AI w mediach i automatyzacja procesów 2700-M-LM-D3AMAP
Sztuczna inteligencja zmienia sposób, w jaki media pozyskują informacje, tworzą i dystrybuują treści oraz organizują pracę zespołów. Przedmiot łączy dwie perspektywy. Perspektywa narzędziowa obejmuje modele generatywne (tekst, obraz, dźwięk, wideo) oraz narzędzia do transkrypcji, monitoringu mediów, analizy danych i weryfikacji informacji, wraz z ich typowymi błędami: halucynacjami, stronniczością i brakiem aktualności. Perspektywa procesowa uczy patrzeć na redakcję, agencję lub dział komunikacji jak na system powtarzalnych procesów: mapować je, wskazywać zadania nadające się do automatyzacji i projektować przepływy bez programowania, w których człowiek zachowuje kontrolę nad decyzjami i publikacją.
Ważną część zajęć stanowią ramy prawne i etyczne (akt w sprawie sztucznej inteligencji, prawo autorskie, polityki redakcyjne, oznaczanie treści syntetycznych) oraz ekonomia automatyzacji i zmiany ról zawodowych w mediach. Zajęcia łączą pokazy narzędzi prowadzone przez prowadzącą, analizę przypadków i pracę w grupach; nie wymagają od studentów własnego sprzętu. Przez cały semestr zespoły przygotowują projekt automatyzacji wybranego procesu medialnego.
Cele kształcenia:
• przekazanie wiedzy o zastosowaniach AI w produkcji, dystrybucji i analizie treści medialnych,
• wykształcenie umiejętności mapowania procesów medialnych i projektowania ich automatyzacji,
• przygotowanie do krytycznej oceny jakości, ryzyka oraz skutków prawnych i etycznych wdrożeń AI w mediach.
Koordynatorzy przedmiotu
Efekty uczenia się
Po odbyciu zajęć student:
1. w zakresie wiedzy:
• W1. charakteryzuje główne typy narzędzi AI stosowanych w mediach, ich możliwości i ograniczenia,
• W2. objaśnia zasady automatyzacji procesów medialnych oraz prawne i etyczne ramy wykorzystania AI w mediach,
2. w zakresie umiejętności:
• U1. mapuje wybrany proces medialny i wskazuje etapy nadające się do automatyzacji,
• U2. projektuje przepływ automatyzacji z mechanizmami kontroli i nadzoru człowieka,
• U3. ocenia jakość, ryzyko i zgodność z regulacjami rozwiązań opartych na AI,
3. inne kompetencje:
• K1. jest gotów do przejrzystego i odpowiedzialnego korzystania z AI oraz do współpracy w zespole.
Kryteria oceniania
Ocena końcowa jest sumą punktów (maks. 100) z projektu zespołowego (50 pkt), dwóch zadań indywidualnych (30 pkt) i testu końcowego (20 pkt). Projekt realizowany jest w zespołach czteroosobowych lub pięcioosobowych i prezentowany na ostatnich zajęciach. Szczegółowe wymagania i kryteria są podawane na pierwszych zajęciach.
Warunki zaliczenia:
• oddanie projektu i udział w jego prezentacji,
• uzyskanie co najmniej 51 pkt na 100 możliwych,
• spełnienie wymogu obecności opisanego poniżej.
Skala ocen:
51 do 60 pkt: dostateczny (3); 61 do 70 pkt: dostateczny plus (3,5); 71 do 80 pkt: dobry (4); 81 do 90 pkt: dobry plus (4,5); 91 do 100 pkt: bardzo dobry (5).
Każda praca zawiera notę o użyciu AI: jakie narzędzia, do czego i jak sprawdzono wyniki.
Termin poprawkowy: poprawa niezaliczonych składowych w sesji poprawkowej na zasadach ustalonych z prowadzącym.
Konwersatorium:
• wykład konwersatoryjny z pokazami narzędzi AI i platform automatyzacji na żywo,
• analiza przypadków wdrożeń AI w polskich i zagranicznych redakcjach, agencjach i organizacjach,
• dyskusja problemowa o ryzyku, etyce, przejrzystości i odpowiedzialności za treści,
• praca w grupach nad mapowaniem i projektowaniem procesów na papierowych szablonach,
• metoda projektu z konsultacjami na zajęciach i prezentacją końcową,
• materiały i oddawanie prac przez wspólny folder zajęć na Dysku Google.
Na zajęciach obowiązuje limit 2 nieobecności w trakcie semestru. Po przekroczeniu limitu student jest zobowiązany do uzupełnienia zajęć na zasadach ustalonych przez prowadzącego. Po przekroczeniu limitu 50% nieobecności zaliczenie nie jest możliwe i skutkuje niezaliczeniem zajęć. Student usprawiedliwia nieobecność niezwłocznie, wysyłając maila do prowadzącego lub na kolejnych zajęciach. Prowadzący ma prawo żądania przedstawienia zaświadczenia lekarskiego.
Literatura
Literatura obowiązkowa
1. Kreft, J. (2025). DZIENNIK(AI)RSTWO. Jak sztuczna inteligencja zmienia najciekawszą profesję na świecie. Universitas.
2. Kosieradzka, A., Martinek-Jaguszewska, K., Siderska, J., Uklańska, A. (2025). Automatyzacja i robotyzacja procesów biznesowych. Polskie Wydawnictwo Ekonomiczne.
Literatura uzupełniająca
1. Reuters Institute for the Study of Journalism (2025). AI adoption by UK journalists and their newsrooms: surveying applications, approaches, and attitudes. https://reutersinstitute.politics.ox.ac.uk/ai-adoption-uk-journalists-and-their-newsrooms-surveying-applications-approaches-and-attitudes
2. Flasiński, K. (2021). Algorytmy i big data w mediach i dziennikarstwie prasowym. Wydawnictwo Naukowe Uniwersytetu Szczecińskiego.
3. Taulli, T. (2024). Zrobotyzowana automatyzacja procesów. Tworzenie i wdrażanie systemów RPA. Helion.
4. Newman, N. (2026). Journalism, media, and technology trends and predictions 2026. Reuters Institute for the Study of Journalism, https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026
5. Council of Europe (2023). Guidelines on the responsible implementation of artificial intelligence systems in journalism, https://rm.coe.int/cdmsi-2023-014-guidelines-on-the-responsible-implementation-of-arti-fic/1680adb4c6