Sfide
Hrvatska akademska i istraživačka mreža CARNET kontinuirano radi na unaprjeđenju digitalne zrelosti obrazovnog sustava u Republici Hrvatskoj. U sklopu projekta e-Sveučilišta razvijen je „Okvir za digitalnu zrelost visokih učilišta u RH“, kao i model za samoprocjenu digitalne zrelosti te pripadajući anketni upitnici za nekoliko skupina ispitanika na visokim učilištima. No obrada velike količine podataka i formuliranje individualiziranih preporuka za svako visoko učilište pokazalo se kao izazov s obzirom da je riječ o kompleksnom i resursno zahtjevnom zadatku. Iz tog razloga utvrđena je potreba za uvođenjem naprednih tehnoloških rješenja temeljenih na umjetnoj inteligenciji, konkretno velikim jezičnim modelima (LLM), kako bi se omogućila skalabilna i automatizirana podrška digitalnoj transformaciji visokih učilišta.
Soluzione
U okviru TBI (Test Before Invest) usluge, a uz stručnu podršku EDIH Adria konzorcija, CARNET je pokrenuo razvoj i testiranje prototipa LLM sustava pod nazivom „Savjetnik za digitalnu transformaciju visokih učilišta u RH“. Sustav je osmišljen kako bi automatski analizirao podatke prikupljene putem anketnih upitnika, obogatio kontekst korištenjem javno dostupnih strateških dokumenata s odabranih visokih učilišta, te generirao strukturirane izvještaje i konkretne preporuke za digitalnu transformaciju za predmetno visoko učilište. Prototip je uspješno testiran kroz pilot-projekt gdje je demonstrirana mogućnosti automatizirane obrade, integracije dokumenata u prompt i interaktivne generacije preporuka. Iako nije riječ o komercijalnom rješenju spremnom za implementaciju, ovaj proof-of-concept projekt jasno je pokazao tehničku izvedivost i potencijal LLM tehnologije u kontekstu podrške visokoškolskim ustanovama u procesima digitalnog razvoja.
U sklopu TBI aktivnosti razvijen je i implementiran prototip kao web aplikacija u Streamlit okruženju, što je omogućilo intuitivno korisničko sučelje dostupno putem preglednika. Sustav koristi prompt engineering tehnike i uključuje cijele strateške dokumente u kontekst modela za povezivanje kvantitativnih podataka iz anketa s tekstualnim sadržajem strateških dokumenata. Rezultat je automatski generiran izvještaj koji jasno prikazuje stanje digitalne zrelosti, identificira prioritetna područja za razvoj i nudi personalizirane preporuke temeljene na podacima i usporedbama s najboljim praksama europskih sveučilišta. Izvještaj je moguće spremiti lokalno na računalu u PDF formatu za daljnje obrade i analizu.
Ulazni podaci dobiveni iz sustava samovrednovanja, 360 upitnika provedenog na četiri skupine (uprava, nastavnici, IT stručnjaci i studenti) prikazani su na slici 1, dok se na sljedećim slikama vidi prikaz analize kao rezultat interakcije korisnika s LLM-om.
Risultati e benefici
Testiranje i evaluacija prototipa “Savjetnik za digitalnu transformaciju” pokazali su značajan potencijal primjene velikih jezičnih modela u području strateškog savjetovanja i analize u visokom obrazovanju, donoseći niz konkretnih koristi:
- Brža i skalabilna analiza podataka: Automatizirana sinteza anketnih rezultata i strateških dokumenata omogućuje generiranje strukturiranih izvještaja u roku od nekoliko minuta, što značajno ubrzava procese.
- Standardizirani i podatkovno utemeljeni rezultati: Korištenje LLM-a povećava dosljednost analize i smanjuje subjektivnost u interpretaciji podataka, čime se povećava kvaliteta i usporedivost izvještaja među ustanovama.
- Povećana učinkovitost savjetodavnih usluga: Stručnjaci dobivaju početni uvid kroz automatski generirane izvještaje, što im omogućuje da svoje vrijeme usmjere na dublju interpretaciju i individualno savjetovanje.
- Fleksibilnost i nadogradivost: Sustav je moguće jednostavno proširiti na druge institucije, uključiti dodatne dokumente ili proširiti analizu na nova područja, čime se osigurava dugoročna iskoristivost i prilagodljivost alata.
Insegnamenti tratti
Durante la fase di TBI, sono state individuate le informazioni chiave per un'attuazione efficace:
- Kontekstualna relevantnost podataka: Kvaliteta i preciznost izlaznog sadržaja izravno ovise o ulaznim podacima. Uključivanje relevantnih, ažuriranih i precizno strukturiranih strateških dokumenata ključno je za točnost preporuka.
- Kritična važnost prompt engineeringa i kontekstualnog obogaćivanja: Uključivanje cjelovitih strateških dokumenata u prompt omogućilo je modelu da pruži dublju, kontekstualno bogatu analizu.
- Potencijal za komparativnu analizu i učenje iz praksi drugih: Uključivanjem dokumenata europskih sveučilišta demonstrirano je kako se preporuke mogu dodatno obogatiti primjerima dobre prakse iz međunarodnog okruženja.
- Potrebna prilagodba korisničkog sučelja: Iako prototip demonstrira tehničku izvedivost, za produkcijsko rješenje bit će nužno razviti intuitivno korisničko sučelje i integraciju s postojećim sustavima, kako bi se alat mogao koristiti bez naprednog tehničkog predznanja.
Conclusion
„Test Before Invest“ projekt proveden s CARNET-om uspješno je pokazao kako primjena umjetne inteligencije, konkretno velikih jezičnih modela, može značajno unaprijediti procese analize i strateškog savjetovanja u sustavu visokog obrazovanja. Razvijeni prototip, zajedno sa stečenim znanjem i identificiranim preporukama, pruža čvrstu osnovu za donošenje informiranih odluka o daljnjoj digitalnoj transformaciji visokih učilišta. Projekt je potvrdio tehničku izvedivost, isplativost i relevantnost ove tehnologije u stvarnom kontekstu, čime otvara prostor za razvoj naprednog, skalabilnog rješenja koje može donijeti mjerljive koristi visokoškolskim ustanovama i kreatorima obrazovnih politika. EDIH Adria nastavlja pružati podršku CARNET-u te drugim javnim ustanovama, SME-ovima kao i jedinicama lokane samouprave (JLS) u njihovim naporima digitalne transformacije, pomažući im da iskoriste prednosti naprednih tehnologija za učinkovitije, transparentnije i održivije upravljanje svojim resursima.
Italian 
Croatian 
English