Technologie informacyjne 3301-L2TI
Kurs o charakterze propedeutycznym ma na celu zapoznanie studentów z podstawami technologii informacyjnych. Przedstawione zostaną praktyczne zastosowania oprogramowania zwiększającego produktywność, w tym szereg narzędzi przydatnych w pracy akademickiej. Omówione zostaną istotne zagadnienia związane z pogranicza współczesnej informatyki, m.in. bezpieczeństwo w sieci, przetwarzanie w chmurze, systemy operacyjne, czy sztuczna inteligencja. Instruktaże i ćwiczenia mają przede wszystkim na celu wyposażyć studenta w wiedzę, umiejętności i pewność siebie umożliwiające optymalizację pracy z użyciem komputera i funkcjonowanie w społeczeństwie o wysokim stopniu informatyzacji.
Szczegółowe treści przedmiotowe (podlegające aktualizacji wraz z rozwojem technologicznym):
• Zarys historyczny informatyki oraz jej powiązania z innymi naukami
• Podstawowa terminologia dotycząca sprzętu i oprogramowania
• Efektywne i bezpieczne korzystanie z wyszukiwarek internetowych (opcje prywatności, czyszczenie danych przeglądania)
• Optymalizacja działania systemu (regulacja rozruchu systemu oraz zajętości zasobów systemowych kontrolę aplikacji działających w tle)
• Wprowadzenie do oprogramowania do przetwarzania tekstu (Microsoft Word, Google Docs)
• Projektowanie prezentacji (Google Docs/MS PowerPoint)
• Narzędzia do automatycznego składu tekstu (DTP) (LaTeX, TeXworks, MikTeX)
• Zmiana formatowania stron internetowych za pomocą modyfikacji kodu HTML
• Przeszukiwane znakowanych i nieznakowanych baz tekstu za pomocą wyrażeń regularnych (wyszukiwarka Poliqarp NKJP, notepad ++)
• Podstawowe funkcje w arkuszach kalkulacyjnych (np. Microsoft Excel / Google Sheets)
• Oprogramowanie do tworzenia prezentacji (np. Microsoft PowerPoint lub Google Slides)
• Komunikacja za pomocą poczty elektronicznej i netykieta
• Zarys społecznych i filozoficznych następstw rozwoju tzw. twardej/silnej i miękkiej/słabej sztucznej inteligencji (AI/SI)
• Zastosowania SI w życiu codziennym (np. wirtualni asystenci i systemy rekomendacyjne)
• Etyczna optymalizacja pracy za pomocą Chatbotów SI
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza
Studenci znają i rozumieją:
- K_W01 w zaawansowanym stopniu terminologię, teorię i metody badań językoznawczych, zgodnie z obraną przez siebie specjalnością (oraz ścieżką kształcenia) w kontekście technologii informacyjnych
- K_W09 pojęcia i zasady z zakresu ochrony własności intelektualnej i prawa autorskiego
Umiejętności
Studenci potrafią:
- K_U01 w zaawansowanym stopniu stosować terminologię, teorie i metody badań językoznawczych, zgodnie z obraną przez siebie specjalnością (oraz ścieżką kształcenia) w ramach korzystania z technologii informacyjnych
- K_U09 stosować w praktyce pojęcia i zasady z zakresu ochrony własności intelektualnej i prawa
autorskiego
Kompetencje społeczne
Studenci są gotowi do:
- K_K01 krytycznej oceny posiadanej wiedzy i odbieranych treści
- K_K02 uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu
Kryteria oceniania
- aktywność na zajęciach (weryfikacja efektów: W, U, K).
- cząstkowe prace pisemne (weryfikacja efektów: W, U, K).
- wykonywanie krótkich zadań podczas zajęć (weryfikacja efektów: W, U, K).
- zadania projektowe realizowane w ciągu semestru (weryfikacja efektów: W, U, K).
Literatura
• Bott, E., & Stinson, C. (2020). Windows 10 inside out. Microsoft Press.
• Flowers, J. C. (2019, March). Strong and Weak AI: Deweyan Considerations. In AAAI spring symposium: Towards conscious AI systems (Vol. 2287, No. 7).
• Friedl, J. E. (2006). Mastering regular expressions. " O'Reilly Media, Inc.".
• Hawkridge, D. (2022). New information technology in education. Taylor & Francis.
• Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and individual differences, 103, 102274.
• McEnery, T. (2019). Corpus linguistics. Edinburgh University Press.
• Ose, S. O. (2016). Using Excel and Word to structure qualitative data. Journal of Applied Social Science, 10(2), 147-162.
• Pignalberi, G., & Dominici, M. (2019). Introduction to LATEX and to some of its tools. ArsTEXnica, 28, 8-46.
• Przepiórkowski, A., Bańko, M., Górski, R. L., Lewandowska-Tomaszczyk, B., Łaziński, M., & Pęzik, P. (2012). Narodowy Korpus Języka Polskiego. PWN, Warszawa.
• Shmueli, G., Patel, N. R., & Bruce, P. C. (2011). Data mining for business intelligence: Concepts, techniques, and applications in Microsoft Office Excel with XLMiner. John Wiley and Sons.
• Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.
• White, J., Fu, Q., Hays, S., Sandborn, M., Olea, C., Gilbert, H., ... & Schmidt, D. C. (2023). A prompt pattern catalog to enhance prompt engineering with chatgpt. arXiv preprint arXiv:2302.11382.
• Wilson, K., & Wilson, K. (2014). Microsoft office 365. Using Office 365: With Windows 8, 1-14.
• Zaiontz, C. (2019). Real Statistics Resource Pack software (Release 6.8). Copyright (2013–2020).
• Zamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023, April). Why Johnny can’t prompt: how non-AI experts try (and fail) to design LLM prompts. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1-21).
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: