Miten suunnittelen tekoälyn henkilöstökoulutuksen, joka todella muuttaa käytäntöä?

Tämän englanninkielisen sivun automaattinen konekäännös, jota ei ole vielä tarkastanut äidinkielinen puhuja.

On helmikuu. Vararehtorisi on ilmoittanut tekoälyaloitteesta, jolla on budjettirivi, ja sinulla on yksi lukukausi aikaa saada se näkymään luokkahuoneissa. Tai pidit kuusi työpajaa viime syksynä, salit olivat täynnä, eikä opetus, jonka ääreen istahdat, ole muuttunut. Tai dekaani kysyy budjettineuvottelussa suoran kysymyksen: mitä raha osti?

Kaikki kolme tulevat samasta suunnitteluvirheestä. Työpaja näyttää ihmisille, mitä työkalu tekee. Käytäntö muuttuu, kun opettaja käyttää tuettua, jäsenneltyä aikaa oman kurssinsa ongelmaan, niin kauan että uusi tapa syrjäyttää vanhan, ja kun oppilaitos sanoo kokeelle kyllä eikä vain siedä sitä.

Kokouksen ydinsanoma: standardoi istuntosykli, jossa jokainen osallistuja tuo todellisen kurssiartefaktin ja lähtee korjatun kanssa, laita verifiointi, ilmoittaminen ja riskienhallinta työasiakirjaan eikä päätöksen eettiseksi puheeksi, venytä ohjelma pidemmälle kuin yhden päivän yli ja liitä siihen mentorointi, järjestä oppiainekohtaiset kohortit ja raportoi jatkotapaamisessa se, mitä ihmiset tuottivat, eikä sitä, miten itsevarmoiksi he itsensä kokivat viimeisenä iltapäivänä.

Lyhyesti

1. Kiinnitä jokainen istunto osallistujan oman kurssin artefaktiin ja päätä istunto siihen, että artefakti on korjattu.

2. Laita verifiointi, ilmoittaminen ja riskienhallinta työmalliin, jossa niitä käytetään, jotta hermostuneella osallistujalla on paikka, johon huolensa laskea.

3. Käytä tunnit arviointiin ja rubriikkeihin, jotka olivat lähtötilanteessa heikoin alue ja joissa mitattu hyöty oli suurin.

4. Järjestä oppiainekohtaiset kohortit ja eriytä sitten niiden sisällä kokemuksen mukaan.

5. Varmista olosuhteet: ilmaistu lupa kokeilla, suojattu aika, materiaalit niillä kielillä, joilla henkilöstösi työskentelee.

6. Arvioi korjatut artefaktit viiveellä ja yksi relationaalinen indikaattori, ja kohtele tyytyväisyyspisteitä kohinana.

Vie jokainen istunto osallistujan omalle kurssille

Selkein vertailu tässä on Bi ym. (2026), jotka kyselyttivät 568 opettajaa viidessä yliopistossa ja tekivät heistä 160:n kanssa kvasikokeen. Molemmat ryhmät saivat neljä 90 minuutin työpajaa peräkkäisinä viikkoina, samalla kontaktiajalla, alustalla ja ohjaajatuella. Sisältö erosi. Toinen ryhmä sai tavanomaisen generatiivisen tekoälyn henkilöstökoulutuksen, toinen jäsennellyn syklin, jossa oli kehotteen muotoilu, tuotoksen tarkastelu, kurssimateriaalin korjaus ja kirjallinen reflektio seitsenosaisen mallin mukaan, joka kattoi tavoitteet, tehtävän rajoitteet, arviointikriteerit, verifioinnin, ilmoittamisen ja riskienhallinnan.

Jäsennelty ryhmä sai korkeammat pisteet kaikilla seitsemällä valmiusulottuvuudella. Sen suurin etu oli kehotteen suunnittelussa, noin kahden keskihajonnan verran, ja se oli ainoa ryhmä, jonka kehotteen suunnittelun hyöty kesti viivästetyn testauksen; tavanomaisen ryhmän pienempi hyöty oli valunut takaisin lähtötason alle seurantaan mennessä.

Kaksi muuta tulosta selittää, miksi esittelyt eivät kulje mukana. 13 korkeakouluopettajan sisäryhmätutkimuksessa chatbottiin pääsy nosti sellaisten aktiviteettien osuuden, jotka ylsivät kahteen tai useampaan korkeamman tason Bloomin tehtävään, 41,7 %:sta 91,7 %:iin (p = 0,01) ja leikkasi koetun kognitiivisen vaivannäön mediaanista 6,33 mediaaniin 3,33 (p = 0,004). Päälle lisätty pedagoginen kehotteiden kirjoittamisen koulutus ei parantanut suunnittelun laatua enempää, ja se nosti vaivaa hieman. Samaan aikaan 60 yläkoulun luonnontieteen opettajan työpajassa tuottava elementti oli ChatGPT:n tuottamien arviointikysymysten yhteisöllinen tarkastelu, joka toi esiin käsitteellisen täsmällisyyden ongelmat ja riskin vahvistaa väärinkäsityksiä.

Yhteistä näille tutkimuksille: oppiminen tuli materiaalin arvostelusta ja korjaamisesta. Ihmiset parantavat sitä, mikä on heidän edessään, ja he parantavat sitä nopeammin, kun kollega lukee sitä myös.

Lakkaa pitämästä taitoa puuttuvana palasena

Houketutteleva diagnoosi on osaamiskuilu, joka suljetaan paremmalla opetuksella. Bai ja Hsieh (2026) kyselyttivät 898 yliopisto-opettajaa AI-TPACK-asteikoilla ja havaitsivat, että opettajat, jotka ymmärsivät, miten generatiiviset työkalut toimivat tai osasivat käyttää niitä pätevästi, eivät raportoineet uusien opetuskäytäntöjen keksimisestä ja käyttöönotosta sen todennäköisemmin kuin ne, jotka eivät osanneet. Integroidulla AI-TPACK-konstruktiolla ei ollut lainkaan suoraa polkua innovatiiviseen käyttäytymiseen. Sen vaikutus kulki kokonaan tekoälylukutaidon, opetuksen minäpystyvyyden ja ammatillisen identiteetin kautta.

Se muuttaa sitä, mitä varten istunto on. Työkalun läpikäynti ei käsittele yhtäkään noista kolmesta. Istunto, jossa opettaja kirjoittaa oman tehtävänsä uudelleen, puolustaa muutosta ja kuulee kollegan myöntävän, että se on parempi, käsittelee kaikkia kolmea yhtä aikaa, ja siksi artefaktisykli voittaa esittelyn, vaikka sisältö olisi ohuempaa.

Suunnitteluseuraus on epämukava kaikille, joilla on diaesitys: et voi luennoida opettajaa näkemään itseään sellaisena opettajana, joka työskentelee näin. Voit laittaa hänet tilanteeseen, jossa hän toimii niin kerran, tuettuna, ja antaa näytön kertyä.

Laita vaikeat osat malliin, jota he käyttävät

Doganin (2026) i-TPACK-kehikko tulee PRISMA-katsauksesta tekoälyn täydennyskoulutuksesta sekä hausta, joka nosti esiin 17 lisätutkimusta. Se kohdistaa viisi tietoaluetta (älykäs teknologinen tieto, teknologinen sisältötieto, teknologinen pedagoginen tieto, integroitu i-TPACK ja tekoälyn etiikka) neljään näyttöön perustuvaan polkuun: aktiivinen oppiminen, mallit ja esimerkit, valmennus ja asiantuntijatuki sekä palaute ja reflektio, joita ohjaa viisi periaatetta aina yhteisöllisestä synergiasta siiloja vastaan rakenteen sisäiseen joustavuuteen.

Kehikon terävin kritiikki alaa kohtaan on, että etiikkaa käsitellään pinnalisesti tai se puuttuu kokonaan monista olemassa olevista ohjelmista, ja korjaus on sijoittelu. Verifiointi, ilmoittaminen ja riskienhallinta kuuluvat asiakirjaan, jota osallistujat käyttävät koko viikon, eivät viimeisen istunnon viimeisiin 20 minuuttiin. Malli, jossa on riskienhallintasarake, täytetään; vastuullisen käytön päätösjakso kuittataan nyökkäyksellä.

Kehikon raja on, että se on käsitteellinen, ilman ohjelmatason tulosaineistoa. Käytä sitä suunnittelun tarkistuslistana eikä näyttönä siitä, että suunnitelma toimii. Tulosnäyttö on yllä ja alla olevissa tutkimuksissa.

Käytä tunnit arviointiin

Jos ohjelmassasi on tilaa yhdelle syvälle aiheelle, valitse arviointi. Talebzadehin (2026) kahdeksan tunnin ohjelmassa, neljässä kahden tunnin istunnossa 163 opettajan ja opettajaopiskelijan kanssa, AI-PCK nousi kokonaisuudessaan 151,65:stä 220,14:ään (d = 2,36, p < 0,001). Suurin osakomponentin vaikutus oli arviointirubriikeilla (d = 2,19), joka oli myös heikoin alue esitestissä. Hyöty oli kapeampi opetusmenetelmässä kuin arvioinnissa.

Rubriikit ovat myös se paikka, jossa huoneessa oleva ahdistus voidaan laittaa töihin. Osallistuja, jota huolettaa opiskelijoiden nojaaminen mallin varaan, voi kirjoittaa rubriikkirivin, joka tekee päättelyn näkyväksi, mikä muuttaa huolen suunnittelupäätökseksi, jolla on päivämäärä.

Budjetoi yhden päivän yli. Samassa ohjelmassa opettajaopiskelijat hyötyivät merkitsevästi enemmän kuin kokeneet (p = 0,033), pääosin skenaariopohjaisessa tehtäväsuunnittelussa ja rubriikkisuunnittelussa. Kokeneet opettajat sanoivat, että kahdeksan tuntia on liian vähän syvään juurtuneiden tapojen siirtämiseen, ja pyysivät pitkäaikaista, mentorointiin perustuvaa tukea.

Rakenna kohortit ja eriytä sitten niiden sisällä

Järjestä yksi yhteinen työpaja, niin käytät suurimman osan siitä mediaaniosallistujan palvelemiseen, jota ei ole olemassa. Sutedjo, Chowdhury ja Liu (2026) havaitsivat 127 vastaajan joukossa, että itse koettu pedagoginen sisältötieto oli korkea (M = 4,70) ja sisältötieto lähellä kattoa (M = 5,15), kun taas teknologinen pedagoginen tieto (M = 2,62), teknologinen sisältötieto (M = 2,75) ja holistinen TPACK (M = 2,55) olivat selvästi matalampia. Sisältötieto ei korreloinut merkitsevästi minkään teknologiaan integroidun alueen kanssa (r = 0,11-0,15), joten aineenhallinta ei siirry mukana.

Ne kolme matalaa aluetta korreloivat keskenään r = 0,81-0,91, mikä uskottavasti tarkoittaa yhtä kykyä opettaa näillä työkaluilla kolmen erillisen taidon sijaan. Opeta se yhteisenä perustana, niin säästät kaksi istuntoa.

Jaa sitten kokemuksen mukaan. Bai ja Hsieh havaitsivat, että ammatillinen identiteetti ennusti innovatiivista käyttäytymistä lähes kaksinkertaisen vahvasti harvoin tekoälyä käyttävien joukossa kuin päivittäisten käyttäjien, rajalla oleva tulos mutta käyttökelpoinen osoitin: identiteettityö kannattaa eniten niiden kanssa, jotka tuskin koskettavat työkaluja, kun taas usein käyttävät hyötyvät enemmän tieteidenvälisistä projekteista kuin perusteista. Laidlaw (2026) argumentoi oppiainekohtaisten kohorttien puolesta juuri tuon keskustelun paikkana, sillä fyysikko ja historioitsija eivät ratkaise samaa ongelmaa.

Aloita kysymyksestä, jota skeptikot kysyvät

Laidlawin (2026) autoetnografinen kuvaus argumentoi, että vastarinta ei ole taitovaje. Opettajat, jotka kysyvät, mitä pointtia opettamisessa on generatiivisen tekoälyn maailmassa, eivät kysy, miten työkalua käytetään turvallisesti; kysymys on ontologinen. Hän lukee generatiivisen tekoälyn kynnyskäsitteeksi (muuttava, hankala, peruuttamaton, integroiva, rajattu) ja päättelee, että ahdistus, vastarinta ja hämmennys ovat välttämättömiä osia sen ylittämisessä eivätkä korjattavia virheitä. Hänen suosituksensa kääntävät vakiotyöpajan ylösalaisin: aloita identiteettikysymyksistä esittelyjen sijaan, järjestä oppiainekohtaiset kohortit, salli erilaiset aikataulut ja pidä periaatteellista, oppiaineen arvoihin nojaavaa käyttöönotosta pidättäytymistä legitiiminä. Hän myös varoittaa, että sääntöjen viestiminen voi luisua ”valvonnan illuusioksi”, joka korvaa tuen vaatimustenmukaisuusviestinnällä.

Syyllisyys on mitattavissa, eikä se jakaudu tasaisesti. Vassallo (2026) kyselytti 109 akateemista työntekijää ja tunnisti ”tekoälyn syyllisyyskompleksin”: 35 % oli huolissaan siitä, että tekoälyn käyttö heikentää heidän uskottavuuttaan, ja 26 % raportoi tuntevansa olevansa ”huijaamassa”, ja ennakolta koettu uskottavuussyyllisyys ylitti käytön jälkeisen katumuksen, joten ahdistus on sosioammatillista eikä yksityistä. Neljä profiilia nousi esiin: mukavat omaksujat (27 %), syylliset käyttämättömät (29 %), varovaiset käyttäjät (28 %) ja moraalisesti ahdistuneet välttelijät (16 %). Yksi ohjelma käsittelee neljää eri ongelmaa, ja 29 %, jotka tuntevat syyllisyyttä käyttämättä työkaluja, tarvitsevat jotain muuta kuin esittelyn.

Tehtävän koko näkyy AAC&U:n ja Elonin 1 057 opettajan kyselyssä (Watson ja Rainie, 2026): 68 % sanoi, etteivät heidän oppilaitoksensa ole valmistaneet henkilöstöä käyttämään generatiivista tekoälyä opetuksessa ja ohjauksessa, ja samansuuruinen osuus sanoi samaa tutkimustyöstä. 26 % vastaajista ei käytä työkaluja lainkaan, mukaan lukien 40 % taide- ja humanististen alojen opettajista, ja 82 % nimeää kollegojen vastarinnan esteeksi osaston laajuiselle käyttöönotolle.

Korjaa olosuhteet, joita opetussuunnitelma ei korjaa

Tämä on havainto, joka kannattaa viedä johtoryhmän kokoukseen. Yllä olevan vertailun takana olevassa 568 opettajan kyselyssä kazakstanilaiset opettajat raportoivat korkeampaa lähtövalmiutta kuin kiinalaiset kollegansa kaikilla seitsemällä ulottuvuudella, suurimmat kuilut oppiaineen sisäisessä siirrossa, kehotteen suunnittelussa ja perusymmärryksessä. Hierarkkisessa regressiossa Kazakstanin kerroin, itsessään selvästi merkitsevä, putosi ei-merkitseväksi, kun aiempi generatiivisen tekoälyn käyttö, viimeaikainen tekoälykoulutus, institutionaalinen tuki, koettu lupa, monikielisten resurssien saatavuus, periaatteen selkeys ja riskiherkkyys otettiin malliin. Se on noin neljän viidenneksen vähenemä. Institutionaalinen tuki ja koettu lupa kantoivat eniten positiivista painoa, ja riskiherkkyys oli ainoa valmiutta vastaan vaikuttava ennustaja. Yli kaksi kertaa useampi kazakstanilainen kuin kiinalainen opettaja raportoi tekoälyyn liittyvää koulutusta edellisen kuuden kuukauden aikana.

Ohjelmajohtajan käytettävissä olevat vivut ovat siis paikallisia ja lähellä: käytännön harjoittelu, eksplisiittinen lupa kokeilla, materiaalit kielillä, joilla henkilöstö todella työskentelee, näkyvä tuki yksiköltä. Kansallisen periaatteen kehystys ei kanna valmiutta yksinään. Siellä missä riskiherkkyys puree, vastaus on antaa sille paikka, jossa sitä voi harjoittaa, eikä puhua varovaisuutta alas, ja rubriikkisuunnittelu ja verifiointirutiinit ovat se paikka.

Kaksi käytännön hankauskohtaa kuuluu samaan keskusteluun. Jatkokäytön aikomus oli korkeimmalle arvioitu tyytyväisyysulottuvuus Bi ym.:llä (2026), kun taas työkalun käytettävyys oli matalin, joten osa siitä, mikä näyttää vastahakoisuudelta, on alustan hankausta. Ja Aponte ym. (2026) paikantavat kovan rajan: tekoäly ei voi kompensoida kroonista ylikuormitusta, rankaisevaa vastuullisuuskulttuuria, heikkoa johtajuutta eikä suojatun ajan puutetta. He argumentoivat, että se edistää opettajien sosioemotionaalista kehitystä vain relationaalisena infrastruktuurina (suojattu aika mentoroinnille, vertaiskeskustelulle, käytäntöyhteisöille) ja ehdottavat standardiksi käsitettä relational densification, joka laskee luottamusta, tuen jatkuvuutta ja yhteissäätelyä kontaktituntien sijaan. Kaksi väitettä kääntyy ohjelmasuunnitteluksi: vapautunut aika imeytyy takaisin lisävaatimuksena, ellei oppilaitos muodollisesti vaadi sen uudelleensijoittamista, ja keskusteluagentit voivat hiljaa korvata ne vaikeat inhimilliset neuvottelut, jotka tuottavat kasvua. Heidän kehikkonsa on heuristiikka, ei testattu kausaalinen väite.

Jos nuo olosuhteet ovat sinun, parempi työpaja ei korjaa niitä, ja sen sanominen on hyödyllisempää kuin muun lupailu.

Raportoi artefaktit viiveellä

Institutionaalinen tukikehikko, johon kannattaa kohdistaa, on Crompton, Burke ja Nickel (2026), jonka kahden makrosyklin ja 114 osallistujan suunnittelupohjainen tutkimus (opettajia 28 yhdysvaltalaisesta oppilaitoksesta ja 11 maasta sekä opetuskeskusten johtajia ja akkreditointikoordinaattoreita) tuotti kuusi standardia, jotka kattavat koko akateemisen roolin: opettaja, koordinaattori, johtaja, tutkija, oppija ja osallistuja. Olemassa olevat kehikot ja kouluttajastandardit kohdistuvat perus- ja toisen asteen opettajiin tai käsittelevät vain opettamista, joten keskus, joka kohdistaa tarjontansa näihin, voidaan kohdistaa kehityskeskusteluun ja akkreditointiin, mikä on myös argumentti, joka kestää budjettikatsauksen.

Ole sitten varovainen arvioinnissa, koska suurin osa tästä kirjallisuudesta mittaa itse raportoituja vaikutelmia. Bi ym. mittasivat itse raportoitua valmiutta eivätkä toteutunutta opetusta, ja heidän ryhmänsä muodostuivat vapaaehtoisen ilmoittautumisen eikä satunnaistuksen perusteella, joten tulokset ovat assosiaatioita. Bai ja Hsieh on poikkileikkaustutkimus, itsevalikoitunut, kahdeksasta yhden maan yliopistosta, ja se mittasi jokaisen konstruktion samoista vastaajista yhtenä ajankohtana. Sutedjo ja kumppanit eivät voi osoittaa syy-seuraussuunnan suuntaa, millä on väliä, koska heidän vahvin väitteensä, että teknologinen tieto toimii porttina, on juuri se, mitä poikkileikkausasetelma ei pysty ratkaisemaan. Talebzadeh raportoi erittäin suuria vaikutuksia ilman satunnaistusta, seurantaa tai oppiainetason erittelyä, joten d = 2,36 luetaan lyhytaikaiseksi. Laidlaw on autoetnografinen, ja Aponte ym. toteavat, että heidän kehikkonsa on käsitteellinen.

Puolustettava arviointi mittaa siis sitä, mitä kurssimateriaalia osallistuja korjasi, mitä rubriikkeja kirjoitettiin, mitä tehtäviä suunniteltiin. Se testaa viiveellä, koska ero Bi ym.:n tutkimuksessa näkyi vasta seurannassa, jossa tavanomainen ryhmä oli heikentynyt eikä jäsennelty ryhmä ollut. Se kohtelee tyytyväisyyttä ja itsevarmuutta heikkoina signaaleina, koska Pishtari ja kumppanit (2026) huomauttavat, että pelkät laadun parannukset eivät todista sisäistämistä: nouseva suunnittelun laatu voi yhtä hyvin heijastaa rutiinityön ulkoistamista tai tekoälyn tuottaman rakenteen hyväksymistä. Ja se lisää vähintään yhden relationaalisen indikaattorin Aponte ym.:n mukaan, koska artefaktien parantaminen osallistujia eristäen ei ole se, mitä ohjelma väitti tekevänsä.

Missä ohjelmajohtajat menevät pieleen

Parempi esittely on parempi työpaja. Kontaktiaika pidettiin vakiona neljässä 90 minuutin istunnossa Bi ym.:n vertailussa, ja artefakteja korjannut ryhmä voitti työkaluista oppineen ryhmän jokaisella valmiusulottuvuudella, ja vain toinen kahdesta hyödystä oli vielä näkyvissä seurannassa.

Itsevarmuus on ratkaiseva tulos. Se on helpoin asia liikuttaa ja vähiten ennustava. 13 opettajan tutkimuksessa koettu vaiva laski, kun kehotekerros ei tuonut mitattua suunnittelun laatua, ja päivän lopun arviot olisivat kirjanneet molemmat menestyksenä.

Etiikka on päätösjakso. Doganin katsaus havaitsi etiikan käsitellyksi pinnalisesti tai puuttuvan monista tarjonnoista, ja ero mallin sarakkeen ja viimeisen dian välillä on siinä, käyttääkö kukaan sitä kolmannella viikolla.

Yksi ohjelma voi palvella koko henkilöstöä. 127 opettajan kysely kuvaa sisältötiedon lähellä kattoa holistisen TPACK:n ollessa 2,55, ja Vassallon neljässä profiilissa on 29 %, jotka tuntevat syyllisyyttä käyttämättä työkaluja. Yksi istunto kohtelee neljää yleisöä yhtenä.

Skeptikot ovat hallittava este. Laidlawin kuvaus sijoittaa vastarinnan identiteetin tasolle, ja Bai ja Hsieh havaitsivat identiteetin ennustavan innovaatiota lähes kaksinkertaisen vahvasti harvoin käyttävien joukossa. Ne, jotka kaikkein eniten haluat huoneeseen, ovat niitä, jotka esittely vahvistaa epäilyksessään.

Institutionaalinen mandaatti kantaa ohjelman. Kazakstanin kerroin romahti noin neljän viidenneksen verran, kun institutionaalinen tuki ja koettu lupa tulivat malliin, ja nuo kaksi kantoivat eniten positiivista painoa. Mandaatti ei ole sama signaali kuin lupa.

Mitä sinulle tullaan sanomaan takaisin

”Meillä ei ole tunteja.” Käytä ne silloin eri tavalla sen sijaan että lisäisit niitä. Kuusi tuntia artefaktisyklinä voitti kuusi tuntia esittelyjä samalla kontaktiajalla, ja lyhyempi muoto arviointirubriikkeihin osuu heikoimpaan alueeseen Talebzadehin esitestin aineistossa.

”Meidän henkilöstömme ei tule, tai skeptikot kaatavat sen.” Skeptikkojen värvääminen esittelyyn vahvistaa sen epäilyksen, joka heidät sinne toi. Aloita identiteettikysymyksistä, järjestä oppiainekohtaiset kohortit, salli erilaiset aikataulut ja sano ääneen, että periaatteellinen käyttöönotosta pidättäytyminen on legitiimi kanta. Se on Laidlawin suositus, ja se ottaa vaatimustenmukaisuusargumentin pois pöydältä. Odota identiteettityön vaikuttavan eniten harvoin käyttäviin, Bai ja Hsiehin mukaan.

”Emme voi pakottaa ihmisiä toimimaan sen mukaan.” Suurimmaksi osaksi et voi, ja voit muuttaa sitä, mitä oppilaitos viestii. Koettu lupa ja institutionaalinen tuki kantoivat eniten positiivista painoa sen jälkeen kun kansallisen taustan vaikutus romahti, joten hyödylliset liikkeet ovat halpoja: sano, että kokeilu on sallittua, suojaa aika muodollisesti, jotta se ei imeydy takaisin, tarjoa materiaalit henkilöstön työkielillä ja poista alustan hankaus, joka oli saman tutkimuksen matalimmalle arvioitu ulottuvuus.

”Poistumiskyselymme on vahva.” Tyytyväisyys on mittari, joka todennäköisimmin nousee, kun mikään muu ei nouse. Pyydä sen sijaan viime kohortin artefaktit ja ota osallistujiin yhteyttä uudelleen lukukautta myöhemmin; Bi ym.:n ero oli olemassa vain seurannassa.

Mitä tehdä tällä viikolla

1. Kirjoita kutsu uudelleen niin, että osallistuminen edellyttää yhden kurssiartefaktin tuomista: tavoite, rubriikki tai arviointitehtävä.

2. Kirjoita ohjelma uudelleen niin, että ensimmäinen istunto alkaa tuosta artefaktista, ja lisää verifiointi, ilmoittaminen ja riskienhallinta sarakkeiksi malliin, jota osallistujat kantavat koko viikon.

3. Siirrä yksi istunto rubriikki- ja arviointisuunnitteluun ja anna osallistujien lähteä rubriikki kirjoitettuna.

4. Hanki dekaanilta tai vararehtorilta yksi lause kirjallisena siitä, että kokeilu on sallittua, ja suojaa sitten tunnit muodollisesti, jotta niitä ei imeytetä takaisin.

5. Aseta arviointi keräämään korjatut artefaktit ja ottamaan osallistujiin yhteyttä uudelleen lukukautta myöhemmin yhdellä kysymyksellä siitä, kenen kanssa he nyt työskentelevät.

Minne seuraavaksi

Millaista osaamista opetushenkilöstö tarvitsee tekoälyn suhteen? käsittelee itse osaamistavoitetta, ja Opettajan tekoälyosaaminen sekä Henkilöstön kehittäminen kantavat sen taustalla olevan kehikkomateriaalin. Tekoälyn rakentamisesta kurssiin työpajan sijaan ks. Miten tekoäly pitäisi suunnitella osaksi oppimiskokemusta?; laajemmasta institutionaalisesta kuvasta Mitkä ovat kymmenen keskeistä löydöstä tekoälyn koulutustutkimuksesta, jotka opettajan pitäisi tietää? ja Miten oppilaitoksen tekoälyperiaate kirjoitetaan ja otetaan käyttöön?.