nemo uči o izlaganju znanstvenih članaka

Prošli petak je Nemo za potrebe kolegija "Metodologija istraživanja u prirodnim znanostima" izlagao članak Surface Studies by Scanning Tunneling Microscopy - Binning, Rohrer, Gerber, Weibel (1982). S obzirom da već radi na projektu izrade STM-a ovo se nekako poklopilo, inače radi se o članku u kojem je po prvi put predstavljen skenirajući tunelirajući mikroskop. Stvar ne bi bila toliko interesantna da to predavanje nije trebalo biti na engleskom, s obzirom da se cijeli kolegij drži na engleskom. Prošlo je podosta vremena od kada je Nemo imao priliku intenzivnije koristiti engleski, a izlaganje od 40 minuta se pokazalo još zahtjevnijim. Pa kako bi to onda trebalo izgledati izlaganje jednog znanstvenog članka? Slijede početne preporuke od profesorice:

You are presenting a paper that is original because of something, but the topic is probably not something that the rest of us know a lot about. So first 5 to 10 minutes you give the background of that topic (why are we interested in that...), then in next 5 to 10 minutes you place the paper within research that has been done on the given topic (what have the others done and why is this new, different or better). In following 20 minutes you describe something from the paper that is the most important or the most interesting. You do not have time to go over the whole paper so it is very important that you plan well. The last 10 minutes should be conclusions where you need to say why was this paper important to research society, i.e. you combine what you have said in those 20 minutes with background and overview that you gave in the beginning. You may use the slides (not more than 20), but they can not be filled with paragraphs, sentences etc. You may use cheat-sheets and you can read from them openly. The most important thing is that your presentation makes sense to all of us, but that it also grasps the science from the paper. If you need to use the chalk and board excellent. In total your presentation should be between 30 to 40 minutes and we will have at least 10 minutes for questions.

Dakle po takvim linijama Nemo je napravio pripremu za izlaganje koju možete vidjeti ovdje. Još da je uspješno ponovio koji puta, a nije da nije bio svjestan da se ovaj put stvarno mora pripremiti. Rezultat je nažalost bio takav da je prvih 10 minuta zvučalo užasno, poslije toga se popravilo. Konačne opaske su bile:

Uvod je bio prilično nerazumljiv i mlak (uvod bi trebao navuči ljude na temu), a nakon toga je postavljanje u kontekst bilo preširoko (tj. išlo se u previše detalja). Također izneseni grafovi su trebali biti bolje pojašnjeni, a od kolege sam dobio primjedbu da je izlaganje o tuneliranju bilo više na popularno-znanstvenoj razini što je bilo neadekvatno s obzirom na prirodu ovog izlaganja. Na kraju sam dobio i bolju preporuku za tok izlaganja:

Uvod bi trebao biti nešto što svi znaju, ali stvarno svi, služi za "navlačenje" ljudi :) Nakon toga stavljanje u kontekst ostalih straživanja bi trebale biti informacije koje znaju svi u sobi, dakle polagano se sužuje raspon informacija. Nakon toga izlaganje rezultata treba biti sažeto i koncentrirano, te treba jasno iznijeti po čemu su te informacije nove i što se htjelo postići time. Nakon toga bi zaključak trebao poslužiti da se ta jedna koncizna ideja opet stavi u širi kontekst kako bi se vidjela relevantnost tog istraživanja.

Eto možda nekom posluži, Nemo će valjda bolje sljedeći put, ovo je zasad preživio.

nemo uči o otvorenoj edukaciji

Prošlu srijedu 15.4. je na Filozofskom fakultetu u Zagrebu održana Tribina o besplatnom školstvu. Pošto je Nemo udaljen par stotina kilometara nije mogao ići, iako bi, da je bio u Zagrebu. Ovo je tek posljednje događanje u nizu o temi besplatnog školstva u Hrvatskoj, sa tim da je naglasak na visokom obrazovanju koje pod prijetnjom komercijalizacije. Nešto više o tome možete pročitati u dva članka koja su jučer izašli u H-Alteru: Pravo, a ne privilegija! i Hoćemo besplatno visoko obrazovanje. Dodatno štivo koje se općenito bavi pristupom i dostupnosti visokog obrazovanja je kolumna Pravo na obrazovanje, koju zajedno rade H-Alter i Institut za Razvoj Obrazovanja i koja izlazi otprilike jednom mjesečno.

Ono na što će se Nemo ovdje osvrnuti je problem realizacije tog plana (besplatno visoko obrazovanje za sve) i kakvu ulogu tu igra (ili bi trebala igrati) otvorena edukacija, što je tema koju Nemo redovito prati. Što je uopće otvorena edukacija pitate se vi? To je jedan relativno novi pokret u visokom obrazovanju koji teži otvaranju edukacije kako bi znanje bilo dostupno svima i to omogućuje kroz tri faktora: korištenjem otvorene tehnologije, čineći obrazovne materijale slobodno dostupnima i korištenjem metoda poučavanja koje omogućavaju veću uključenost svakoga tko to znanje želi. Ideje za otvorenost tehnologije i sadržaja se povlače iz zajednica koje promoviraju i stvaraju otvoreni software (npr. Linux), no ideja se dodatno prilagođava i širi na edukaciju kroz upotrebu raznih edukacijskih metoda koje omogućavaju bolje učenje i veću uključenost s obzirom da samo oslobađanje materijala ne garantira stvarnu dostupnost (npr. što će vam knjiga ako ju ne razumijete?). Ideja se počela snažnije razvijati tek razvojem Weba 2.0 i mnogo toga u otvorenoj edukaciji se oslanja na korištenje digitalne tehnologije, a naročito Interneta. Jedan od poznatijih projekata koji se temelji na ideji otvorene edukacije je MIT OpenCourseWare - na stranicama projekta možete pronaći ogromne količine materijala koji se koriste na studijima koje izvodi MIT. Još jedan projekt koji je također dobar primjer je Connexions, koji također nudi mnogo otvorenih sadržaja.

Ako želite saznati malo više možete pogledati govor Richard Baraniuk: Goodbye, textbooks; hello, open-source learning u kojem Baraniuk objašnjava prednosti otvorenih sadržaja i pokazuje kako to funkcionira na primjeru Connexions projekta.



Ako vas je ovo zainteresiralo možete progledati knjigu Opening Up Education, koja je ustvari zbirka članaka o raznim aspektima otvorene edukacije. Na gornjem linku možete naći cijelu knjigu.

OK i kakve sad to ima veze sa besplatnim školovanjem? Nemo misli da ideal (kvalitetnog) besplatnog školovanja za sve nije ostvariv bez da ozbiljno promijenimo princip rada sveučilišta i pri tome ne misli samo na to da se ne naplaćuju školarine. Zapravo u trenutačnim uvjetima ukidanje školarina mu se čini prilično bezizglednim s obzirom na to da je država odlučila "prilično" štedjeti na resoru znanosti i obrazovanja. Novci se očito ne žele realocirati, no zamislimo hipotetsku situaciju da država stvarno odluči izdvojiti dovoljno novaca kako bi sveučilišta prestala naplaćivati školarine i povrh toga čudesno se isprave sve socio-ekonomske prepreke za pristup visokom obrazovanju.

Unatoč tim nevjerojatnim događajima mi bi još uvijek zapeli sa sustavom obrazovanja koji je zatvoren na potpuno drugačije načine, a i nije realno održiv u slučaju da obrazovanje učinimo dostupnim za sve i uz to besplatnim. I trenutačno je sustav prenapregnut - previše studenata, na premalo profesora, u premalo prostora, koji je uz to ograničen zastarjelim metodama poučavanja. Radi se o sustavu koji ne podržava danji rast čak i kada bi ste omogućili većem broju ljudi da upisuje studije besplatno - zapeli bi ste u zagušljivoj predavaoni sa 200+ kolega kojima postariji profesor ex-katedra prepričava sadržaj slajdova kao da ih nisu u stanju pročitati sami. Budimo realni u Hrvatskoj nema toliko novaca za infrastrukturu niti nastavnog kadra da bi se izvela nastava u malim grupama čak i za trenutačni broj studenata. Prilično je očito da na današnjem sustavu sigurno ne možete ostvariti kvalitetno obrazovanje za sve, a nekvalitetno znanje za sve je nešto što bi nas kao društvo koštalo daleko više.

Korištenjem naprednije tehnologije na principima otvorene edukacije moglo bi pružiti rješenje za nastalu situaciju. Mogućnost interakcije putem računala je velika čak i za velike skupine ljudi koji u okolnostima klasične nastave skoro pa uopće ne bi intereagirali međusobno ili sa nastavnikom. Interakcija je ono čemu bi nastava danas trebala težiti, trenutačno smo još uvijek zapeli u modelu gdje nastavnici misle da je njihova osnovna funkcija prijenos znanja. Reality check! Do informacija mogu i na druge načine osim sjediti na određenom mjestu (učiona) u određeno vrijeme (školski sat) slušajući profesora koji time bespotrebno troši i svoje i vrijeme svojih studenata na nešto što nije nužno izvoditi tako. Dakle na nastavi rađe komunicirajmo i razmišljajmo kad već ispred nas stoji stručnjak koji nam u tome može pomoći (prof.), a kojeg inače ne možete odnijeti doma. Čitati sa slajdova Nemo može i doma. No da bi Nemo i ostali mogli čitati slajdove i knjige i druga čudesa doma one moraju biti otvoreno dostupne.

Današnji uvjeti sa otvorenosti informacija u visokom školstvu u Hrvatskoj nisu ni u povojima - ne postoji organizirano otvaranje edukacije. Većina službenih izvora (npr. Nacionalni portal za udaljeno učenje) je dobro zatvorena iza nekakvih zaporki koje ne može dobiti bilo tko. Postoje pojedinci koji drže svoje sadržaje otvorenima, ali morao bi postojati kolektivni i organizirani napor da se to proširi.

Za kraj bi htio napomenuti da bi bilo dobro razlikovati školovanje kao proces u kojem se obrazujemo i obrazovanja, tj. stjecanja nekog znanja i navika kao krajnjeg cilja. Trenutačne inicijative teže tome da se školovanje učini besplatnim i široko dostupnim, s obzirom da je to uobičajeni način obrazovanja u našem društvu. No moramo biti svjesni toga da dostupnim školovanjem ne garantiramo nužno i dostupno obrazovanje, štoviše inzistiranjem na besplatnom školovanju u ovakvom sustavu bi moglo dodatno onemogućiti stjecanje znanja, što je ustvari glavni cilj. Besplatno školovanje je dobra stvar, ali ne na temeljima trenutačnog sustava, tako da mislim da bi se ozbiljno trebalo propitati što je pravi cilj i čemu bi trebali težiti.

nemo uči statistiku #1

Nemo se dokopao bilješki za prvih nekoliko predavanja iz Metodike nastave informatike u ovom semestru. Prolazilo se kroz neke osnovne statističke alate koji se koriste za obradu podataka u istraživanjima iz društvenih znanosti (a i šire, ali sad se prolazi kroz edukacijska istraživanja). Ima korisnih informacija (a bit će i na kolokviju najvjerojatnije) pa bi bilo dobro uobličiti to u nešto korisno. S obzirom da su te bilješke ponešto nepotpune Nemo se dokopao (tj. došao je doma za Uskrs i vidio koje knjige ima doma, a nije mogao nositi u Split) i knjige "Osnovne statističke metode za nematematičare" od Borisa Petza pa će dopuniti važne informacije gdje je to potrebno, ali nema baš neku namjeru čitati cijelu knjigu sada. Ideja je da bi se kroz nekoliko članaka na blogu uspješno sklopila kratka skripta o korištenju statističkih metoda s obzirom da profesor očito nema ništa u elektroničkom obliku za ovaj dio predavanja, a dosta kolega mi se činilo zbunjenima nakon svega ovoga.

Danas Nemo prolazi kroz tipove podataka na koje možete naići, te ponešto informacija o populaciji i uzorcima...

Populacija i uzorci

Populaciju čine svi članovi neke skupine sa određenom karakteristikom koju želimo mjeriti. Npr. da želimo saznati prosječni IQ stanovnika Hrvatske, populaciju nam čine svi stanovnici, a karakteristika je u ovom slučaju IQ. Mjerenje na cijeloj populaciji je najpreciznije, ali u slučaju da je populacija velika (4.5 milijuna stanovnika Hrvatske) ili da je proces mjerenja takav da nam mijenja populaciju (provjeravanjem ispravnosti svih automobila crash-testom uništili bismo cijelu populaciju) to nije nužno praktično ili izvedivo. Zato se najčešće mjerenja vrše na ograničenom broju članova skupine koji nazivamo uzorak.

Statistički podatci koje dobijemo mjerenjem karakteristika uzorka nam predstavljaju procjenu rezultata koji bi smo dobili na cijeloj populaciji - dakle uzorak je praktičniji, ali manje precizan. Glavni faktori kod biranja uzorka su reprezentativnost i veličina uzorka. Uzorak je samo dio populacije, što znači da moramo biti pažljivi pri uzimanju uzorka kako zbog lošeg odabira članova samog uzorka ne bi došlo do pogrešnih zaključaka. Dakle uzorak mora vjerno reprezentirati populaciju. Veličina uzorka nam je važna zbog kompliciranosti mjerenja (želimo što manji uzorak kako bi istraživanje bilo što jeftinije i jednostavnije), a sa druge strane uzorak ne smije biti premali inače će dolaziti do prevelike greške u mjerenju (veličina uzorka najviše ovisi o toleranciji greške koju si možemo dopustiti, s tim da se obično dopušta do 5% greške).

Postoji više načina biranja uzoraka, s tim da od načina ovisi reprezentativnost:

1. Slučajni uzorak - kod slučajnog uzorka važno je da svaki član populacije ima jednaku vjerojatnost da bude izabran u uzorak. Da bi se dobio slučajni uzorak moramo koristiti metodu izbora koja potpuno isključuje mogućnost da neki od članova dobiju veću vjerojatnost izbora. Npr. uzimanje uzorka samo od ljudi iz telefonskog imenika je pristrano zato jer smo zanemarili sve ljude koji nemaju telefon ili ga nisu stavili u telefonski imenik. Najbolje je koristiti generator slučajnih brojeva u sprezi sa popisom cijele populacije.
   
2. Sistematski uzorak - može biti jednako reprezentativan kao i slučajni uzorak. Moramo imati popis svih članova populacije koji je posložen na način da ne unosi pristranost (npr. popis ljudi po abecedi je dobar). Nakon toga odaberemo neki sistem po kojemu odabiremo članove (npr. prvog člana uzmemo slučajno, a nakon toga uzimamo svakog desetog), što će dati sličan efekt kao i slučajni uzorak ako je lista bila dobra.
   
3. Stratificirani uzorak - populaciju podijelimo u grupe (stratume) prema nekim karakteristikama (npr. po starosnoj skupini), te zatim iz svakog stratuma uzmemo slučajni uzorak. Ova metoda može dati reprezentativniji uzorak od običnog slučajnog uzorka i često se koristi. Veličina uzorka iz pojedinih stratuma ovisi o tome kolika je veličina stratuma u odnosu na ukupnu populaciju (npr. ako ima u populaciji ima 60% žena, a 40% muškaraca onda se uzorak mora sastojati od 60% žena i 40% muškaraca), no ovisi nam i o nekim drugim faktorima (npr. ako ustanovimo da stratum A od 1000 članova ima st.dev. 5, a stratum B od 100 članova ima st.dev. 20, onda je omjer 1000*5 : 100*20 = 5 : 2).
   
4. Klaster uzorak - je donekle sličan stratificiranom uzorku, ali je manje reprezentativan. Populaciju dijelimo u klastere i nakon toga slučajnim odabirom uzimamo određeni broj klastera iz kojih onda uzimamo sve članove u uzorak. Primjer: podijelimo grad u četvrti i nakon toga slučajno odaberemo nekoliko četvrti u kojima sve stanovnike ispitamo o njihovom mišljenju o gradskoj upravi.
   
5. Kvotni uzorak - također sličan stratificiranom uzorku, ali još manje precizan. Ustvari radi se o biranju neslučajnih stratuma, zato jer se prema nekim prethodnim informacijama (npr. pretpostavka da je jednako muškaraca i žena u nekoj populaciji) unaprijed određuje koliko je će biti velik uzorak ljudi koji se uzima iz pojedinog stratuma.
   
6. Prigodni uzorak - uzorak koji nam se nađe pri ruci :) može biti izuzetno pristran, no može biti i nepristran ukoliko nam zavisna varijabla ne ovisi o faktorima koji se pojavljuju u uzorku. Npr. izrazito pristrano bi bilo zaključivati o postotku "normalnih" ljudi među štićenicima psihijatrijske ustanove, no isti uzorak bi mogao dati nepristrane rezultate ako bismo npr. testirali njihove motoričke sposobnosti. Prigodni uzorci se često koriste u istraživanjima zbog izrazite praktičnosti, no potrebno je znati što radite!

Veličina uzorka ovisi primarno o tome koliko precizno mjerenje želimo, dok je ovisnost o veličini populacije neznatna. Također ovisno o slučaju veličiinu uzorka može biti prilično komplicirano računati, ovdje je naveden samo najjednostavniji račun. Dakle uzorak od 100 ljudi podjednako će dobro funkcionirati za populaciju od 1000 ljudi i za milijun ljudi, no veličina uzorka je obrnuto proporcionalna sa kvadratom greške i može se računati pomoću formule n = σ^2/d^2, gdje je n veličina uzorka, d je pogreška, σ je standardna devijacija. Obično se uzima σ=1,96 (područje u kojem je 95% vjerojatnost da će se pojava desiti) pa nam u osnovi varira samo greška. Npr. za pogrešku od 4% potreban nam je uzorak od 600 članova.

Tipovi podataka i skale mjerenja

Ovisno o tome kakva se pojava mjeri dobit ćemo podatke određenog tipa. Ovisno o tipu podataka moći ćemo primijeniti neke statističke metode, no ne možemo bilo koju statističku metodu koristiti nad bilo kojim tipom podataka. Za neke podatke imati ćemo bogatiji set metoda na raspolaganju, a za neke će nam biti dostupne samo osnovne. Poanta je da treba znati koje metode smijemo koristiti za koje podatke, inače ćemo dobiti besmislene rezultate. Različite tipove podataka opisuju skale mjerenja:

1. Nominalna skala - određenim stvarima možemo pridružiti broj koji im služi kao oznaka (npr. muško = 1, žensko = 2), tako da određenu pojavu možemo samo brojati. Ovakvim podatcima možemo odrediti dominantnu vrijednost, možemo raditi χ^2-test, te dobiti koeficijent kontigencije C (iz tablice kontigencije, skupa s još nekim koeficijentima).
2. Ordinalna skala - ovakve podatke možemo poredati, tj. možemo odrediti da li je određena pojava veća ili manja na toj skali, ali razlike između pojedinih jedinica skale nisu jednake. Tipičan primjer su školske ocjene (znate da je 3 veće od 2, ali razlike od 1 do 2 i od 2 do 3 nisu iste). Uz metode pod 1. možemo određivati centralnu vrijednost (medijan), koeficijente korelacije ρ i τ, te koeficijent konkordancije W.
   
3. Intervalna skala - za ovakve podatke znamo slijed, ali i razliku između brojeva na skali koja je jednaka na svakom dijelu skale. Ono što nemamo je apsolutna nula, tj. nemamo neke nulte vrijednosti od koje skala kreće. Npr. takva skala je Celzijeva skala za temperaturu, gdje ne možemo reći da je temperatura od 100°C dva puta veće od 50°C, ali znamo da je prijelaz sa 50 na 51°C jednak kao i sa 100 na 101°C. Uz metode iz 1. i 2. za ovakve podatke možemo računati aritmetičku sredinu, standardnu devijaciju, z-vrijednost, koeficijent korelacije r (uključujući i parcijalnu i multiplu korelaciju).
   
4. Omjerna skala - slično kao i intervalna skala, ali ima i apsolutnu nulu, što znači da jednaki brojčani odnosi (omjeri) znače i jednako odnose u mjerenoj pojavi. Primjeri ovakvih podataka su pr. težina, visina, temperatura u stupnjevima Kelvina itd. Uz sve prije navedene metode možemo odrediti i geometrijsku sredinu i koeficijent varijabilnosti.
   

nemo uči o izradi videa

Nemo je danas nakon malo previše vremena napokon završio sa izradom videa za Metodiku nastave fizike. Cilj je bio multimedijalno obraditi jedan pokus iz fizike, tako da bude prilagođen za uzrast osnovne škole. Nemo je odabrao savijanje prostora, što nije baš klasično gradivo osnovne škole, ali svo predznanje bi jedan učenik 8. razreda mogao imati. Recimo da bi obrada ovakvog modela mogla biti jedna kreativna vježba za kraj cjeline o kinematici, nakon što se obradi ovisnost akceleracije o sili. "Recept" za izradu ovog videa:

Odrediti cilj snimanja
Pomoću kamere snimiti željenu pojavu
Obaviti mjerenje/ekstrakciju podataka i napraviti analizu
Napraviti scenarij
Napraviti prezentacije koje se koriste za objašnjavanje pojave (kojim god metodama želite, samo da je dobro :)
Snimiti naraciju i ukomponirati snimke pojave

A kako je to Nemo savijao prostor? E pa pogledajte video :) Stvar je prilično jednostavna. Pretpostavka je bila da se savijanje prostora može modelirati pomoću plahte, koja se rastegne tako da većim dijelom slobodno stoji u zraku i zatim se u njezin centar stavi jedna teža kuglica koja tu plahtu savije. Ako gledate odozgo na takav način ste odglumili gravitacijsko polje u 2D svemiru. U slučaju da pustite drugu kuglicu da se giba u tom "gravitacijskom polju" vidjet ćete da ta kuglica skreće prema centralnoj kuglici ovisno o početnoj brzini i smjeru.

Mjerenje se vrši indirektno preko snimke kretanja. Na pametan način se kamera stavi iznad plahte (zapravo bolje je reći da se plahta stavi ispod kamere, inače ćete se jako napatiti sa postavljanjem cijele stvari) i pusti ju se da snima sve što se dešava ispod. Inače stvar koja je Nemi pala na pamet tek nakon što je na računalu vidio snimke je da će mu se kamera njihati još dosta dugo nakon što se prividno smirila. S te udaljenosti i mali pomaci kamere radit će vidljive pomake na snimci što može omesti kasnije mjerenje u videu, no Nemi se nije dalo sve ponavljati (zaključak je bio da su pomaci ipak zanemarivo mali ;) Pomoću programa Coach 5 se može mjeriti unutar videa - u svakom frameu videa potrebno je kliknuti na mjesto gdje se nalazi objekt kojem se mjeri položaj - nema tu sofisticiranih metoda prepoznavanja objekata. No i to je sasvim dovoljno da dobijete niz točaka za X i Y koordinate, u ovisnosti s vremenom, što se kasnije lako analizira. Tablicu sa podatcima i grafove možete naći ovdje.

Jedino što ćete vidjeti da ovaj model sa plahtom nije baš najbolji - no siguran sam da može i bolje, pa ako vas je volja slobodno se pridružite pozivu iz videa i napravite svoje snimke kretanja u gravitacijskom polju. Ja ih lako kasnije mogu analizirati i vidjeti da li je vaš model bolji :)

Fotke sa cijele sesije snimanja pokusa (i drugih ljudi) možete naći ovdje!

nemo uči o kuhanju

Nemo je dopodne proveo u izradi kolača za proslavu Marijinog rođendana. S obzirom da je bio pozvan na roštilj (free food!), a nije baš imao vremena ni novca za kupnju poklona potrošio je malo svojeg vremena na kuhanje. Recept je pokupio od majke, a mama kaže:

2 čaše integralnog brašna
1 prašak za pecivo
2 čaše čaja od mente
3 žlice ulja
1/2 čaše rogača (ili mljevenog maka)
1/2 čaše krupno mljevenih oraha (ili badema, lješnjaka i sl.)
1/2 čaše suhog voća (grožđice, brusnica, marelica i sl.)
3 žlice meda

Pomiješati suhe sastojke, te zatim dodati tekuće. Sve dobro izmiješati i peči na 170°C 40 minuta. Preporuka: koristite manji protvan ili napravite više smjese ako imate samo veliki.

Uvjerljivo najviše vremena je potrošio na kupnju integralnog brašna kojeg u Splitu čini se ne drži niti jedna kvartovska trgovina, pa je morao do supermarketa. Interesantna stvar sa ovim kolačem je što u njemu nema jaja ni šećera (jedino med ima veze sa životinjama ;) Nemu zapravo zanima što služi kao vezivno sredstvo (obično tomu služe jaja), ima li netko ideju ili prijedlog kako to istražiti?

Dobra stvar je što mu danas kolač nije zagorio, pa je čak bio jestiv :) Zadnji put (i prvi put) kad je Nemo koristio ovaj recept kolač mu je zagorio zbog glupe pečnice (što je popravljeno u međuvremenu) pa se blamirao pred svojim profesorima - bilo je to za jednu "čajanku" koju su Nemo i cimeri organizirali povodom useljenja u stan i na koju su bili pozvani profesori koji su nas i dovukli na studij dolje (da u tak' smo si dobrim odnosima :)

nemo uči o bloganju

Nemi se zadnjih tjedana po glavi motala ideja da počne pisati blog, zato jer mu već dulje vrijeme treba prikladno odlagalište za misli. Uči puno toga, ali mnogo toga ne ostavlja trajan trag ili je razbacano uokolo. Nemo ne vjeruje u bilješke sa predavanja već koju godinu s obzirom da mu se ne sviđa glumiti pisara u prostor-vremenu kada bi bilo pametnije da misli, no ovo je nešto drugo. Uostalom predavanja nisu jedino sredstvo kojim Nemo uči pa mu je ovo tim potrebnije. Vidjet će kako će to funkcionirati, bilo bi dobro kada bi bilo ljudi koji bi mu pomogli u razmišljanju.

Nemo u skorije vrijeme mora učiti o inteligentnim agentima i raspodijeljenim sustavima (razvoj u JADE platformi, nada se izradi jednog agenta koji bi mu pomogao sa učenjem!), o izlaganju znanstvenih radova (na engleskom), o izradi skenirajućeg tunelirajućeg mikroskopa (izrada elektronike za STM u suradnji sa drugim kolegama), morati će napokon napraviti video tutorijal za metodiku nastave fizike (dobro je počeo, a onda je bio lijen) i pripremu nastavne jedinice o građi računala za metodiku nastave informatike (sa materijalima iz "Anatomy of Computers and Programs"). Osim toga Nemo radi na seminaru o igranju (za psihologiju) i o nastavnim pomagalima za fiziku i informatiku (za didaktiku), a morat će početi učiti za usmeni iz kvantne fizike 2 (+ pokrpati neznanje iz kvantne 1). Uz sve te stvari koje se tiču studija Nemo bi mogao pokušati blogati i o nekim stvarima koje prati svakodnevno (open education, e-learning i slične stvari), a i o Ljetnoj Tvornici Znanosti na kojoj radi i ove godine.

Nadam se da nije ništa zaboravio :)