Rozvoj metakognice pomocí generativní umělé inteligence
Developing metacognition using generative artificial intelligence
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/202626Identifikátory
SIS: 282004
Kolekce
- Kvalifikační práce [24999]
Autor
Vedoucí práce
Oponent práce
Kropáč, Jiří
Fakulta / součást
Filozofická fakulta
Obor
Pedagogika
Katedra / ústav / klinika
Katedra pedagogiky
Datum obhajoby
3. 9. 2025
Nakladatel
Univerzita Karlova, Filozofická fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
metakognice|metakognitivní strategie|generativní umělá inteligence|AI|velký jazykový model|LLM|Nová didaktika|hlasité myšleníKlíčová slova (anglicky)
metacognition|metacognitive strategies|generative artificial intelligence|AI|large language model|LLM|New didactics|thinking-aloudDiplomová práce se zabývá možnostmi rozvoje metakognice s využitím generativní umělé inteligence, konkrétně velkých jazykových modelů (LLM). Práce je rozdělena na teoretickou a empirickou část. V teoretické části práce je představen koncept metakognice zasazený do kontextu poznatků kognitivní psychologie, včetně jeho definice, vymezení vůči souvisejícím pojmům a přehledu současného chápání. Dále se věnuje pedagogické rovině, kde představuje možnosti rozvoje metakognice ve výuce a podrobně popisuje německý koncept Nové didaktiky, který využívá metodu hlasitého myšlení při řešení problémových úloh. Empirická část práce se zaměřuje na výzkum, jehož cílem je zjistit, do jaké míry jsou současné velké jazykové modely schopny analyzovat a vyhodnotit využití metakognitivních strategií z přepisů hlasitého myšlení. Výzkum porovnává výstupy šesti různých velkých jazykových modelů s hodnocením lidského hodnotitele a zkoumá relevanci zpětné vazby a doporučení, které modely poskytují. Výsledky ukázaly, že shoda mezi velkými jazykovými modely a lidským hodnotitelem v identifikaci metakognitivních strategií byla v průměru střední. Pět ze šesti modelů však dokázalo poskytnout relevantní zpětnou vazbu a relevantní doporučení. Práce v závěru diskutuje limity výzkumu a poukazuje na značný potenciál, který generativní...
This master's thesis explores the possibilities of developing metacognition using generative artificial intelligence, specifically large language models (LLMs). The thesis is divided into a theoretical and an empirical part. The theoretical part introduces the concept of metacognition within the context of cognitive psychology, including its definition, its distinction from related concepts, and an overview of its current understanding. It further delves into the pedagogical dimension, presenting opportunities for fostering metacognition in education and detailing the German concept of New Didactics, which utilizes the thinking-aloud method for solving problem-based tasks. The empirical part of the thesis focuses on research aimed at determining the extent to which current large language models can analyze and evaluate the use of metacognitive strategies from transcripts of think-aloud protocols. The research compares the outputs of six different LLMs with the assessment of a human evaluator and examines the relevance of the feedback and recommendations provided by the models. The results showed that the agreement between the LLMs and the human evaluator in identifying metacognitive strategies was moderate on average. However, five out of the six models were able to provide relevant feedback and...
