GRADBENI VESTNIK junij 2017 Poštnina plačana pri pošti 1102 Ljubljana GLASILO ZVEZE DRUŠTEV GRADBENIH INŽENIRJEV IN TEHNIKOV SLOVENIJE IN MATIČNE SEKCIJE GRADBENIH INŽENIRJEV INŽENIRSKE ZBORNICE SLOVENIJE Gradbeni vestnik • letnik 66 • junij 2017 Gradbeni vestnik• GLASILO ZVEZE DRUŠTEV GRADBENIH INŽENIRJEV IN TEHNIKOV SLOVENIJE in MATIČNE SEKCIJE GRADBENIH INŽENIRJEV INŽENIRSKE ZBORNICE SLOVENIJE UDK-UDC 05 : 625; tiskana izdaja ISSN 0017-2774; spletna izdaja ISSN 2536-4332. Ljubljana, junij 2017, letnik 66, str. 137-160 Navodila avtorjem za pripravo člankov in drugih prispevkov 1. Uredništvo sprejema v objavo znanstvene in strokovne članke s področja gradbeništva in druge prispevke, pomembne in zanimive za gradbeno stroko. 2. Znanstvene in strokovne članke pred objavo pregleda najmanj en anonimen recenzent, ki ga določi glavni in odgovorni urednik. 3. Članki (razen angleških povzetkov) in prispevki morajo biti napisani v slovenščini. 4. Besedilo mora biti zapisano z znaki velikosti 12 točk in z dvojnim presledkom med vrsti- cami. 5. Prispevki morajo vsebovati naslov, imena in priimke avtorjev z nazivi in naslovi ter be- sedilo. 6. Članki morajo obvezno vsebovati: naslov članka v slovenščini (velike črke); naslov članka v angleščini (velike črke); znanstveni naziv, imena in priimke avtorjev, strokovni naziv, navadni in elektronski naslov; oznako, ali je članek strokoven ali znanstven; naslov PO- VZETEK in povzetek v slovenščini; ključne besede v slovenščini; naslov SUMMARY in povzetek v angleščini; ključne besede (key words) v angleščini; naslov UVOD in besedilo uvoda; naslov naslednjega poglavja (velike črke) in besedilo poglavja; naslov razdelka in besedilo razdelka (neobvezno); ... naslov SKLEP in besedilo sklepa; naslov ZAHVALA in besedilo zahvale (neobvezno); naslov LITERATURA in seznam literature; naslov DODATEK in besedilo dodatka (neobvezno). Če je dodatkov več, so ti označeni še z A, B, C itn. 7. Poglavja in razdelki so lahko oštevilčeni. Poglavja se oštevilčijo brez končnih pik. Denimo: 1 UVOD; 2 GRADNJA AVTOCESTNEGA ODSEKA; 2.1 Avtocestni odsek … 3 …; 3.1 … itd. 8. Slike (risbe in fotografije s primerno ločljivostjo) in preglednice morajo biti razporejene in omenjene po vrstnem redu v besedilu prispevka, oštevilčene in opremljene s podnapisi, ki pojasnjujejo njihovo vsebino. 9. Enačbe morajo biti na desnem robu označene z zaporedno številko v okroglem oklepaju. 10. Kot decimalno ločilo je treba uporabljati vejico. 11. Uporabljena in citirana dela morajo biti navedena med besedilom prispevka z oznako v obliki oglatih oklepajev: [priimek prvega avtorja ali kratica ustanove, leto objave]. V istem letu objavljena dela istega avtorja ali ustanove morajo biti označena še z oznakami a, b, c itn. 12. V poglavju LITERATURA so uporabljena in citirana dela razvrščena po abecednem redu priimkov prvih avtorjev ali kraticah ustanov in opisana z naslednjimi podatki: priimek ali kratica ustanove, začetnica imena prvega avtorja ali naziv ustanove, priimki in začetnice imen drugih avtorjev, naslov dela, način objave, leto objave. 13. Način objave je opisan s podatki: knjige: založba; revije: ime revije, založba, letnik, številka, strani od do; zborniki: naziv sestanka, organizator, kraj in datum sestanka, strani od do; raziskovalna poročila: vrsta poročila, naročnik, oznaka pogodbe; za druge vrste virov: kratek opis, npr. v zasebnem pogovoru. 14. Prispevke je treba poslati v elektronski obliki v formatu MS WORD glavnemu in odgovor- nemu uredniku na e-naslov: janez.duhovnik@fgg.uni-lj.si. V sporočilu mora avtor napisati, kakšna je po njegovem mnenju vsebina članka (pretežno znanstvena, pretežno stro- kovna) oziroma za katero rubriko je po njegovem mnenju prispevek primeren. Uredništvo Izdajatelj: Zveza društev gradbenih inženirjev in tehnikov Slovenije (ZDGITS), Karlovška cesta 3, 1000 Ljubljana, telefon 01 52 40 200; faks 01 52 40 199 v sodelovanju z Matično sekcijo gradbenih inženirjev Inženirske zbornice Slovenije (MSG IZS), ob podpori Javne agencije za raziskovalno dejavnost RS, Fakultete za gradbeništvo in geodezijo Univerze v Ljubljani, Fakultete za gradbeništvo, prometno inženirstvo in arhitekturo Univerze v Mariboru in Zavoda za gradbeništvo Slovenije Izdajateljski svet: ZDGITS: mag. Andrej Kerin, predsednik Dušan Jukić prof. dr. Matjaž Mikoš IZS MSG: Gorazd Humar mag. Mojca Ravnikar Turk dr. Branko Zadnik UL FGG: izr. prof. dr. Sebastjan Bratina UM FG: doc. dr. Milan Kuhta ZAG: doc. dr. Matija Gams Glavni in odgovorni urednik: prof. dr. Janez Duhovnik Lektor: Jan Grabnar Lektorica angleških povzetkov: Romana Hudin Tajnica: Eva Okorn Oblikovalska zasnova: Mateja Goršič Tehnično urejanje, prelom in tisk: Kočevski tisk Naklada: 950 tiskanih izvodov 3000 naročnikov elektronske verzije Podatki o objavah v reviji so navedeni v bibliografskih bazah COBISS in ICONDA (The Int. Construction Database) ter na http://www.zveza-dgits.si. Letno izide 12 številk. Letna naročnina za individualne naročnike znaša 23,16 EUR; za študente in upokojence 9,27 EUR; za družbe, ustanove in samostojne podjetnike 171,36 EUR za en izvod revije; za naročnike iz tujine 80,00 EUR. V ceni je vštet DDV. Poslovni račun ZDGITS pri NLB Ljubljana: SI56 0201 7001 5398 955 GRADBENI VESTNIK junij 2017 Poštnina plačana pri pošti 1102 Ljubljana GLASILO ZVEZE DRUŠTEV GRADBENIH INŽENIRJEV IN TEHNIKOV SLOVENIJE IN MATIČNE SEKCIJE GRADBENIH INŽENIRJEV INŽENIRSKE ZBORNICE SLOVENIJE Gradbeni vestnik • letnik 66 • junij 2017 137 Slika na naslovnici: Rekonstrukcija cestnega mostu čez Dravo v Vuhredu, foto: Janez Duhovnik Vsebina•Contents Novi diplomanti Obvestila IZS Novice iz DGIT Koledar prireditev Eva Okorn stran 160 RAZPIS NAGRAD IZS stran 158 Jože Preskar, univ. dipl. inž. grad. AKTIVNOSTI NAS POVEZUJEJO IN KREPIJO Eva Okorn Članki•Papers stran 138 dr. Daniela Dvornik Perhavec, univ. dipl. inž. grad. red. prof. dr. Danijel Rebolj, univ. dipl. inž. grad. red. prof. dr. Milan Zorman, univ. dipl. inž. rač. in inf. PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB ARTIFICIAL INTELIGENCE AS A SUPPORT IN RENOVATION PROJECT AND FACILITY MANAGEMENT stran 149 red. prof. dr. Andreja Istenič Starčič, univ. dipl. ped. in soc. VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE THE ROLE OF SOCIAL NETWOKING SITES IN THE DEVELOPMENT OF CAREER COMPETENCES FOR CIVIL AND GEODETIC ENGINEERING STUDENTS stran 156 Edvard Štok, univ. dipl. inž. grad. OBJEKTI EXPO 2017 Gradbeni vestnik • letnik 66 • junij 2017138 Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman•PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB ARTIFICIAL INTELIGENCE AS A SUPPORT IN RENOVATION PROJECT AND FACILITY MANAGEMENT dr. Daniela Dvornik Perhavec, univ. dipl. inž. grad. daniela.d-perhavec@um.si red. prof. dr. Danijel Rebolj, univ. dipl. inž. grad. danijel.rebolj@um.si Univerza v Mariboru, Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo, Smetanova 17, 2000 Maribor red. prof. dr. Milan Zorman, univ. dipl. inž. rač. in inf. milan.zorman@um.si Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko, Smetanova 17, 2000 Maribor ZNANSTVENI ČLANEK UDK 004.896:725.1(497.4) Povzetek l Pridobivanje znanja iz podatkov (ang. Knowledge Discovery from Da- tabase, krajše KDD) in podatkovno rudarjenje (ang. Data Mining, krajše DM) spadata v področje racionalne umetne inteligence (ang. Artificial Inteligence, krajše AI). Metode umetne inteligence na podlagi podatkovnih baz omogočajo ustvarjanje modelov, od- krivanje novih znanj in napovedovanje novih rešitev. Vključevanje umetne inteligence v različne segmente gradbeništva in gradbene industrije je šele v povojih, kaj kmalu pa si lahko obetamo širšo vključenost, ki bo pogojena z razvojem podatkovnih baz in podat- kovnih skladišč. Z uporabo tehnologij BIM pri projektiranju novogradenj bomo dragocene podatke lahko pridobili, za stare, že obstoječe stavbe pa bo podatke treba pridobiti, zbrati, prečistiti in organizirati tako, da jih bomo lahko modelirali s tehnologijami umetne inteli- gence. V članku predstavljamo uporabo zbranih podatkov kot ideje za pobudo razvoja podatkovnih baz. Predstavljamo rezultate dveh raziskav. V prvi raziskavi smo preučevali karakteristiko »nosilni zid« za stanovanjske stavbe z etažnostjo klet, pritličje, nadstropje in mansarda; stavbe so bile grajene v obdobju med letoma 1857 do 1948. Članek pred- stavlja dva vidika potrebe po sistematičnem zbiranju, urejanju in skladiščenju podatkov, prvič, kot možnost prikaza uporabe, in drugič, kot ideja za pobudo za razvoj podatkovnih baz. Predstavljamo rezultate dveh študij. V prvi raziskavi smo preučevali značilnost zu- nanjega nosilnega zidu za stanovanjske stavbe s kletjo, pritličjem, prvim nadstropjem in mansardo; stavbe so bile zgrajena med letoma 1857 in 1948. Cilj te raziskave je bil ust- variti model za napovedovanje lastnosti objektov, za katere arhivsko gradivo ne obstaja. V drugi raziskavi smo proučevali kombinacijo značilnosti objektov in porabe toplotne en- ergije v stavbah na Tehniški fakulteti Univerze v Mariboru. Cilj druge študije je razviti model za določitev vpliva posameznih značilnosti predmetov na porabo toplotne energije. Oba modela temeljita na uporabi umetne inteligence pri gradnji odločitvenih dreves. Ključne besede: stavba, podatkovne baze, umetna inteligenca, podatkovno rudarjenje, odločitvena drevesa Gradbeni vestnik • letnik 66 • junij 2017 139 INTEGRIRANI MONITORING KOT ORODJE ZA UČINKOVITO IN EKONOMIČNO ENERGETSKO UPRAVLJANJE JAVNIH STAVB• Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman 1•UVOD Summary l Knowledge discovery from database (KDD) and data mining (DM) belong to the field of artificial intelligence (AI). Based on the AI methods and a lot of data we can create models, discover new knowledge and predict new solutions. he integration of artificial intelligence in different segments in the construction industry is still in its infancy, but soon we can expect a wider involvement, which will be conditioned by the development of databases and the data warehouses. By using BIM technology when designing new buildings, we can gain valuable information, although informa- tion about old existing facilities will also have to be obtained, collected, consolidated and organized in a way that they can will be modeled with techniques of artificial intel- ligence. The paper shows how to use information as an idea for an initiative to devel- oping databases. We present the results of two studies. In the first study, we studied the characteristic “external main wall” for residential buildings with basement, ground floor, first floor and attic, built between 1857 and 1948. The aim of this research was to create a model to predict the characteristics of the object for which the archival mate- rial does not exist. In the second study, we studied a combination of characteristics of objects and consumption of thermal energy in the buildings of the Technical Faculty of the University of Maribor. The goal of the second study was to develop a model to deter- mine the impact of individual characteristics of objects on the consumption of thermal energy. Both models are based on the use of artificial intelligence in the construction of decision trees. Key words: building, databases, artificial intelligence, data mining, decision trees Umetna inteligenca (ang. Artificial Inteligence, krajše AI) je po definiciji področje znanosti, ki spada v informatiko z interdisciplinarnim značajem [Russell, 2004]. Z njeno pomočjo lahko na podlagi obstoječih podatkov odkri- jemo novo, do zdaj skrito znanje in ga upora- bimo za uspešnejše diagnosticiranje, analizo, načrtovanje, trženje, odločitev ipd. Umetna inteligenca se ukvarja s spozna- vanjem in razlago problemov, pri katerih se zahtevajo inteligenten pristop in proučevanje, načrtovanje in razvoj umetno vodenih inteli- gentnih tehnologij. Z razvojem umetne inteli- gence sta povezani dve imeni, in sicer Turing (znan po Turingovem stroju) in McCarthy; razvijati se je začela leta 1950 [Gams, 2012]. V svetu sicer štejejo za začetek umetne in- teligence letnico 1956, ko je McCarthy v ZDA organiziral konferenco, ki je povzročila izbruh navdušenja nad novim pojmom umetna in- teligenca, z njo pa so se začeli ukvarjati po vsem sveta.1 Umetna inteligenca je prepletena z matematiko, nevrologijo, psihologijo, logiko, 1 Turing je govoril o »machine intelligence« (inteligenci stroja). filozofijo in drugimi vedami ter obsega vsaj štiri področja (vizualno, govorno, manipulativno in racionalno inteligenco) in več podpodročij. Izvorni cilj umetne inteligence je bil izdelati napravo, ki posnema človeško razmišljanje. Pri tem bi bili vključeni tudi čustva in zav- est. Danes je cilj umetne inteligence razvoj tehnologij in naprav, ki se vedejo, kot bi razpo- lagale z naravno inteligenco. Z njo se razvijajo metode in tehnike reševanja problemov, ki jih je težko rešiti s klasičnimi metodami. Z metodami umetne inteligence, kot sta me- toda pridobivanja znanja iz podatkov (KDD) in metoda podatkovnega rudarjenja (DM), smo preverili možnost odkrivanja novih znanj in up- orabnost le-teh pri ciljno usmerjenem modelu v gradbeništvu. Zanimalo nas je, ali z novo pri- dobljenim znanjem lahko koristno pomagamo projektantom, vzdrževalcem, načrtovalcem, ki obstoječo stavbo proučujejo in analizirajo zaradi potreb po izdelovanju študij, projektov, investicijske dokumentacije ipd. Nadalje nas je zanimalo, ali z metodami umetne inteligence, natančneje z metodo odločitvenih dreves, lahko zapolnimo vrzel tam, kjer so se projekti v dolgi zgodovini izgubili, ter je obstoječo stavbo treba spoznati in raziskati z vsemi karakteristi- kami in materiali. V skladu z razvojnoraziskovalnim projektom »E-nepremična inženirska zakladnica« smo za ciljno določene stavbe opravili razisko- valni in razvojni del z namenom povezo- vanja vsebin interdisciplinarne narave, in sicer karakteristične podatke o stavbi in porabi toplotne energije [Dvornik Perhavec, 2015]. Največje ovire, na katere smo naleteli pri raziskovalnem delu, so bile naslednje: • podatkovne baze za tovrstne potrebe ne obstajajo, • projekti, iz katerih bi lahko pridobili karakteristične podatke o stavbah, so neustrezno arhivirani (razen v pokrajin- skih arhivih), • poraba toplotne energije se beleži za sklop stavb skupaj in ne ločeno za posa- mezne stavbe. V 2. poglavju bomo podrobneje predstavili del racionalne inteligence, in sicer metode prido- bivanja znanja iz podatkov, in podatkovno rudarjenje. V tretjem poglavju predstavljamo podatkovno modeliranje in proces gradnje odločitvenih dreves. V četrtem poglavju sle- di predstavitev rezultatov ter v nadaljevanju zaključek, zahvala in literatura. Gradbeni vestnik • letnik 66 • junij 2017140 2• ODKRIVANJE ZNANJA V PODATKIH (KNOWLEDGE DISCOVERY FROM DATA) IN PODATKOVNO RUDARJENJE (DATA MINING) 2.1 Splošno Odkrivanje znanja v podatkih (KDD) je za- pleten proces za odkrivanja asociacij, spre- memb, anomalij, dogodkov, potencialnih upo- rabnih in navsezadnje razumljivih vzorcev iz podatkov, ki predstavljajo implicitne, prvotno nepoznane zakonitosti ali informacije v danih podatkih [Witten, 2005]. Definicijo podatkovnega rudarjenja sta post- avila Han in Kamber leta 2001 [Han, 2006], in sicer: »Podatkovno rudarjenje je proces odkrivanja zanimivih in pomembnih vzorcev ter znanja iz ogromne količine podatkov, shranjenih v podatkovnih bazah, podatkovnih skladiščih in drugih informacijskih odlagališčih s koriščenjem metod strojnega učenja.« [Han, 2006] Odkrivanje znanja v podatkih (KDD) je proces [Zorman, 2003], ki vsebuje devet (9) korakov, in sicer od razumevanja uporabe področja za odkrivanje znanja v bazah, ustvarjanja in oblikovanja nabora ciljnih podatkov, čiščenja in predobdelave podatkov (zbrati je treba informacije za model, odločiti o strategijah za obravnavo manjkajočih podatkov in po- dobno), izbiranja podatkov v odvisnosti od namena naloge. Opraviti je treba izbiro funkcij podatkovnega rudarjenja, izdelati modeliranje in raziskovalno analizo, ki pomeni izbiro al- goritmov, izbiro metode ali metod, ki se upo- rabljajo pri iskanju vzorcev podatkov. Nadalje se izvede podatkovno rudarjenje (Data Min- ing), ki je sedmi korak v postopku KDD in v bistvu predstavlja iskanje vzorcev v določenih reprezentativnih oblikah ali nizu teh reprezen- tacij [Oteiza, 2011]. Sledita tolmačenje in pojasnjevanje rezultatov z možnostjo vrnitve za nekaj korakov nazaj ali od začetka do sedmega koraka z dodatnimi ponovitvami. Ta korak lahko vključuje tudi vizualizacijo. Sledijo uporaba in predstavitev odkritega znanja ter predstavitev uporabe znanja in vključevanja poznavanja v drug sistem za nadaljnje ukrepanje zainteresiranim stranem oz. končnemu uporabniku. Proces podatkovnega rudarjenja izvajamo po naslednji shemi: nepoznano in potencialno koristno znanje [Munoz, 2014], npr. napovedovanje nečesa na podlagi množice dejstev o tem, zbranih v preteklosti. Gre za odkrivanje vzorcev v podatkih z avtomatiziranim ali polavtoma- tiziranim načinom. Strojno učenje je v bistvu »trening«, torej gre za učenje računalnika. Arthur L. Samuel je leta 1959 podatkovno rudarjenje definiral kot področje učenja, ki daje računalnikom možnost, da se naučijo, ne da bi bili izrecno programirani [Munoz, 2014]. Tom Mitchel je v pregledu The Disci- pline of Machine Learning [Mitchel, 2006] ra- zlago strojnega učenja podal kot odgovor na vprašanje: »Kako lahko gradimo računalniške sisteme, ki samodejno povečujejo znanje z izkušnjami, in kaj so temeljni zakoni, ki urejajo vse učne procese?« Začetek razvoja tehnik strojnega učenja in uporabe algoritmov je povezan z J. Rossom Quinlanom [Quinlan, Slika 1•Proces podatkovnega rudarjenja. 1986]. Med metode podatkovnega rudarjenja spadajo odločitvena drevesa, asociacijska oz. povezovalna pravila, metoda podpornih vektorjev, evolucijski algoritmi in druge. Podatkovno rudarjenje praviloma izkorišča metode s področja inteligentnih sistemov, strojnega učenja in razpoznavanja vzorcev, ki omogoča, da se odkriva implicitno, prej 2.2 Podatkovno rudarjenje z odločitvenimi drevesi Odločitvena drevesa spadajo med simbolične metode, veljajo za preprostejše metode stro- jnega učenja in se uporabljajo za reševanje klasifikacijskih problemov [Zorman, 2003]. Učijo se iz informacijskega vira oz tabele, ki predstavlja učno množico. Imajo opisne in odločitvene atribute. Atributi so lahko dis- kretni ali zvezni. Pri tem se išče funkcija, ki opisne atribute pretvori v prostor odločitve. Imajo strukturo, ki je podobna hierarhičnim diagramom poteka. Drevo je sestavljeno iz notranjih in zunanjih vozlišč ter vej. Zunanja vozlišča se imenujejo listi. Vsak list predstav- lja klasifikacijsko oznako, ki je hkrati rezultat posameznega primera. Postopek generiranja odločitvenega drevesa iz učne množice im- enujemo indukcija odločitvenega drevesa. Pri indukciji začnemo s praznim drevesom in celotno množico učnih vzorcev. Zvezni atributi niso primerni za gradnjo odločitvenega dreve- sa, zato jih moramo preslikati v diskretno ob- liko. Način preslikave zveznega atributa v dis- kretni prostor, poimenovan tudi diskretizacija, je zelo pomemben in lahko odločilno vpliva na uspeh ali neuspeh zgrajenega odločitvenega drevesa. Odločitvena drevesa ne zahtevajo nastavljanja parametrov oziroma posebnega znanja o učni množici. Pomembna lastnost je tudi ta, da je posamezne vzorce mogoče opisati z velikim številom atributov oziroma lastnosti. Najpomembnejši faktor pri gradnji odlo- čitvenega drevesa so metrike čistosti (ang. purity measure, heuristic evaluation func- tion) za izbiro atributov. Njihova naloga je pregledati vse atribute, ki na poti do trenutnega vozlišča niso bili uporabljeni, in med njimi izbrati tistega, ki najbolj enolično razdeli učno množico vzorcev. Pri dobljenih podmnožicah postopek ponavljamo, dokler ne pride do enega izmed ustavitvenih pogo- jev, ki pomeni, da ni dovolj učnih vzorcev, da bi lahko zanesljivo nadaljevali postopek gradnje drevesa ali da vsi učni vzorci pri- padajo istemu razredu, kar pomeni, da im- ajo isto odločitev, vsi primeri so člani istega razreda, ali da je zmanjkalo atributov, ker smo na poti do vozlišča porabili vse atrib- ute. Ko se zgodi eden izmed ustavitvenih pogojev, vozlišče označimo za list in ga identificiramo kot razred. Ena izmed najbolj in najpogosteje uporabljenih metrik čistosti [Quinlan, 1979] je informacijski prirastek (ang. information gain). Iz tega izhaja iz- raz entropija, ki v informacijski teoriji meri nezanesljivost sporočila kot vira informacij. Čim več informacij vsebuje sporočilo, tem manjša je vrednost entropije. Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman•PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB Gradbeni vestnik • letnik 66 • junij 2017 141 Slika 2•Proces gradnje odločitvenega drevesa. Z gradnjo odločitvenih dreves je povezanih nekaj osnovnih enačb [Zorman, 2003]. Na učni množici lahko opišemo naslednje verjetnosti: pij=nij/n; pi=ni/n; pj=nj/n; pi/j=nij/nj (1) Entropija E atributa A poljubnega učnega vzorca z možnimi diskretnimi vrednostmi izhodnega atributa a1, a2,…..,am in verjetnostjo porazdelitve p(A(w))=ai je definirana kot: (2) Za izračun EC se uporablja ista formula kot za izračun EA, le da se verjetnost pj nadomesti s pi. Naj bodo EC, EA, ECA entropija porazdel- itve razredov, entropija vrednosti atributov in entropija združene porazdelitve odločitvenih razredov in vrednosti atributov: (3) Pričakovana entropija porazdelitve razredov glede na atribut A je definirana kot: EC|A = ECA ─ EA (4) Informacijski prirastek je definiran kot: Igain (A) = EC – E C|A. (5) V vsakem notranjem vozlišču se izbere atribut, ki doseže najvišjo vrednost Igain. Slabost informacijskega prirastka je njegov trend k uporabi atributov s čim več možnimi diskretnimi vrednostmi. Z namenom odstran- itve te slabosti je Quinlan [1986] predstavil stopnjo informacijskega prirastka (ang. Infor- mation Gain Ratio), ki je definiran, kot sledi: (6) S S običajno označujemo celotno množico učnih vzorcev, opisanih z atributi A in razredi C. V predstavlja vrednost, ki jo zavzema dani atribut n, in označuje število vzorcev v učni množici; ni je število učnih vzorcev, ki pripada- jo razredu Ci, nj označuje število učnih vzorcev, ki imajo j-to vrednost danega atributa, in nij označuje število učnih vzorcev, ki pripadajo razredu C in imajo j-to vrednost danega atributa. Postopek generiranja odločitvenega drevesa iz učne množice imenujemo indukcija (ang. induction) odločitvenega drevesa. Pri učenju začnemo s praznim drevesom in celot- no množico vzorcev. Algoritem za učenje ima dostop samo do učne množice, s katero mora ustvariti hipotezo. Če želimo preveriti možnost pravilnosti učenja, množico vzorcev S razdeli- mo na učno in testno množico. Razdelitev 2/3 : 1/3 je običajna. Testna množica se uporabi v namen testiranja kakovosti dobljene hipoteze in podaja predikcijsko predvideno natančnost za nevidne vzorce. Proces gradnje odločitvenega drevesa je pri- kazan na sliki 2. Cilj gradnje odločitvenega drevesa je, da krovno vozlišče učinkovito loči podatke tako, da bo drevo čim manjše. Najboljša delitev je tista, ki nam da največjo informacijsko prido- bitev. Informacija ima matematični pomen, ki je povezan z gotovostjo pri odločanju. 3•PODATKOVNE BAZE Osnovno vodilo pri raziskovanju je bilo ugo- toviti, ali imajo stavbe skupne elemente in ali jih lahko enoznačno določimo. Proučili smo javno dostopne podatkovne baze ([GURS, 2015], [PAM, 2015], [Emporis, 2015]) in želeli pridobiti podrobnejše podatke o kon- strukcijskih elementih stavb. Ugotovili smo, da baze vsebujejo preskope podatke za nadaljnjo uporabo, zato ne moremo pridobiti podatkov o vgrajenih materialih [Stegnar, 2012]. Zato je bilo treba razmisliti, kako podatke pridobiti in kako bi na podlagi znanih podatkov o stavbah (pridobljenih iz literature, arhivskih projektov, dokumentov) lahko napovedovali elemente stavb, za katere so se arhivski podatki izgubili. S tem bi na enostavnejši in hitrejši način prido- bivali znanje o obstoječih stavbah in bi lahko zapolnili vrzeli tudi takrat, ko se o obstoječih stavbah ni ohranil noben zapis (načrti in dovoljenja za gradnjo) ([Dvornik Perhavec, 2010], [Dvornik Perhavec, 2014]). Stavba je kompleksen element, zato smo se pri delu omejili na konstrukcijski element nosilni zid, na stavbe etažnosti K+P+1+M, grajene v obdobju med letoma 1857 in 1948. Iz podatkovnih baz znanje najhitreje pridobimo z algoritmi umetne inteligence in strojnim učenjem. Rezultat stro- jnega učenja je dober toliko, kolikor sta dobra vhodni podatek in znanje tistega, ki te podatke upravlja. Ker človeški možgani ne morejo zge- nerirati tolikšne množice podatkov in pridobiti vzorcev rešitev, smo nad rezultati bolj kot ne presenečeni. V primerih, ko podatkovne baze niso dovolj obsežne ali jih (še) ni, moramo model stavbe/objekta/ceste/mostu/dogodka Slika 3• Razstavljanje in ponovno sestavljanje stavb z namenom opisa sestavnih delov in berljivosti algoritmom umetne inteligence. INTEGRIRANI MONITORING KOT ORODJE ZA UČINKOVITO IN EKONOMIČNO ENERGETSKO UPRAVLJANJE JAVNIH STAVB• Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman Gradbeni vestnik • letnik 66 • junij 2017142 razstaviti, opisati, analizirati in ponovno ses- taviti tako, da bo iz njih s strojnim učenjem mogoče pridobiti znanje in ga posredovati uporabniku (slika 3). Pri delu je treba uporabiti različne pristope in načine, treba je opraviti analizo projektov, analizo literature, analizo porabe toplotne en- ergije, raziskave področij umetne inteligence s poudarkom na odkrivanju znanja v podatkih (Knowledge Discovery from Data) in podat- kovnem rudarjenju (Data Mining). Podatko- vno rudarjenje smo opravili z uporabo orodja Weka (akronim za: Waikato Environment for Knowledge Analysis), ki so ga zasnovali in razvili na Univerzi Waikato na Novi Zelandiji. 3.1 Podatkovne baze elementa »nosilni zid« stavb, grajenih med letoma 1857 in 1948 Na podlagi podatkov iz Stavbnega reda za vojvodino Štajersko iz leta 1857 [Deželni zakonik, 1857], zatem Stavbnega reda za vo- jvodino Krajnsko iz leta 1875 [Deželni zakonik, 1875] ter Zakona o graditvi objektov [Službeni list kraljevske banske uprave Dravske bano- vine, 1931] in Splošnih navodil za izdelavo uredbe o izvajanju regulacijskega načrta in gradbenega pravilnika [Službeni list kraljevske banske uprave Dravske banovine, 1933] smo za element zunanji nosilni zid za stanovanjske stavbe maksimalne etažnosti K+P+2 sestavili podatkovno bazo z delovnim imenom RLDB (Rules and Legislation Database). Na ta način smo dobili pravila za gradnjo zunanjih nos- ilnih zidov za obdobje 90 let (do leta 1948). Drugo bazo (BDB – Building Database) smo sestavili na podlagi podatkov iz načrtov za stanovanjske stavbe K+P+1, ki smo jih dobili v pokrajinskih arhivih. Na podlagi rezultatov modeliranja v Accessu smo ugotovili, da so rezultati v bazi RLDB prav enaki s podatki iz baze BDB [Dvornik Perhavec, 2014]. 3.1.1 Izbira oz. vzorčenje podatkov Vzorčenje podatkov (izbira reprezentativnih vzorcev) običajno poteka zaradi izredne ve- likosti podatkovnih baz, ki lahko vsebujejo milijone zapisov (npr. bančne transakcije) in jih praktično ni mogoče obdelati v celoti. Za gradnjo modela podatkovnega rudarjenja smo uporabili združeni podatkovni bazi RLDB in BDB (slika 4). Podatkovna baza je obsegala 394 vzorcev. Vsak vzorec je bil opisan z 12 atributi, od katerih je zadnji predstavljal raz- redni atribut. Iz analize navedenih predpisov (Deželni za- konik, 1875, Deželni zakonik, 1857, Službeni list kraljevske banske uprave Dravske bano- vine, 1933) in druge literature smo dodali podatke o opeki in njenih karakterističnih vred- nostih v različnih časovnih obdobjih (tlačna trdnost, vodovpojnost, toplotna prevodnost). Podatki so zbrani v preglednicah od 1 do 3. Podatki za leto 1857 so približni, pridobljeni na podlagi preizkušancev pri obnovi Kolizeja v Ljubljani [Kržan, 2008]. Podatek o odstotku Slika 4• Vzorec podatkovne baze BDB-stavb. Tlačna trdnost [MPa] 1857 1931 [Antunović-Kobliška, 1936] 1947 [Službeni list FNRJ, 1956] Marka opeke za zidanje normirana povprečna minimalna posamezna povprečna minimalna posamezna 200 20 16 150 15 12 110 8,5 11 9 11 8,5 70 7 5,5 7 5,5 Preglednica 1• Tlačna trdnost opeke Preglednica 2• Odstotek vodovpojnosti in toplotne prevodnosti opeke [Willems, 2006] Preglednica 3• Mere opeke ([Deželni zakonik, 1857], [Deželni zakonik, 1875], [Wienerberger, 2015]) Odstotek vodovpojnosti [%] Toplotna prevodnost [W/mK] 1857 15 0,58 1933 8 0,55 1947 8 0,55 beton 4 1,15 vodovpojnosti je povprečna vrednost vodovpo- jnosti 16 preizkušancev, tlačna trdnost prav tako.2 Za tlačno trdnost betona prevzamemo po- 2 Vrednosti za tlačno trdnost so prevedene v MPa (v obravnavanem obdobju se je upora- bljala enota kg/cm2). Mera opeke [cm] Število opek na m3 Teža [kg] do 1933 29x14x6,5 300 4–5 od 1875 do 1933 28x14x6,35 318 4–5 od 19331 25x12x6,5 400 3–4 2015 25x12x6,5 417 3 Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman•PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB Gradbeni vestnik • letnik 66 • junij 2017 143 Preglednica 4• Oznaka velikost gradbenega materiala Preglednica 5• Seznam atributov in klasifikacijskega razreda datek 10 MPa [Antunović-Kobliška, 1936]. V različnih obdobjih se je uporabljala opeka različnega formata. Mere in drugi podatki so navedeni v preglednici 3. 3.1.2 Čiščenje oz. predobdelava podatkov Podatke je treba pripraviti za obdelavo z algoritmom za podatkovno rudarjenje, ki obsega brisanje ali zamenjavo neustreznih podatkov in pretvorbo podatkov v primeren format. Podatkovne baze, katerih del je prikazan na slikah 2 in 3, smo zapisali v zapis struk- turnega vzorca. Vzorci so opisani z lastnostmi (a1, …….., an) in razredom klasifikacije (c). Vrednosti, podane v preglednicah 1 do 3, smo preoblikovali v diskretne zapise, kot je npr. za mere opeke razvidno iz preglednice 4. Vsak vzorec (vrstica v preglednici) je opisan z 11 atributi in razrednim atributom c, ki pove pripadajoči razred. Za iskanje karakteristik zunanjega nosilnega zidu smo oblikovali atrib- ute, kot so zapisani v preglednici 5. Klasifikacijski razred je sestavljen iz obdobja veljavnosti predpisa, to je od 1857–1933, 1875–1933, 1933–1948 ali letnice izdane- ga gradbenega dovoljenja in območja, kjer je stavba postavljena (npr ST = Štajerska). Množico vzorcev smo preoblikovali v obliko, ki je primerna za obdelavo z algoritmi, kar je razvidno s slike 5. 3.1.3 Podatkovno rudarjenje Za podatkovno rudarjenje smo uporabili orodje Weka, ki so ga zasnovali in razvili na Univerzi Waikato na Novi Zelandiji. Weka je zbirka orodij in algoritmov, s katerimi ana- liziramo podatke in modeliramo napovedo- vanje. Zasnovana je tako, da omogoča hitro in fleksibilno preizkušanje na novih podatko- vnih nizih, in zagotavlja celostno podporo za proces podatkovnega rudarjenja, vključno s pripravo podatkov in vizualizacijo. Vsi algo- ritmi v Weki berejo vhodne podatke v isti obliki, v datoteki tipa ARFF (attribute – relation File Format). Programsko orodje Weka vsebuje vse standardne metode podatkovnega rudar- jenja, kot so klasifikacija, regresija, gručenje podatkov, asociativnost pravil in izbiro atributov. Iz skupka histogramov porazdelitve vzorcev za posamezne parametre vzorcev na sliki 6 razberemo, da je največ vzorcev za obdobje 1933LRS1948 (turkizno modro), sledi obdob- je 1857ST1933 (rdeče) in na koncu obdobje 1875KR1933 (temno modro). Histograme sicer lahko analiziramo za vsak parameter, iz katerega je sestavljen posamezni vzorec. atributi Naziv atributa Vrednost a0 etažnost KP1, KP2 ... a1 etaža prva, druga ... a2 material opeka, beton a3 razpon a, b, c, ... , h a4 velikost gradbenega materiala A, B, C, D, E a5 število opek na m3 zidu 300, 400 a6 topoltna prevodnost ƛ (W/mK) 1, 2 (1= 0,58, 2=0,55) 2= 0,55) a7 vrsta konstrukcijskega dela stavbe nosilni zid a8 položaj zunanji, notranji a9 debelina zidu (cm) 45, 60 ... a10 leto 1910, 1896 c oznaka 1896ST Mera opeke v cm Oznaka velikost materiala (za modeliranje) Do 1933 29x14x6,5 A 1875–19332 28x14x6,35 B 1933 25x12x6,5 C Kamen ni podatka D Beton ni podatka E Slika 5• Množice vzorcev. INTEGRIRANI MONITORING KOT ORODJE ZA UČINKOVITO IN EKONOMIČNO ENERGETSKO UPRAVLJANJE JAVNIH STAVB• Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman Gradbeni vestnik • letnik 66 • junij 2017144 Rezultati po opravljeni gradnji odločitvenega drevesa so prikazani na sliki 7. Kvaliteto klasifikatorja najpogosteje me- rimo na osnovi nekaterih indikatorjev, kot so natančnost, senzitivnost in specifičnost, grafični prikaz pravilno klasificiranih pozitivnih vzorcev proti napačno klasificiranim pozi- tivnim vzorcem za družino klasifikatorjev (kri- vulja ROC) in različne metode za delitev baze podatkov na učno in testno množico. Množica vzorcev je sestavljena iz dveh podatkovnih baz RLDB in BDB, zato smo pričakovali okoli 80-% pravilnost klasificiranja v posamezne razrede. V praksi namreč ni pričakovati, da bi se konstrukcijska pravila obdržala celotno obdobje trajanja določenega predpisa in da so se pravila grajenja dosledno upoštevala v praksi. Ob 341 vzorcih z 10 različnimi atributi je natančnost klasifikatorja dosegla 100-% pravilnost vzorca, kar je razvidno s slike 8. 3.1.4 Cenitev in predstavitev rezultatov Rezultate kot posledice klasifikacije moramo v zaključni fazi ovrednotiti. S tem se ugoto- vita dejanska kakovost dobljenih rezultatov in posredno kakovost uporabljenih algoritmov. Z upoštevanjem konstrukcijskih pravil in karak- teristik obstoječih stavb ugotovimo, da so rezultati z uporabo metod umetne inteligence na majhnem vzorcu nadpovprečni. Predstavitev rezultatov je namenjena pri- redbi rezultatov obdelave v obliko, prirejeno končnemu uporabniku. S tem približamo informacije uporabniku tako, da razume, kako informacije, ki jih je mogoče enostavno razumeti, postanejo zanj uporabno znanje. Največji informacijski prirastek predstavlja atribut velikostGrMateriala, ki je razviden s slike 7. Na podlagi tega atributa zanesljivo in z gotovostjo uvrstimo stavbo v primerno časovno obdobje in mu določimo preostale karakteristike, kot so podatki o opeki, debelina nosilnega zidu za posamezno vrsto stavbe in etažo in podobno. Znanje, ki je skrito v informacijah, nazorno kaže, da se je beton na Štajerskem začel uporabljati pred letom 1940, kar je prikazano na sliki 9. Če želimo preveriti, v katerem delu stavbe je beton, izberemo drugo kombinacijo atributov (material, etaža) in na podlagi rezultata ugotovimo, da je beton v kletnih zidovih, kar je razvidno s slike 10. Do- bljene rezultate smo preverili na terenu pri poljubnih stavbah etažnosti K+P+1+M v Mariboru. 3.2 Podatkovne baze karakteristike »poraba Slika 6• Skupek histogramov glede na vzorce in posamezne parametre (atribute). Slika 7• Odločitveno drevo. Slika 8• Evalvacija klasifikatorjev. Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman•PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB Gradbeni vestnik • letnik 66 • junij 2017 145 Slika 9• Znanje, ki je skrito v informacijah; pojavnost betona v obstoječih Slika 10• Znanje, skrito v informacijah; beton v kletni etaži. Slika 11• Pogled na stavbo J1 (levo) in stavbo B (desno). (Fotografija: Daniela Dvornik Perhavec) toplotne energije« za stavbe tehniških fakultet Sklop tehniških Fakultet Univerze v Mariboru obsega 12 med seboj povezanih stavb, gra- jenih v obdobju 1964–2006. Podatkovno bazo smo oblikovali na podlagi načrtov, arhi- viranih v prostorih tehniških fakultet. V prvi fazi smo s skupnimi značilnostmi opisali stavbi J1 in J2, pozneje smo dodali značilnosti še za druge stavbe. Za arhitekturno zasnovo in tipologijo stavb smo upoštevali tipologijo stavb Tabula [Grad- beni inštitut ZRMK, d. o. o, 2009–2012] in podatke o ovoju stavbe. Podatke o porabi toplotne energije stavb na območju tehniških fakultet smo za obdobje od leta 2012 do de- cembra 2016 pridobili od dobavitelja ELTEC Petrola, d. o. o. Podatki so zbrani po posa- meznih toplotnih podpostajah tabelarično in grafično z navedbo porabe toplotne energije posamezne toplotne podpostaje (TOP 809, TOP 808 in TOP 807). Količina toplotne ener- gije za TOP 809, ki je namenjena za ogrevanje stavb J1 in J2, je prikazana v preglednici 6. Poraba toplotne energije za stavbi J1 in J2 po mesecih in letih je razvidna s slike 12. 3.2.1 Podatkovno rudarjenje po elementih skupnih značilnosti stavb z razdeljeno porabo toplotne energije – vse stavbe Postopek, naveden v poglavju 3.1.3, smo ponovili na podatkovni bazi za stavbe tehniških fakultet s tem, da smo porabo top- lotne energije upoštevali za celo leto 2014 in jo razdelili glede na delež skupne tlorisne površine posamezne stavbe. Podatkov o po- rabi toplotne energije za posamezno stavbo namreč ni na razpolago. V odvisnosti od porabe toplotne energije na m2 površine smo v skladu s Pravilnikom o metodologiji izdelave in izdaje energetskih izkaznic stavb [Uradni list RS, 2014] določili energetske razrede. Vzorec smo opisali z naslednjimi atributi: tip fasade, tlorisna površina stavbe, volumen, površina fasade glede na smer neba (sever, jug, vzhod, zahod), površina odprtin glede na smer neba (sever, jug, vzhod, zahod), leto gradnje in odločitveni atribut oznaka stavbe (J1, B, C ...). Del podatkov je razviden iz preglednice 7. Podobno kot vrednosti, navedene v pregled- nicah 1–3, smo vrednosti za ogrevalno površino in porabo toplotne energije preob- likovali v diskretne zapise. Pri tem smo dis- kretizacijsko oznako prilagodili energetskim razredom, kot je razvidno iz preglednice 8. INTEGRIRANI MONITORING KOT ORODJE ZA UČINKOVITO IN EKONOMIČNO ENERGETSKO UPRAVLJANJE JAVNIH STAVB• Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman Gradbeni vestnik • letnik 66 • junij 2017146 Preglednica 6• Količina toplotne energije toplotne podpostaje TOP 809 Preglednica 7• Množica vzorcev Slika 12• Grafični prikaz porabe toplotne energije v TOP 809 po letih in mesecih. Na sliki 13 je razviden skupek histogramov za učno množico. Po opravljenem učenju smo dobili rezultate klasifikacije, kot je razvidno iz odločitvenega drevesa na sliki 14. TipFasade Površina Volumen Fasada sever Steklene površine sever Fasada jug Steklene površine jug Fasada vzhod Steklene površine vzhod Fasada zahod Steklene površine zahod Leto gradnje Stavba[m2] [m3] [m2] [m2] [m2] [m2] [m2] [m2] [m2] [m2] [leto] [oznaka]fasadna opeka 496,64 10218,35 623,07 379,44 623,07 368,72 0 0 339,48 41,4 1983 J1fasadna opeka 633,92 13122,14 585,81 280,08 585,81 345,44 463,68 0 0 0 1986 J2teranova 798,06 13814,45 979,05 276 979,05 598,5 81,42 0 0 26,7 1964 Ateranova 851,243 14735,02 814,09 306,18 814,09 291,41 104,44 8,645 104,44 47,25 1964 Bteranova 577,88 4727,1 164,33 10 0 0 226,18 103,25 226,18 127,19 1964 Cne 798,06 3295,99 233,59 31,36 233,59 39,2 19,42 0 0 7,875 1980 A+ne 851,243 4145,55 229,04 29,4 229,04 23,52 29,38 0 29,38 0 1980 B+fasadna opeka 606 10362,58 625 362,34 625 374,82 0 0 0 0 1969 D1fasadna opeka 207,25 3543,97 213,75 141,856 213,75 139,276 283,52 60,78 0 0 1990 D2teranova 2000,5 11294,1 193,79 103,11 0 0 65,74 7,04 0 0 1969 Eteranova 645,17 5445,24 0 0 0 0 169,48 113,875 0 77,875 1969 Fteranova 501,75 8710,38 195,3 186,774 390,6 239,91 0 0 0 0 1981 G1teranova 385,86 5012,4 198,75 111,01 198,75 198,75 0 0 0 0 2006 G1+fasadna opeka 542,66 5030,49 0 0 0 0 0 0 0 1982 H Rezultati za primer, ki smo ga obravnavali, kažejo, da največji informacijski prirastek predstavlja tip fasade, nadalje pa bi na pod- lagi volumna stavbe posamezno stavbo lahko uvrščali v posamezne energetske razrede. Ker gre za eksperiment, bo za natančnejše napovedi treba dopolniti baze tako vsebinsko kot količinsko. Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman•PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB Gradbeni vestnik • letnik 66 • junij 2017 147 Preglednica 7• Množica vzorcev Celotna ogrevalna površina Odstotek površine Razred diskretizacije oznaka Poraba 2014MWh Poraba 2014KWh na m2 površine Razred diskretizacije Diskretizaci- jska oznaka 3 2483,2 44 41-50 e 137,54 55,38821 35-60 C 3169,6 56 51-60 f 175,06 55,23094 35-60 C 3404,972 36 31-40 d 176,1 51,71849 35-60 C 1155,76 12 11-20 b 58,71 50,79774 35-60 C 851,243 9 0-10 a 44,02 51,71261 35-60 C 3030 24 21-30 c 258,6 85,34653 60-105 D 1036,25 8 0-10 a 86,2 83,18456 60-105 D 2508,75 19 11-20 b 204,72 81,60239 60-105 D 1929,3 15 0-10 a 161,63 83,7765 60-105 D Slika 13• Skupek histogramov glede na vzorce in posamezne atribute. Slika 14• Rezultati klasifikacije v obliki odločitvenega drevesa. 4•SKLEP Iskanje korelacij med vsebinsko različnimi zadevami je s podatkovnim rudarjenjem smiselno, če imamo podlago v obširnih bazah. V raziskavi smo eksperimentirali s podatki, ki se nanašajo na karakteristične elemente stavbe kot tudi v kombinaciji s porabo top- lotne energije. Dobljeni rezultati prvega modela kažejo, da velikost opeke kot del nosilnega zidu poda največ informacij in da lahko na podlagi tega stavbe pravilno uvrstimo v geografsko in časovno obdobje ter določimo karakteristike nosilnega zidu po različnih etažah. Na podlagi narejenih analiz in rezultatov ugotovimo, da imajo stavbe, grajene v določenem časovnem obdobju, skupne imenovalce in da na pod- lagi dobljenih rezultatov lahko napovedujemo skupne značilnosti obstoječih stavb. Na osnovi uporabe algoritmov umetne inteligence pride- mo do novo odkritega znanja, v fazi analize obstoječe stavbe pa imamo možnost, da s tehnologijami upravljanja znanja to znanje tudi uporabimo. Posledično to pomeni, da lahko zmanjšamo čas in stroške faze raziskovanja stavb in povečamo determiniranost celotnega projekta prenove [Dvornik Perhavec, 2014] kot tudi upravljanja. Pri drugem modelu so odločilni tip fasade ter nadalje volumen stavb in poraba toplotne energije. Nadaljnja razisko- vanja v tej smeri pomenijo, da s spremljanjem porabe toplotne energije, zasedenosti stavbe, notranjih in zunanjih temperatur lahko pridobi- vamo nova spoznanja o možnosti prihrankov energije z izboljšanim energetskim upravljan- jem [Dvornik Perhavec, 2016]. Rezultat eksper- imenta, opisanega v poglavju 3.2, je nastal na podlagi sodelovanja pri razvojnoraziskovalnem projektu E-nepremična inženirska zakladnica. Projekt je sicer zasnovan na dolgoročnem sodelovanju deležnikov iz gospodarstva in okolja. Ob dejstvu, da se področja umetne inteligence vse bolj razvijajo in da je npr. na Univerzi Stan- ford 90 % vseh dodiplomskih študentov izbralo in poslušalo že leta 2013 vsaj en računalniški predmet [Žerdin, 2013], je vprašanje, ali bomo temu sledili tudi na področju gradbeništva in grajenega okolja, povsem odveč. Z razvojem tehnologij BIM bomo s časom podatkovne baze o stavbah pridobili. Razmisliti bo treba, kako upravljati podatke in jih arhivirati z na- menom zagotavljanja dostopnosti in varnosti, saj se bodo istočasno razvijali novi poklici, npr. podatkovni upravljavci, ki bodo v času ob- stoja obstoječih objektov podatke upravljali v različne interdisciplinarne namene. Vendar pri tem ne gre le za stavbe, saj lahko podobno up- ravljamo podatkovne baze drugih inženirskih in infrastrukturnih objektov. Eksperimenti so bili narejeni za kombinacijo podatkov podatkovnih baz cestne infrastrukture in pogostosti promet- nih nesreč [Dvornik Perhavec, 2016] ter podat- kov iz podatkovnih baz monitoringa ogrevanja in zasedenosti vrtcev [Praper, 2016]. 5 Oznaka ustreza oznakam energetskih raz- redov. INTEGRIRANI MONITORING KOT ORODJE ZA UČINKOVITO IN EKONOMIČNO ENERGETSKO UPRAVLJANJE JAVNIH STAVB• Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman Gradbeni vestnik • letnik 66 • junij 2017148 Zahvaljujemo se podjetjema Energetika Mari- bor, d. o. o., in EUTRIP, d. o. o., za zaupanje in 5•ZAHVALA 6•LITERATURA izkazan interes pri podpori raziskovalnemu delu. Antunović-Kobliška, M., Cigola, S. A., Poznavanje građevinskog materijala udžbenik i priručnik. Beograd, 1936. Deželni zakonik, Stavbni red za Štajersko, Gradec, 1857. Deželni zakonik, Stavbni red za Vojvodino Kranjsko, Ljubljana, 1875. Dvornik Perhavec, D., Conservation of cultural heritage – disorders, deficiencies and building project, Žabljak: Faculty of Civil Engineering, University of Montenegro, 2010. Dvornik Perhavec, D., Databases and Data Warehouses in a Systemic Approach for Historical Building Reconstruction Projects, Civil Prompt Proceedings Napoly, 2014. Dvornik Perhavec, D., E-Nepremična inženirska zakladnica, Tehniške fakultete, Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo Univerze v Mariboru, 2015. Dvornik Perhavec, D., Kataster gospodarske javne infrastrukture kot osnova za modeliranje s podatki, Portorož, DRC, Družba za raziskave v cestni in prometni stroki Slovenije, str. 1–9, 2016. Dvornik Perhavec, D., Rebolj, D., Praper, P., Pridobivanje informacij iz razpoložljivih podatkov o stavbah z uporabo metod umetne inteligence, Ljubljana, 2016. Dvornik Perhavec, D., Rebolj, D., Šuman, N., Journal of cultural heritage. Systematic approach for sustainable conservation, 17. februar 2014. Dvornik Perhavec, D., Tibaut, A., Journal of Civil Engineering and Architecture Research, Databases in the Process of Maintenance and Reconstruction Projects of Existing Buildings, 25. oktober, str. 251–259, 2014. Emporis, https://www.emporis.com/, 2015. Gams, M., Alan M. Turing, Izumitelj univerzalnega stroja, 1912–1954 in 2012, http://home.izum.si/cobiss/oz/2012_2/html/clanek_00.html, 2012. GURS, Geodetska uprava Republike Slovenije, Register nepremičnin, Ljubljana, 2015. GI ZRMK, Gradbeni inštitut ZRMK, d. o. o, IEE Tabula, številka pogodbe IEE/08/495/SI2.528393, Narodna in univerzitetna knjižnica, Ljubljana, 2009–2012. Han, J., Kamber, M., Data Mining Concepts and Techniques, Elsevier, 2006. Kržan, M., Parametrična analiza potresne odpornosti Kolizeja v Ljubljani, http://drugg.fgg.uni-lj.si/570/1/GRU_3028_Krzan.pdf, 2008. Mitchel, T. M., The Discipline of Machine Learning, http://www.cs.cmu.edu/~tom/pubs/machinelearning.pdf, 2006. Munoz, A., Machine Learning and Optimization, https://www.cims.nyu.edu/~munoz/files/ml_optimization.pdf, 2014. Oteiza, J., http://smartdatacollective.com/josueoteiza/38043/difference-between-knowledge-discovery-and-data-mining, 2011. PA Maribor, Pokrajinski arhiv Maribor, Republika Slovenija, Ministrstvo za kulturo RS, Maribor, 2015. Praper, P., Integrirani monitoring kot orodje za učinkovito in ekonomično energetsko upravljanje javnih stavb, magistrska naloga, Univerza v Mariboru, Maribor, 2016. Pravilnik o metodologiji izdelave in izdaje energetskih izkaznic stavb, Uradni list RS 92/2014, 2014. Quinlan, J., Discovering Rules by Introduction from Large Collections of Examples, Expert Systems in the Microelectronic Age, 1979. Quinlan, J., Introduction of decision tree, Machine learning, Zvezek 1, 1986. Russell, S., Norvig, P., Artificial Intellegence, A modern Approach, Prentice Hall, 2004. Sistory, Službeni list Kraljevske banske uprave Dravske banovine za leto 1932, 1. polletje, http://www.sistory.si/publikacije/prenos/ ?Urn=SISTORY:ID:185#page=100, 1932. Službeni list FNRJ, Uredba o privremenim normama i privremenim tehničkim propisima u građevinarstvu, 18. april 1947, ured. Građevinska knjiga, Beograd, 1956. Službeni list Kraljevske banske uprave Dravske banovine, letnik II, št. 47, 13. Avgusta 1931, Ljubljana, 1931. Službeni list Kraljevske banske uprave Dravske banovine, Splošna navodila za izdelavo uredbe o izvajanju regulacijskega načrta in gradbenega pravilnika, Ljubljana, 1933. Stegnar, G., Šijanec Zavrl, M, Stankovski, V., Uporaba informacijskih virov pri tipizaciji stavb v Sloveniji, Gradbeni vestnik, zvezek 61, str. 256–262, november 2012. Wienerberger, Tehnični list, Ormož, 2015. Willems, W. M., Schild, K, Dinter Vieweg, S., Handbuch Bauphysik, Teil 1, Springer, 2006. Witten, I. H. & Frank, E., Data Mining, Second edition, Elsevier, San Francisco, 2005. Zorman, M., V. Podgorelec, V., Lenič, M., Povalej, P., Kokol, P., Tapajner, A., Inteligentni sistemi in profesionalni vsakdan, Center za interdisciplinarne in multidisciplinarne raziskave in študije Univerze v Mariboru, Maribor, 2003. Žerdin, D., dr. Jure Leskovec, Dnevnik, https://www.dnevnik.si/1042576652, 2013. Daniela Dvornik Perhavec, Danijel Rebolj, Milan Zorman•PODPORA UMETNE INTELIGENCE PRI PROJEKTIH PRENOVE IN UPRAVLJANJA STAVB Gradbeni vestnik • letnik 66 • junij 2017 149 VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE THE ROLE OF SOCIAL NETWOKING SITES IN THE DEVELOPMENT OF CAREER COMPETENCES FOR CIVIL AND GEODETIC ENGINEERING STUDENTS red. prof. dr. Andreja Istenič Starčič, univ. dipl. ped. in soc. andreja.istenic-starcic@fgg.uni-lj.si Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo Jamova cesta 2, 1000 Ljubljana Univerza na Primorskem, Pedagoška fakulteta Cankarjeva ulica 5, 6000 Koper ZNANSTVENI ČLANEK UDK 004.7:378-057.875(497.4) Povzetek l Zahteve po mobilnosti in diverzifikaciji profesionalnega dela v globalni družbi postavljajo visokošolsko izobraževanje pred nove izzive. Pri izobraževanju za inženirske poklice se poleg usmerjenosti v vsebinska znanja med ključnimi izobraževalnimi izidi poudarjajo profesionalne spretnosti. V članku pojmujemo profesionalne spretnosti skladno z opredelitvijo American Acreditation Board of Engineering and Technology (ABET) kot mehke spretnosti, ki vključujejo procesne spretnosti in spretnosti za izgrad- njo ozaveščenosti. V jedru našega zanimanja so profesionalne procesne spretnosti, ki spodbujajo razvoj in načrtovanje kariere v kontekstu možnosti, ki jih prinašajo sodobne komunikacijske tehnologije, natančneje spletna družbena omrežja. Med profesionalne procesne spretnosti spadajo komunikacija, timsko delo v večdisciplinarnih skupinah, razumevanje etike in profesionalizem, pri čemer postaja uporaba spletnih družbenih omrežij vse pomembnejša. Pričakovanja delodajalcev do kompetenc diplomantov se obravnavajo v okviru t. i. zaposlitvenih kompetenc diplomantov, ki poleg trdih kompetenc stroke vse bolj poudarjajo mehke profesionalne spretnosti in kompetence za upravljanje kariere. Te so vse pomembnejše v času negotovosti in hitrih sprememb pri zaposlovanju. Karierne kompetence prispevajo k samoučinkovitosti in dolgoročnemu kariernemu us- pehu ter vplivajo na profesionalno identiteto. V raziskavah so ugotovili, da so karierne kompetence v spletnih družbenih omrežjih premalo raziskane. V pričujočem prispevku je obravnavana vloga spletnih družbenih omrežij pri začetnem profesionalnem razvoju študentov v sklopu praktičnega usposabljanja med študijem in načrtovanja kariere. V jedru obravnave je osvetljena vloga spletnih družbenih omrežij pri prečkanju meja med akademskim in profesionalnim delovnim okoljem. Zastavljeni raziskovalni vprašanji sta: Kakšna so stališča študentov FGG do uporabe spletnih družbenih omrežij na področju kariernih kompetenc? in Kako študenti FGG uporabljajo spletna družbena omrežja za načrtovanje kariere in praktično usposabljanje? Ključne besede: karierno načrtovanje, spletna družbena omrežja, gradbeništvo, študenti, praktično usposabljanje VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE•Andreja Istenič Starčič Gradbeni vestnik • letnik 66 • junij 2017150 1•UVOD Summary l The requirements for mobility and diversification of professional work in global society raise new challenges for higher education. Beside the focus on content knowledge, in the education for engineering professions also professional skills belong to emphasized key educational outcomes. In this article we recognise professional skills defined by the American Accreditation Board of Engineering and Technology (ABET) as soft skills, including process oriented and awareness oriented skills. The focus of our interest is professional process oriented skills that promote development and career planning in the context of the opportunities brought about by modern communication technology, specifically social network sites. The process-oriented skills include com- munication, teamwork in multidisciplinary groups, understanding of ethics and profes- sionalism, in the context of which the use of social network sites becomes increasingly important. Expectations of employers about competences of graduates are dealt with within their employability competencies. In addition to hard competencies, the focus is increasingly on soft skills and competencies for career management. This is all the more important in times of uncertainty and rapid changes in the field of employment. Career management competencies will also contribute to self-efficacy and long-term career success and have an impact on professional identity. Studies report that the area of career skills in online social networks has not received sufficient attention. This paper deals with the role of social network sites in the initial professional development of students as part of practical training during their studies and career planning. At the core of study is the highlighted role of online social networks that cross boundaries between academic and professional contexts. The research questions are: What are the views of students to the use of social network sites in the field of career competencies? How do students use social network sites for career planning and practical training? Key words: career planning, social network sites, construction, students, practical train- ing Pri izobraževanju za inženirske poklice se poleg usmerjenosti v vsebinska znanja med ključnimi izobraževalnimi izidi poudarjajo pro- fesionalne spretnosti. V članku pojmujemo profesionalne spretnosti skladno z opredelitvi- jo American Acreditation Board of Engineering and Technology (ABET) kot mehke spretnosti, ki vključujejo procesne spretnosti in spret- nosti za ozaveščenost [Shuman, 2005]. Med profesionalne procesne spretnosti spadajo komunikacija, timsko delo v večdisciplinarnih skupinah, razumevanje etike in profesion- alizem. Med profesionalnimi spretnostmi ozaveščenosti so ozaveščenost o vlogah inženirja v globalnem in družbenem kontekstu, vseživljenjsko učenje in poznavanje aktualnih vprašanj in dogajanj stroke [Shuman, 2005]. Evropska zveza za izobraževanje inženirjev (SEFI) je v okviru TUNING projekta bolonjske reforme opredelila generične kompetence za instrumentalne, medosebne in sistemske spretnosti [Gonzales, 2003]. Organizacija za ekonomsko sodelovanje in razvoj (OECD) je med ključnimi kompetencami za vsa profe- sionalna področja opredelila kompetence za doseganje ciljev, medosebne spretnosti in strateške kompetence [OECD, 2014]. Jedro obravnave so torej profesionalne pro- cesne spretnosti (ABET), ki spodbujajo razvoj in načrtovanje kariere ter prispevajo h kari- ernim kompetencam v kontekstu možnosti, ki jih prinašajo sodobne komunikacijske tehnologije, natančneje spletna družbena omrežja. Barnes-Leejev koncept svetovnega spleta konec devetdesetih let prejšnjega stoletja z intenzivno poliferacijo in s poja- vom spletnih družbenih omrežij postopno vpliva tudi na dojemanje kariernih možnosti [Hooley, 2012]. Boyd in Ellison sta spletna družbena omrežja opredelila kot spletno ap- likacijo, v kateri imajo udeleženci omrežni profil s seznamom povezanih uporabnikov s prikazovanjem in pretokom seznama povezav ter seznamom drugih članov omrežja [Boyd, 2008]. Stiki med posamezniki in skupinami v družbenih omrežjih omogočajo tvorjenje šibkih in močnih vezi. S šibkimi vezmi up- orabniki odpirajo možnosti za nove stike, informacije in iskanje zaposlitev ([Granovet- ter, 1983], [Granovetter, 1995]). S tovrstnim udejstvovanjem ustvarjajo tudi povezovalni (notranji) in premostitveni (zunanji) socialni kapital [Putnam, 2000], pomemben pri kari- ernem mreženju, saj raziskave kažejo, da vse večji delež iskanja zaposlitev poteka v spletnih družbenih omrežjih. Pridobivanje profesionalnih spretnosti se lahko uspešno razvija le v povezavi z realnimi delovnimi konteksti. Obdobje študija pred- stavlja uvodno fazo profesionalnega razvoja, ki združuje formalno in neformalno učenje. V tej začetni fazi je eden od pomembnejših de- javnikov avtentično učenje. Avtentično učenje je opredeljeno kot pristop k poučevanju, ki omogoča študentom raziskovanje, pogovor in ustvarjanje znanja v kontekstu realnih življenjskih problemov in projektov [Donovan, 1999]. Avtentično učenje lahko poteka tako v kontekstu formalnega učenja, npr. projek- tnega dela in reševanja problemov v okviru predavanj ali vaj na fakulteti in praktičnega usposabljanja študentov v podjetjih, kot tudi v kontekstu neformalnega učenja, ki poteka v Andreja Istenič Starčič•VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE Gradbeni vestnik • letnik 66 • junij 2017 151 različnih situacijah zunaj načrtovanih akadem- skih aktivnosti študenta. V procesu izgradnje kariere je pomembna tudi profesionalna identiteta, ki se izgrajuje v procesih avtentičnega učenja. Raziskave o razvoju profesionalne identitete študentov, bodočih inženirjev, opredeljujejo štiri ravni pri razvoju identitete: zgodnja raven ali raven pričakovanja, formalna/neformalna in osebna raven [Lui, 2005]. Karierni razvoj je v pretek- losti potekal predvsem kot razvoj kompetenc v okviru profesije in vertikalno napredovanje. V sodobnem času so za profesionalni razvoj značilni prehodi med zaposlitvami in kom- petence za upravljanje kariere z zaznano samoučinkovitostjo pri sprejemanju odločitev za karierno načrtovanje; te pa prispevajo k profesionalni identiteti [Stringer, 2010] in k dolgoročnemu kariernemu uspehu [Jackson, 2016]. Pomemben dejavnik kariernega razvo- ja in uspešnosti pri iskanju zaposlitve je tudi načrtovanje kariere v zgodnji fazi med študijem ([Granovetter, 1995], [Istenič Starčič, 2017]). V preteklosti je bila pozornost univerz usmerjena predvsem na izbiro in na uspešen formalni zaključek študija, premalo pozornosti je bilo namenjene kariernemu načrtovanju za obdobje po zaključenem študiju [Jones, 2010]. S prenovo študijskih programov, izzvanih z bo- lonjsko reformo, se je skrb snovalcev usmerila v internacionalizacijo zaposljivosti ter mobil- nost študentov in diplomantov v evropskem in globalnem prostoru. Profesija inženirja postaja vse bolj globalna, s čimer so povezana tudi pričakovanja delodajalcev o zmožnostih za globalno mobilnost in sodelovanje v medn- arodnih timih ([Lucena, 2008], [Paretti, 2012]). Zadnje obdobje prestrukturiranja slov- enskega gospodarstva v gradbenem sektorju in nujnost vpeljave diverzifikacije kot strategije opravljanja dejavnosti v globalnih okoljih še bolj poudarja kadre s kompetencami za delo- vanje na globalnem nivoju. Te zahteve poudar- jajo profesionalne spretnosti inženirja v razme- rah mednarodne konkurenčnosti in zahtevajo mreženje pri iskanju poslovnih priložnosti za delo v razširjenih timih in omrežjih. Na naštete potrebe delodajalcev se visoko šolstvo odziva s programi mobilnosti in z dopolnilnim učenjem v domačem okolju, ki poteka ob uporabi ustreznih strategij in metod. Ena od uveljavljenih je tudi računalniško podpr- to sodelovalno učenje v mednarodnem okolju. To je predvsem pomembno, ker je medn- arodna mobilnost v času študija omogočena le majhnemu številu študentov. V Evropi sode- luje v Erasmusovih izmenjavah povprečno manj kot 4,5 % vseh študentov, v Sloveniji je v študijskem letu 2011/12 sodelovalo 1,51 % vseh študentov [Klemenčič, 2014]. V literaturi je omenjeno kot »strategije internacionalizacije doma«, ki omogočajo vključevanje medn- arodne in večkulturne dimenzije v formalni in neformalni kurikul za vse študente v domačem učnem okolju [Beelen, 2015]. Pomembno je tudi zavedanje, da razvijajo karierne kompetence študenti pri formalnem in neformalnem učenju. Med formalno učenje se štejejo stiki z delodajalci pri praktičnem usposabljanju in programi kariernega raz- voja. Na področju razvoja kariernih kompe- tenc študentov so uveljavljeni različni pristopi, (1) integrirani z izobraževanjem v okviru študijskih predmetov, (2) modularni s ponud- bo izobraževalnih modulov, ki se izvajajo za različna disciplinarna področja v različnih organizacijskih oblikah, in (3) ekstrakuriku- larni v okviru kariernih centrov s ponudbo izobraževalnih tečajev, svetovanj in organizacij različnih dogodkov [Evans, 2008]. Na karierne kompetence, kot so pridobivanje znanja, spret- nosti in sposobnosti za karierni razvoj, gleda- mo kot na pomembne konkurenčne prednosti pri izgradnji kariere, na katere lahko vpliva posameznik sam [Akkermans, 2013]. Mod- el štirih dimenzij upravljanja kariere v času študija obsega: (1) sprejemanje odločitev, (2) ozaveščanje o priložnostih, (3) učenje in izkušnje pri iskanju dela in delovne izkušnje v realnih delovnih okoljih ter (4) samozavedanje [Peterson, 1991]. V pričujočem članku posebno pozornost na- menjamo uporabi spletnih družbenih omrežij na področju izgradnje kariernih kompetenc, prepletanju formalnega in neformalnega učenja ter prečkanju meja med avtentičnimi praksami mladih in njihovemu akademskemu in profesionalnemu udejstvovanju. Študenti so v obdobju mlajše odraslosti, ko potekajo pri identitetnem razvoju intenzivni procesi, povezani s profesionalnim razvojem in kari- ero [Bardorfer, 2015]. Identiteta se razvija v razmerjih prepletanja vsakdanjih aktivnosti s spletnimi aktivnostmi [Subrahmanyam, 2008], zato v članku obravnavamo uporabo spletnih družbenih omrežij med študenti za karierno načrtovanje kot sestavni del profe- sionalnih kompetenc in razvoja profesionalne identitete. 2•PRAKTIČNO USPOSABLJANJE V ŠTUDIJSKIH PROGRAMIH UL FGG Na Univerzi v Ljubljani, Fakulteti za gradbeništvo in geodezijo, smo vpeljali in- tegrirani pristop zgodnjega načrtovanja ka- riere pri praktičnem usposabljanju študentov. Pri iskanju dela in stikih z delodajalci za praktično usposabljanje učenje poteka v območju perifernega udejstvovanja v pro- cesih prepletanja meja med akademskim in realnim delovnim okoljem. Območje per- ifernega udejstvovanja pojmujemo kot pro- cese identifikacije, koordinacije, refleksije in transformacije [Akkerman, 2011]. Proces prečkanja meja pri vzpostavljanju profesion- alne identitete se izvaja v dimenzijah dogo- varjanja v skupnosti, članstva v skupnosti in članstva v več skupnostih, učnih izkušenj in odnosov med lokalnim in globalnim [Wenger, 1998]. Spletna družbena omrežja se kažejo kot priročno orodje za opravljanje povezovalne in premostitvene funkcije v teh procesih. Študenti imajo v sklopu praktičnega usposabljanja predavanja za karierno načrtovanje, kjer pridobivajo spretnosti za komunikacijo s potencialnimi delodajalci in evalvacijo praktičnega usposabljanja. V akademskem letu 2014/15 smo vključili uporabo spletnih družbenih omrežij Linked- In in Facebook kot orodji za podporo kari- ernega načrtovanja in pomoč pri stikih z delodajalci med iskanjem zaposlitvenih priložnosti. Izsledki ankete v letu 2015, opravljene na vzorcu študentov urbanizma in prostorske- ga načrtovanja, kažejo, da med uporabo družbenih medijev izstopa uporaba spletnih družbenih omrežij in višja uporaba hitrega sporočanja kot e-pošte [Terlević, 2016]. Trendi tako kažejo porast uporabe spletnih družbenih medijev in spremembe pri upo- rabi komunikacijskih orodij. Kaže, da elek- tronska pošta ne bo več primarno sredstvo komunikacije, saj jo vse bolj nadomeščajo oblike hitrega sporočanja v spletnih družbenih omrežjih. 2.1 Spletna družbena omrežja v kontekstu pridobivanja profesionalnih spretnosti Proučevanje uporabe spletnih družbenih VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE•Andreja Istenič Starčič Gradbeni vestnik • letnik 66 • junij 2017152 3•IZSLEDKI ANKETE O STALIŠČIH IN UPORABI SPLETNIH DRUŽBENIH OMREŽIJ ŠTUDENTOV UL FGG omrežij je zanimivo tudi z vidika profe- sionalnega učenja, profesionalne odgo- vornosti in profesionalnih učnih načrtov [Fenwick, 2016]. Obravnava udejstvovanja študentov v skladu z različnimi zahtevami in pričakovanji profesionalizma v spletnih družbenih medijih vključuje različne perspek- tive in kontekste, interakcijo med družbenimi pričakovanji in individualnimi vrednotami. V jedru obravnave so profesionalne spretnos- ti za uporabo spletnih družbenih medijev na področju kariere in kariernih kompetenc [Aluri, 2015]. Obravnava profesionalnih spretnosti je pov- ezana s profesionalno identiteto, ki se razvija v interakciji med profesionalnim in akadem- skim okoljem, ki vse bolj vključuje tudi spletna družbena omrežja. Ta omogočajo študentom relativno hitro vključitev med stike v profesion- alnih omrežjih, tako pa navežejo komunikacijo s potencialnimi delodajalci. Spletna družbena omrežja uporabljajo tudi delodajalci za pregled potencialnih kandidatov za delovna mesta [Careerbuilder, 2016]. V pričujoči obravnavi možnosti uporabe spletnih družbenih omrežij za profesionalne namene smo vključili LinkedIn kot največje profesionalno omrežje in Face- book, primarno nastal za povezovanje univer- zitetnih študentov, ki pa je hitro pridobil široko pozornost profesionalne javnosti. V akademskem okolju imajo družbena omrežja več funkcij, kot so podpora poučevanju in učenju, podpora procesom integracije v akademsko skupnost in socialna opora [Madge, 2009]. Študije prinašajo ugotovitve, da študenti uporabljajo spletna družbena omrežja bolj za neformalne kot formalne ob- like učenja, zaznani sta tudi samoiniciativnost in avtonomnost študentov, ki imata velik po- tencial pri povezovanju formalnega in nefor- malnega učenja, in vpeljavo sodobnih učnih metod v študenta usmerjenega poučevanja [Dabbagh, 2012]. Proučevanje učinkov splet- nih družbenih omrežij vključuje tudi analizo razvoja identitete [Subrahmanyam, 2008] in profesionalne identitete [Istenič Starčič, 2017]. 2.2 Spletna družbena omrežja v kontekstu kariernega načrtovanja Če gledamo na spletna družbena omrežja kot strategijo mreženja in ustvarjanja socialnega kapitala [Benson, 2016], so ta pomembno preobrazila prakse zaposlovanja ter iskanja delovnih mest in upravljanja kariere [Aluri, 2015]. Tradicionalne prakse iskanja in posre- dovanja kadrov so temeljile na analognem gradivu, medtem ko sodobne temeljijo na digitalnih informacijah, ki so dostopne preko spletnih družbenih medijev [McKnight, 2015] in se v načinu nagovarjanja publike odmikajo od tradicionalnih medijev, kot so časopis, radio in televizija [Melanthiou, 2015]. Za- poslovalci pri kadrovanju uporabljajo pestro paleto spletnih orodij ter delovna mesta in iskane profile zaposlenih promovirajo [Caers, 2010], rekrutiranje ima tako lokalne in globalne razsežnosti. Spletna družbena omrežja so pri rekrutiranju učinkovitejša za delodajalce kot tudi zaposlene [Melanthiou, 2015]. Široka dostopnost ustvarjanja medi- jskih vsebin prinaša pričakovanja deloda- jalcev, da osebni življenjepisi vključujejo različne vrste medijskih vsebin, ne le besedil [McKnight, 2015]. Uporabniški profili pred- stavljajo navzven posameznikove podatke ter zgodovino zaposlitev in drugih profesionalnih izkušenj. Pri zbiranju podatkov o potencialnih kadrih delodajalci opravljajo tudi pregled po profesionalnih in družabnih omrežjih. Tovrstni pristopi k zaposlovanju in izbiranju kadrov prinašajo tudi nove dileme o etičnih vidikih iskanja in uporabe podatkov, objavljenih na spletu (npr. prakse pregleda profesionalnih in družbenih omrežij) ([Caers, 2010], [Mel- anthiou, 2015]). Vpliv oblike in razširjenosti posameznikovega spletnega omrežja na načrtovanje in upravljanje kariere proučujejo z vidika števila stikov in značilnosti omrežnih povezav. Z vidika aktivne gradnje profesion- alne kariere je pomembno tudi premostitveno povezovanje, ki omogoča vzpostavitev novih profesionalnih stikov zunaj lastnega omrežja [Benson, 2014]. Izsledki kažejo, da bodo študenti, ki že med študijem vzpostavljajo pre- mostitvene vezi s profesionalnimi skupinami in delodajalci, uspešnejši pri iskanju zaposlitve po študiju. Mnoge univerze že zdaj študente v okviru kariernega načrtovanja pripravljajo na uporabo profesionalnih omrežij, kot je npr. LinkedIn, in na profesionalno predstavitev na Facebooku. Diplomanti, ki imajo razvit socialni kapital, so tudi na splošno uspešnejši pri mreženju v procesu iskanja zaposlitve [Benson, 2016]. V nasprotju s Facebookom, razširjenim med uporabniki vseh starostnih skupin, ki je bil primarno namenjen družabni uporabi in je šele pozneje postal široko uporabljan za pro- fesionalne namene, je bil LinkedIn že izvorno vzpostavljen kot profesionalno omrežje in omogoča »meatchmaking« v največjem ob- segu [van Dijck, 2013]. Obe omrežji delujeta po načelu naracije in samopredstavitve ob up- orabi predpripravljenih predlog. Med študenti je dokaj razširjena uporaba Facebooka, med- tem ko je uporaba LinkedIna omejena na precej manjšo skupino. Raziskava, narejena za Združene države, kaže, da mlajši odrasli od 18. do 29. leta, ki so uporabniki interneta, predvsem uporabljajo Facebook (82%), med- tem ko jih LinkedIn uporablja le 22 % [Pew Research centre, 2015]. Aktivnosti na spletnih družbenih omrežjih pomembno določajo posameznikovo identite- to, vendar se študenti vseh potencialnih vplivov na njihovo prihodnjo kariero in zaposlitvene možnosti ne zavedajo. V študiji v Veliki Britaniji so ugotovili, da se dodiplomski študenti ne za- vedajo možnosti spletnih družbenih omrežij pri kariernem načrtovanju in vodenju, medtem ko so podiplomski in mednarodni študenti o tem bolj ozaveščeni [Benson, 2010]. Zato je treba spletna družbena omrežja in njihovo upo- rabo pri profesionalnem razvoju in kariernem načrtovanju bolje raziskati in natančneje proučiti. Med študenti je treba promovirati možne načine uporabe spletnih omrežij in možnosti, ki jim jih prinašajo nove tehnologije komuniciranja pri prehodu iz akademskega okolja v delovno okolje. 3.1 Metoda Da bi ugotovili, kako študenti uporabljajo družbeni omrežji Facebook in LinkedIn za načrtovanje kariere in praktično usposabljan- je, je bil v študijskem letu 2014/15 razvit vprašalnik. Vprašalnik so sestavljale lestvice stališč Likertovega tipa (5 – se popolno- ma strinjam, 1 – se sploh ne strinjam). Vprašalnik je bil izpeljan s fokusnimi skupi- nami med študenti na UL FGG. Sodelovalo je 48 študentov in 45 študentk UL FGG. Izsledki ankete so predstavljeni v pričujočem članku. Na podlagi tega prvega vprašalnika je bil oblikovan razširjeni vprašalnik, ki je bil izpeljan v študijskem letu 2015/16 [Istenič Starčič, 2017]. Andreja Istenič Starčič•VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE Gradbeni vestnik • letnik 66 • junij 2017 153 3.2 Ugotovitve Delodajalci pričakujejo dobro razvite pro- fesionalne spretnosti ob vse večji vlogi družbenih medijev in med njimi spletnih družbenih omrežij. Študenti v času študija profesionalne spretnosti razvijajo predvsem v stiku z realnimi delovnimi okolji in pro- fesionalnimi skupnostmi. Spletna družbena omrežja omogočajo študentom vključevanje v profesionalne skupnosti in raziskovanje profe- sionalnih okolij globalnih in slovenskih podjetij. Prve stike z delodajalci študenti vzpostavijo pri iskanju praktičnega usposabljanja in drugih delovnih izkušenj v okviru drugih oblik (npr. poletno delo). Pri iskanju dela in stikih z delodajalci in pri praktičnem usposabljanju učenje poteka v območju perifernega udejstvovanja. Učni procesi, ki potekajo med prečkanjem meja, vključujejo procese identifikacije, koordinaci- je, refleksije in transformacije [Akkerman, 2011]. Proces profesionalne identitete, kot ga opredeljuje Wenger [Wenger, 1998], se vzpostavlja v dimenzijah pogajalskih izkušenj, pripadnosti skupnosti, učnih poti in odno- sov med lokalnim in globalnim (slika 1). Spletni družbeni mediji s sovzpostavljanjem praks udejstvovanja na vseh področjih med mladimi tako omogočajo prečkanje meja med avtentičnimi praksami mladih, akademskim in profesionalnim udejstvovanjem. V okviru modela, prirejenega po Wengerju [Wenger, 1998], smo odgovorili na zastavljeni raziskovalni vprašanji: Kakšna so stališča študentov FGG do uporabe spletnih družbenih omrežij na področju kariernih kompetenc? in Kako študenti FGG uporabljajo spletna družbena omrežja za načrtovanje kariere in praktično usposabljanje? Rezultati so pred- stavljeni v preglednici 1. Izsledki ankete v študijskem letu 2014/15 so pokazali, da po mnenju študentov spletna družbena omrežja najbolj pripomorejo k profe- sionalnim stikom na globalni ravni in k razvoju kompetenc za globalno delovanje. Sledili sta dimenziji pripadnosti skupnosti s povezovalno funkcijo pred premostitveno. Študenti so namreč bolj uporabljali spletna družbena omrežja za vezi s kolegi, prijatelji v okviru lastnih omrežij kot pa za stike z novimi omrežji. Pri učenju so študenti menili, da spletna družbena omrežja najbolj prispevajo k učenju v akademskem okolju, zatem zaposlitvi in praktičnemu usposa- bljanju. Pri dogovarjanju so rezultati pokazali, da študenti še niso imeli tako razvitega stališča in tudi ne uporabe spletnih družbenih omrežij. V času raziskave smo na fakulteti šele začeli vpeljavo spletnega družbenega omrežja za Preglednica 1• Stališča in uporaba spletnih družbenih omrežij za načrtovanje kariere in praktično usposabljanje – rangi Slika 1• Prečkanje meja med akademskim in profesionalnim udejstvovanjem (prirejeno po [Wenger, 1998]). Postavke Stališče Uporaba rang rang Pogajalske izkušnje Identifikacija 6 5 Koordinacija 9 6 Transformacija 10 8 Učne poti Akademsko 5 3 Praktično usposabljanje 7 7 Zaposlitev 6 9 Pripadnost skupnosti Povezovalno 3 1 Premostitveno 4 2 Lokalno – globalno Profesionalni stik – globalno 1 4 Razvoj kompetenc za globalno udejstvovanje 2 10 VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE•Andreja Istenič Starčič Gradbeni vestnik • letnik 66 • junij 2017154 karierni razvoj. Tudi aktivnosti koordinacije med fakulteto in podjetji za namen praktičnega us- posabljanja so se tedaj šele počasi začenjale. Največje razlike med stališči in uporabo so pri uporabi spletnih družbenih omrežij za razvoj kompetenc za globalno udejstvovanje. 4•SKLEPI 5•LITERATURA Spletna družbena omrežja so posegla v prakse na vseh področjih družbenega življenja in korenito spremenile komunikacijo. Mladi so najizrazitejši uporabniki spletnih družbenih medijev, a se premalo zavedajo možnosti, ki jim omogočajo prečkanje meja med njihovimi avtentičnimi praksami ter aka- demskim in profesionalnim udejstvovanjem. Kot orodja za profesionalno udejstvovanje študentom že v času študija omogočajo članstvo in interakcijo v profesionalnih skupnostih. Pri iskanju kadrov pridobivajo spletni družbeni mediji prevladujočo vlogo in delodajalci uporabljajo spletne iskalnike za pridobivanje informacij o potencialnih kadrih [McKnight, 2015]. Aluri in Tacker [Aluri, 2015] sta opredelila spletne družbene medije za karierno orodje. Fakultete bi morale na- meniti več pozornosti razvoju in načrtovanju profesionalnih kompetenc in med njimi še posebno kariernih kompetenc že med študijem. Prečkanje meja med praksami mla- dih, akademskim in profesionalnim okoljem v času spreminjajočih se razmer na trgu dela in spoprijemanja z zahtevami delodajalcev terja prilagajanje študijskih programov in dopolnjevanje študijskega procesa z novimi metodami. Delovno okolje se hitro spreminja, zato je pomembno, da bi našli načine spodbujanja študentov za vpogled v prihodnje delovne zahteve in lažje stike s potencialnimi deloda- jalci [Benson, 2014]. Zadnjih nekaj let na fakulteti FGG pri predmetu praktično us- posabljanje uvajamo karierno izobraževanje študentov in razvoj spretnosti za uporabo spletnih družbenih omrežij. Ocenjujemo, da je potencial spletnih družbenih omrežij pomemben predvsem na naslednjih področjih: (1) Predstavitve delodajalcev s promocijami profesionalnih delovnih okolij, ki bi spod- bujala diplomante in študente k aktivnemu kariernemu načrtovanju in identifikaciji lastnih kariernih aspiracij. (2) Sodelovanje v profe- sionalnih skupinah na lokalni, nacionalni, re- gionalni, evropski in globalni ravni, ki spodbu- jajo študente in diplomante k profesionalnemu razvoju, za profesionalne kompetence za delo v večkulturnem in mednarodnem okolju. (3) Osebne zgodbe posameznikov na profesion- alnem področju, ki spodbujajo samorefleksijo in samopredstavitev ob spremljanju zgodb drugih. (4) Vzpostavljanje in ohranjanje social- nega kapitala ob ohranjanju vezi s študijskimi kolegi (povezovalno) in vzpostavljanju novih vezi (premostitveno). Prihodnje študije in analize bodo zagotovo pokazale še kake dodatne možnosti delovan- ja, študijski proces pa bo treba neprestano dopolnjevati in prilagajati novim tehnologi- jam in socialnim oblikam. Akkermans, J., Schaufeli, W. B., Brenninkmeijer, V., Blonk, R. W. B., The role of career competencies in the job demands—Resources model. Journal of Vocational Behavior, 83(3), 356–366, 2013. Aluri, A., Tucker, E., Social Influence and Technology Acceptance: The Use of Personal Social Media as a Career Enhancement Tool Among College Students, Journal of Hospitality & Tourism Education, 27(2), 48–59, 2015. Benson, V., Filippaios, F., Morgan, S., Online social networks: Changing the face of business education and career planning, International Journal of eBusiness Management, 4(1), 20–33, 2010. Benson, V., Morgan, S., Fillippaios, F. Social career management: Social media and employability skills gap, Computers in Human Behavior, 30, 519-525, 2014. Benson, V., Morgan, S. Social university challenge: Constructing pragmatic graduate competencies for social networking, British Journal of Educational Technology, 47(3), 465–473, 2016. Beelen, J, Jones, E., Redefining Internationalisation at Home: V: Curaj, A. et al. ur. The European Higher Education Area: Between critical reflections and future policies, Springer, 2015. Caers, R., Castelyns, V., LinkedIn and Facebook in Belgium: The Influences and Biases of Social Network Sites in Recruitment and Selection Pro cedures, Social Science Computer Review, 29(4), 437–448, 2010. Carrerbuilder (2016, April 28), Annual CareerBuilder Social Media Recruitment Survey, Povzeto 1. 7. 2016 na http://www.careerbuilder.com/share/ aboutus/pressreleasesdetail.aspx?sd=4%2F28%2F2016HYPERLINK „http://www.careerbuilder.com/share/aboutus/pressreleasesdetail.aspx ?sd=4%2F28%2F2016&id=pr945&ed=12%2F31%2F2016“&HYPERLINK „http://www.careerbuilder.com/share/aboutus/pressreleasesdetail. aspx?sd=4%2F28%2F2016&id=pr945&ed=12%2F31%2F2016“id=pr945HYPERLINK „http://www.careerbuilder.com/share/aboutus/press- releasesdetail.aspx?sd=4%2F28%2F2016&id=pr945&ed=12%2F31%2F2016“&HYPERLINK „http://www.careerbuilder.com/share/aboutus/ pressreleasesdetail.aspx?sd=4%2F28%2F2016&id=pr945&ed=12%2F31%2F2016“ed=12%2F31%2F2016, 2016. Dabbagh, N., Kitsantas, A., Personal Learning Environments, social media, and self-regulated learning: A natural formula for connecting formal and informal learning, Internet and Higher Education 12(1), 3–8, 2015. Bardorfer, A., Istenič Starčič, A., Prehod v odraslost kot dejavnik ravnanja in odločanja pri učenju, V: Grušovnik, Tomaž (ur.), Obzorja učenja: vzgojno-izobraževalne perspektive, (Knjižnica Annales Ludus), Koper: Univerza na Primorskem, Znanstvenoraziskovalno središče, Univerzitetna založba Annales, 163–178, 2015. Andreja Istenič Starčič•VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE Gradbeni vestnik • letnik 66 • junij 2017 155 Boyd, D. M., Ellison, N. B., Social Network Sites: Definition, History, and Scholarship, Journal of Computer-mediated communication, 13(1), 210–230, 2008. Donovan, M. S., Bransford, J. D., Pellegrino, J. W. (ur.), How people learn: Bridging research and practice, Washington, DC: National Academy Press, 1999. Evans, C., Developing career management skills within HE curriculum: A review and evaluation of different approaches, International Journal of Management Education, 6(3), 45–55, 2008. Fenwick, T., Social media, professionalism and higher education: a sociomaterial consideration, Studies in Higher Education, 41(4), 664-677, 2016. Granovetter, M., The Strength of Weak Ties: A Network Theory Revisited, Sociological Theory, 1, 201–233, 1983. Granovetter, M., Getting a job: A study of contacts and careers., 2nd edition. Chicago, IL: University of Chicago Press, 1995. Gonzales, J., Wagenaar, R. (ur.), Tuning Educational Structures in Europe, Final report, Phase one, Bilbao: University of Deusto, 2003. Hooley, T., How the internet changed career: framing the relationship between career development and online technologies, 29, 3–12, 2012 Istenič Starčič, A., Barrow, M., Zajc, M., Lebeničnik, M., Students’ attitudes on social network sites and their actual use for career management competences and professional identity development. International journal: emerging technologies in learning, 12(5), 65-81, 2017. Jones, B. D., Paretti, M. C., Hein, S. F., Knott, T. W., An analysis of motivation constructs with first year engineering students: Relationships among expectancies, values, achievement, and career plans, Journal of Engineering Education, 99(4), 319–336, 2010. Jackson, D., Wilton, N., Developing career management competences among undergraduates and the role of work integrated learning, Teaching in Higher Education, 21(3),266–286, 2016. Klemenčič, M., Flander, A., Evalvacija učinkov programa Erasmus na visoko šolstvo v Sloveniji, Ljubljana: Center RS za mobilnost in evropske programe izobraževanja in usposabljanja, 2014. Lucena, J., Downey, G., Jesiek, B., Elber, S., Competencies Beyond Countries: The ReÄOrganization of Engineering Education in the United States, Europe, and Latin America, Journal of engineering education, 97(4), 433–447, 2008. Lui, M. C., Ethics and the Development of Professional Identities of Engineering Students, Journal of Engineering Education, 94(4), 383–390, 2005. Madge, C., Meek, J., Wellens, J., Hooley, T., Facebook, social integration and informal learning at university: It is more for socialising and talking to friends about work than for actually doing work, Learning, Media and Technology, 34(2), 141–155, 2009. McKnight, M. A., Plouchard, M. S., Bizal, M. N., Organizational Hiring Preferences: Comparison of Traditional and Non-traditional Hiring and Recruitment Practices, International Journal of Human Resource Studies, 5(2), 52–59, 2015. Melanthiou, Y., Pavlou, F., Constantinou, E., The Use of Social Network Sites as an E-Recruitment Tool, Journal of Transnational Management, 20(1), 31–49, 2015. OECD (2014, November 28), Competency framework, Povzeto 1. 7. 2017 na http://www.oecd.org/careers/competency_framework_en.pdf, 2014. PewResearch Center (2015, August 17), LinkedIn Demographics, Povzeto 1. 7. 2017 na http://www.pewinternet.org/2015/08/19/mobile-mes saging-and-social-media-2015/2015-08-19_social-media-update_10/, 2015. Putnam, R. D., Bowling alone: The collapse and revival of American community, New York: Simon & Schuster, 2000. Rutten, M., Ros, A., Kuijpers M., Kreijns, K., Usefulness of social network sites for adolescents’ development of online career skills, Educational Technology & Society, vol. 19, no. 4, pp. 140–150, 2016. Shuman, L. J., BesterfieldSacre, M., McGourty, J., The ABET »professional skills« — Can they be taught? Can they be assessed? Journal of engi neering education, 94(1), 41–55, 2005. Stringer, K. J., Kerpelman, J. L., Career Identity Development in College Students: Decision Making, Parental Support, and Work Experience, Identity, 10(3), 181–200. 2010. Subrahmanyam, K., Reich, S. M., Waechter, N., Espinoza, G., Online and offline social networks: Use of social networking sites by emerging adults, Journal of Applied Developmental Psychology, 29, 420–433, 2008. Terlević, M., Vpliv kurikuluma na področju urbanizma in prostorskega načrtovanja in pristopov k poučevanju in učenju na pojmovanje trajnostnega razvoja v Sloveniji: doktorska disertacija, Koper, Pedagoška fakulteta, 2016. van Dijck, J., You have one identity: performing the self on Facebook and LinkedIn, Media, Culture & Society, 35(2), 199–215, 2013. Wenger, E., Communities of Practice: Learning, Meaning and Identity, Cambridge, MA: Cambridge University Press, 1998. VLOGA SPLETNIH DRUŽBENIH OMREŽIJ PRI RAZVOJU KARIERNIH KOMPETENC ŠTUDENTOV GRADBENIŠTVA IN GEODEZIJE•Andreja Istenič Starčič Gradbeni vestnik • letnik 66 • junij 2017156 EXPO 2017 bo v glavnem mestu Kazahstana, Astani, od 10. 6. 2017 do 10. 9. 2017. Svetov- na razstava se imenuje FUTURE ENERGY. Zmagovalec mednarodnega arhitekturnega natečaja, izvedenega leta 2012, in izbrani projektant arhitekture celotnega kompleksa je podjetje Adrian Smith & Gordon Gill Ar- chitecture iz Čikaga. Svetovalec in začetnik projektiranja gradbenih konstrukcij je podjetje Werner Sobek Stuttgart AG. Izvedbo objektov C3 (štirje objekti – medn- arodni paviljoni, in peti objekt – tematski paviljon) in C4 (štirje objekti – mednarodni paviljoni, in peti objekt – tematski paviljon) je pridobilo podjetje IT Engineering SA, Švica, ki je za izdelavo projekta jeklene konstrukcije nad ploščo nad kletjo angažiralo naše pod- jetje KONSTAT BIRO, d. o. o., Ljubljana. Do- bavitelj jeklene konstrukcije je bilo podjetje JINGGONG STEEL iz Šanghaja, ki je izdelalo celotno jekleno konstrukcijo objektov in pod- konstrukcijo fasad vseh omenjenih objektov, razen za tematski blok C3.5, 3.6, za katero je izdelalo jekleno konstrukcijo podjetje Sevs- talkonstrukcija iz Petropavlovska, Kazahstan. Odločitev investitorja je, da po razstavi EXPO dokonča objekte z dodatnimi etažami in ustvari fazo POST EXPO, v kateri bodo vsi prostori v celoti namenjeni nadaljnji uporabi. Vseh osem mednarodnih paviljonov ima tlorisno trapezno obliko, skupno klet, tri etaže in strešno palično konstrukcijo. Večetažna jeklena konstrukcija je okvirna, z jedrom a.b. v sredini tlorisa. Medetažne sovprežne kon- strukcije, ki so sestavljene iz betonskih plošč na rebrasti pločevini, so preko moznikov povezane z jeklenimi sekundarnimi in pri- marnimi jeklenimi nosilci, ki so pritrjeni na jeklene stebre kvadratnega preseka. Ortogo- nalni jekleni okvirji v obeh smereh prenašajo vplive horizontalne obtežbe in so dimenzi- onirani tako, da je preprečena progresivna porušitev (pri odpovedi kateregakoli stebra kjerkoli v objektu se konstrukcija ne poruši, temveč le deformira). V dveh skupinah so po štirje mednarodni in po en tematski paviljon. Prvi in četrti mednarodni paviljon sta povezana s tematskim s strešnima mos- tovoma polkrožne tlorisne oblike. Skupaj so med objekti štirje povezovalni mostovi. Razpetina mostov je od 46 do 64 metrov. Vsak most leži na petih ležiščih, od katerih je samo eno fiksno. Na eni strani leži na mednarodnem bloku in na drugi strani na OBJEKTI EXPO 2017 Slika 1• 3D-prikaz objektov za EXPO 2017, ki jih je projektiralo podjetje ASGG iz Čikaga. Slika 2• 3D-prikaz enega kompleksa, ki združuje štiri mednarodne paviljone, povezane z dvema strešnima mostovoma, s petim tematskim objektom po projektu podjetja ASGG iz Čikaga. Slika 3• Gradbišče kompleksa C3. Edvard Štok•OBJEKTI EXPO 2017 Gradbeni vestnik • letnik 66 • junij 2017 157 OBJEKTI EXPO 2017• Edvard Štok Slika 4• Pogled iz atrija mednarodnega paviljona proti tematskemu paviljonu. Slika 6• Pogled na konstrukcije mednarodnih paviljonov s strani temat- skega paviljona. Slika 8• Montaža enega od strešnih mostov. Slika 5• Konstrukcija in fasadni pas internacionalnega objekta. Slika 7• Pogled na kroglo premera 100 metrov in tematski paviljon izpod strešnega mostu. Slika 9• Gradbišče objektov C4 in C3, v ozadju drugi objekti v sklopu EXPA. Gradbeni vestnik • letnik 66 • junij 2017158 tematskem bloku. Konstrukcijo mostov tvorijo prostorska paličja, sestavljena iz krožnih cevi različnih premerov. Skupna količina jeklene konstrukcije in podkonstrukcije za fasado je 17.000 ton. Kvaliteta jekla je S345 in S235 po kitajski regulativi. Vsi objekti se gradijo v dveh fazah: faza EXPO, ki bo zgrajena do 10. junija 2017, in POST EXPO, ki se začne 9. septembra 2017. V fazi POST EXPO se bodo v objektih dogradile določene etažne konstrukcije in s tem se bo povečala kvadratura uporabnih stalnih prostorov. Edvard Štok, univ. dipl. inž. grad. Slika 10• Gradnja tematskega paviljona. Slika 1• Ogled tovarne TIBA in Kirchdorfer Slika 2• Ogled obratov v TC Gussing. V društvu gradbenih inženirjev in tehnikov Novo mesto, ki povezuje več kot 200 strok- ovnjakov s področja graditve na območju Dolenjske, Bele krajine in Posavja, posto- pno, vztrajno in zanesljivo uresničujemo svoje poslanstvo. Z izmenjavo ter s širjenjem izkušenj, dobrih praks in znanj, s širjenjem in utrjevanjem etičnih in moralnih načel v gradbeništvu se povezujemo in krepi- mo ugled gradbene stroke. Želimo torej prispevati svoj delež k večjemu zaupanju javnosti v gradbeno stroko ter k razvoju gradbeništva v Republiki Sloveniji in širše. Glavne aktivnosti usmerjamo v spremljan- je dosežkov v gradbeništvu, na kadrovs- kem področju, pri razvoju tehnologije in organizacije gradnje ter na področju pred- pisov in standardov. Nekaj pomembnejših aktivnosti DGIT Novo mesto v letih 2016 in 2017 je opisanih v nadaljevanju. Marca 2016 smo se odpravili na stroko- vno ekskurzijo v Riko hiše Ribnica in Fibran Nord Sodražica, kjer so nam predstavili svoje proizvodne programe in dosežke. Na redni letni skupščini smo izvolili organe društva. Aprila 2016 smo si ogledali obrat Notol2 v Krki, d. d., Novo mesto. Maja 2016 smo imeli dvodnevno ekskurzijo v Avstriji, kjer smo se prvi dan seznanili s proizvodnjo gradbenih elemen- tov v tovarni TIBA in Fruhwald, v kraju Kirchdorfer pri Lipnici (slika1). Ogledali smo si tudi znamenitosti Gradca. AKTIVNOSTI NAS POVEZUJEJO IN KREPIJO Jože Preskar•AKTIVNOSTI NAS POVEZUJEJO IN KREPIJO Gradbeni vestnik • letnik 66 • junij 2017 159 Drugi dan smo obiskali Tehnološki cent- er Gussing, ki se ukvarja z okoljskimi tehnologijami. Ustanovljen je bil v sodelo- vanju z zvezno deželo Gradiščansko. V njem ima sedež tudi Evropski center za obnovljivo energijo (Europaisches Zen- trum fur Erneuerbare Energie, EEE), ki je bil ustanovljen leta 1996. Predstavnik tehnološkega centra nas je seznanil z ra- zlogi in potekom razvoja nastanka modela obnovljivih virov energije in energetskega turizma, poimenovan preprosto Model Gussing, ter nam razkazal in razložil delo- vanje nekaterih obratov (slika 2). Na začetku septembra 2016 smo si ponovno ogledali potek gradnje HE Brežice. Oktobra 2016 smo si v Ljubljani ogledali gradbišče Islamskega versko- kulturnega centra (IVKC), eno največjih gradbišč Hotela Intercontinental s petimi zvezdicami (slika 3) in gradbišče garažne hiše Kozolec II. Marca 2017 smo na Otočcu organizirali tradi- cionalno strokovno izobraževanje z naslovom Raziskave, planiranje, graditev (slika 4), maja 2017 pa smo dvodnevno ekskurzijo name- nili za ogled znamenitosti Prage (slika 5) in Plečnikovih del v Pragi (slika 6). Vse dogodke redno objavljamo na spletni strani: http://dgitnm.si/. Na podlagi dosedanjih odzivov članic in članov, podpore okolja, v katerem delujemo, sodelovanja z ZGITS, IZS in z drugimi društvi ocenjujemo, da so naše usmeritve in aktivnos- ti prave. Delujejo kot dobro vezivo različnih dejavnosti – gospodarskih družb, društev in posameznih strokovnjakov. Veseli nas, da se število aktivnih članic in članov DGIT Novo mesto povečuje. Jože Preskar, univ. dipl. inž. grad., predsednik DGIT Novo mesto Slika 3• Na gradbišču Hotela Intercontinental, LJ. Slika 5• Ogled Vaclavovega trga v Pragi. Slika 4• Izobraževanje na Otočcu. Slika 6• Ogled kompleksa Hradčani v Pragi. AKTIVNOSTI NAS POVEZUJEJO IN KREPIJO• Jože Preskar Gradbeni vestnik • letnik 66 • junij 2017160 Obveščamo vas, da se s 1.6.2017 pričenja postopek za podelitev nagrad IZS za leto 2017. IZS bo v letu 2017 podelila: • Nagrade IZS za inženirske dosežke, • Priznanje za obetajočega mladega inženirja, • Naziv Častni član IZS. OBJAVLJAMO RAZPIS ZA PODELITEV NAGRAD IZSPredsednik Odbora IZS za nagrade dr. Željko Vukelić, univ.dipl.inž.rud. in geotehnol., l.r. Postopek nominacije kandidatov in podelitve bo potekal po pravilniku, ki ga je sprejel Upravni odbor IZS julija 2013 in je objavljen na spletni strani IZS http://www.izs.si/o-inzenirski-zbor-nici-slovenije/akti/pravilniki/Po pravilniku zbornica podeljuje Nagrado IZS za enkraten ali večkraten inženirski dosežek ali za življenjsko delo, naziv Častni član IZS in Priznanje za obetajočega mladega inženirja. Le to se podeli članu IZS, mlajšemu od 35 let. Predloge za podelitev Nagrad IZS lahko tako kot doslej posredujete Odboru za nagrade: • člani IZS, • upravni odbori matičnih sekcij, • upravni odbor IZS. Končno odločitev bo sprejel Upravni odbor zbornice na osnovi predloga Odbora za nagrade. Obrazložitve predlogov morajo biti vložene skladno z določili, ki so navedena v pravilniku. Nagrade bodo podeljene ob Dnevu Inženirske zbornice Slovenije, ki bo potekal jeseni 2017. Vljudno Vas vabimo, da vložite Vaše cenjene predloge na naslov: INŽENIRSKA ZBORNICA SLOVENIJE, Odbor za nagrade IZS, Jarška cesta 10/b, 1000 Ljubljana, s pripisom »za razpis«, in sicer do vključno 15. julija 2017. Gradbeni vestnik • letnik 66 • junij 2017 NOVI DIPLOMANTI UNIVERZA V LJUBLJANI, FAKULTETA ZA GRADBENIŠTVO IN GEODEZIJO UNIVERZA V MARIBORU, FAKULTETA ZA GRADBENIŠTVO, PROMETNO INŽENIRSTVO IN ARHITEKTURO II. STOPNJA - MAGISTRSKI ŠTUDIJ OKOLJSKEGA GRADBENIŠTVA Rožle Lavrač, Načrtovanje drče na reki Savinji pri Šempetru, men- tor prof. dr. Matjaž Mikoš, somentor viš. pred. mag. Rok Fazarinc; https://repozitorij.uni-lj.si/IzpisGradiva.php?id=92296 II. STOPNJA - MAGISTRSKI ŠTUDIJ STAVBARSTVA Katja Ogrin, Eksperimentalno vrednotenje delovanja IR ogrevalnih panelov z vidika toplotnega udobja, mentorica doc. dr. Mateja Dovjak, somentor doc. dr. Mitja Košir; https://repozitorij.uni-lj.si/ IzpisGradiva.php?id=92397&lang=slv III. STOPNJA - DOKTORSKI ŠTUDIJ GRADBENIŠTVA Andrej Anžlin, Vpliv uklona vzdolžne armature stebrov na potresni odziv obstoječih armiranobetonskih mostov, mentorica prof. dr. Tatjana Isaković; https://repozitorij.uni-lj.si/Iskanje.php?lang=slv Mateja Štefančič, Modifikacija veziva v cementnih kompozitih z vg- rajevanjem nanomaterialov, mentorica doc. dr. Ana Mladenović; https://repozitorij.uni-lj.si/Iskanje.php?lang=slv Irena Strnad, Uporaba kontinuitetnih makroskopskih modelov za optimalno vodenje prometa, mentor izr. prof. dr. Marijan Žura, so- mentorica izr. prof. dr. Marjeta Kramar Fijavž; https://repozitorij. uni-lj.si/Iskanje.php?lang=slv I. STOPNJA - VISOKOŠOLSKI STROKOVNI ŠTUDIJ GRADBENIŠTVA Jan Jelenc, Ukrepi za zagotavljanje varnosti pri gradnji strojne lope v Žalcu, mentor viš. pred. Stipan Mudražija; https://dk.um. si/IzpisGradiva.php?id=65560 II. STOPNJA - MAGISTRSKI ŠTUDIJ GRADBENIŠTVA Gregor Trlep, Eksperimentalna in numerična analiza lese- no-steklenih nosilcev, mentor red. prof. dr. Miroslav Prem- rov, somentorji red. prof. dr. Andrej Štrukelj, doc. dr. Primož Jelušič in pred. dr. Boštjan Ber; https://dk.um.si/IzpisGradiva. php?id=65628&lang=slv Rubriko ureja•Eva Okorn, gradb.zveza@siol.net KOLEDAR PRIREDITEV Rubriko ureja•Eva Okorn, ki sprejema predloge za objavo na e-naslov: gradb.zveza@siol.net 15.-19.7.2017 GeoMEast 2017 International Conference “Sustainable Civil Infrastructures: Innovative Infrastructure Geo- technology” Sharm El-Sheik, Egipt www.geomeast2017.org/ 5.-8.9.2017 ISPE-2017 — XI International Symposium on Permafrost Engi- neering Magadan, Rusija http://mpi.ysn.ru/en/permafrost-engineering-symposiums 12.-15.9.2017 1st World Congress Woodrise Bordeaux 2017 Bordeaux, Francija http://en.wood-rise-congress.org/ 13.-15.9.2017 SMAR 2017 – 4th International Conference on Smart Monitor- ing, Assessment and Rehabilitation of Civil Structures Zürich, Švica www.smar2017.org/ 13.-15.9.2017 Eurosteel Copenhagen 2017 – European Conference on Steel and Composite Structures Köbenhavn, Danska www.eurosteel2017.dk/ 21.-22.9.2017 CIRRE – 2nd Conference of Interdisciplinary Research on Real Estate Cartagena, Španija www.cirre.eu/ 2.-4.10.2017 3rd International Symposium on Ultra-High Performance Fibre- Reinforced Concrete (UHPFRC) Montpellier, Francija www.afgc.asso.fr/UHPFRC2017 5.-6.10.2017 Vodni dnevi Portorož, Slovenija http://vodnidnevi.si/index.php/si/ 12.-13.10.2017 5th International Workshop on Concrete Spalling due to Fire Exposure Borµs, Švedska http://conferencemanager.events/firespallingworkshop 11.-13.10.2017 3rd ReSyLAb – 3. Regional Symposium on Landslides in Adriatic- Balkan Region Ljubljana, Slovenija www.geo-zs.si/ReSyLAB2017/ 11.-13.10.2017 4th ICEES - International Conference on Earthquake Engineering and Seismology Eskişehir, Turčija www.tdmd.org.tr/TR/Genel/KonferansAnaSayfaEN.aspx?F6E10 F8892433CFFAAF6AA849816B2EFFB0FF6CAD6E83E4E 3.-9.11.2017 International Seminar on Roads, Bridges and Tunnels Solun, Grčija http://isrbt.civil.auth.gr/ 20.-22.11.2017 ICCEN 2017 – 6th International Conference on Civil Engineering Brisbane, Avstralija www.iccen.org/ 8.-10.3.2018 ICACE 2018 – International Conference on Architecture and Civil Engineering 2018 Hong Kong, Kitajska http://icace.coreconferences.com/