Novosti u informacijskom krajobrazu znanosti i visokog obrazovanja
Uskoro više informacija
Napredno računanje i umjetna inteligencija u službi znanosti
Agentsko modeliranje konsenzusa u DLT sustavima, dr. sc. Matija Piškorec, Institut Ruđer Bošković
Konsenzus je ključna komponenta za postizanje jedinstvenog globalnog stanja sustava raspodijeljenih glavnih knjiga (DLT). Tijekom zadnja dva desetljeća intenzivnog razvoja DLT protokola razvijeno je mnogo različitih konsenzus mehanizama osmišljenih kako bi zadovoljili različite karakteristike kao što su decentralizacija, sigurnost i skalabilnost. Međutim, sustavna usporedna analiza konsenzusa u stvarnim DLT sustavima je još uvijek nedovoljno istraženo područje. U tu svrhu smo razvili simulator temeljen na agentskom modeliranju (ABM) koji koristi Gillespie algoritam za asinkronu simulaciju svih događaja u tipičnom DLT sustavu, te implemetirali u njemu dva konceptualno različita konsenzus mehanizma: Proof-of-Work (PoW) i Stellar Consensus Protocol (SCP). Potom smo proveli opsežnu usporednu analizu njihovih performansi pretpostavljajući različite peer-to-peer (P2P) komunikacijske topologije, te uz povećanu komunikacijsku latenciju izmeč u čvorova i broj transakcija koje treba finalizirati. Prvi rezultati pokazuju na ključnu ulogu koju P2P komunikacijska topologija ima u učinkovitosti konsenzusa, te kako svojstvo brze finalnosti (koje osigurava postizanje konsenzusa unutar ograničenog vremenskog roka) dolazi uz cijenu povećanog komunikacijskog opterećenja. Simulacije su provedene na računalnoj infrastrukturi Sveučilišta u Zurichu, u suradnji s Institutom Ruđer Bošković, a predavanje će se dotaknuti i njihove potencijalne buduće prilagodbe na računalne sustave SRCE-a.
Arhitektura umjetne inteligencije temeljena na alatima otvorenog koda, Miro Mačinković, Sveučilište u Zagrebu Sveučilišni računski centar
Na ovom predavanju će biti dan pregled dostupnih tehnologija i alata otvorenog koda koji omogućuju pružanje usluga umjetne inteligencije.
Jezgru arhitekture korištene u Srcu čini OpenAI kompatibilni poslužitelj na vlastitoj GPU infrastrukturi pokretan alatom vLLM.
Izloženi API omogućuje razvojnim programerima korištenje velikih jezičnih modela u drugim sustavima i aplikacijama.
Za uspostavu korisničkog sučelja prilagođenog krajnjim korisnicima se koristi alat Open WebUI koji nudi izravan pristup velikom jezičnom modelu.
Za indeksiranje i pripremu postojeće dokumentacije se koristi alat Onyx koji primjenom RAG tehnike omogućuje velikim jezičnim modelima davanje kvalitetnih odgovora iz domenski specifičnih podataka nad kojima model izvorno nije treniran.
Developing an Accounting Virtual Assistant Through Supervised Fine‐Tuning (SFT) of a Small Language Model (SLM), dr. sc. Mario Župan, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet turizma i ruralnog razvoja u Požegi
The development of an in‐house accounting bot—an artificial intelligence (AI) assistant capable of generating internally structured bookkeeping double‐entry posting schemes—is explored in this paper. The processes of curating a suitable dataset, selecting, and fine‐tuning a seven‐billion‐parameter language model, categorized as a small language model (SLM) (SLMs typically refer to models with fewer than 10 billion parameters, whereas medium‐sized models often have 14B parameters, and large‐scale models exceed 70B), are described. A human‐evaluated benchmark is also presented to assess model performance. To achieve efficient supervised fine‐tuning (SFT), low‐rank adaptation (LoRA) was employed, significantly reducing memory requirements by using a small set of trainable parameters while maintaining model expressiveness. The process of backpropagation was further optimized using Unsloth, a high‐performance training framework designed for efficient video memory usage and flash attention mechanisms, which accelerates adaptation and reduces memory overhead. The model whose layers were updated is called QwenCoder2.5. It was selected with the presumption that it would be able to learn how to generate and examine bookkeeping patterns generated by accounting information system (AIS) over a 17‐year history. This proof of concept aims to support researchers and practitioners exploring the integration of generative AI in accounting by providing insights into both the benefits and challenges.
Genomic Diversity of Aurochs from the Great Adriatic Plain, prof. dr. sc. Vlatka Ćubrić Ćurik, Sveučilište u Zagrebu Agronomski fakultet
The aurochs, the wild ancestor of domestic cattle, was a keystone herbivore in Late Pleistocene Eurasia. However, the genetic structure of populations that survived the Last Glacial Maximum (LGM) remains poorly understood, especially in southeastern Europe. Here, we present the first directly dated ancient aurochs genomes from the eastern Adriatic, recovered from the Upper Palaeolithic site of Šandalja (Istria, Croatia). Two female individuals, dated to approximately 14,800–14,200 and 11,800–11,400 cal BP, were sequenced for low-coverage whole genomes and near-complete mitochondrial genomes. Genomic analyses were conducted within the HRZZ GAbridge project, using computational resources provided by the University of Zagreb Computing Centre (SRCE). Phylogenetic and network analyses place both specimens within mitochondrial haplogroup P, but in a deeply diverging, previously under-characterised “alternative” P sub-haplogroup that split from the main P lineage before its Holocene expansion and incorporation into domestic cattle. The Šandalja genomes cluster with Late Pleistocene aurochs from northern Italy, supporting a genetically coherent population associated with the submerged Great Adriatic Plain, which likely acted as a glacial refugium and dispersal corridor. These results demonstrate strong Late Pleistocene population structure in European aurochs and identify the Adriatic Basin as an overlooked centre of megafaunal diversity.
HRABAR: A Metadata-Rich Academic Corpus for NLP, Derived from Hrčak and Dabar, Miha Keber, Institut Ruđer Bošković
We present HRABAR, a corpus of academic text derived from Hrčak and Dabar -- two repositories that aggregate scientific papers and theses published in Croatia. The corpus consists of Croatian abstracts and their English versions associated with rich metadata that includes academic categories, keywords, authors, and timestamps. The corpus is a high-quality resource for training and benchmarking LLMs and other NLP models on tasks such as machine translation, text classification, and keyword extraction. The corpus also enables research and analysis of Croatian academic output. We describe the process of the corpus creation that encompasses data collection, cleaning, processing, and formatting. We also present descriptive statistics that give the overview of the content. The corpus and the associated code for preprocessing and data analysis will be made freely available.
Kako izgraditi vlastiti veliki jezični model? Od prikupljanja podataka do treniranja na HPC infrastrukturi, dr. sc. tech. David Dukić, Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva
Prilagodba (engl. fine-tuning) predtreniranih jezičnih modela postala je standardna praksa za rješavanje specijaliziranih zadataka u području obrade prirodnoga jezika. Međutim, nisko resursni jezici i visoko specijalizirane domene nerijetko zahtijevaju izgradnju vlastitog jezičnog modela ili značajno proširenje znanja predtreniranog modela (engl. continual pre-training). Ovo je posebno važno za jezike poput hrvatskog te za domene poput prava ili medicine gdje postojeći predtrenirani modeli ne daju zadovoljavajuće rezultate. Ovo predavanje demistificira proces stvaranja velikog jezičnog modela (engl. large langauge model, LLM) uz fokus na tri ključna stupa za kreiranje LLM-a: podatke, arhitekturu i optimizaciju. Prikupljanje, čišćenje i deduplikacija stotina milijuna tekstova često je najzahtjevniji dio procesa. Također, pri kreiranju LLM-a, odabir odgovarajuće arhitekture modela je bitan kao i odabir pogodne infrastrukture za račun arstvo visokih performansi (engl. high performance computing, HPC). U tu svrhu, predavanje će pokriti i odeređene tehničke aspekte distribuiranog treniranja na više grafičkih jedinica, strategije za stabilizaciju treniranja te evaluaciju dobivenog modela u usporedbi s dostupnim alternativama.
Od NWP-a do AI prognostičkih produkata u DHMZ-u: operativni ALADIN, mreža mjerenja i strojno učenje, dr. sc. Iris Odak, Državni hidrometerološki zavod
U Državnom hidrometeorološkom zavodu (DHMZ) računalnu prognozu vremena razvijamo kao integrirani digitalni sustav koji povezuje operativne numeričke modele (NWP), podatke s mreže meteoroloških postaja i metode strojnog učenja (ML/AI) za naknadnu obradu. Operativnu osnovu čine dvije konfiguracije regionalnog sustava ALADIN: HR20 za detaljan opis lokalnih procesa i HR40 kao robustan, fizički konzistentan izvor prediktora za ML pristupe. U svakodnevnom radu primjenjuje se metoda analogona (HRAN) za unaprjeđenje prognoza temperature i vjetra, dok se paralelno testiraju dodatni ML modeli (Random Forest, XGBoost i LSTM) trenirani na višegodišnjim skupovima mjerenja i modelskih izlaza.
Rezultati pokazuju da ML pristupi temeljeni na korekciji pogreške NWP modela dosljedno unapređuju prognoze kroz više prognostičkih dana u odnosu na postojeće operativne metode. ML pristupi testirani su i na prognozi vidljivosti i pojavu magle u zrakoplovnoj meteorologiji. Izazov u pronalaženju optimalnog AI rješenja predstavlja pronalaženje kompromisa između osjetljivosti detekcije i lažnih alarma. Općenito, prijelaz s istraživačkog prototipa na pouzdan operativni prognostički AI proizvod infrastrukturni je i organizacijski izazov, koji zahtijeva podatkovnu i računalnu infrastrukturu, integraciju u operativni workflow i standardiziranu verifikaciju. Kao sljedeći korak razmatra se operativno uvođenje ML-prilagodbi prognoze temperature te daljnje unaprjeđenje prognoze vidljivosti.
Otkrivanje novih materijala u AI doba, dr. sc. Ivor Lončarić, Institut Ruđer Bošković
Zakoni kvantne fizike otkriveni su prije oko 100 godina. Iako ti zakoni, u principu, omogućavaju predikciju svega oko nas, uključujući i sva svojstva materijala, oni su prekompleksni za izračune realističnih materijala. Uz eksponencijalni napredak /(super)računala, kao i razvitak računalno manje kompleksnih kvantnih teorija (kao teorija funkcionala gustoće), danas je moguće modelirati materijale iz prvih principa - bez empirijskih parametara. To nam omogućava da precizno predviđamo svojstva čak i onih materijala koji do sada nikada nisu sintetizirani. S obzirom na metode umjetne inteligencije i računalnu moć koja omogućava stvaranje velikih baza podataka, ove metodologije će promijeniti način na koji će čovječanstvo stvarati napredne materijale budućnosti.
Ovo predavanje pružit će uvid u moderna istraživanja novih materijala te pružiti pogled u dizajn materijala za održivu budućnost.
Primjena umjetne inteligencije i podatkovne znanosti u akvakulturi: od raspoznavanja podrijetla ribe do nadzora uzgojnih aktivnosti, dr. sc. Igor Talijančić, Institut za oceanografiju i ribarstvo
Akvakultura je prepoznata kao jedan od ključnih sektora buduće globalne proizvodnje hrane, potaknuta rastom svjetske populacije i povećanom potražnjom za nutritivno vrijednim proizvodima ribarstva. Istodobno, osiguravanje ekološki održivog i ekonomski isplativog uzgoja sve je više povezano s potrebom uvođenja digitalnih tehnologija i naprednih metoda analize velikih količina podataka. U tom kontekstu umjetna inteligencija i podatkovna znanost postaju ključni alati za unaprjeđenje učinkovitosti, transparentnosti i upravljanja akvakulturnim sustavima. U predmetnom izlaganju bit će predstavljene dvije komplementarne primjene umjetne inteligencije usmjerene na automatizaciju prikupljanja morfoloških podataka i unaprjeđenje nadzora uzgojnih operacija riba. Razvoj i validacija modela dubinskog učenja za automatizirano postavljanje homolognih anatomskih točaka na tijelo komarče omogućili su precizno i ponovljivo označavanje anatomskih obilježja uz značajno smanjenje pogrešaka u odnosu na ručnu digitalizaciju. Dobiveni morfometrijski podaci korišteni su za pouzdanu klasifikaciju divljeg i uzgojnog podrijetla jedinki, uz očuvanu interpretabilnost rezultata. U okviru izlaganja bit će predstavljena i platforma TunaMetric, s naglaskom na konceptualni i podatkovni okvir koji omogućuje integraciju stereoskopskih videosnimaka, algoritama umjetne inteligencije i ljudskog rada u postupcima brojanja i mjerenja tuna, s ciljem pouzdane procjene iskorištenosti kvota tijekom ribolovne sezone.
UNITY – gdje se AI susreće s kvantnom kemijom u otkrivanju lijekova, dr. sc. Draško Tomić, Institut Ruđer Bošković
Virtualno ispitivanje lijekova revolucioniralo je ranu fazu otkrivanja lijekova, no metode koje se oslanjaju na empirijske funkcije ocjenjivanja, poput AutoDock Vina i Rosette, često nisu dovoljno precizne za točno predviđanje afiniteta vezanja, što dovodi do visokih stopa lažno pozitivnih rezultata i skupih eksperimentalnih potvrda. Poluempirijski kvantnomehanički (QM) algoritmi nude kompromis između točnosti i računalne izvedivosti, no njihova primjena u velikoj skali je ograničena.
UNITY integrira umjetnu inteligenciju (AI), kvantnu kemiju i računalstvo visokih performansi (HPC) kako bi unaprijedio virtualno ispitivanje lijekova. Zamjenjuje empirijsko ocjenjivanje AI-QM ocjenjivanjem, koristeći prepoznavanje obrazaca za identifikaciju sličnosti između kompleksa receptora i liganda te prethodno kvantno evaluiranih sustava. AI odlučuje kada su potrebni novi QC izračuni ili prilagodba postojećih rezultata, kontinuirano učeći iz podataka. Temeljen na platformi VINI, koja kombinira Vina i Rosetta s KEGG modeliranjem putova, UNITY povećava točnost rangiranja lijekova putem AI-QC virtualnog ispitivanja, uz zadržavanje pristupa usmjerenog na metaboličke putove. Uz očekivano financiranje kroz projekte Horizon i HRZZ, UNITY će se implementirati na HPC platformama poput Supeka i drugih europskih superračunala, omogućujući skalabilne radne tokove za otkrivanje lijekova nove generacije.
Agilno upravljanje visokim učilištima u digitalnoj transformaciji
Uskoro više informacija
Disruptivne tehnologije u obrazovanju: podrška studentima u kreativnosti
Od poučavanja i evaluacije do personalizacije: primjena agentske umjetne inteligencije u adaptivnom učenju, prof. dr. sc. Tomislav Stipančić, Sveučilište u Zagrebu Fakultet strojarstva i brodogradnje
Razvoj generativne i agentske umjetne inteligencije otvara nove mogućnosti za oblikovanje personaliziranih i adaptivnih okruženja za učenje u visokom obrazovanju. Umjesto promatranja umjetne inteligencije isključivo kao alata za generiranje sadržaja, u ovom se radu AI razmatra kao aktivni sudionik obrazovnog procesa koji studentima pruža podršku kroz dijalog, formativnu povratnu informaciju i iterativno usmjeravanje učenja.
U radu je prikazana studija slučaja provedena sa studentima, u kojoj je razvijen prilagođeni AI chatbot u ulozi tutora za odabrane teme iz umjetne inteligencije, u kombinaciji s adaptivnim kvizom u sustavu Moodle. Za razliku od klasičnih pristupa, rezultati evaluacije nisu korišteni isključivo za procjenu uspješnosti, već su poslužili kao izravni ulaz u mehanizam generiranja sadržaja, čime je ostvarena zatvorena povratna petlja između procjene znanja i procesa učenja. Na temelju identificiranih slabosti, sustav generira personalizirane upite i kontekstualne promptove, implementirajući pristup zasnovan na posebnom mehanizmu (tzv. retrieval-augmented generation – RAG), u kojem se sadržaj koji chatbot generira dinamički prilagođava individualnim „rupama u znanju“ pojedinog studenta.
Na taj se način student kroz dodatne iteracije rada s AI tutorom fokusira upravo na one koncepte koje nije u potpunosti usvojio, što omogućuje ciljano ponavljanje, produbljivanje i konsolidaciju znanja. Dodatno je provedena evaluacija kroz anketu kojom su ispitani upotrebljivost sustava, percipirana korist za učenje te stavovi studenata prema primjeni umjetne inteligencije u obrazovanju. Rezultati pokazuju pozitivan odnos studenata prema ovakvom pristupu, povećanu razinu angažmana i jasnije razumijevanje složenih pojmova, uz istovremeno razvijanje svijesti o ograničenjima AI sustava i potrebi kritičkog promišljanja.
Dobiveni rezultati upućuju na to da kombinacija razgovornog AI tutora, adaptivne evaluacije i RAG-mehanizma može značajno doprinijeti dizajnu učenja usmjerenom na čovjeka, pri čemu umjetna inteligencija djeluje kao podrška nastavniku i studentu, a ne kao njegova zamjena.
Learning by Doing koncepti u obrazovanju na Fakultetu prometnih znanosti, doc. dr. sc. Miroslav Vujić, Fakultet prometnih znanosti Sveučilišta u Zagrebu
Novouvedeni kolegij Projekt – ITS, koji se na Fakultetu prometnih znanosti izvodi prema pedagoškom konceptu Learning by Doing. Kolegij je osmišljen kao simulacija stvarnog europskog kompetitivnog projekta te se metodološki i organizacijski oslanja na praksu projekata financiranih iz EU programa, uz prilagodbu razini prijediplomskog studija i veličini studentske grupe koja sudjeluje.
Za razliku od klasičnih nastavnih pristupa, studentima se ne dodjeljuju izolirani zadaci, već cjelovit projektni problem. Konkretno, projekt se temelji na uvođenju konkretnog komunikacijskog protokola za elektroničku razmjenu prometnih podataka u poslovni sustav stvarne tvrtke javnog gradskog prijevoza. Tijekom dvaju semestara studenti prolaze cjelovit životni ciklus projekta: analizu postojećeg stanja i potreba sustava, razumijevanje regulatornog i standardizacijskog okvira, dizajn tehničkog i organizacijskog rješenja, izradu projektne dokumentacije te diseminaciju projektnih aktivnosti.
Posebna vrijednost kolegija, u kontekstu disruptivnih tehnologija u obrazovanju, je činjenica da se projekt provodi u stvarnom više-institucionalnom okruženju, uz koordinaciju između Fakulteta prometnih znanosti, gospodarskih subjekata kao što su Hrvatske cesta d.o.o. i Nacionalne pristupne točke Republike Hrvatske, tvrtke Ericsson Nikola Tesla kao vodećeg integratora rješenja u području inteligentnih transportnih sustava te tvrtki javnog gradskog prijevoza kao krajnjeg korisnika rješenja. Time se studentima omogućuje neposredan kontakt s praksom, industrijskim standardima i profesionalnim očekivanjima.
U izlaganju će se pokazati kako ovakav pristup mijenja ulogu studenta iz pasivnog slušatelja u aktivnog kreatora rješenja, transformira ulogu nastavnika u mentora i voditelja procesa te učinkovito priprema studente za rad na europskim i industrijskim projektima u stvarnom okruženju.
Na raskrižju robotike i umjetne inteligencije, Marija Jelović, Sveučilište u Splitu, Sveučilišni odjel za stručne studije
Robotika se dugo temeljila na preciznim, unaprijed programiranim pokretima, osobito u industriji gdje su brzina i ponovljivost ključne. Danas se sve češće spaja s umjetnom inteligencijom, pa roboti uz senzore i računalni vid mogu prepoznati objekte i prilagoditi svoje postupke okolini. Industrijska robotska ruka tipično obavlja zadatke pick-and-place, odnosno hvatanje i premještanje predmeta s jedne pozicije na drugu. U takvim zadacima umjetna inteligencija može poboljšati prepoznavanje položaja objekata, odabir optimalnog hvata i učinkovitije planiranje pokreta. Time roboti postaju fleksibilniji i korisniji u dinamičnim proizvodnim i logističkim procesima. Studenti imaju priliku raditi s robotskom rukom Mitsubishi, koja im omogućuje praktičnu primjenu teorijskih znanja iz područja robotike, automatike, programiranja i mehatronike. Na taj način kolegij postaje interaktivan, suvremen i usmjeren na razvoj konkretnih inženjerskih vještina.
Razvoj kreativnih kompetencija uz disruptivne tehnologije, doc. dr. sc. Jasmina Pivar, dr. sc. Tamara Ćurlin, Marko Jurešić (student), Sveučilište u Zagrebu Ekonomski fakultet
Cilj prezentacije je prikazati kako se kroz integrirani pedagoški pristup u visokom obrazovanju povezuju proračunske tablice, umjetna inteligencija, vizualizacija, digitalni storytelling i 3D modeliranje u cilju razvoja kreativnih i suradničkih kompetencija studenata. Na konkretnim primjerima iz nastave pokazat će se kako studenti prolaze proces od analize podataka i generiranja uvida, preko njihove interpretacije i vizualnog pripovijedanja, do oblikovanja konkretnih kreativnih rješenja i digitalnih artefakata. Naglasak je na aktivnoj ulozi studenata, suradničkom učenju i smislenoj primjeni disruptivnih tehnologija koje potiču kreativno razmišljanje, inovativnost i povezivanje analitičkih i kreativnih vještina.
ISeVO - Evidencije u visokom obrazovanju
Uskoro više informacija
Sva lica otvorene znanosti (Nacionalni tripartitni sastanak EOSC-a)
Analiza sadržaja planova upravljanja istraživačkim podacima u DABAR-u (2023.-2025.), Lovorka Čaja, Klinička bolnica Dubrava, Jelena Viličić, Sveučilište u Zagrebu Prehrambeno-biotehnološki fakultet
U izlaganju će biti prikazani rezultati analize Planova upravljanja istraživačkim podacima (PUP) pohranjenih u Digitalnim akademskim arhivima i repozitorijima - DABAR, radi procjene njihove usklađenosti s europskim smjernicama. Analiza obuhvaća razdoblje od početka 2023. godine, neposredno nakon što je Hrvatska zaklada za znanost (HRZZ) uvela obvezu izrade i pohrane PUP-ova za financirane projekte, pa sve do kraja 2025. godine.
Uzorak je obuhvaćao trideset PUP-ova: deset iz početne faze provedbe obveze, deset iz sredine promatranog razdoblja, te deset s kraja 2025. godine. PUP-ovi su procjenjivani pomoću Science Europe smjernica i FAIR-Aware dodatka za evaluaciju.
Svrha je istraživanja utvrditi povezanost jačanja svijesti istraživača, edukacijskih aktivnosti i institucionalne potpore upravljanju istraživačkim podacima s kvalitetom opisa upravljanja istraživačkim podacima i usklađenosti PUP-ova s FAIR načelima. Očekuje se da će rezultati pokazati postupno poboljšanje kvalitete PUP-ova, te shodno tome i poboljšanje praksi upravljanja istraživačkim podacima u Hrvatskoj.
Institucijski repozitorij kao strateški alat za zeleni otvoreni pristup na razini ustanove, Iva Melinščak Zlodi, Sveučilište u Zagrebu Filozofski fakultet
Predavanje prikazuje institucionalnu praksu poticanja zelenog otvorenog pristupa kroz obvezno samoarhiviranje znanstvenih publikacija u institucijski repozitorij, razvijenu na razini ustanove i analiziranu u odnosu na načela i preporuke programa Knowledge Rights 21 (KR21) u nacionalnom kontekstu. Fokus je na iskustvu Filozofskog fakulteta Sveučilišta u Zagrebu, koji je iskoristio financijski mehanizam i institucionalni okvir Nacionalnog plana oporavka i otpornosti za razvoj i postupno uvođenje obveze pohrane znanstvenih radova u repozitorij.
Razmatra se kako kombinacija vanjskog financijskog okvira, postojeće infrastrukture otvorenih i neprofitnih institucijskih repozitorija, jasno definirane institucionalne politike i aktivne uloge knjižnice može potaknuti sustavno jačanje zelenog otvorenog pristupa, uz pomak fokusa s individualne odgovornosti istraživača na organizacijsku razinu. Posebna se pažnja posvećuje ulozi repozitorija i knjižnica kao mjesta u kojima se autorima omogućuje ostvarivanje prava na samoarhiviranje, neovisno o izdavačkim modelima, ugovornim ograničenjima i razini informiranosti pojedinih autora.
Institucionalna praksa razmatra se u odnosu na ciljeve KR21 programa, osobito u pogledu jačanja kapaciteta ustanova, normalizacije samoarhiviranja i stvaranja uvjeta u kojima otvoreni pristup postaje zadana, a ne iznimna praksa. Zaključno se raspravlja o ograničenjima ovakvog pristupa u fazi implementacije, uključujući izazove povezane s institucionalnim uvođenjem obveza, potrebu za jasnim upravljačkim strukturama i razrađenim sustavom podrške unutar knjižnica, kao i mogućnosti prenosivosti modela na druge visokoškolske i istraživačke ustanove.
Kvaliteta i održivost časopisa u dijamantnom otvorenom pristupu, Iva Grabarić Andonovski, Sveučilište u Zagrebu Prehrambeno-biotehnološki fakultet
Znanstveno izdavaštvo u Hrvatskoj je u najvećoj mjeri usmjereno na objavu časopisa u dijamantnom otvorenom pristupu. Tijekom godina, uredništva su se na različite načine prilagođavala promjenama u sustavu znanstvenog izdavaštva, uglavnom ispunjavajući kriterije Ministarstva znanosti, obrazovanja i mladih za financijsku potporu časopisima. Ovisno o mogućnostima, razvijani su pojedini segmenti izdavanja časopisa, te smo kao ishod dobili sustav znanstvenog izdavaštva neujednačene kvalitete. Objavom standarda kvalitete za izdavače u dijamantom otvorenom pristupu (eng. Diamond Open Access Standard), uredništvima je pružena mogućnost usklađivanja časopisa sa preporukama dijamantne zajednice u Europskoj uniji. U izlaganju će biti dan kratki pregled DOAS i alata za samoprocjenu, te na primjeru časopisa Food Technology and Biotechnology prikazano kako izgledaju rezultati samoprocjene i na koji način ih interpretirati u svrhu razvoja kvalitete časopisa i održivosti modela objave.
Europska digitalna lisnica i provjerljive vjerodajnice - revolucija digitalnog identiteta pod kontrolom korisnika
Uskoro više informacija
Digitalni mozaik - izabrane teme
Automatizirane provjere znanja na FER-u, prof. dr. sc. Igor Mekterović, Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva
Na Fakultetu elektrotehnike i računarstva već gotovo deset godina razvijamo i koristimo sustav Edgar – sveobuhvatan sustav za automatizirane provjere znanja. Edgar je nastao iz potrebe da se objektivno i učinkovito ocjenjuje znanje u velikim grupama studenata, osobito na programerskim kolegijima, ali se danas koristi i šire – za progamerske zadatke, teorijske i kombinirane zadatke. Godišnje se preko Edgara provede više od pedeset tisuća ispita s nekoliko stotina tisuća pitanja.
Sustav podržava sve faze ispitnog procesa: od pripreme kolegija i pitanja, preko izvođenja ispita i praćenja studenata u stvarnom vremenu, do analize rezultata i kvalitete pitanja. Pitanja mogu biti višestrukog izbora, programerska (C, Java, Python, SQL), pa čak i slobodnog teksta. Edgar čak omogućuje i personalizirana pitanja generirana pomoću programabilnih predložaka, čime se smanjuje mogućnost prepisivanja, te skripte za prilagođeno ocjenjivanje, kojima nastavnici mogu premostiti inicijalnu ocjenu koju dodijeli sustav.
Studenti dobivaju trenutačne i detaljne povratne informacije, dok nastavnici imaju uvid u tijek rada, pokušaje i ponašanje studenata tijekom ispita. Nakon ispita, dostupne su napredne analize i vizualizacije koje pomažu u unaprjeđenju zadataka i nastave. Edgar je otvorenog koda, modularan i skalabilan, te se razvija prema jedinstvenom cilju – omogućiti pouzdanu, transparentnu i prilagodljivu automatiziranu procjenu znanja u svim oblicima nastave.
Od mitova i legendi do umjetne inteligencije u praksi, dr. sc. Lana Žaja, Infinity Alpha Lab d.o.o.
Ideja umjetne inteligencije duboko je ukorijenjena u povijesti ljudske misli. Mitovi i legende o umjetno stvorenim bićima, od antičkih automata do srednjovjekovnih narativa, odražavaju trajnu ljudsku težnju prema razumijevanju i repliciranju kognitivnih procesa. Ta se težnja u 20. stoljeću transformira u znanstveni projekt, utemeljen na razvoju matematike, logike, računarstva i kognitivnih znanosti, s ključnim doprinosima Alana Turinga i ranih istraživača umjetne inteligencije.
Predavanje donosi pregled konceptualnog i tehnološkog razvoja umjetne inteligencije – od simboličkih sustava i ekspertnih sustava do suvremenih metoda strojnog učenja, dubokih neuronskih mreža i velikih jezičnih modela. Poseban naglasak stavlja se na prijelaz s teorijskih modela na primjenjiva rješenja koja danas oblikuju obrazovanje, znanstvena istraživanja, poslovne procese i javne sustave.
U fokusu izlaganja nalazi se kritičko razgraničenje između popularnih mitova o umjetnoj inteligenciji i njezinih stvarnih funkcionalnih mogućnosti i ograničenja. Analizira se uloga AI sustava kao alata za potporu ljudskom odlučivanju, optimizaciju procesa i analizu kompleksnih podataka, uz osvrt na etičke, društvene i regulatorne okvire koji prate njihovu implementaciju.
Zaključno, umjetna inteligencija promatra se kao interdisciplinarno područje koje ne zamjenjuje ljudsku kogniciju, već je nadopunjuje, otvarajući prostor za odgovornu i održivu primjenu tehnologije u digitalnom društvu.
Tipologija podatkovnih centara u Hrvatskoj: vlasništvo, suverenitet i privatni kapital, dr. sc. Paško Bilić, Institut za razvoj i međunarodne odnose
Podatkovni centri predstavljaju temeljnu infrastrukturu digitalnog društva: fizička čvorišta u kojima se pohranjuju, obrađuju i distribuiraju podaci te omogućuje rad oblaka, računarstva visokih performansi, umjetne inteligencije i javnih usluga. Kao kapitalno intenzivne infrastrukture, oni oblikuju odnose između države, tržišta i globalnih tehnoloških korporacija. Ipak, u Hrvatskoj do sada ne postoji sustavna analiza njihove vlasničke, upravljačke i regulatorne strukture, iako njihova važnost raste u kontekstu europskih politika digitalne transformacije i suverenosti. Ovaj rad donosi mapiranje informacijskih infrastruktura podatkovnih centara u Republici Hrvatskoj, razlikujući tri osnovna tipa: javne (npr. Srce), hibridne javno-privatne (npr. Apis IT d.o.o., SECTOR d.o.o.) te privatne i korporativne (npr. Croatian Web Hosting, Data Box, Data Target, DC North, Digital Realty, A1, HT). Teorijski okvir povezuje pojmove infrastrukturne mo ći i upravljanja zajedničkim dobrima (Frischmann, 2012; Mann, 1984, 2008) s analizama podatkovnih centara kao kapitalno intenzivnih infrastruktura (Farrand i Carrapico, 2022; Greene, 2022; Greenstein, 2021; Heidebrecht, 2024; Musiani, 2022). Metodološki pristup kombinira analizu dokumenata, financijskih pokazatelja i intervjua kako bi se izradila tipologija vlasništva, upravljanja i kapitalnih tokova. Rezultati doprinose razumijevanju odnosa između javnih politika, kapitala i digitalne suverenosti u području informacijskih infrastruktura.
Uvođenje modela rane objave “Online First” u sustav OJS: iskustva uredništva Rudarsko-geološko-naftnog zbornika, izv. prof. dr. sc. Tomislav Korman, Sveučilište u Zagrebu Rudarsko-geološko-naftni fakultet
Izlaganje prikazuje iskustva uredništva Rudarsko-geološko-naftnog zbornika pri uvođenju modela rane objave rukopisa (Online First) u sustav Open Journal Systems (OJS). Model rane objave, poznat i kao forthcoming issue, online first ili ahead of print, omogućuje skraćivanje vremena između prihvaćanja i objave rukopisa. Ovakav način objavljivanja ima brojne prednosti za autore, čitatelje i uredništva, koje se očituju kroz raniju dostupnost te veću vidljivost i citiranost rukopisa.
U izlaganju se prikazuje tehnička implementacija modela Online First u OJS-u, postupak pripreme rukopisa za ranu objavu te način njihova citiranja. Također se analizira utjecaj ranog objavljivanja na citiranost i posjećenost priloga, uz poseban naglasak na način indeksiranja rukopisa u relevantnim citatnim bazama tijekom postupka objave.
Na temelju stečenih iskustava uredništva Rudarsko-geološko-naftnog zbornika istaknute su ključne prednosti i izazovi primjene modela rane objave te dane preporuke uredništvima koja planiraju njegovo uvođenje.
ISPiK - Reakreditacija i praćenje programskih ugovora u znanosti i visokom obrazovanju
Informacijski sustav pokazatelja i kvalitete - ISPiK, Igor Vuković, Sveučilište u Zagrebu Sveučilišni računski centar
ISPiK – Informacijski sustav pokazatelja i kvalitete nastao je u svrhu podržavanja procesa u visokom obrazovanju i znanosti koji se temelje na pokazateljima i utječu na kvalitetu znanstvenih i obrazovnih aktivnosti i također je izgrađen u sklopu projekta e-Sveučilišta. Programski moduli ovog sustava organizirani su prema funkcionalnostima i poslovnim procesima koje podržavaju, a to su proces vrednovanja visokih učilišta u postupku reakreditacije i proces praćenja provedbe programskih ugovora znanstvenih instituta i visokih učilišta. Modul Reakreditacija u funkciji je od listopada 2024. godine i aktivno se koristi u trećem ciklusu reakreditacije visokih učilišta u RH. Modul Programski ugovori u funkciji je od kraja 2025. godine. ISPiK je povezan i s postojećim sustavima kako bi se korisnicima omogućio dohvat podataka važnih za spomenute procese. U predavanju će biti prikazane funkcionalnosti i rad oba modula ISPiK-a kao i njegova povezanost sa sustavima poput ISVU-a, CroRIS-a i ISeVO-a.
Iskustva i izazovi u procesu reakreditacije visokih učilišta iz korisničke perspektive, izv. prof. dr. sc. Martina Tomičić Furjan, Sveučilište u Zagrebu Fakultet organizacije i informatike
Proces reakreditacije visokih učilišta predstavlja jedan od ključnih mehanizama osiguravanja i unaprjeđenja kvalitete u sustavu visokog obrazovanja u Republici Hrvatskoj. Njegova je svrha višedimenzionalno vrednovanje usklađenosti rada visokih učilišta s relevantnim kriterijima, standardima i smjernicama za osiguravanje kvalitete na nacionalnoj i europskoj razini.
Predavanje daje pregled iskustava pripreme i provedbe postupka nacionalne reakreditacije iz perspektive korisnika, a poseban naglasak stavlja se na opseg i složenost podataka koje je potrebno prikupljati i unositi, često iz različitih internih izvora i informacijskih sustava, zatim na razumijevanje zahtjeva izvještavanja uz osiguravanje konzistentnosti prikupljenih i analiziranih podataka, kao i na koordinaciju djelatnika uključenih u proces, osobito u razdobljima povećanog radnog opterećenja.
Sagledavanjem procesa iz korisničke perspektive prepoznaju se i njegove prednosti i izazovi, uz isticanje sve značajnije uloge digitalnih alata u provedbi reakreditacije. Istodobno se naglašavaju mogućnosti i potencijalne koristi sustavnog praćenja i centraliziranog izvještavanja putem ISPIK-a, uključujući učinkovitije praćenje pokazatelja kvalitete te snažniju potporu donošenju upravljačkih odluka.
