Page 160 - Razvoj kompetenc prihodnosti v pedagoških študijskih programih
P. 160
Monika Mithans, Milena Ivanuš Grmek in Sabina Ograjšek
Preglednica 5 Nadaljevanje s prejšnje strani
Kontekst Predmetno področje N R KW
2
Administra Razredni pouk , χ = ,;
tivna Matematika, naravoslovje, tehnika , p = ,
opravila
Jeziki ,
Računalništvo ,
Družboslovje ,
Šport ,
Umetnost ,
DSP, RAP, pod. bivanje in druge oblike varstva ,
2
Neposredno Razredni pouk , χ = ,;
delo z Matematika, naravoslovje, tehnika , p = ,
učenci
Jeziki ,
Računalništvo ,
Družboslovje ,
Šport ,
Umetnost ,
DSP, RAP, pod. bivanje in druge oblike varstva ,
2
Posredovanje Razredni pouk , χ = ,;
povratnih Matematika, naravoslovje, tehnika , p = ,
informacij in
Jeziki ,
ocenjevanje
Računalništvo ,
znanja
Družboslovje ,
Šport ,
Umetnost ,
DSP, RAP, pod. bivanje in druge oblike varstva ,
2
Opombe N – numerus, R – povprečje rangov, KW – Kruskal-Wallisov preizkus, χ – hi-kvadrat, p –
stopnja značilnosti.
in družboslovja, najmanj pa jo uporabljajo učitelji razrednega pouka. Parne
primerjave so pokazale, da je po Bonferronijevi korekciji edina statistično
značilna razlika med učitelji računalništva in razrednega pouka (p = 0,009),
kar pomeni, da učitelji razrednega pouka umetno inteligenco v zasebnem
življenju uporabljajo pogosteje. Med drugimi skupinami ni bilo statistično
značilnih razlik.
Za kontekst priprave na vzgojno-izobraževalni proces Kruskal-Wallisov
preizkus ni pokazal statistično značilnih razlik med učitelji različnih pred-
metnih področij.
Pri administrativnih opravilih so bile razlike med skupinami statistično zna-
čilne. Umetno inteligenco za administrativna opravila najpogosteje uporab-
160
