Baza znanja AIEdAIEd KB
Na ovoj stranici

Pročitajte ovu stranicu na engleskom

Pojmovi

Tehnološko pedagoško sadržajno znanje (TPACK)

Stvoreno 2026-08-14 · Ažurirano 2026-11-08

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

Tehnološko pedagoško sadržajno znanje (TPACK) — okvir (Mishra i Koehler, 2006.) koji opisuje integrirano znanje potrebno nastavnicima za djelotvornu upotrebu tehnologije u poučavanju: međuigru tehnološkog znanja (TK), pedagoškog znanja (PK) i sadržajnog znanja (CK) te njihovih sjecišta. U eri umjetne inteligencije TPACK je proširen na AI-TPACK / GenAI-TPACK, modelirajući kako nastavnici integriraju generativnu umjetnu inteligenciju u poučavanje unutar predmetnog područja. Dominantna je teorijska leća za razumijevanje toga kako je kompetencija nastavnika za umjetnu inteligenciju strukturirana i kako se gradi kroz profesionalni razvoj.

Ta dominacija dijelom je i artefakt pretraživanja: u PRISMA pregledu opsega 195 studija o pripremi nastavnika uz potporu tehnologije digitalna kompetencija, TPACK i DigCompEdu bili su izričiti deskriptori pretraživanja, pa udio od 46,5 % okvira kompetencija opisuje dohvaćeni korpus, a ne područje (Patiño Hernández i sur. (2026.)).

Pitanja za razmatranje

  • TPACK tvrdi da djelotvorno poučavanje uz tehnologiju nije zbroj odvojenih vještina (znati svoj predmet + znati poučavati + znati alat) nego proizvod njihove međuigre. Sjetite se lekcije koja je doista uspjela uz neku tehnologiju. Koje su kombinacije sadržajnog, pedagoškog i tehnološkog znanja — a ne bilo koje pojedinačno — očito obavljale posao?
  • Uobičajena je pretpostavka da je nastavnik koji je „vičan tehnologiji“ time i spreman poučavati uz umjetnu inteligenciju. Gdje ta pretpostavka može zakazati — primjerice kada tehnički tečan nastavnik i dalje rabi umjetnu inteligenciju na pedagoški plitak ili sadržajno netočan način? Kako bi izgledala „kompetentnost“ koju jednostavan test tehničkih vještina propušta?
  • Era umjetne inteligencije preokviruje tehnologiju u TPACK-u od pasivnog alata u aktivnog agenta koji može planirati, generirati i tutorirati. Ako se nastavnikov posao pomiče s upravljanja alatom na orkestraciju umjetne inteligencije koja djeluje sama, koje novo znanje to traži — i može li ga ikakav statični kontrolni popis obuhvatiti?
  • Stranica sugerira da profesionalni razvoj treba osposobljavati sjecišta, a ne samo alate. Sjetite se posljednje obuke o tehnologiji koju ste pohađali ili osmislili. Je li bila uglavnom „kako rabiti softver“, ili je gradila sadržajno i pedagoško znanje zajedno s tehnologijom? Koji bi pristup, po vašem očekivanju, više promijenio praksu u učionici, i zašto?
  • Istraživanje je pronašlo različite „nastavničke arhetipove“ — optimizatore, stvaratelje, pasivne promatrače — i različite vrste potpore od kojih imaju koristi. Kojem arhetipu najviše nalikujete kada rabite umjetnu inteligenciju u poučavanju, i kakva bi vam postupna potpora najviše pomogla? Bi li vas vaši učenici opisali jednako kao vi sebe?
  • Neki istraživači tvrde da djelotvorna integracija umjetne inteligencije proizlazi iz nastavnikovih uvjerenja i osjećaja vlastite djelotvornosti, a ne samo iz njegova znanja. Što vjerujete o ulozi umjetne inteligencije u učenju, i kako bi to uvjerenje — više od vaše tehničke vještine — moglo oblikovati hoćete li je i kako doista integrirati?

Uvod

  • Crompton i sur. istraživanjem temeljenim na dizajnu operacionaliziraju standarde za integraciju tehnologije u radu nastavnog osoblja koji proširuju okvir TPACK u institucionalnu praksu.

Okvir

TPACK tvrdi da djelotvorna integracija tehnologije nije zbroj odvojenih domena znanja nego proizvod njihove dinamične međuigre. Okvir obuhvaća tri temeljne domene i četiri sjecišta:

  • Sadržajno znanje (CK) — znanje o predmetu koji se poučava.

  • Pedagoško znanje (PK) — znanje o nastavnim metodama, strategijama i o tome kako učenici uče.

  • Tehnološko znanje (TK) — znanje o upotrebi alata i tehnologija, uključujući generativnu umjetnu inteligenciju.

  • Pedagoško sadržajno znanje (PCK) — kako djelotvorno poučavati određeni sadržaj.

  • Tehnološko sadržajno znanje (TCK) — kako tehnologija oblikuje i predstavlja sadržaj.

  • Tehnološko pedagoško znanje (TPK) — kako tehnologija podupire ili ograničava nastavne strategije.

  • TPACK — emergentno, integrirano znanje u središtu, gdje sve tri domene djeluju zajedno kako bi omogućile tehnologijom potpomognuto, sadržajno specifično poučavanje.

  • Okvir po zadanom vlada područjem i rastegnut je da bi se uklopio. U PRISMA pregledu 78 studija o oblikovanju nastave uz potporu umjetne inteligencije samo je 19 primijenilo ikakav imenovani okvir kompetencija — a TPACK i njegove inačice činili su 17 od tih 19, rabljeni produktivno kao analitička leća, ali rastegnuti izvan izvornog opsega, jer TPACK nije osmišljen za UI-specifične sposobnosti. Namjenski izgrađene ekstenzije odgovarajuće su rijetke: Intelligent-TPACK pojavio se u samo pet studija, obično u paru s pismenošću o umjetnoj inteligenciji radi razvojne progresije (Spyropoulou i Kameas, 2026.).

  • Istraživanje napreduje neoteoretizirano, dok politički okviri ostaju netestirani. Isti pregled utvrdio je da je 76 % studija zaključivalo o kompetencijama iz prakse bez ikakvog teorijskog preslikavanja, a ni DigCompEdu ni UNESCO-ov Okvir kompetencija za umjetnu inteligenciju za nastavnike nije primijenjen kao analitički okvir ni u jednoj od 78 studija — raskol koji ide u oba smjera, jer empirijski rad ne nakuplja zajednički rječnik, dok okviri koji bi trebali usmjeravati praksu u tom kontekstu ostaju empirijski netestirani.

AI-TPACK i GenAI-TPACK

Era umjetne inteligencije gurnula je okvir prema shvaćanju tehnologije kao inteligentne. Generativna umjetna inteligencija nije pasivan alat nego aktivan agent koji može planirati, generirati sadržaj, tutorirati i prilagođavati se — pa integracijsko znanje sve više uključuje orkestraciju: odlučivanje kada i kako umjetna inteligencija djeluje, daje potporu ili ustupa mjesto ljudskoj prosudbi.

  • Izvan diskretnog znanja. Istraživanje AI-TPACK-a tvrdi da djelotvorna integracija umjetne inteligencije ne proizlazi iz posjedovanja odvojenih domena nego iz dinamične međuigre sistemskog mišljenja, pedagoških uvjerenja i samoučinkovitosti — što osporava statične modele kompetencija nastavnika za umjetnu inteligenciju zasnovane na kontrolnom popisu. Nastavnički arhetipovi (sustavni optimizatori, plodni stvaratelji, pasivni promatrači) proizlaze iz toga kako nastavnici osmišljavaju višeagentske nastavne tijekove rada.

  • Što integracijski okviri ispuštaju. Kritika sudjelotvornosti tvrdi da TPACK i SAMR obrađuju nastavničko znanje i razine usvajanja, ali ostavljaju moć, vlasništvo nad podacima i odgovornost neobrađenima, pa integracijsko znanje treba izričitu etičku granicu, a ne još jednu domenu znanja (Poudyal (2026.)).

  • Dokazi s više razina za pedagošku srž. Višerazinska studija 46 nastavnika i 2 832 srednjoškolca utvrdila je da samo tehničko UI znanje nije dostatno — čak je blago umanjivalo percepcije učenika o umjetnoj inteligenciji za društveno dobro — dok je pedagoško UI znanje (TPAIK) poticalo percepcije učenika i njihovu bihevioralnu namjeru da uče o umjetnoj inteligenciji. Rezultat se sažima u smjernicu „pedagogija prvo, tehnologija drugo“ koja odjekuje gore navedenim nalazima o posredujućoj ulozi.

  • Etika kao integrativni medijator, a ne granica. U anketi 454 sveučilišna nastavnika izolirano UI-tehnološko znanje imalo je negativnu izravnu povezanost s integriranim AI-TPACK-om (β = −0,303), dok je njegov ukupni učinak ostao pozitivan (β = 0,639), idući kroz pedagoško, sadržajno i etičko znanje (Chen i sur. (2026.)). Etičko znanje također je prenosilo učinak dalje, predviđajući i pedagoško (β = 0,353) i sadržajno znanje (β = 0,269).

  • Pregledna leća za cijelo područje. Sustavni pregled iz perspektive TPACK-a (Liu i Zhong, 2025.) analizirao je 71 empirijsku studiju o generativnoj umjetnoj inteligenciji u učenju studenata, pronašao ukupni pozitivni učinak (Hedgesov g = 0,752) i identificirao pismenost studenata o generativnoj umjetnoj inteligenciji i profesionalni razvoj nastavnika za GenAI-TPACK kao dva kritična prioriteta područja.

  • Sama osposobljenost ne predviđa pedagošku integraciju. Choi i sur. (2026.) mjerili su Intelligent-TPACK nastavnika kako bi segmentirali sudionike i opazili da su se čak i UI-osposobljeni novaci tijekom osmišljavanja lekcije pasivno oslanjali na UI rezultat, dok su iskusni nastavnici — s nižim izmjerenim AI-TPACK-om — kritički ponovno stupali u interakciju i prilagođavali UI prijedloge pedagoškom kontekstu. Rezultat pojačava gornji obrazac: AI-TPACK prevodi se u valjanu razrednu upotrebu kroz iskusnu pedagošku prosudbu, pa potpora u pripremi nastavnika mora ciljati primjenu UI znanja, a ne njegovo puko posjedovanje.

  • Kontekst pripreme nastavnika. TPACK je instrumentalan u njegovanju nastavničke kompetencije za integraciju tehnologije u poučavanje specifično za kurikul, zbog čega ga istraživanja pripreme nastavnika i profesionalnog razvoja (npr. intenzivni programi profesionalnog razvoja za generativnu umjetnu inteligenciju, spremnost budućih nastavnika matematike za AI-TPACK) sve više mjere kao ishod od interesa.

  • Pedagoško znanje posreduje integraciju generativne umjetne inteligencije. Mohebi i ElSayary (2026.) anketirali su 325 zaposlenih nastavnika iz 26 zemalja i intervjuirali njih sedam, koristeći eksplanatorni sekvencijalni dizajn miješanih metoda za modeliranje TPACK-GenAI. Tehnološko znanje (TK), pedagoško znanje (PK) i pedagoško sadržajno znanje (PCK) svaki su bili povezani s ukupnim TPACK-GenAI, ali je tehnološko pedagoško znanje (TPK) posredovalo te veze — dokaz da je pomak „od osposobljenosti prema pedagogiji“ važan: prevođenje GenAI vještine u valjanu razrednu upotrebu ide kroz pedagoško-tehnološko integracijsko znanje, a ne samo kroz poznavanje alata.

  • U visokom obrazovanju predmetna se stručnost ne prenosi na integraciju generativne umjetne inteligencije. Sutedjo, Chowdhury i Liu (2026.) prilagodili su instrument TPACK-21 i anketirali 127 članova osoblja američkog istraživačkog sveučilišta o upotrebi generativne umjetne inteligencije za poučavanje vještina 21. stoljeća. Osoblje je izvijestilo o snažnom sadržajnom znanju (M = 5,15) i pedagoškom sadržajnom znanju (M = 4,70), ali o slabom tehnološki integriranom znanju — TPK (M = 2,62), TCK (M = 2,75) i ukupni TPACK (M = 2,55, najniža domena) — a sadržajno znanje nije pokazalo nikakvu značajnu korelaciju s tehnološkim znanjem ni s bilo kojom tehnološki integriranom domenom (r = 0,11–0,15, ns). Tri tehnološki integrirane domene bile su međusobno tako snažno povezane (r = 0,81–0,91) da mogu djelovati kao jedan čimbenik integracije generativne umjetne inteligencije. Rezultat pojačava načelo dizajna osposobljavati sjecišta: razvoj osoblja mora namjerno graditi znanje o integraciji generativne umjetne inteligencije kroz disciplinski specifične aktivnosti, umjesto da pretpostavi da će se predmetna stručnost prenijeti, i tretirati tehnološki integrirane domene kao zajednički temelj pismenosti o generativnoj umjetnoj inteligenciji.

  • Institucionalni model i razina obuke međusobno djeluju. Mnguni i sur. (2026.) usporedili su 186 budućih nastavnika prirodnih predmeta na završnoj godini na južnoafričkom sveučilištu smještenom u kampusu (n = 85) i na sveučilištu za obrazovanje na daljinu (n = 97). Samoprijavljeni TPACK bio je viši u kampusu (64,0 % prema 47,4 %), pedagoško znanje bila je najmanje izvješćivana domena u objema skupinama (53 % u kampusu), a razina UI obuke bila je povezana sa samoprijavljenim TPACK-om samo na ustanovi na daljinu, gdje je završetak kratkog tečaja od pet kredita predviđao slabiji izvješćeni TPACK od nikakve obuke (p = 0,039, prema p = 0,607 u kampusu). Spremnost stoga prati kontekst institucionalne ponude, a ne samo sate obuke, i autori upozoravaju da samoprijavljena spremnost ne može zamijeniti dokaze o izvedbi.

Upozorenje o mjerenju koje to nadopunjuje dolazi iz istog autorova Modela sposobnosti i odluke: kada je TPACK samoprijavljen, a percipirana bihevioralna kontrola mjerena kao samoučinkovitost, te dvije stvari možda se empirijski ne mogu razlikovati, pa studija ne može reći predviđa li namjeru sposobnost ili opće samopouzdanje (Mnguni (2026.)).

  • Integrirani TPACK najviše se pomiče kada je umjetna inteligencija potpomognuta unutar autentičnih zadataka temeljenih na problemima. Chen i Osman (2026.) usporedili su osmotjedni modul CTD-PBL uz potporu umjetne inteligencije s konvencionalnom nastavom za 130 budućih nastavnika fizike treće godine u kvazieksperimentalnom nacrtu s intaktnim razredima (65 po uvjetu), pri čemu su skupine rabile DeepSeek kroz predloške upita specifične za zadatak, a svaki UI rezultat morao je proći ljudsku verifikaciju prije ulaska u nastavni artefakt. Skupina s modulom izvijestila je o višem TPACK-u nakon testa (M = 4,04 prema 3,40, p < 0,001, d = 1,02) i višem percipiranom kolaborativnom rješavanju problema (M = 3,62 prema 3,05, d = 0,88), uz značajne interakcije skupine i vremena na oba ishoda. Gdje su se dobitci smjestili, TPACK-relevantan je detalj: najveći dimenzionalni učinci bili su u integriranim domenama — TPCK (d = 1,21), PCK (d = 1,06) i TPK (d = 0,95) — a dobitci u suradnji bili su najjasniji u zajedničkoj izgradnji znanja i društvenoj regulaciji, dakle u sjecištima, a ne u temeljnim domenama. Autori to predstavljaju kao diferencijalnu promjenu povezanu s integriranim nastavnim uvjetom, a ne kao UI učinak: umjetna inteligencija nikada nije bila izdvojena iz lanca zadataka PBL-a, strukturirane suradnje, nastavničke potpore, povratnih informacija vršnjaka ni refleksivne revizije, a oba su ishoda bila upitničke percepcije kompetentnosti, a ne pokazana razredna izvedba.

  • Intervencija može prvo pokrenuti temeljnu domenu. Šestomjesečni program profesionalnog razvoja izgrađen izravno na okviru Intelligent-TPACK najviše je podigao tehničko UI znanje (AITK: 3,92 na 4,43, t(63) = 3,856, p < 0,001, d = 0,48), zatim tehnološko-pedagoško znanje (AITPK: d = 0,33) i najmanje integrirani AITPACK (d = 0,26), dok je etička svijest ostala relativno nepromijenjena (Tan, Cheng i Ling, 2025.). Taj je redoslijed zrcalna slika dobitaka u integriranim domenama kod Chena i Osmana, a oba su nalaza samoprocjena.

AI-TPACK kao medijator između pismenosti i razredne integracije. Model strukturnih jednadžbi kineskih budućih nastavnika prirodnih predmeta (Zou, Li, Wang i Du, 2026.) pozicionira AI-TPACK ne kao paralelnu kompetenciju nego kao transmisijski mehanizam kroz koji opća pismenost o umjetnoj inteligenciji postaje nastavna praksa. Pismenost o umjetnoj inteligenciji snažno je predviđala AI-TPACK, AI-TPACK je pak predviđao poučavanje prirodnih predmeta i samoučinkovitost, a samoučinkovitost u poučavanju bila je najsnažniji pojedinačni prediktor namjere poučavanja kroz istraživačko učenje integrirano s umjetnom inteligencijom.

Cijeli serijski lanac (pismenost o umjetnoj inteligenciji → AI-TPACK → samoučinkovitost → namjera) bio je značajan, kao i zasebni neizravni putovi kroz AI-TPACK i kroz samoučinkovitost; uzeti zajedno, većina povezanosti pismenosti o umjetnoj inteligenciji s namjerom išla je kroz te medijatore, a ne izravno, i rezultat je održan nakon kontrole spola, godine studija, smjera i učestalosti upotrebe umjetne inteligencije. Praktična tvrdnja modela jest slijed s ulaznom točkom: pismenost o umjetnoj inteligenciji nužna je, ali nedostatna, i rad na integraciji odvija se tamo gdje se spajaju tehnološko, pedagoško i sadržajno znanje — što je ujedno i mjesto gdje se gradi nastavnikovo pouzdanje u poučavanje predmeta.

  • Validacija kao četvrta kompetencija. Orhon, Cekerol i Ugur (2026.) proširuju model sa znanjem o UI validaciji — podvrgavanjem probabilističkog UI rezultata disciplinski specifičnoj verifikaciji prije nego što se tretira kao dokaz legitimne odluke — i povezuju ga s procesno orijentiranom rubrikom za dizajnersko obrazovanje.

Zašto je važan u obrazovanju o umjetnoj inteligenciji

TPACK je organizacijski okvir za nastavničku stranu dokazne osnove ove baze znanja. Objašnjava zašto je kompetencija nastavnika za umjetnu inteligenciju više od tečnosti u alatu: nastavnici moraju integrirati tehnološko, pedagoško i sadržajno znanje zajedno kako bi umjetnu inteligenciju pretvorili u dobitke u učenju. Stranica Kompetencije nastavnika za umjetnu inteligenciju pokriva dimenzije kompetencije; TPACK je struktura znanja koja stoji ispod njih. Istraživanja pouzdanja nastavnika, profesionalnog razvoja i preobražaja uloge nastavnika djeluju unutar tog okvira (ili protiv njega). Okvir se sada proširuje na vrednovanje cijelih programa: Wu i Li (2026.) grade AHP-Fuzzy-AHP sustav vrednovanja programa certifikacije za umjetnu inteligenciju na dimenzijama TPACK-a i nalaze da je profesionalna kompetencija nastavnog osoblja — a ne tehnička infrastruktura — najveći jaz između prioriteta stručnjaka i trenutne ponude, što signalizira da bi certificiranje trebalo ulagati u integrirani pedagoški kapacitet nastavnika.

Posredovanje uglavnom ide kroz lakoću upotrebe. Zhao (2026.) testirao je šest neizravnih putova od pismenosti o umjetnoj inteligenciji i TPACK-a do dubinskog učenja kod 423 buduća nastavnika: TPACK kroz percipiranu lakoću upotrebe bio je najveći (0,212), a pismenost o umjetnoj inteligenciji kroz korisnost najmanji (0,033), pa je integracijsko znanje djelovalo kroz upotrebljivost, a ne kroz korisnost. Komponente u UI slučaju nemaju jednaku težinu. Među 988 budućih nastavnika TCK (β = 0,67) i TPK (β = 0,41) predviđali su integrirani AI-TPACK, dok samo TK nije (β = −0,10, p = 0,066), a integrirani TPACK predviđao je stav prema generativnoj umjetnoj inteligenciji (β = 0,75) (Khalil i sur., 2026.).

Implikacije za dizajn

  1. Osposobljavajte sjecišta, a ne samo alate. Profesionalni razvoj treba graditi tehnološko, pedagoško i sadržajno znanje zajedno, umjesto da nudi izoliranu obuku za alat — to je temeljno načelo dizajna TPACK-a.
  2. Tretirajte umjetnu inteligenciju kao agenta, a ne kao aparat. AI-TPACK proširuje okvir prema orkestraciji UI agenata, tražeći sistemsko mišljenje i pedagošku prosudbu o tome kada umjetna inteligencija treba djelovati.
  3. Diferencirajte profesionalni razvoj prema profilu nastavnika. Različiti nastavnički arhetipovi (optimizatori, stvaratelji, promatrači) imaju koristi od različite potpore — naprednih okvira, brzih povratnih informacija, odnosno izričitog modeliranja.
  4. Procjenjujte integriranu kompetenciju. Ishode usmjerene na TPACK (npr. dobitke u AI-PCK) treba mjeriti kao integriranu sposobnost, a ne kao samoprijavljeno poznavanje alata.

Uobičajene zablude

  • „Dominacija TPACK-a odražava njegovu eksplanatornu moć.“ Ta je dominacija dijelom artefakt pretraživanja: u PRISMA pregledu opsega 195 studija o pripremi nastavnika uz potporu tehnologije digitalna kompetencija, TPACK i DigComp dominiraju indeksiranom literaturom. Zastupljenost u pretraživanju jest svojstvo rječnika koji područje rabi, a ne dokaz da okvir objašnjava više.
  • „Dobro poznat okvir je validiran okvir za umjetnu inteligenciju.“ TPACK nije osmišljen za UI-specifične sposobnosti, zbog čega je Intelligent-TPACK razvijen — a pojavljuje se u samo pet studija u pregledu od 78 studija. Upotreba TPACK-a za kompetenciju u generativnoj umjetnoj inteligenciji rasteže ga izvan njegove konstrukcije.
  • „Primjena okvira znači da je istraživanje oteoretizirano.“ Isti pregled utvrdio je da je 76 % studija zaključivalo o kompetencijama iz prakse bez ikakvog teorijskog preslikavanja, pa prisutnost TPACK-a u području supostoji s time da je većina istraživanja neoteoretizirana. Imenovani okvir nije isto što i okvir koji obavlja posao.

Povezani koncepti

Povezani članci

Povezani FAQ-ovi

Metapodaci

Predviđena publikaFaculty Developers, Instructors
Tehnologije i tehnikeGenerative AI
Temelji AI-ja u edukacijiPismenost u području umjetne inteligencije, Oblikovanje kurikuluma, Obrazovni razvoj, Oblikovanje učenja, Poučavanje, Tehnološko pedagoško sadržajno znanje (TPACK), Kompetencije nastavnika za umjetnu inteligenciju
IzvorPovijestUrediRazgovor

Ugradi ovu stranicu

Kopirajte kôd u nastavku kako biste ugradili ovu stranicu u sustav za upravljanje učenjem ili drugu web stranicu. Ugrađena verzija prikazuje samo sadržaj stranice — skriva zaglavlje stranice, navigaciju i podnožje.