1. |
2. |
3. Učna motivacija pacientov v centrih za krepitev zdravjaZala Kavšak, 2025, diplomsko delo Opis: Teoretična izhodišča: Z raziskavo smo na podlagi primerjalne analize delovanja Centrov za krepitev zdravja v Sloveniji in Litvi proučili učno motivacijo pacientov, ki so vključeni v proces zdravstvenovzgojne dejavnosti. Na takšen način smo določili stopnjo motivacije anketiranih, proučili dejavnike, ki vplivajo na njihovo učno motivacijo, proučili njihova mnenja o ustreznosti izobraževalnih vsebin in ugotovili, v kolikšni meri so se pripravljeni vseživljenjsko izobraževati za namen skrbi za lastno zdravje.
Metoda: Pri raziskovanju smo uporabili deskriptivno metodo, metodo kompilacije, metodo komparacije, ki vključuje primerjanje navedenih dejstev, mnenj in pojavov, ter deduktivno metodo, s pomočjo katere smo na osnovi teoretičnih izhodišč in rezultatov ankete prišli do določenih spoznanj. Za zbiranje podatkov smo uporabili kvantitativni raziskovalni pristop, in sicer tehniko anketiranja. Ta tehnika nam omogoča raziskovanje in zbiranje podatkov, informacij ter stališč o obravnavanem področju na podlagi rezultatov ankete. Za potrebe empiričnega dela je vir podatkov pregled domače in tuje literature ter literarnih baz.
Rezultati: Z raziskavo smo ugotovili, da so slovenski anketiranci bolj motivirani za izobraževanje kot litovski, hkrati pa tudi večino dejavnikov, ki vplivajo na učno motivacijo, ocenjujejo kot pomembnejše v primerjavi z Litovci. Oboji izobraževalne vsebine ocenjujejo kot ustrezne, slovenski anketiranci v primerjavi z litovskimi navajajo, da so pripravljeni več časa vložiti v izobraževanje za namen skrbi za lastno zdravje.
Razprava: Slovenski in litovski pacienti so vplive dejavnikov na učno motivacijo in ustreznost programa v izobraževalnih zdravstvenih ustanovah ocenjevali zelo podobno, vendar kljub temu lahko opazimo razlike v pripravljenosti za učenje in željah po izboljšanju programov izobraževanja. Ključne besede: Izobraževanje, učna motivacija, diplomirana medicinska sestra, center za krepitev zdravja, vseživljenjsko učenje. Objavljeno v ReVIS: 13.12.2025; Ogledov: 118; Prenosov: 4
Celotno besedilo (1,16 MB) |
4. |
5. Izobraževanje kot podpora starejšim odraslim pri prehodu v upokojitevMajda Kastelic, 2025, ni določena Opis: Magistrska naloga obravnava vlogo izobraževanja kot oblike podpore starejšim odraslim pri prehodu v upokojitev. V teoretičnem delu so predstavljeni ključni koncepti, kot so staranje prebivalstva, vseživljenjsko učenje, izobraževanje starejših odraslih, medgeneracijsko sodelovanje ter psihosocialni vidiki prehoda v tretje življenjsko obdobje. Izpostavljen je pomen izobraževanja ne zgolj kot prenosa znanja, temveč tudi kot dejavnika za krepitev samopodobe, zmanjšanje osamljenosti ter spodbujanje socialne vključenosti in občutka življenjske vloge.
Empirični del temelji na kvantitativni raziskavi, izvedeni med prebivalci občin Grosuplje, Ivančna Gorica in Trebnje, starimi med 55 in 65 let. V raziskavi je bilo preverjenih pet hipotez, ki so se nanašale na povezavo med izobraževanjem, doživljanjem stresa ob prehodu v upokojitev, spolnimi razlikami, občutkom osamljenosti ter prostovoljstvom. Rezultati so pokazali, da vključevanje v izobraževanje pomembno prispeva k večji družbeni aktivnosti, vendar ni statistično značilno povezano z nižjo stopnjo stresa. Ugotovljeno je bilo tudi, da se ženske pogosteje udeležujejo izobraževanj kot moški, višja formalna izobrazba pa ni bila povezana s pogostejšo udeležbo.
V zaključku so podani predlogi za izboljšanje izobraževalnih politik in programov, zlasti z vidika prilagajanja lokalnim potrebam, podpore podeželskim skupnostim ter razvoja programov za pripravo na upokojitev, ki krepijo aktivno staranje, digitalne spretnosti in medgeneracijsko povezovanje. Ključne besede: : izobraževanje starejših odraslih, vseživljenjsko učenje, prehod v upokojitev, aktivno staranje, prostovoljstvo, socialna vključenost, osamljenost Objavljeno v ReVIS: 16.09.2025; Ogledov: 349; Prenosov: 20
Celotno besedilo (1,23 MB) |
6. |
7. |
8. Z mislijo na Zemljo : zbornik prispevkov2019, zbornik strokovnih ali nerecenziranih znanstvenih prispevkov na konferenci Ključne besede: vzgoja, izobraževanje, trajnostni razvoj, inovacije, nadarjeni učenci, učenci s posebnimi potrebami, izkustveno učenje, knjižnice, bralna kultura, šole, komunikacije, zborniki Objavljeno v ReVIS: 19.05.2025; Ogledov: 845; Prenosov: 6
Celotno besedilo (24,74 MB) Gradivo ima več datotek! Več... |
9. Načrtovanje nevronske mreže za napovedovaje kvalitete tlačnega litja.Đejhan Ljimani, 2025, ni določena Opis: Diplomska naloga raziskuje področje umetne inteligence, s poudarkom na uporabi nevronskih mrež za napovedovanje kakovosti pri visokotlačnem litju. Uvodnemu delu, ki podaja kontekstualni okvir, sledi teoretični del, ki obravnava ključne vidike umetne inteligence, vključno z zgodovinskim razvojem umetne inteligence in opisom strojnega učenja, ki vključuje nadzorovano, nenadzorovano in spodbujevalno učenje. Prav tako so v tem delu opisane nevronske mreže, njihova sestava, arhitekturne značilnosti ter lastnosti, skupaj s procesi modeliranja, določitvijo topologije in metrikami za ocenjevanje učinkovitosti regresijskih modelov. Del je zaključen s pregledom programskega jezika Python in njegovih knjižnic za strojno učenje, ki podpirajo analizo v empiričnem delu naloge.
Empirični del naloge vključuje razvoj pilotnega modela napovedovanja kakovosti visokotlačnega litja s pomočjo orodja Orange ter implementacijo nevronske mreže v programskem jeziku Python. S pomočjo teh pristopov naloga prikazuje možno pot za napovedovanje kakovosti izdelkov pri visokotlačnem litju. Ključne besede: umetna inteligenca, strojno učenje, nevronske mreže, Python, visokotlačno litje. Objavljeno v ReVIS: 23.02.2025; Ogledov: 805; Prenosov: 6
Celotno besedilo (1,90 MB) |
10. Primerjalna študija metod strojnega učenja za modeliranje QSAR : magistrska nalogaMatic Krivec, 2024, magistrsko delo Opis: Magistrska naloga predstavlja primerjalno analizo desetih različnih QSAR-algoritmov strojnega učenja, uporabljenih na desetih različnih QSAR-podatkovnih množicah, ob uporabi različnih molekulskih odtisov, da bi ocenili njihovo učinkovitost pri različnih značilnostih in velikostih podatkov. Glavni cilj je bil oceniti, kako izbira algoritma vpliva na natančnost in robustnost modelov pri napovedovanju biološke aktivnosti. Vsak algoritem je bil sistematično testiran z uporabo metrik, kot sta korelacijski koeficient (R²) in koren srednje kvadratne napake (RMSE) za ocenjevanje uspešnosti algoritmov strojnega učenja. Rezultati kažejo znatne razlike v delovanju modelov, kar poudarja, da značilnosti in velikost podatkovne množice ter izbira prstnih odtisov kritično vplivajo na napovedno uspešnost QSAR-modelov. Ta študija ponuja vpoglede v izbire algoritmov za raznolike aplikacije v odkrivanju zdravil ter potrjuje pomembnost značilnosti podatkovnih množic pri QSAR-modeliranju. Ključne besede: QSAR, strojno učenje, molekulski odtisi, vrednotenje modelov, napovedno modeliranje Objavljeno v ReVIS: 20.01.2025; Ogledov: 882; Prenosov: 18
Celotno besedilo (3,30 MB) |