Doktoranduszok programoznak – újratöltve

it-tanfolyam.hu doktoranduszok programoznak

it-tanfolyam.hu doktoranduszok programoznakSaját doktorandusz csoporttársaimmal én is többször beszélgettem már arról – ahogyan Sándor is tette 2018-ban –, hogyan tudnák/tudják használni a programozás eszköztárát, módszereit, lehetőségeit saját kutatási munkájukban, beépítve a kutatási folyamat egyes lépéseibe, illetve disszertációjuk elkészítésébe.

A 7 fős csoportban mindenkinek más az alapvégzettsége, így szoftverfejlesztéshez, programozáshoz közös szókincs és terminológia haladó szinten természetesen nincs, viszont közös bennünk, hogy mindannyian alkotunk különféle modelleket és elemzünk adatokat. A csoport teljesen inhomogén, több szempontból is: ki melyik évfolyamot végzi, hol tart a kutatómunkájában, vannak-e ipari kapcsolatai, nappali vagy levelező képzésben végzi tanulmányait és persze ki mikor ér rá.

Különféle modelleket alkotunk

  • a mérnökök, fizikusok, geográfusok, biológusok többféle kísérletet végeznek el, szimulációkat terveznek és futtatnak, mérőeszközöket és műszereket használnak,
  • az informatikusok különböző matematikai eszközöket alkalmazva objektumorientált – vagy másféle – modellezést végeznek, szoftvereket terveznek, javítanak, újraírnak.

Adatokat is elemzünk, ki-ki előképzettségének megfelelően

  • kérdőívező szoftverekből exportálva valamit,
  • Excel munkalapokon, függvényekkel, adatbázis-kezelő funkciókkal, kimutatásokkal (Pivot táblák),
  • különböző fájlformátumokkal (CSV, XML, JSON, egyedi) dolgozunk és konvertálunk A-ból B-be,
  • távoli adatbázisokhoz, felhőbeli adattárházakhoz csatlakozunk, lekérdezünk és kapunk valamilyen – többnyire szabványos – adathalmazt,
  • matematikai, statisztikai szoftvereket használunk, például: MATLAB, Derive, Maple, SPSS.

Az öt évvel ezelőtti tematikát újragondoltuk. Kérdőívben felmértük a csoporttársak koncepcionális és konkrét igényeit. Más doktori iskolák hallgatói közül is toboroztunk. Ehhez kötődően köszönjük a DOSZ segítségét. Ezek alapján összeállítottunk egy olyan 3 részből álló tematikát, ami mindannyiunk számára hasznos. A 72 óra három 24 órás modulból áll: Java programozás, MATLAB programrendszer, mesterséges intelligencia.

Java programozás modul

  • 1-6. óra: Objektumorientált modellezés, MVC rétegek, algoritmus- és eseményvezérelt programozás
  • 7-12. óra: Fájlkezelés és szövegfeldolgozás (XLS, CSV, XML, JSON formátumú adatok írása, olvasása, feldolgozása), helyi és távoli adatforrásból
  • 13-18. óra: Adatbázis-kezelés JDBC alapon (SQL parancsok, CRUD műveletek, hierarchikus lekérdezések), helyi és távoli adatforrásból, natív módon és készen kapott API-kkal
  • 19-24. óra: Komplex adatfeldolgozási feladatok megoldása programozási tételek használatával, egyszerű statisztikai funkciók implementálásával

MATLAB programrendszer modul

  • 1-6. óra: Bevezetés az MATLAB nyelvbe (R2012 vs. R2022), utasításkészlet, vektorok, mátrixok, szkriptek, függvények, grafika
  • 7-12. óra: Szimulációk tervezése és készítése, numerikus módszerek áttekintése, algoritmizálása, tesztelés, analitikus megoldás, egyenletek megoldása
  • 13-18. óra: Adatok importálása helyi és távoli adatforrásból is, fájlkezelés: szövegfájlok, Excel-fájlok, import, feldolgozás, export, statisztikai alapok
  • 19-24. óra: Statisztikai próbák (illeszkedés- és függetlenség vizsgálata), hisztogramok készítése, differenciálegyenletek megoldása

Mesterséges intelligencia modul

  • 1-6. óra: Klasszikus és újabb megközelítések, alap AI funkcionalitás, megerősítéses és gépi tanulás lehetőségei és korlátai, OpenAI GPT nyelvi modell
  • 7-12. óra: Általános csevegés lehetőségei, korlátai, hasznos tanácsok; csevegés fájlok (szöveg, multimédia) tartalmáról; generatív AI funkciói; kép, ábra, grafikon, térkép, hang, animáció, videó generálása és ezek tömeges feldolgozása; programozási tételek alkalmazása multimédia analitikával együtt
  • 13-18. óra: Statisztikai adatok elemzése AI eszközökkel, automatikus tételbizonyítás AI eszközökkel, gráfelméleti kérdések kontra AI, hatékonysághoz kötődő kérdések AI eszközök esetén
  • 19-24. óra: Objektum- és aspektusorientált tervezés AI eszközökkel, kutatómunkát támogató AI eszközök

Mivel mindenki doktorandusz a csoportban, így a különböző MSc-s alapvégzettsége ellenére mindannyiunknak vannak strukturális programozáshoz kötődő alapismeretei, valamint adatok elemzéséhez szükséges elméleti matematikai/statisztikai alapjai.

A csoport órái szeptembertől decemberig, szombatonként zajlottak. Sándor tartotta a 24 órás Java programozás modult. Ez nagyban lefedi a Java SE szoftverfejlesztő tanfolyamunk tematikáját és kapcsolódik a Java EE szoftverfejlesztő tanfolyamunk és a Java adatbázis-kezelő tanfolyamunk tematikájához is. Én tartottam a 24 órás MATLAB programrendszer modult. Ketten közösen tartottuk a 24 órás Mesterséges intelligencia modult. Igazán tartalmas őszi időszakot jelentett számunkra ez a 12 szombat. Mindenki elvitte, amit beletett.

A koncepciót once-in-a-lifetime jelleggel dolgoztuk ki 🙂 (újratöltve) azzal a fő szándékkal, hogy hatékonyabban működjünk együtt a jövőben. A visszajelzések alapján bátran állíthatom, hogy ez gördülékenyen fog menni. Egyben köszönöm mindenkinek az aktív, konstruktív részvételt.

Multimédia az oktatásban 2021

NJSZT-MMO logó

NJSZT-MMO logóA Neumann János Számítógép-tudományi Társaság (NJSZT) „Multimédia az oktatásban” Szakosztály által – évente – szervezett XXVII. Multimédia az oktatásban című online nemzetközi konferencia került megrendezésre 2021. június 10-11-én.

A konferencia célja

A szakmai rendezvény célja, hogy elősegítse az oktatás, valamint a kutatás és fejlesztés különböző területein dolgozó, oktató hazai és külföldi szakemberek, PhD és felsőoktatási hallgatók kapcsolatfelvételét, tapasztalatok és jó gyakorlatok cseréjét, egyes képzési szakterületekhez kapcsolódó kreditek gyűjtését.

24 témakörben hirdették meg az előadóknak a jelentkezési lehetőséget, köztük néhány hozzánk kötődő

  • élethelyzethez igazított tanulás,
  • a multimédia alkalmazása a felsőoktatásban és a felnőttképzésben,
  • mLearning, eLearning és környezete,
  • a tanulási környezet technikai, technológiai változása,
  • felhőalapú szolgáltatások,
  • multimédia és a tudományos kutatás összefonódása,
  • multimédia-fejlesztések, eredmények, alkalmazások bemutatása.

A konferencia programja

Letölthető a konferencia programja. A konferencia a Dunaújvárosi Egyetemről élő közvetítésben zajlott a Pexip webkonferencia platformon. 2 nap alatt 13 szekcióban 65 előadás hangzott el 99 társszerzőtől. A rendezvényre 169 fő regisztrált és kb. 250-en követték az élő közvetítést 4 országból.

A plenáris előadások némileg számvetésre sarkalltak. Ez a 16. MMO-s anyagom 2009 óta. Ezek a szakmai előadások, magyar és/vagy angol nyelvű cikkek, poszterek megtalálhatók a publikációs listámban. Szakmai blogunkban több beszámoló is van, lásd MMO címke. Jövőre is szívesen csatlakozom a rendezvényhez. 2022-ben a Multimédia az oktatásban konferencia helyszíne a Horvátországban található Eszéki Egyetem lesz.

Részt vettem a konferencián

2021-ben előadást tartottam „Python tanfolyam tapasztalatai az átalakuló szoftverfejlesztő OKJ képzésben” címmel 20 percben, amely a konferencia „Multimédia-fejlesztések, eredmények, alkalmazások bemutatása” című szekciójába került. Előadásom prezentációját ILIAS e-learning tananyagban tesszük elérhetővé tanfolyamaink résztvevői számára. Az anyagból készült 5 oldalas szakmai cikket is készítettem, amely elérhető a konferencia kiadványban.

A cikk összefoglalója

A 2020/2021-es tanév átmenetet/átállást jelentett a szakképző intézményekben. Az informatika és távközlés ágazatban a korábbi szoftverfejlesztő képzést felváltotta a szoftverfejlesztő és –tesztelő képzés. A korábbi szabályozó és az új KKK, PTT dokumentumokat áttekintve több markáns különbség is adódik. Ezek egyike a Python programozási nyelv hangsúlyos beépülése. A kifutó kétéves OKJ képzést 2021-ben befejező diákok számára az it-tanfolyam.hu oktatói csapata kidolgozott és megvalósított egy Python tanfolyamot. Ők speciális célcsoport, mert már tanultak más programozási nyelveket, de Pythont még nem, vagy csak bevezetőként. Az előadás/cikk ismerteti a 2021. májustól elindult tanfolyam hátterét, tematikáját, szervezésének folyamatát, visszajelzéseit és összegzi a tapasztalatokat.

A cikk tartalomjegyzéke

  1. A szakképzés átalakulásának jogi háttere
  2. Tartalmi megújulás elemei
    1. Korábbi tartalom
    2. Új tartalom
    3. Releváns markáns különbségek
  3. Oktatók tapasztalatai
  4. A Python tanfolyam általános koncepciója
  5. A Python tanfolyam előkészítése, szervezése
  6. A tematika kiemelt elemei
    1. Adatszerkezetek
    2. Fájlok feldolgozása, adatbázis-kezelés
    3. Grafikus felhasználói felület – TKinter
    4. Webes alkalmazások – Flask és Django
    5. Mobil alkalmazások – Kivy
    6. IoT programozás – Raspberry Pi
    7. Mesterséges intelligencia
  7. Visszajelzések, tapasztalatok

LEGO Education módszertani képzés / Robotika Mindstorms EV3 robottal

„A LEGO® Education olyan, tanulást segítő megoldásokat fejleszt, melyek betekintést nyújtanak tudomány és technológia rövid történetébe, miközben a tanulás folyamatát egy élménnyé teszik. A termékeinket úgy terveztük, hogy a kísérletekben résztvevő diákok aktív közreműködésüknek köszönhetően első kézből, saját bőrükön szerzett tapasztalatokkal fejlesszék a szerkezetekkel, azok működésével valamint a programozási technikákkal kapcsolatos ismereteiket.” – írják a H-Didakt Kft. honlapján, a LEGO® MINDSTORMS® Education EV3 terméklapján. Az önálló felfedezés izgalmát így határozzák meg: „A LEGO® Education megoldásai olyan gyakorlati tanulási technikákon alapulnak, melyek segítik a gyerekeket, hogy elsajátítsák a dinamikus tanulás képességét. Ahelyett, hogy egyszerű memorizálásra bátorítana, a diákokat olyan kihívás elé állítja, melyek arra késztetik őket, hogy használják a képzeletüket, javítsák a problémamegoldó készségüket, valamint a másokkal való együttműködésre is késztet. A diákok átélhetik az önálló felfedezés izgalmát, valamit olyan létfontosságú készségekre tehetnek szert, mely jövőbeli sikerük záloga lehet.”

Élményalapú tanulás

A hagyományosnak tekinthető tanítási paradigmákat fokozatosan leváltják az alternatív pedagógia módszerei. A változás okai ismertek: a szakképzés sajátos igényei, a felnőttoktatás terjedése, a tudomány és a technika felgyorsult fejlődése, az informatika és a hírközlés átalakulása. Az alternatív tanulási stratégiák alapvető célja az, hogy a tanuló ne a passzív „elszenvedője” legyen az ismeretek elsajátításának, hanem aktív tevékenysége (vagy legalábbis annak szimulációja) alapján vonjuk be őt ebbe a folyamatba. Ennek hatására váljék számára élményszerűvé az új tudás elsajátítása és belsővé válása is. A fenti cél alapján nevezzük az ilyen módszereket összefoglalóan élményalapú tanulásnak.” Néhány pedagógiai módszer/eszköz a tanulási élmények elérésére: kooperatív tanulás, drámapedagógia, projektmódszer, médiapedagógia, felfedezéses tanulás, számítógépes tanulás.

Kolb négy lépésből álló tapasztalati tanulási ciklust javasolt: tapasztalat, reflexió, általánosítás, alkalmazás. „Minden összetevőben megjelenik a cselekvés, az önálló és az együttes munka. Így az élménypedagógiai alapokon nyugvó tanulási folyamat a cselekvés általi tanulás és fejlődés sajátos változata, multiszenzoros tanítási folyamat. Az élménypedagógia a helyzetek teremtésének nagymestere, ezáltal cselekvésre készteti a résztvevőt, provokál, sikert kínál. A résztvevők/tanulók próbára teszik tudásukat, képességeiket, kreativitásukat. Mindezek által feltárva a fizikai, és pszichikai képességeiket. Az élménypedagógia a személyes élményre, megélésre, tapasztalat-és ismeretszerzésre koncentrál. A saját tapasztalati tanulás lényege az önirányítás”, foglalta össze Molnár Katalin.

Módszertani képzés

2020. szeptember 21-én részt vettem a H-Didakt Kft. LEGO Education módszertani képzés / Robotika Mindstorms EV3 robottal című tanári felkészítésén. A helyszínt a győri Széchenyi Egyetem Apáczai Csere János Kar biztosította, amely saját Lego Robot laborral rendelkezik. A blog bejegyzésben látható fényképek ott készültek.

Megismerkedtünk a LEGO MINDSTORMS Education EV3 szoftver alapfunkcióival. Kaptunk ötleteket arra, hogy a különböző életkorú diákok/tanulók/hallgatók számára milyen projektfeladatok az ideálisak. Bemutatták a hazai és nemzetközi versenyeket, ami a csoportmunkában megvalósuló kooperációt kiegészítendő kiváló megmérettetési lehetőséget jelenthet. Én magam is voltam már zsűritag FLL robotversenyen. Mindannyian átélhettük az élményt: milyen összeépíteni, beállítani egy robotot, elkészíteni majd rátölteni a problémát megoldó szoftvert, kipróbálni, finomhangolást végezni. Informatikatanárként nyilván triviális a szoftver használata és az egész folyamat, de újszerű megközelítésnek éreztem azt, hogy szinte minden tantárgyhoz összeállítható olyan projektfeladat, amelyhez felhasználható a robot. Persze át kell élni az első buktatókat is: például amikor nagyon vártam, hogy ugató vagy nyávogó hangot adjon a robot, ha piros vagy sárga színt érzékel, de ehhez nem ártott volna megfelelően összedugni a kábeleket sem. 😉 A robot programozásához szükséges az alapvető algoritmikus építőkockák és érzékelők ismerete. A többi a kreativitáson múlik, aminek a fejlesztését kiváló oktatóvideók és példatárak is segítik. A sok segédanyag közül kiemelem Kiss Róbert: Robotika feladatgyűjteményét.

hdidakt-lego-education-2

Többször is elhangzott, hogy ugyanannak a feladatnak több – különböző szintű – jó/helyes/elfogadható megoldása is lehet/van. Matematika szakos tanárként rögtön a Pólya-féle problémamegoldás lépései jutottak eszembe: megértés, tervezés, megoldás, ellenőrzés.

Például: juttassunk el a robottal a Marsról a Földre szállítmányt!

Ha profi megoldást szeretnék, akkor a robotnak meg kell találnia a csomagot, tolnia kell, kanyarodik vele, tovább tolja, végül megáll. Persze a kereséshez érzékelők és tesztelős ciklus kell, a kanyarodáshoz ciklus induló- és célfeltétellel, a haladáshoz tesztelős ciklus, a megálláshoz célfeltétel. Például kanyarodni akkor kell, amikor a robot előtt „megjelenik az út közepén” a fekete pályán egy ferde fehér csík. Ha csalok, vagy csak egyszerűbben gondolkodom, akkor kezdetben a robot irányba áll, halad előre kb. 40 cm-t, fordul balra kb. 45°-ot, majd halad előre kb. 70 cm-t a célig. Ilyenkor 1-2-3 teszt/finomhangolás során 3 szekvenciával is megoldható a feladat. A fordulás is lehet profin tervezett, kiszámolt, vagy történhet tapasztalati úton is: ha balra kell fordulni, akkor a robot jobb oldali kerekének fél fordulatával lemérhető, hogy az hány fokos elfordulást jelent. Persze számíthat, hogy mekkora ívben kell fordulni: kis ív esetén a robot jobb kereke fordulhat előre felet, miközben a bal kereke is fordul (negyedet, felet), de hátrafelé. Izgalmasnak tűnt.

Rögtön eszembe jutott a Bloom-féle taxonómia négy gondolkodási/műveleti szintje is: ismeret, megértés, alkalmazás és magasabb rendű műveletek (analízis, szintézis, értékelés). Ezekre a szintekre tudatosan hivatkozunk Java SE szoftverfejlesztő tanfolyamunkon is, amikor egy-egy programozási feladatot többféleképpen is megoldunk. Ezeket evolúciós projekteknek tekintjük.

hdidakt-lego-education-4

A tanári felkészítést Kállai Balázs Lego tréner tartotta. Biológia szakos tanárként több olyan példát is említett, amelyek interdiszciplináris jellegűek, így jól összefogják például a természettudományos és/vagy STEM alaptantárgyakat, alkalmasak tematikus napok/hetek megvalósítására. Vendégelőadóként Kövecsesné Dr. Gősi Viktória – az SZE oktatási dékánhelyettese – a módszertani és érzékenyítésről szóló részben ismertette A léleknek idő kell című tantárgyának tematikáját. A kollégák abszolút elhivatottak voltak, célorientáltan és bármilyen szakos tanár kollégák számára is közérthetően foglalták össze a gyakorlatban kiválóan használható ötleteiket, tapasztalataikat. A szemléletformáló tanári felkészítést ajánlom az érdeklődő kollégák számára!

 

Doktoranduszok programoznak

it-tanfolyam.hu doktoranduszok programoznak

it-tanfolyam.hu doktoranduszok programoznakSaját doktorandusz csoporttársaimmal többször beszélgettünk már arról, hogyan tudnák/tudják használni a programozás eszköztárát, módszereit, lehetőségeit saját kutatási munkájukban, beépítve a kutatási folyamat egyes lépéseibe, illetve disszertációjuk elkészítésébe.

Mivel a 10 fős csoportban mindenkinek más az alapvégzettsége, így szoftverfejlesztéshez, programozáshoz közös szókincs és terminológia haladó szinten természetesen nincs, viszont közös bennünk, hogy mindannyian alkotunk különféle modelleket és elemzünk adatokat.

Különféle modelleket alkotunk

  • a mérnökök, fizikusok, geográfusok, biológusok többféle kísérletet végeznek el, szimulációkat terveznek és futtatnak, mérőeszközöket és műszereket használnak,
  • az informatikusok különböző matematikai eszközöket alkalmazva objektumorientált – vagy másféle – modellezést végeznek, szoftvereket terveznek, javítanak, újraírnak.

Adatokat is elemzünk, ki-ki előképzettségének megfelelően

  • kérdőívező szoftverekből exportálva valamit,
  • Excel munkalapokon, függvényekkel, adatbázis-kezelő funkciókkal, kimutatásokkal (Pivot táblák),
  • különböző fájlformátumokkal (CSV, XML, JSON, egyedi) dolgozunk és konvertálunk A-ból B-be,
  • távoli adatbázisokhoz, felhőbeli adattárházakhoz csatlakozunk, lekérdezünk és kapunk valamilyen – többnyire szabványos – adathalmazt,
  • matematikai, statisztikai szoftvereket használunk, például: MATLAB, Derive, Maple, SPSS.

Önszerveződően összeállítottunk egy olyan két részből álló tematikát, ami mindannyiunk számára hasznos. A 64 óra két 32 órás modulból áll: Java programozás és SPSS programrendszer.

Java programozás modul

  • 1-8. óra: Objektumorientált modellezés, MVC rétegek, algoritmus- és eseményvezérelt programozás
  • 9-16. óra: Fájlkezelés és szövegfeldolgozás (XLS, CSV, XML, JSON formátumú adatok írása, olvasása, feldolgozása)
  • 17-24. óra: Adatbázis-kezelés JDBC alapon (SQL parancsok, CRUD műveletek, hierarchikus lekérdezések)
  • 25-32. óra: Komplex adatfeldolgozási feladatok megoldása programozási tételek használatával

SPSS programrendszer modul

  • 1-8. óra: Bevezetés az SPSS-be, interakciós eszközök, adatmátrix, menük: Transform, Analyze, szkriptek futtatása
  • 9-16. óra: Alapstatisztikák kérése, kereszttáblázatok készítése, hipotéziselmélethez kötődő funkciók, normalitásvizsgálat, minták összehasonlítása t-próbával
  • 17-24. óra: Regresszió-analízis: lineáris, nemlineáris, többváltozós; Idősorok elemzése: szűrés, periodogram, trendelemzés
  • 25-32. óra: Mesterséges neuronhálózatok: matematikai modell és működése

Mivel mindenki doktorandusz a csoportban, így a különböző MSc-s alapvégzettsége ellenére mindannyiunknak vannak strukturális programozáshoz kötődő alapismeretei, valamint adatok elemzéséhez szükséges elméleti matematikai/statisztikai alapjai. Az én részem a 32 órás Java programozás modul, ami 2018.10.28-án kezdődött és 2018.12.09-ig fog tartani hétvégi napokon. Ez nagyban lefedi a Java SE szoftverfejlesztő tanfolyamunk tematikáját és kapcsolódik a Java EE szoftverfejlesztő tanfolyamunk és a Java adatbázis-kezelő tanfolyamunk tematikájához is.

A koncepciót once-in-a-lifetime jelleggel dolgoztuk ki azzal a fő szándékkal, hogy hatékonyabban működjünk együtt a jövőben.