20.500.12556/DKUM-100300 Model SAMR in kritična UI pismenost pri pouku matematike SAMR model and critical AI literacy in mathematics education Prispevek obravnava vključevanje generativne umetne inteligence (Gen-UI) v pouk matematike skozi prizmo modela SAMR ter krepi razumevanje kritične UI pismenosti. Analitični okvir zagotavlja model SAMR, ki zajema nadomestitev, izboljšavo, preoblikovanje in ponovno opredelitev učnih dejavnosti. Pedagoška intervencija je vključevala 59 bodočih učiteljev razrednega pouka, ki so izvedli štiri zaporedne naloge: diferenciacijo naloge, ustvarjanje pesmi, prepoznavanje matematičnih pojavov na slikah in vlogo »Gen-UI kot učenec«. Naloge so bile zasnovane tako, da so postopno višale raven tehnološke integracije ter zahtevale premišljeno oblikovanje pozivov in kritično vrednotenje izhodov Gen-UI. Rezultati so spodbudni: na lestvici z največ 4 točkami je najvišji povprečni dosežek pri nalogi z diferenciacijo (3,36), najnižji pri nalogi »Gen-UI kot učenec« (2,56), kar kaže, da so višje ravni SAMR zahtevnejše, a dosegljive. Kot ključne pomanjkljivosti izstopajo nekritično prevzemanje generiranih rešitev, metodološke napake in premalo specifični pozivi. Na podlagi ugotovitev prispevek oblikuje smernice za smiselno rabo Gen-UI. Avtorji v zaključku priporočajo sistematična usposabljanja o modelu SAMR, oblikovanju kakovostnih pozivov in kritičnem vrednotenju izhodov UI. The paper examines the integration of generative artificial intelligence (GenAI) into mathematics teaching through the SAMR model and strengthens understanding of critical AI literacy. The analysis involves 59 preservice teachers who completed four tasks: task differentiation, song creation, recognition of mathematical phenomena in images, and the “AI as a student” role. Based on their solutions, the paper formulates didactic guidelines for the meaningful use of GenAI. The SAMR model (substitution, augmentation, modification, and redefinition) provides the analytical framework. The pedagogical intervention consisted of four sequential tasks that progressively increased the level of technological integration, requiring careful design and critical evaluation of GenAI outputs. The results are encouraging: on a four-point scale, the highest average score was achieved on the differentiation task (3.36), and the lowest on the “GenAI as a student” task (2.52), indicating that higher SAMR levels are more demanding yet attainable. Key shortcomings included the uncritical adoption of generated solutions, methodological errors, and insufficiently specific prompts. The authors conclude by recommending systematic training on the SAMR model, high-quality prompt design, and critical evaluation of GenAI outputs. kritična UI pismenost pouk matematike oblikovanje pozivov critical AI literacy mathematics education prompt design true false true Vzgojno-izobraževalni zavod Antona Martina Slomška Slovenski jezik Angleški jezik Znanstveno delo 2026-09-12 03:05:01 2026-09-15 13:38:57 2026-09-16 03:11:25 0000-00-00 00:00:00 2026 0 Maribor 0 str. 7-20 št. 1 Letn. 2 2026 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 2026-03-10 [37.091.3:51]:004.8 274889475 10.63069/sxdmrk65 3024-031X RAZ_Lipovec_Alenka_2026.pdf RAZ_Lipovec_Alenka_2026.pdf 1 769EB991F941638C31109709D461A00D 474a87b619b58d6d2a34db02ef8934d9ff65082b070c8bb80ac7bc9c47120a72 2d46863a-b0fa-11f1-9175-00155d0001be https://dk.um.si/Dokument.php?lang=slv&id=212492 https://i-pedagogika.si/index.php/ip/article/view/140/461 1 fb56f593-ae45-11f1-b6aa-00155d0001be https://dk.um.si/Dokument.php?lang=slv&id=212234 Pedagoška fakulteta 0 0 0