تصميم المنهج الدراسي

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

تصميم المنهج الدراسي — عملية تخطيط ما يُدرَّس وبنائه عبر المقررات والبرامج والمؤسسات، بما يشمل أهداف التعلّم وتسلسل المحتوى واستراتيجيات التقويم وتقدّم المهارات. وفي عصر الذكاء الاصطناعي، يجب أن يوازن تصميم المنهج بين المعرفة التأسيسية وكفاءات الذكاء الاصطناعي الناشئة، محدّدًا لا ما يتعلمه الطلاب فحسب بل كيف يتعلمون العمل مع أدوات الذكاء الاصطناعي وتقويمها تقويمًا نقديًا.

أسئلة تستحق التأمل

• يسأل تصميم المنهج عما ينبغي أن يتعلمه الطلاب على مستوى البرنامج، بينما يسأل تصميم التعلّم عن الكيفية على مستوى المقرر. عندما يُعيد الذكاء الاصطناعي تشكيل مجال دراسي، فأي الطبقتين تعتقد أنها ينبغي أن تتغيّر أولًا؟
• مع أتمتة الذكاء الاصطناعي التوليدي للعمل على مستوى التنفيذ، يجادل البعض بأن المناهج يجب أن تتحوّل نحو تصميم الأنظمة والتجريد والتقويم النقدي. فما الذي تعتقد أن الطلاب سيخسرونه لو أُضعفت أهمية المهارات منخفضة المستوى؟
• غالبًا ما يُؤطَّر إعادة تصميم المنهج في عصر الذكاء الاصطناعي كموازنة بين طلاقة الأدوات والمعرفة التأسيسية. أين رأيت هذه الموازنة تميل أبعد من اللازم في اتجاه واحد؟
• يعامل إطار SAIL ثقافة الذكاء الاصطناعي كسقالةً تتدرّج عبر الأعمار، مصمّمة لمعالجة "الفجوات الرقمية" الأعمق من الوصول. كيف يختلف تضمين ثقافة الذكاء الاصطناعي عبر منهج كامل عن إضافة مقرر واحد للذكاء الاصطناعي؟
• إذا كان كل مجال دراسي يحتاج الآن إلى كفاءات ذكاء اصطناعي مدمجة فيه، فمن المسؤول عن تغيير المنهج — المدرّسون أم البرامج أم المؤسسات — وما الذي يحتاجه المعلّمون للنجاح في ذلك؟
• المنهج تسلسل للمهارات عبر السنوات، لا مجرد قائمة مواضيع. كيف يغيّر ذلك المنظور الأطول ما إذا كانت "وحدة ثقافة الذكاء الاصطناعي" تترسّخ فعلًا؟

مقدمة

يعالج تصميم المنهج ما هو التعليم على مستوى البرنامج، مكمّلًا تصميم التعلّم الذي يعالج كيف على مستوى المقرر. وتستكشف مقالات قاعدة المعارف هذه كيف يُعيد الذكاء الاصطناعي تشكيل المناهج عبر المجالات الدراسية — من هندسة البرمجيات إلى العمارة إلى التعليم الأخضر — وكيف يصمّم المعلّمون مناهج تضمّ ثقافة الذكاء الاصطناعي دون التضحية بالأساسيات التخصصية.

مواضيع بحثية رئيسية

إعادة تصميم المناهج لعصر الذكاء الاصطناعي هو التحدي المركزي. لخّص Lee وآخرون نتائج ورش عمل دولية حول إعادة تشكيل تعليم علوم الحاسب الجامعي، مجادلًا بأنه مع أتمتة GenAI للبرمجة على مستوى التنفيذ، يجب أن تتحوّل المناهج نحو تصميم الأنظمة والتجريد والتقويم النقدي — مع إضعاف أهمية تفاصيل التنفيذ منخفضة المستوى. وقد رسم Gorsky هندسة البرمجيات الوكيلة كمجال دراسي متميز بمنهج من 21 وحدة يتركّز على "تطوّر النية" والانضباط العملي المطلوب لإدارة وكلاء الذكاء الاصطناعي. ويرتبط كلاهما بـثقافة الذكاء الاصطناعي والسقالة.

وبمراجعة التغيير كتغيير نظامي لا إضافي، تُثَلَّث Sabani وآخرون (2026) مراجعةً شاملة ورسمًا بيانيًا ببليومتريًا لـ209 سجلًا و36 مقالًا وعشر مقابلات مع قادة أكاديميين في خمسة تحوّلات — بما فيها تنازل نقل المعرفة لتطوير القدرة والتجريب المحلي للحوكمة المؤسسية.

رسم خرائط المنهج وتحليله يستخدم الذكاء الاصطناعي لفهم المناهج القائمة. حلّل Geng وآخرون 23 منهجًا دراسيًا من مقررات هندسة البرمجيات المساعدة بالذكاء الاصطناعي، محدّدين مواضيع مشتركة — هندسة التلقين، ومراجعة الشيفرة بالذكاء الاصطناعي، والاعتبارات الأخلاقية — ومستنبطين إرشادات تصميم تؤكد على موازنة طلاقة الأدوات مع المعرفة التأسيسية. ويطبّق CourseGraph طرقًا حاسوبية لمقارنة بنى مقررات علوم الحاسب عبر المؤسسات.

تكامل ثقافة الذكاء الاصطناعي يضمّ كفاءات الذكاء الاصطناعي عبر المجالات. يوفّر SAIL إطارًا سقاليًا لثقافة الذكاء الاصطناعي قابلًا للتطبيق على جميع الأعمار والمراحل التعليمية، معالجًا الفجوات الرقمية من المستوى الثاني والثالث. ويفحص Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing كيف تتطوّر ثقافة الذكاء الاصطناعي عبر أنماط التفاعل. ويستكشف Systematic Review of Collaborative Learning Activities for Promoting AI Literacy مناهج تعاونية لتطوير منهج ثقافة الذكاء الاصطناعي، متصلًا بـالتعلّم التعاوني.

يُظهر LearnAI كيف يبدو الإصدار المدمج: طبقة تعريض واسعة من عروض قصيرة داخل 18 مقررًا قائمًا عبر خمسة مجالات دراسية (293 طالبًا)، مقترنةً بجلسات مشاركة في الإبداع ثنائية اختيارية يديرها مدرّسون أقران جامعيون مدرّبون، فيلتقي متعلّمو القدرات المختلطة مهام الذكاء الاصطناعي على مستواهم الخاص (Qu وآخرون (2026)).

والتكامل عمليًا يتأخّر عن الأطر. وجد Santos-Albardía وآخرون (2025) أن 13.8% فقط من طلاب التربية والصحافة المُستطلَعين قالوا إن أعمال مقرراتهم تناولت التحليل الإعلامي النقدي، مقابل 97.8% صنّفوه مهمًا، وأرجعت مقابلاتهم مع الخبراء الفجوة إلى تدريب المدرّسين الذي يُعطي الأولوية للمهارات التقنية والتعليمية على التعليم الإعلامي.

ووجدت مراجعة PRISMA لـ39 دراسة STEAM (2016–2025) اختلالًا موازيًا في عناصر ثقافة الذكاء الاصطناعي: طوّرت التطبيقات ثقافات تقنية — مفاهيم الذكاء الاصطناعي الأساسية، والتفكير الحاسوبي، وثقافة البيانات — بينما أخّر تطوير الوعي الأخلاقي والخيال الإبداعي والإبداع والإدارة والتصميم بالذكاء الاصطناعي، لذا فتدقيق كل وحدة مقابلها هو الاستجابة العملية (Niri وآخرون، 2026).

صوت الطلاب مدخل تصميمي آخر: أراد 84% من 166 طالب أعمال في سنتهم النهائية تدريس GenAI في وحداتهم، ورأى 85% أنه أساسي للقابلية للتوظيف، بينما تعلّم 7% فقط عنه من جامعتهم (Rook وPlumb (2026)).

وتجد مراجعة لـ42 دراسة عن تعليم الذكاء الاصطناعي قبل الجامعة أن المناهج تنتقل من المحتوى التقني إلى نماذج قائمة على الكفاءات مبنية على أطر كـAI4K12 والأفكار الخمس الكبرى في الذكاء الاصطناعي، مع معاملة ثقافة الذكاء الاصطناعي ككفاءة عابرة للمناهج بينما تبقى الأدوات المعيارية لتقويمها غائبة (Caruana وآخرون (2026)).

واتفق المدرّسون وأرباب العمل على أهمية واحدة فقط من 26 مهارة ذكاء اصطناعي — وضع توقعات واقعية للعمل المعزّز بالذكاء الاصطناعي — ودرّس ثلاثة فقط من الـ26 نصف المدرّسين أو أكثر، وهو دليل التقرير على فجوة في مهارات الذكاء الاصطناعي بين التعليم العالي وأرباب العمل (Fried (2026)).

ويبقى تصميم أنشطة تعلّم الآلة في K-12 عند السطح: وجدت مراجعة خلف إطار ICE-T أن الاستخدام غير المرئي وتفاعل الأزرار ونشر النموذج تمثّل قرابة 60% من أنشطة التعلّم المُشرَف عليه المرمّزة، وظهر الإبداع مفتوح النهاية مرتين فقط، وتلازم المنظوران التقني والاجتماعي في نحو 3% فقط من الأنشطة (Haritz وآخرون، 2026).

ابتكار المنهج الخاص بالمجال يطبّق تصميم المنهج على مجالات معيّنة. يستكشف Gen-AI-tecture: using generative AI to support architectural students in design tasks كيف يُعيد الذكاء الاصطناعي التوليدي تشكيل بيداغوجيا التصميم المعماري. ويفحص The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints تكامل الذكاء الاصطناعي في مناهج التعليم الأخضر. ويعالج ConnectED: A Curriculum-Aligned AI System for Vietnamese Instructional Lesson Planning and Student Learning و**LLMs to Support K-12 Teachers in Culturally Relevant Pedagogy: An AI Literacy Example** تصميم منهج متجاوب ثقافيًا.

ضمّن الذكاء الاصطناعي داخل المجال لا بجانبه. طوى منهج ذكاء اصطناعي ثلاثي المستويات (تمهيدي، وتطبيقي، ومتقدم) تعلّم الآلة داخل مواضيع الهندسة الحرارية القائمة عبر مقرر مدته 39.1 ساعة بدلًا من إضافة مقررات اختيارية في علوم الحاسب، متجنبًا عبئًا إضافيًا على طلاب الهندسة الميكانيكية وناشرًا منهجه وبياناته وشيفرته على الملأ (Li وآخرون (2026)).

ويُظهر حالة صحافة المتغيّر القيم-أولًا: نقلت سقالة ثلاثية للقيم-العمليات-الكفاءات الطلاب من التقارير البشرية فقط إلى العمل المتكامل مع الذكاء الاصطناعي، مع أن 8 من 9 (89%) أفادوا بثقة في القرارات الأخلاقية بينما أشارت عناصر الاستبيان عن التأليف والانحياز إلى فهم سطحي فقط (Ngu وWeller (2026)).

الأطر المؤسسية تعالج تغيير المنهج على نطاق واسع. يوفّر A principled way to think about AI in education: guidance for educators and policy makers based on goals, models و**A principled way to think about AI in education: guidance for educators and policy makers based on goals, models** مبادئ لدمج الذكاء الاصطناعي عبر البرامج التعليمية. ويفحص The Main Barrier to AI Adoption in the Public Sector is Lack of Training عوائق تبني منهج الذكاء الاصطناعي في تعليم القطاع العام.

تسلسل الذكاء الاصطناعي عبر البرنامج. يقترح Torres-Sahli وآخرون إطار "الامتناع ثم التضخيم" الذي يسلسل الذكاء الاصطناعي التوليدي على مستوى البرنامج: احجب أداة توليدية أثناء تكوّن قدرة، ثم أعِدها لتضخيم تلك القدرة بمجرد أن يستطيع الطالب توجيهها والحكم على عوائدها. وبحكم معيار التكوين-مقابل-التخفيف (ما إذا كان امتداد من العمل يبني قدرة أو يمرّرها فقط عبر الأداة)، يربط الإطار تصميم المنهج بـالتفريغ المعرفي والتعلّم موجّه الذات والنزاهة الأكاديمية، مع نقاط تحقق يصعب تزييفها عند كل مفصلة امتناع-إلى-تضخيم.

والرافعة للمراحل الأعلى ليست المزيد من أعمال المقررات: عبر 89 مشروعًا موجّهًا برعاية، كان التقدّم من مستوى جاهزية القوى العاملة 6 إلى 7 مشروطًا بخبرة مدمجة في الصناعة — التدريب التعاوني ومشاريع شراكة توسيع التصنيع — لذا تحتاج الدرجات إلى تعلّم مدمج مع العمل لا إلى مقرر تقني اختياري آخر (Smith وآخرون (2026)).

ونتيجة على مستوى المنهج لقدرة النموذج هي أن التصميم المقاوم للذكاء الاصطناعي ينتهي صلاحيته. وصف معلّمو الحوسبة معايرة المهام مقابل ما لم تكن النماذج قادرة على فعله بعد ومشاهدة المعايرة وهي تتلاشى — حيث كانت مسائل مدرّس أمن سيبراني تتطلب حل مسائل حقيقيًا قبل سبعة أو ثمانية أشهر ثم كانت تُحل ببساطة — مع تقدير أحد الميسّرين لمدة صلاحية نحو فصل دراسي واحد. والنتيجة البنيوية للورشة أن كل تكييف تقريبًا أجراه مدرّس فردي داخل مقرر واحد، دون التنسيق المؤسسي الذي يتطلبه استجابة منهجية متينة (Akbar وآخرون، 2026).

مواءمة المقرر كاملًا عندما يُسمَح بالذكاء الاصطناعي التوليدي. دمجت إعادة تصميم 2026 لمقرر تمهيدي في الفيزياء النووية والجسيمية (Mikhasenko وآخرون)) ثلاثة أنواع أنشطة بأدوار متميزة — محاضرات للمفاهيم والترميز، وتمارين موجّهة للممارسة التحليلية المعيارية، وواجب منزلية كمكوّن استكشافي "ذا شكل بحثي" من مسائل غير معتادة الصعوبة ومتعددة الطرق. ويوضّح الاحتكاك المُبلَّغ عنه (متطلب برمجي غير مُعلَن، ووقت غير كافٍ للفهم لا للحصول على الإجابات فحسب، وعدم مواءمة بين المحاضرات والتمارين والواجبات المنزلية والامتحان أن السماح بالذكاء الاصطناعي التوليدي يفرض عمل مواءمة على مستوى المقرر كله لا تغييرًا في نوع مهام واحد؛ وبنيتهم الموصى بها تُبقي العمل الاستكشافي المسموح فيه بالذكاء الاصطناعي كمهام متقدمة تحمل نقاطًا إضافية بينما يحدّد الامتحان الكتابي غير المساعَد الدرجة.

عمق المواءمة، لا تكرار الاستخدام، هو ما يفصل أنماط التكامل. عبر 17 حالة وحدة أعمال، ضمّنت ستة GenAI بشكل منهجي عبر التدريس والتعلّم والتقويم (بنّاء)، وفعلت تسع ذلك بشكل غير متسق (مدمج)، وفعلت اثنتان ذلك بشكل متقطع (عرضي)؛ وأفادت الحالات البنّاءة بأقوى نتائج في الاندماج والقدرة وملاءمة المنهج (Zhou وآخرون (2026)).

نصيحة المواءمة البنّاءة تحت فحص نقدي. حيث تُبلّغ المصادر أعلاه عن المواءمة عمليًا، يقرأ McInnes وآخرون (2026) الإرشاد نفسه كخطاب. ووجد تحليلهم الخطابي النقدي لـ14 مادة أدبية رمادية نُشرت من نوفمبر 2022 إلى أبريل 2025 — صفحات مؤسسية في معظمها وفصول من وحدات التعلّم والتدريس ذات الموضع المركزي — المواءاة البنّاءة معروضةً كمسألة كفاءة: كان الذكاء الاصطناعي التوليدي "طريقةً فعالة وكفؤة لصياغة سلالم التقدير" يمكنها "تبسيط العملية"، مُجسَّمًا كـ"خبير تعليمي ومساعد"، أو "شريك تدريب"، أو "مساعد ذكي في التصميم التعليمي"، بينما وفّر الطاقم الأكاديمي "خبرة المادة الدراسية" فقط وأخذت الأداة على عاتقها "العمل الشاق لتطوير أهداف التعلّم وتنظيم محتوى المقرر ... ومواءمة مكوّنات المقرر". وأطرت وصفات التلقين بالنسخ واللصق والقوالب المرقّمة المواءاة البنّاءة كمنتج قابل للمعايرة، منتجةً ثلاثة أنماط فشل: الأدائية (المواءاة التي تبدو مواءاة فقط)، ومحو السياق الموقعي والنقدي، والمواءاة البنّاءة السطحية التي تخلط بين المواءاة والبعد البنّاء. ويعيد علاجهم تسلسل سير عمل تصميم المنهج — يجب أن يفهم المعلّمون المواءاة البنّاءة فهمًا يكفي لتوجيه مخرج الذكاء الاصطناعي وتقويمه ورفضه قبل تفويض أي جزء منه — ويحدّ أي أداة بوكيل معزّز بالاسترجاع مؤسسي مؤسس على السياسة المحلية وسلالم التقدير وصفات الخريجين، بدور "مدرّس عتبي" يُوسّع علاقة المطوّر في التطوير التعليمي لا يحلّ محلها.

توليد مهام نمذجة مواءَمة للمنهج. تستطيع المنصات المدفوعة بالذكاء الاصطناعي معالجة نقص وقت المدرّسين ومواردهم لتصميم مهام النمذجة الرياضية عالية الجودة بتوليد مسائل مواءَمة للمنهج وتوصيات بيداغوجية مؤسسة على مبادئ التصميم والتوليد المعزّز بالاسترجاع — وهو نهج مُصوَّر بالتناسب المباشر في رياضيات المرحلة الثانوية (Creating an AI-powered platform for generating modelling problems: A case study on direct variation in secondary school mathematics). وصارت قراءات المقرر نفسها هدفًا للتوليد أيضًا: استبدل Sidorkin (2026) كتابًا دراسيًا تجاريًا بقراءات مولّدة أسبوعيًا بالذكاء الاصطناعي في مقرر دراسات عليا في القيادة التعليمية، ومع أن الطلاب صنّفوها مفيدة وأقرّ 75% منهم بأنهم تعلّموا أكثر من مقرر مشابه، حملت 4,487 صفحة من السجلات استشهادات داخل النص بأسلوب APA على نحو 0.80% فقط من الصفحات، وقرنت حرمًا جامعيًا أو نظامًا مسمّى بادعاءات سياسة حاسمة على نحو 1.03% من الصفحات دون مصدر قابل للتحقق. ودرس مواد المنهج هو معاملة القراءات المولّدة كإنتاج مسوّدات تحت مراجعة المدرّس، وموازنة عمل المدرّس في تصميم التلقين والتحقق، وتنسيق المصادر المُدقَّقة داخل المساعد بدلًا من ترك جودة المصدر للطلاب ليستنتجوها من السياق.

تخطيط الدروس بمساعدة الذكاء الاصطناعي في طبقة المنهج-إلى-الصف. في النقطة التي يصبح فيها المنهج درسًا مُدرَّسًا، قارن Luo وTahir (2025) تجريبيًا بين الخطط المولّدة من المدرّسين وتلك المساعدة بـChatGPT في تعليم STEAM الفني للأطفال، فوجد أن الخطط المساعدة بالذكاء الاصطناعي صنّفها ستة أساتذة خبراء أعلى معتبَرًا (وسيط 20.5 مقابل 17.6، p = .002، أثر كبير). ويُظهران أن العائد يعتمد على كيفية تفويض المدرّس: الطريقة الموصى بها تملأ فجوات المحتوى في درس مخطّط ذاتيًا (محافظةً على استقلال المدرّس في التصميم) بدلًا من تفويض الخطة كاملة، ويقدّمان قالب تلقين الدور-التعليمات-الهدف النهائي لتوليد قابل للتكرار ومحكوم بالجودة — دليل على أن تخطيط الدروس بالذكاء الاصطناعي أقوى ما يكون عندما يكون مدمجًا داخل قرارات المدرّس المنهجية لا بديلًا عنها. وفي تعليم العلوم، يبلغ التحقق الخبير حكمًا موازيًا على تصميم المنصة: طلب Karaismailoglu وSurmeli وYildirim (2026) من أحد عشر متخصصًا في تعليم العلوم تقييم ChatGPT-4 وأداة موجّهة للتعليم (Teacher's Buddy) على خطط للصف السادس مواءَمة للمنهج المنقّح في تركيا ونموذج التعلّم القائم على التصميم الهندسي. وقد سجّلت المنصة الموجّهة للتعليم درجات أعلى في جميع معايير الجودة الثمانية — بما فيها المراحل الكثيفة التغذية الراجعة ومواءمة المنهج — دليلًا على أن تضمين البنية البيداغوجية في الذكاء الاصطناعي يُنتج مخرجات أفضل مواءمة؛ مع أن بعض الخبراء فضّلوا مع ذلك الخطة ذات الأغراض العامة لتأكيدها الأقوى على البُعد الاجتماعي العاطفي، وحكم 7 من 11 أن الخطط "قابلة للتطبيق بالتصحيح" لا قابلة للاستخدام مباشرة. فاختيار المنصة وتأطير التلقين، لا الذكاء الاصطناعي وحده، هو ما يشكّل مدى مواءمة الخطط المولّدة لمعايير المنهج ونماذج العملية.

والبنية، لا صياغة التلقين، هي ما يجعل الصياغة بالذكاء الاصطناعي موثوقة في الإنتاج: خط أنابيب Curriculum-as-Code عند Paiva (2026) قَلَّم السياق بقوة وولّد المواد قسمًا بعد قسم عبر 28 سياق مشروع، ما خفّض وقت إعداد المدرّس من نحو ثماني ساعات إلى ساعتين لكل تعليم ولم يترك أي هلوسات مفاهيمية أو رياضية للمراجعة البشرية لتكتشفها.

الصلات بالمفاهيم ذات الصلة

يتصل تصميم المنهج مباشرةً بـتصميم التعلّم — المنهج يحدّد ما هو، والتدريس يحدّد كيف. ويتصل بـثقافة الذكاء الاصطناعي لأن تضمين كفاءات الذكاء الاصطناعي تحدٍّ منهجي رئيسي، وبدور المدرّس والتطوير التربوي لأن تغيير المنهج يتطلب إعداد المعلّمين، وبالسقالة لأن المناهج المصممة جيدًا تسلّك تطور المهارات عبر المقررات والسنوات. ووصلتا التعليم العالي وK-12 تعكسان ملاءمة تصميم المنهج للمراحل التعليمية المختلفة.

مفاهيم مترابطة

• الشراكات التربوية — شراكات بيداغوجية
• تعليم الأعمال
• تصميم التعلّم
• ثقافة الذكاء الاصطناعي
• السقالة
• التطوير التربوي
• التدريس
• التعليم العالي
• K-12
• تعليم STEM
• تعليم الحاسوب
• الذكاء الاصطناعي التوليدي
• الذكاء الاصطناعي الوكيلي
• ما وراء المعرفة
• هندسة المطالبات
• التعلّم التعاوني
• أصول التدريس واستراتيجيات التعليم — المظلة: البيداغوجيات واستراتيجيات التدريس في تعليم الذكاء الاصطناعي
• أنظمة التوصية ومسارات التعلّم

مقالات مترابطة

• Efficiency at what cost? Salvaging constructive alignment from the GenAI hype — Critical discourse analysis of GenAI-for-constructive-alignment guidance (McInnes et al. 2026)
• Addressing Trust in AI Systems through Education: A Didactic Perspective — Addressing Trust in AI Systems through Education: A Didactic Perspective
• Refrain, Then Amplify: A Curriculum Framework for Sequencing Generative AI to Form Professional Judgement — إطار منهج الامتناع-ثم-التضخيم لتسلسل GenAI (Torres-Sahli et al. 2026)
• Giving Mechanical Engineers Intelligent Tools: A Project-Based AI Education Curriculum in Thermal Engineering — Project-Based AI Education Curriculum in Thermal Engineering
• From Classroom Design to Newsroom Practice: Assessment Intervention Designing GenAI
• Integrating Generative Artificial Intelligence into University Curricula: Student Insights
• From Experimentation to Integration: Embedding GenAI in Business Higher Education through the Lens of Constructive
• A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era — Workforce Readiness Level framework for smart manufacturing in the AI era
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — Rewriting the curriculum: GenAI-driven pedagogical change
• Technology, Education and Critical Media Literacy: Potential, Challenges, and Opportunities
• Reshaping Undergraduate Computer Science Education in the Generative AI Era
• ASE-26: A Curriculum for Agentic Software Engineering as a Discipline
• Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis
• The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education
• Curriculum as Code: An AI-Assisted Architecture for Instructional Design in STEM Education
• Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing
• A principled way to think about AI in education: guidance for educators and policy makers based on goals, models
• Systematic Review of Collaborative Learning Activities for Promoting AI Literacy
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — AI Skills Framework: 26 assessable skills for curriculum mapping
• LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University — LearnAI: Just-in-Time AI Co-Creation Across Disciplines
• When Saying No Makes Better Videos: Designing Dual Gatekeeping for Pedagogically Grounded AI Content Creation — When Saying No Makes Better Videos: Dual Gatekeeping for Pedagogically Grounded AI Content Creation
• STEAM Education for AI Literacy: A Systematic Literature Review — STEAM education for AI literacy: systematic review
• Preparing Learners and Teachers for an AI-Driven Future: Emerging Trends, Pedagogical Challenges, and Critical Perspectives in Pre-University AI Education: A Systematic Literature Review — Preparing learners and teachers for an AI-driven future: SLR of pre-university AI education (Caruana et al. 2026)
• Creating an AI-powered platform for generating modelling problems: A case study on direct variation in secondary school mathematics — AI-powered platform generating mathematical modeling problems (ADDIE, RAG)
• ChatGPT-Assisted Lesson Planning for Children's STEAM Arts Education: An Experimental Study on Benefits, Challenges, Methods, and a Prompt Framework
• Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts
• AI in Particle Physics Education: Research Problems and Foundational Skills — AI in Particle Physics Education: Research Problems and Foundational Skills
• AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI