Welke competenties hebben docenten nodig met betrekking tot AI?

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

De commissie voor docentontwikkeling heeft in januari één slot en de rector wil dat het over AI gaat. Of u runt het onderwijscentrum, en drie afdelingen hebben om "een AI-workshop" gevraagd, wat drie verschillende dingen blijkt te betekenen. Of u gebruikt deze tools al een jaar en wilt weten wat u nog mist voordat u een cursus eromheen herbouwt.

De kern: van dit alles is prompttechniek het kleinste deel. Docenten moeten kunnen beoordelen wat een model wel en niet kan, opdrachten en toetsen rond dat oordeel ontwerpen, en weten wanneer zij het helemaal buiten een cursus moeten houden. Vertrouwen is voor al die dingen een slechte maatstaf, dus bouw het programma rond prestatie en rond disciplines in plaats van rond een demonstratie van een tool.

De korte versie

1. Definieer de competentie in vier dimensies, en voeg een didactische laag toe voor iedereen die studenten beoordeelt.

2. Beoordeel met prestatie in plaats van met een enquête. Zelfgerapporteerde geletterdheid en aangetoonde bekwaamheid lopen uiteen.

3. Haal de disciplines de ruimte in. Vakkennis gaat niet vanzelf over in technologie-integratie.

4. Behandel de technologiedomeinen expliciet, want dat zijn de domeinen die laag meten, zelfs bij zelfverzekerde docenten.

5. Behandel "wanneer u dit niet gebruikt" als een competentie, en geef docenten dekking om te weigeren.

Definieer de competentie voordat u de ruimte boekt

De synthese over AI-geletterdheid in de kennisbasis onderscheidt vier dimensies, en die vormen een bruikbare agenda omdat elk ervan een ander soort sessie vraagt:

• Fundamenteel begrip van de mogelijkheden en beperkingen van AI.
• Praktische bekwaamheid in het gebruik van AI-tools.
• Kritische evaluatie van nauwkeurigheid, bias, passendheid en onzekerheid.
• Ethisch en institutioneel bewustzijn rond zaken als integriteit, privacy, rechtvaardigheid en bestuur.

Voor docenten hebben die dimensies een didactische laag nodig bovenop. Docenten moeten kunnen beslissen welk cognitief werk studenten moeten behouden, AI-gebruik kiezen dat de leerdoelen dient, geldige toetsing voor het AI-tijdperk ontwerpen, studenten leren hun eigen gebruik te verifiëren en te reguleren, hallucinatie, overmatige afhankelijkheid en sycofantie herkennen, en weten wanneer menselijk oordeel het moet winnen van automatisering.

Zij hebben ook genoeg systeembegrip nodig om te beoordelen hoe workflows met generatieve AI samenhangen. Een workshop die één tool geïsoleerd onderwijst, levert docenten op die de tool kunnen demonstreren en u niet kunnen vertellen wat er breekt wanneer hij in een beoordelingsworkflow wordt gehangen. AI-competentie van docenten en Docentontwikkeling bevatten de langere versie van dat argument.

Schrijf de lijst op voordat u de sessies plant. Vier dimensies plus een didactische laag is genoeg om vier sessies in plaats van één te rechtvaardigen, en genoeg om een afdelingsvoorzitter te vertellen over welke van de vier zijn verzoek werkelijk gaat.

Beoordeel prestatie in plaats van vertrouwen

Zelfgerapporteerde AI-geletterdheid kan flink afwijken van aangetoonde bekwaamheid, en dat is de meest praktische waarschuwing in deze literatuur voor iedereen die docentontwikkeling verzorgt. Een vertrouwensenquête aan het eind van een workshop meet hoe de workshop aanvoelde.

Onderzoek naar multi-agent-workflows van docenten geeft een tweede reden om te toetsen in plaats van te vragen: systeemdenken, didactische overtuigingen en Self-Efficacy werken op elkaar in bij AI-integratie, dus dezelfde sessie landt anders bij twee docenten met dezelfde vakachtergrond. Dat pleit voor gedifferentieerd aanbod, en tegen de aanpak met één maat voor iedereen die de meeste instellingen hanteren.

De goedkope versie van prestatiebeoordeling is een taak, geen instrument. Vraag elke deelnemer één opdracht mee te nemen, die tijdens de sessie met het model te herzien, en de herziening daarna tegenover een collega te verdedigen: wat er veranderde, wat er nu wordt getoetst, waarop de student niet meer beoordeeld kan worden. Dat kost twintig minuten en vertelt u meer dan welke beoordelingsschaal aan het eind van de dag dan ook.

Verwacht dat het zwakke punt integratie is

Recent onderzoek in het hoger onderwijs zet cijfers op waar de competentie van docenten sterk is en waar zij breekt. Een enquête onder 127 docenten aan een grote Amerikaanse onderzoeksuniversiteit met het Technological Pedagogical Content Knowledge (TPACK)-21-instrument vond zelf ervaren pedagogische inhoudskennis hoog (M = 4,70) en inhoudskennis bijna op het plafond (M = 5,15). De technologie-geïntegreerde domeinen lagen duidelijk lager: technologisch-pedagogische kennis (M = 2,62), technologisch-inhoudelijke kennis (M = 2,75) en holistische TPACK (M = 2,55, de laagste van zeven).

Lees de kloof goed. Dit zijn mensen die hun vak kennen en weten hoe ze het moeten onderwijzen, en die niet weten hoe ze een model deel van beide maken. Inhoudelijke expertise voorspelde kennis van GenAI-integratie niet (CK-correlaties r = 0,11 tot 0,15, alle niet-significant), dus een programma kan niet aannemen dat vakbekwaamheid overdraagt. Het moet bekwaamheid opbouwen via gericht, disciplinespecifiek werk.

Nog een bevinding stuurt het ontwerp. De drie technologie-geïntegreerde domeinen correleerden r = 0,81 tot 0,91, wat suggereert dat zij als één capaciteit voor GenAI-integratie kunnen functioneren. Als dat standhoudt, behandelt u het als één gedeelde basis in plaats van als drie aparte vaardigheden met drie aparte sessies.

Ontwerp sessies rond een echte cursus

Wat training wel en niet kan, blijkt duidelijk uit een within-subjects-onderzoek met 13 docenten uit het hoger onderwijs. Het geven van een chatbot aan docenten verbeterde de kwaliteit van hun leerontwerp significant, waarbij het aandeel dat twee of meer taken van hogere orde in de Bloom-taxonomie haalde steeg van 41,7% naar 91,7% (p = 0,01). Ervaren cognitieve inspanning daalde scherp, mediaan 6,33 naar 3,33 (p = 0,004). De didactische prompttraining die er bovenop kwam, verbeterde de kwaliteit niet verder en verhoogde de inspanning licht.

Drie dingen volgen daaruit, en het derde is wat programma's overslaan.

Toegang verandert onderwijsgedrag gemakkelijk. Geef docenten een bekwaam model en een echte taak, en het werk voor hen verbetert binnen één sessie.

Diepere bekwaamheid vraagt meer dan een workshop. De promptlaag voegde inspanning toe zonder meetbare kwaliteitswinst. Het leren schrijven van betere prompts is een vaardigheid, en volgens dit bewijs is die niet de beperking voor beter ontwerp.

Kwaliteitswinst bewijst niet dat de praktijk is geïnternaliseerd. Dertien docenten herontwierpen één taak goed met de tool open. Of zij dat een semester later zonder de tool konden, is een andere vraag, en de studie beantwoordt die niet. Neem een vervolgmeting op in het programma in plaats van te veronderstellen dat de winst bleef.

Dek de delen van de rol buiten het lesgeven

Competentie is ook een institutionele vraag, en de meeste kaders beantwoorden er maar een deel van. Ontwerpgericht onderzoek met 114 deelnemers aan 28 Amerikaanse instellingen en 11 landen leverde zes technologiestandaarden voor docenten over de volledige academische rol: docent, coördinator, leider, onderzoeker, lerende en bijdrager. De reden van de auteurs om ze te bouwen is het nuttige deel. Bestaande kaders (Technological Pedagogical Content Knowledge (TPACK), SAMR) en docentstandaarden (ISTE, UNESCO, DigCompEdu) richten zich op K-12-docenten of dekken alleen de onderwijsdimensie.

Voor een docentontwikkelaar herkadert dat het verzoek. Een afdeling die om een AI-workshop voor haar docenten vraagt, vraagt naar één van zes rollen. De coördinatoren van dezelfde afdeling nemen beslissingen op programmaniveau, haar onderzoekers schrijven met deze tools, en haar leiders keuren aankopen goed. Eén sessie kan ze niet allemaal bedienen, en doen alsof dat wel kan, is hoe een programma eindigt met hoge opkomst en geen verandering in de praktijk.

Maak ruimte voor weigeren

Adoptie verzet zich tegen een puur technische inkadering, en het verzet is vaak een oordeel in plaats van een gat. Een enquête onder 287 docenten in 27 landen vond een verfijnd model dat 79,8% van de variantie in gedragsintentie verklaarde. De ervaren autonomie van de kunstmatige intelligentie beïnvloedde de intentie alleen indirect, via bruikbaarheid. Risico-aversie was een significante negatieve voorspeller (−0,163), en docenten maakten zich veel meer zorgen over de risico's van overmatige afhankelijkheid en integriteit bij studenten dan over hun eigen gebruik.

Interviews met twee ervaren academici beschrijven hoe die zorg van binnenuit voelt: terugkerende identiteitsspanningen tussen didactiek en platform, docent en begeleider, zorg en naleving, die worden genavigeerd via principiële selectiviteit geworteld in didactische waarden.

Dus competentie omvat een professioneel oordeel over wanneer u AI niet gebruikt, en een programma dat dat niet hardop kan zeggen, leest als een verkooppraatje voor precies de docenten wier oordeel u het liefst in de ruimte hebt. Twee ervaren academici is een kleine bewijsbasis voor een grote bewering; behandel de identiteitsbevinding als een beschrijving van een echte spanning en niet als een gemeten effect, en laat haar de toon van de sessies bepalen.

Wat docentontwikkelaars verkeerd doen

Een promptworkshop is een programma voor AI-competentie. Hij dekt één van vier dimensies, en in de studie met 13 docenten voegde de promptlaag inspanning toe zonder gemeten kwaliteitswinst.

Zelfverzekerde docenten zijn competente docenten. Zelfrapportage wijkt af van aangetoonde bekwaamheid, en de enquête onder 127 docenten vond inhoudskennis bijna op het plafond naast holistische TPACK op 2,55. Vertrouwen volgt vakexpertise, en dat is precies wat deze docenten al hebben.

Inhoudsexperts werken de integratie zelf wel uit. Inhoudskennis voorspelde integratiekennis niet in die enquête. De correlatie was niet-significant, en dat is de bevinding die disciplinespecifiek aanbod rechtvaardigt in plaats van een algemene uitnodiging.

Eén kader dekt iedereen. De standaard met zes rollen bestaat omdat TPACK, SAMR en de grote docentstandaarden alleen K-12-docenten of alleen de onderwijsdimensie dekken.

Verzet is een kennisgat dat gevuld moet worden. Risico-aversie voorspelde intentie negatief, en het identiteitswerk beschrijft docenten die redeneren vanuit didactische waarden. Een deel van wat op tegenzin lijkt, is een verdedigbare positie over overmatige afhankelijkheid bij studenten.

Wat er op u afkomt

"Wij hebben geen personeelstijd voor ontwikkeling op basis van prestatie." Bouw dan geen programma. Bouw één oefening op taakniveau: neem een opdracht mee, herzie die met het model, verdedig de herziening. Dat is de versie van twintig minuten, en zij levert bewijs van bekwaamheid dat een tevredenheidsenquête niet levert.

"Onze docenten gebruiken deze tools al, dus de training loopt achter hen aan." Gebruik is niet het construct. De enquête onder 127 docenten beschrijft mensen met hoge inhouds- en didactische kennis en lage technologie-geïntegreerde kennis, en de studie met 13 docenten laat ontwerpkwaliteit meebewegen met toegang terwijl de promptlaag niets toevoegde. Geen van beide resultaten zegt dat de docenten tegenover u iets hebben geïntegreerd.

"Dit is een IT-trainingsprobleem." Het intentiemodel zet bruikbaarheid, niet technische bekwaamheid, op het pad naar adoptie, en risico-aversie loopt daarnaast. Het obstakel is oordeel over studenten en over het vak, en daarom horen de sessies bij het onderwijscentrum.

"Competentiekaders zijn bureaucratische ballast." Het is een kaart voor één slot in januari. De vier dimensies vertellen u wat u weglaat, en de zes rollen vertellen u voor welk publiek een verzoek werkelijk is.

Wat u deze week kunt doen

1. Schrijf de vier dimensies en de didactische laag op één pagina, en markeer welke ervan uw huidige aanbod dekt.

2. Vervang het tevredenheidsformulier aan het eind van de sessie door één taak: een opdracht die is herzien en verdedigd.

3. Vraag twee afdelingen om een echte cursus en een echte opdracht om aan te werken, in plaats van een algemene uitnodiging.

4. Voeg één segment toe over wanneer u AI buiten een taak houdt, en zeg ronduit dat het afwijzen van een specifiek gebruik een legitiem professioneel oordeel is.

5. Bepaal welke van de zes rollen uw volgende sessie dient, en noem het publiek in de uitnodiging.

Waar u verder kunt gaan

Het studentgerichte tegenstuk is Hoe integreer ik AI-geletterdheid in mijn cursus?, en Wat is het bewijs over interventies voor AI-geletterdheid in het hoger onderwijs? behandelt hoe sterk die bewijsbasis voor geletterdheid is. Voor de samenvatting van het onderzoek voor docenten, zie Wat zijn de tien belangrijkste bevindingen uit onderzoek naar AI in het onderwijs die docenten moeten kennen?; AI-competentie van docenten en Docentontwikkeling bevatten het kadermateriaal, en Hoe schrijf ik een AI-beleid voor mijn cursus en communiceer ik dat naar studenten? is het document dat het meeste van dit ontwikkelwerk uiteindelijk oplevert.