LDA212 je napisao:
Prosto, platis, ucis minimalno, zavrsis i dobijes diplomu. U inostranstvu priznat, za razliku od drzavnih fakulteta. Znanje ko znanje, najvise naucis na praksi, a na drzavnom da strebas milion nebitnih stvari koje ces zaboraviti 15 dana posle ispita, ne isplati se. A i kad zavrsis drzavni, onako sav ponosan sto nisi privatni, shvatis da si ispao budala nakon cekanja par godina na birou.
Na kraju dana ti se sve svodi na jedno u BiH. Ili imas ili nemas stelu za posao. Ako imas, pravac Apeiron. Ako nemas, batali studiranje.
Šta uopšte znači "priznat"?Prvi put čujem da su ostali stavili našu državu i na crnu listu obrazovanja.
Zar inžinjeri traže posao preko biroa?
novogorski je napisao:
Nije mi jasno zašto se u BL na ETF značajnije ne povećaju kvote,pa tako svim zainteresovanim dje šansa. a prirodnom selekcijom dođe do dobrih stručnjaka. Znanje i uspeh iz srednje škole,pa i navike nisu nikakvo merilo za fakultet. Važna je samo želja u spremnost na rad u budućnosti.
U Novom Sadu tako stalno proširuju liste ,otvaraju nove smereove na elektrotehnici, niče i ogromna zgrada za taj smer i tehnološki park. Uzgred,lično znam da su među najboljim studentima Hercegovci i Bijeljinčani. A posla da biraš ,samo da si bar prosečan programer.
Na ostala dva odsjeka, osim što primaju malo studenata, ne mogu ni to popuniti, svako na tim odsjecima može studirati na budžetu i opet ne mogu popuniti.Na informatici ni ne vrijedi povećavati kvote, prošle godine ostalo nepopunjeno 60 mjesta.A uzmi u obzir da u Novom sadu primaju samo 90 studenata na softverski inžinjering (tek od prošle ili pretprošle godine, prije je bilo samo 60) dok u BL primaju do 120-140 studenata.U Novom sadu imaju takve smjerove da vjerovatno ni sami ne znaju za šta obrazuju ljude.
Pametnije bi bilo kod nas izbaciti prvu godinu, ostaviti samo 3 i na masteru obrađivati mnogo ozbiljnije, zanimljivije i korisnije stvari, kakav OET, fizika i elektronika, ubaciti algoritme i strukture podataka u prvu godinu i više pažnje posvetiti stvarima poput umjetne inteligencije, mašinskog učenja, data mininga, big data itd.