Výuka datové analýzy probíhala nejprve tradičním způsobem (bez EDUvia4X) a následně, v pracovních listech, již s metodikou EDUvia4X.
Průběh výuky:
Po úvodním vysvětlení tvorby ER diagramů učitelem a procvičení na praktických příkladech dostali žáci zadání úlohy.
Žáci byli rozděleni do dvou skupin (A a B).
Zadání:
Žáci měli navrhnout datový model podle specifikovaného zadání.
📎 Ukázka zadání: (odkaz na soubor se zadáním)
Hodnocení pomocí AI:
Učitel využil umělou inteligenci, která „přečetla“ obrázky s ER diagramy žáků a vygenerovala jejich hodnocení.
Každé hodnocení obsahuje:
- Shrnutí úlohy
- Co měl žák správně
- Co chybělo nebo bylo chybně
- Doporučení ke zlepšení
- Celkové bodové hodnocení
📎 Ukázka hodnocení žáka: (odkaz na soubor s hodnocením)
Celkové hodnocení třídy:
Na základě všech hodnocení umělá inteligence:
- Analyzovala nejčastější chyby
- Identifikovala silné stránky třídy
- Navrhla doporučení pro další výuku
📎 Shrnutí celkového hodnocení: (odkaz na soubor se shrnutím)
Plán dalších hodin:
AI navrhla plán na další dvě vyučovací hodiny zaměřené na:
- Lepší práci se spojovacími entitami
- Doplnění časových údajů v modelech
- Preciznější kreslení ER diagramů
📎 Plán výuky: (odkaz na soubor s plánem)
Pracovní listy pro žáky:
AI také vytvořila dva typy pracovních listů:
- 📎 Pracovní list bez EDUvia4X – tradiční procvičování
- 📎 Pracovní list s EDUvia4X – rozvoj kritického myšlení, spolupráce, práce s AI a sebehodnocení
Role učitele:
Během celého procesu učitel vystupoval jako:
- Mentor (podpora a vedení žáků)
- Kritik (poskytování zpětné vazby)
- Průvodce konceptem EDUvia4X.