relationship between these attitudes and final examination performance remains underexplored. This study analysed responses from 115 Italian biotechnology undergraduates about their beliefs regarding STACK, collected before and after their mathematics examination. Using Latent Class Analysis, two distinct student groups emerged based on their attitudes. Class 1, which held more positive attitudes both before and after the exam, achieved higher final scores than Class 2. The Technology Acceptance Model helped interpret the findings, showing that perceived usefulness and ease of use influence attitudes. A significant sex effect was observed: males were predominantly in Class 1 and showed more positive attitudes, while females were more evenly distributed between both classes. Thus, while males showed more positive attitudes on average, this was due to their higher representation in the positive-attitude group rather than a direct comparison. These findings support the potential of STACK and highlight the importance of wider institutional adoption to familiarise students with online assessments.
Ključne besede: assessment, INVALSI, biotechnology, latent class analysis, mathematics, online, STACK, Technology Acceptance Model
Objavljeno v RUP: 10.09.2026; Ogledov: 126; Prenosov: 2
Celotno besedilo (2,75 MB)
Gradivo ima več datotek! Več...

Narava kot učilnica : primerjava gozdnih vrtcev v Sloveniji in na Finskem
Lucija Žerjal, 2026, diplomsko delo

Ključne besede: gozdni vrtec, gozdna pedagogika, naravno okolje, predšolska vzgoja, učenje v naravi, finski model
Objavljeno v RUP: 13.08.2026; Ogledov: 235; Prenosov: 11
Celotno besedilo (843,48 KB)

Sistemski pristop k oblikovanju dostopne medgeneracijske poti v Vipavski dolini : magistrsko delo
Žan Hodžič, 2026, magistrsko delo

Ključne besede: dostopnost, univerzalno oblikovanje, vključujoči pristopi, tematske poti, vzročno-zančni model, participacija, sistemska dinamika
Objavljeno v RUP: 15.07.2026; Ogledov: 403; Prenosov: 21
Celotno besedilo (838,16 KB)

Dejavniki blagostanja šolskih svetovalnih delavcev osnovnih šol s prilagojenim programom širše Savinjske regije : magistrsko delo
Pija Verbič, 2026, magistrsko delo

Ključne besede: subjektivno blagostanje, Keyesov model blagostanja, svetovalna služba, osnovne šole s prilagojenim programom, potrebe svetovalnih delavcev
Objavljeno v RUP: 03.06.2026; Ogledov: 436; Prenosov: 29
Celotno besedilo (578,87 KB)

Vloga generativne umetne inteligence pri razvoju spretnosti samoregulacije učenja : the case of Slovenia’s DC pensions
Alja Polanec, Sonja Čotar Konrad, 2026, samostojni znanstveni sestavek ali poglavje v monografski publikaciji

Opis: V prispevku naslavljamo vlogo generativne umetne inteligence (Gen-UI) pri učenju in poučevanju, s katero lahko podpremo individualizirano in diferencirano učenje in vklju čimo analizo napredka pri učenju ter prilagajamo učne strategije posamezniku. Osrednji proces učenja, ki ga z Gen-UI lahko podpremo, je samoregulacija učenja (SRU). V pri spevku obravnavamo najpogosteje navedena modela SRU, ki poudarjata medsebojno povezanost in cikličnost faz načrtovanja, izvedbe in samorefleksije učenja, pri čemer v vsaki fazi nakažemo, kako lahko vključevanje Gen-UI podpre vsako izmed njih. Nada lje izpostavljamo, kako lahko orodja Gen-UI vključujemo v različne komponente SRU: na kognitivni ravni s spodbujanjem strategij ponavljanja, elaboracije in organizacije z omogočanjem sinteze znanja, iskanja analogij ter oblikovanja konceptualnih povezav; na metakognitivni ravni podpira načrtovanje (npr. določanje SMART ciljev), spremljanje razumevanja in refleksirano vrednotenje; na motivacijsko-čustveni ravni prispeva k večji samoučinkovitosti, notranji motivaciji ter zmanjševanju testne anksioznosti. V prispev ku izpostavljamo tudi nove modele vključevanja Gen-UI v učenje in poučevanje, kot sta HHAIR (Hybrid Human-AI Regulation) in ISAR (Inversion, Substitution, Augmentation, Redefinition), ki poudarjata postopno prenosljivost samoregulacijskih spretnosti z UI na učenca ter redefinicijo učnih procesov kot najvišje ravni podpore učenju in poučevanju z vključevanjem Gen-UI. Kljub številnim prednostim rabe Gen-UI opozarjamo tudi na tve ganja, kot so čezmerno zanašanje na tehnologijo, zmanjšanje kritičnega mišljenja, meta kognitivna pasivnost, kognitivna lenoba in pristranost. Zato je učinkovitost rabe Gen-UI za spodbujanje SRU odvisna od smiselne, ozaveščene in reflektirane uporabe, ki lahko podpre poglobljeno in odgovorno samoregulacijo učenja.
Ključne besede: generativna umetna inteligenca v izobraževanju, samoregulacija učenja, kritično mišljenje, model HHRI, model ISAR
Objavljeno v RUP: 22.04.2026; Ogledov: 640; Prenosov: 23
Celotno besedilo (1,24 MB)
Gradivo ima več datotek! Več...