Hvordan designer jeg utdanningsutvikling for AI som faktisk endrer praksis?

Automatisk maskinoversettelse av denne engelske siden, ennå ikke korrekturlest av en morsmålstalare.

Det er februar. Prorektoren din har annonsert en AI-satsing med en egen budsjettpost, og du har ett semester på å få den til å synes i klasserommene. Eller du holdt seks verksteder i høst, rommene var fulle, og undervisningen du sitter på i, er ikke endret. Eller en dekan stiller det enkle spørsmålet i budsjettiden: hva kjøpte pengene?

Alle tre kommer fra samme designfeil. Et verksted viser folk hva et verktøy gjør. Praksis endres når en underviser bruker støttet, strukturert tid på et problem i sitt eget emne, lenge nok til at en ny vane fortrenger en gammel, med institusjonen som sier ja til eksperimentet i stedet for bare å tolerere det.

Bunnlinjen for møtet: standardiser en øktsykel der hver deltaker tar med en ekte emneartefakt og går med en revidert en, legg verifisering, åpenhet og risikokontroll inn i arbeidsdokumentet i stedet for i en avsluttende etikkprat, strekk programmet ut over én enkelt dag og koble det til mentoroppfølging, kjør fagspesifikke kohorter, og rapporter artefaktene folk produserte ved en oppfølging, i stedet for hvor trygge de følte seg siste ettermiddag.

Kortversjonen

1. Forankre hver økt i en artefakt fra deltakerens eget emne, og avslutt økten med at artefakten er revidert.

2. Legg verifisering, åpenhet og risikokontroll i arbeidsmalen, der de blir brukt, slik at en engstelig deltaker har et sted å legge bekymringen.

3. Bruk timene på vurdering og vurderingskriterier, det svakeste området ved målingene og det med størst målt gevinst.

4. Kjør fagspesifikke kohorter, og differensier deretter innad etter erfaring.

5. Sikre vilkårene: uttalt tillatelse til å eksperimentere, beskyttet tid, materiell på de språkene underviserne dine arbeider på.

6. Evaluer reviderte artefakter med en forsinkelse, pluss én relasjonell indikator, og behandle tilfredshetspoeng som støy.

Kjør hver økt på deltakerens eget emne

Den reneste sammenligningen her er Bi et al. (2026), som kartla 568 undervisere ved fem universiteter og kjørte et kvasi-eksperiment med 160 av dem. Begge armene fikk fire verksteder på 90 minutter over påfølgende uker, med identisk kontakttid, plattform og fasilitatorstøtte. Innholdet var forskjellig. Én arm fikk konvensjonell faglig utvikling i generativ AI, den andre en strukturert syklus med ledetekstformulering, gjennomgang av utdata, revisjon av emnemateriell og skriftlig refleksjon mot en mal med sju komponenter som dekket mål, oppgavebegrensninger, vurderingskriterier, verifisering, åpenhet og risikokontroll.

Den strukturerte armen scoret høyere på alle sju beredskapsdimensjoner. Fordelen var størst i ledetekstdesign, på rundt to standardavvik, og det var den eneste armen der gevinsten i ledetekstdesign holdt seg ved forsinket testing; den konvensjonelle armens mindre gevinst var falt tilbake under utgangsnivået ved oppfølgingen.

To resultater til forklarer hvorfor demonstrasjoner ikke reiser. I en studie der de samme 13 underviserne i høyere utdanning ble målt før og etter, økte tilgangen til en chatbot andelen aktiviteter som nådde to eller flere høyereordens Bloom-oppgaver fra 41,7 % til 91,7 % (p = 0,01) og kuttet opplevd kognitiv innsats fra en median på 6,33 til 3,33 (p = 0,004). Den pedagogiske ledeteksttreningen som ble lagt på toppen, forbedret ikke designkvaliteten ytterligere, og den økte innsatsen noe. Samtidig, i et verksted med 60 naturfaglærere på ungdomstrinnet, var det produktive elementet samarbeidende gjennomgang av ChatGPT-genererte vurderingsspørsmål, og det var dette som avdekket problemer med begrepspresisjon og risikoen for å forsterke misoppfatninger.

Det disse studiene har felles: læringen kom fra å kritisere og revidere materiale. Folk forbedrer det som ligger foran dem, og de forbedrer det raskere når en kollega leser det samtidig.

Slutt å behandle ferdighet som den manglende brikken

Den fristende diagnosen er et kompetansegap som lukkes med bedre undervisning. Bai og Hsieh (2026) kartla 898 universitetslærere på AI-TPACK-skalaer og fant at lærere som forsto hvordan generative verktøy fungerer, eller kunne bruke dem kompetent, ikke hadde større sannsynlighet for å rapportere at de fant opp og iverksatte nye undervisningspraksiser, enn de som ikke kunne. Det integrerte AI-TPACK-konstruktet hadde ingen direkte vei til innovativ atferd i det hele tatt. Innflytelsen gikk helt gjennom AI-kompetanse, mestringstro i undervisningen og profesjonell identitet.

Det endrer hva en økt er til for. En gjennomgang av verktøyet adresserer ingen av disse tre. En økt der en underviser skriver om sin egen oppgave, forsvarer endringen og hører en kollega si seg enig i at den er bedre, adresserer alle tre samtidig, og det er derfor artefaktsyklusen slår demoen selv når innholdet er tynnere.

Designimplikasjonen er ubehagelig for alle med en lysbildefremvisning: du kan ikke forelese en underviser inn i å se seg selv som den typen underviser som arbeider slik. Du kan sette dem i en situasjon der de gjør det én gang, med støtte, og la evidensen hope seg opp.

Legg de vanskelige delene i malen de bruker

Dogans (2026) i-TPACK-rammeverk kommer fra en PRISMA-gjennomgang av profesjonell utvikling i AI pluss et søk som avdekket 17 studier til. Det kobler fem kunnskapsdomener (intelligent teknologisk kunnskap, teknologisk innholdskunnskap, teknologisk pedagogisk kunnskap, integrert i-TPACK og AI-etikk) til fire evidensbaserte veier: aktiv læring, modeller og eksempler, coaching og ekspertstøtte, og tilbakemelding og refleksjon, styrt av fem prinsipper som går fra kollektiv synergi framfor siloer til fleksibilitet innenfor struktur.

Rammeverkets skarpeste kritikk av feltet er at etikk håndteres overfladisk eller er helt fraværende i mange eksisterende programmer, og rettelsen er plassering. Verifisering, åpenhet og risikokontroll hører hjemme i dokumentet deltakerne bruker hele uken, ikke i de siste 20 minuttene av siste økt. En mal med en kolonne for risikokontroll blir fylt ut; et avsluttende segment om ansvarlig bruk blir nikket til.

Rammeverkets begrensning er at det er konseptuelt, uten utfallsdata på programnivå. Bruk det som en sjekkliste for design, ikke som bevis for at designet virker. Utfallsbeviset finnes i studiene over og under.

Bruk timene på vurdering

Hvis programmet ditt har plass til ett dypt tema, velg vurdering. I Talebzadehs (2026) åtte timer lange program, fire økter på to timer med 163 lærere og lærerstudenter, steg total AI-PCK fra 151,65 til 220,14 (d = 2,36, p < 0,001). Den største komponenteffekten var vurderingskriterier (d = 2,19), som også var det svakeste området ved pretest. Gevinsten var smalere i undervisningsmetode enn i vurdering.

Vurderingskriterier er også der engsteligheten i rommet kan settes i arbeid. En deltaker som er urolig for at studentene lener seg på en modell, kan skrive en kriterielinje som gjør resonnementet synlig, og det gjør en bekymring om til en designbeslutning med dato på.

Budsjetter ut over den enkelte dagen. I samme program fikk lærerstudenter signifikant mer enn erfarne (p = 0,033), mest i scenariobasert oppgavedesign og utforming av vurderingskriterier. De erfarne lærerne sa at åtte timer var for kort til å flytte inngrodde vaner, og ba om langsiktig, mentorstøttet oppfølging.

Bygg kohorter, og differensier innad i dem

Kjør ett universelt verksted, og du vil bruke mesteparten av det på å betjene medianen av deltakere, som ikke finnes. Sutedjo, Chowdhury og Liu (2026) fant blant 127 respondenter at selvopplevd pedagogisk innholdskunnskap var høy (M = 4,70) og innholdskunnskap nesten i taket (M = 5,15), mens teknologisk pedagogisk kunnskap (M = 2,62), teknologisk innholdskunnskap (M = 2,75) og helhetlig TPACK (M = 2,55) var markert lavere. Innholdskunnskap viste ingen signifikant korrelasjon med noe teknologiintegrert domene (r = 0,11-0,15), så fagkunnskap overføres ikke automatisk.

De tre lave domenene korrelerte r = 0,81-0,91 med hverandre, noe som sannsynligvis betyr én kapasitet for å undervise med disse verktøyene snarere enn tre separate ferdigheter. Undervis det som et felles fundament, og du sparer to økter.

Del så etter erfaring. Bai og Hsieh fant at profesjonell identitet forutsa innovativ atferd nesten dobbelt så sterkt blant sjeldne AI-brukere som blant daglige brukere, et resultat på grensen men en nyttig pekepinn: identitetsarbeid lønner seg mest hos folk som så vidt rører verktøyene, mens hyppige brukere får mer ut av tverrfaglige prosjekter enn av grunnleggende veiledning. Laidlaw (2026) argumenterer for fagspesifikke kohorter som rammen for nettopp den samtalen, med begrunnelsen at en fysiker og en historiker ikke løser det samme problemet.

Åpne med spørsmålet de skeptiske stiller

Laidlaws (2026) autoetnografiske redegjørelse argumenterer for at motstand ikke er et ferdighetsunderskudd. Undervisere som spør hva poenget med undervisning er i en verden med generativ AI, spør ikke hvordan de skal bruke et verktøy trygt; spørsmålet er ontologisk. Hun leser generativ AI som et terskelbegrep (transformativt, problematisk, irreversibelt, integrerende, avgrenset) og konkluderer med at engstelse, motstand og forvirring er nødvendige deler av å krysse terskelen snarere enn feil som skal rettes. Anbefalingene hennes snur det vanlige verkstedet: åpne med identitetsspørsmål i stedet for demonstrasjoner, kjør fagspesifikke kohorter, tillat ulike tidslinjer, og behandle prinsipiell ikke-adopsjon forankret i faglige verdier som legitimt. Hun advarer også om at det å kommunisere regler kan gli over i en «håndhevelsesillusjon» som erstatter støtte med etterlevelsesbudskap.

Skyldfølelsen er målbar, og den er ikke jevnt fordelt. Vassallo (2026) kartla 109 akademikere og identifiserte et «AI-skyldkompleks»: 35 % var bekymret for at AI-bruk undergraver troverdigheten deres, og 26 % rapporterte at de følte de «jukset», med forventet skyldfølelse om troverdighet som oversteg anger etter bruk, så ubehaget er sosioprofesjonelt snarere enn privat. Fire profiler trådte fram: komfortable adoptere (27 %), skyldtyngede ikke-brukere (29 %), forsiktige brukere (28 %) og moralsk belastede unngåere (16 %). Ett program håndterer fire forskjellige problemer, og de 29 % som føler skyld mens de ikke bruker verktøyene, trenger noe annet enn en demonstrasjon.

Størrelsen på oppgaven synes i AAC&U/Elon-undersøkelsen av 1 057 undervisere (Watson og Rainie, 2026): 68 % sa at institusjonen deres ikke har forberedt underviserne på å bruke generativ AI til undervisning og veiledning, med en tilsvarende andel for forskning og formidling. 26 % av respondentene bruker ikke verktøyene i det hele tatt, inkludert 40 % av underviserne i kunst- og humaniorafag, og 82 % nevner kollegers motstand som en barriere for avdelingens adopsjon.

Rett på vilkårene som læreplanen ikke kan rette

Dette er funnet å ta med til et ledermøte. I undersøkelsen med 568 undervisere bak sammenligningen over, rapporterte kasakhstanske undervisere høyere utgangsberedskap enn sine kinesiske kolleger på alle sju dimensjoner, med de største gapene i faglig overføring, ledetekstdesign og grunnleggende forståelse. I hierarkisk regresjon falt Kazakhstan-koeffisienten, klart signifikant alene, til ikke-signifikant da tidligere generativ AI-bruk, nylig AI-opplæring, institusjonell støtte, opplevd tillatelse, tilgang til flerspråklige ressurser, policyklarhet og risikosensitivitet ble ført inn. Det er en reduksjon på rundt fire femtedeler. Institusjonell støtte og opplevd tillatelse bar den mest positive vekten, og risikosensitivitet var den eneste prediktoren som virket mot beredskap. Mer enn dobbelt så mange kasakhstanske som kinesiske undervisere rapporterte AI-relatert opplæring de siste seks månedene.

Så spakene en programleder har, er lokale og nære: praktisk øvelse, uttrykkelig tillatelse til å eksperimentere, materiell på de språkene underviserne faktisk arbeider på, synlig støtte fra enheten. Nasjonal policyinnramming bærer ikke beredskap alene. Der risikosensitivitet biter, er svaret å gi den et sted å utøves snarere enn å snakke forsiktigheten ned, og utforming av vurderingskriterier og verifiseringsrutiner er det stedet.

To praktiske friksjoner hører til i samme samtale. Intensjon om fortsatt bruk var den høyest rangerte tilfredshetsdimensjonen hos Bi et al. (2026), mens verktøyets brukervennlighet var den laveste, så noe av det som leses som motvilje, er plattformfriksjon. Og Aponte et al. (2026) peker på den harde grensen: AI kan ikke kompensere for kronisk overbelastning, straffende ansvarliggjøringskulturer, svakt lederskap eller fravær av beskyttet tid. De argumenterer for at den bare bidrar til læreres sosio-emosjonelle utvikling som relasjonell infrastruktur (beskyttet tid til mentorering, kollegadialog, praksisfellesskap) og foreslår relasjonell fortetning som standard, der en teller tillit, kontinuitet i støtten og samregulering snarere enn kontakttimer. To påstander oversettes til programdesign: frigjort tid blir reabsorbert som ekstra krav med mindre institusjonen formelt krever at den reinvesteres, og samtalende agenter kan stille erstatte de vanskelige menneskelige forhandlingene som skaper vekst. Rammeverket deres er en heuristikk, ikke en testet kausal påstand.

Er disse vilkårene dine, retter et bedre verksted dem ikke, og å si det er mer nyttig enn å love noe annet.

Rapporter artefakter med forsinkelse

Den institusjonelle rammen det er verdt å justere seg mot, er Crompton, Burke og Nickel (2026), hvis designbaserte forskning over to makrosykluser og 114 deltakere (undervisere fra 28 amerikanske institusjoner og 11 land, pluss ledere for undervisningssentre og akkrediteringskoordinatorer) produserte seks standarder som spenner over hele den akademiske rollen: underviser, koordinator, leder, forsker, lærende og bidragsyter. Eksisterende rammeverk og lærerstandarder retter seg mot K-12-lærere eller dekker bare undervisning, så et senter som kobler tilbudet sitt til disse, kan kobles til medarbeidersamtaler og akkreditering, og det er også argumentet som overlever en budsjettrevisjon.

Vær forsiktig med hvordan du evaluerer, for mesteparten av denne litteraturen måler selvrapporterte inntrykk. Bi et al. målte selvrapportert beredskap snarere enn faktisk undervisning, og gruppene deres ble dannet ved frivillig påmelding snarere enn randomisering, så resultatene er assosiasjoner. Bai og Hsieh er tverrsnittsdata, selvselektert, hentet fra åtte universiteter i ett land, og målte hvert konstrukt fra de samme respondentene på ett tidspunkt. Sutedjo og kollegene kan ikke fastslå årsaksretning, noe som betyr noe fordi deres sterkeste påstand, at teknologisk kunnskap virker som en inngangsport, er nettopp det et tverrsnittsdesign ikke kan avgjøre. Talebzadeh rapporterer svært store effekter uten randomisering, oppfølging eller oppdeling på fagnivå, så d = 2,36 leses som kortsiktig. Laidlaw er autoetnografisk, og Aponte et al. oppgir at rammeverket deres er konseptuelt.

En forsvarlig evaluering måler derfor emnemateriellet en deltaker reviderte, vurderingskriteriene som ble skrevet, oppgavene som ble designet. Den tester med forsinkelse, fordi gapet hos Bi et al. bare viste seg ved oppfølgingen, der den konvensjonelle gruppen hadde forfalt og den strukturerte gruppen ikke. Den behandler tilfredshet og trygghet som svake signaler, siden Pishtari og kollegene (2026) påpeker at kvalitetsgevinster alene ikke beviser internalisering: stigende designkvalitet kan like gjerne gjenspeile at en delegerer rutinearbeid eller aksepterer AI-generert struktur. Og den legger til minst én relasjonell indikator, i tråd med Aponte et al., fordi å forbedre artefakter mens en isolerer deltakerne, ikke er det programmet lovet å gjøre.

Hva programledere tar feil om

En bedre demo er et bedre verksted. Kontakttiden ble holdt konstant på fire økter på 90 minutter i sammenligningen hos Bi et al., og armen som reviderte artefakter, slo armen som lærte om verktøy, på hver beredskapsdimensjon, med bare én av de to gevinstene fortsatt synlig ved oppfølgingen.

Trygghet er utfallet som betyr noe. Det er det enkleste å flytte og det minst prediktive. I studien med 13 undervisere falt opplevd innsats mens ledetekstlaget ikke la til målbar designkvalitet, og vurderinger ved dagens slutt ville ha registrert begge som suksess.

Etikk er et avsluttende segment. Dogans gjennomgang fant at etikk ble håndtert overfladisk eller var fraværende i mange tilbud, og forskjellen mellom en mal-kolonne og en siste lysbilde er om noen bruker den i uke tre.

Ett program kan betjene hele kollegiet. Undersøkelsen med 127 undervisere beskriver innholdskunnskap nær taket ved siden av helhetlig TPACK på 2,55, og Vassallos fire profiler inkluderer 29 % som føler skyld mens de ikke bruker verktøyene. Én økt behandler fire målgrupper som én.

De skeptiske er hindringen som skal håndteres. Laidlaws redegjørelse legger motstanden på identitetsnivå, og Bai og Hsieh fant at identitet forutsa innovasjon nesten dobbelt så sterkt blant sjeldne brukere. Menneskene du mest vil ha i rommet, er de en demonstrasjon bekrefter i mistanken deres.

Et institusjonelt pålegg vil bære programmet. Kazakhstan-koeffisienten kollapset med rundt fire femtedeler da institusjonell støtte og opplevd tillatelse kom inn i modellen, og de to bar den mest positive vekten. Et pålegg er ikke det samme signalet som tillatelse.

Hva som kommer tilbake på deg

«Vi har ikke timene.» Bruk dem da annerledes i stedet for å legge dem til. Seks timer organisert som en artefaktsyklus slo seks timer med demonstrasjoner på identisk kontakttid, og et kortere format brukt på vurderingskriterier treffer det svakeste området i Talebzadehs pretestdata.

«Underviserne våre kommer ikke, eller de skeptiske vil spore det av.» Å rekruttere de skeptiske inn i en demonstrasjon bekrefter mistanken som sendte dem dit. Åpne med identitetsspørsmål, kjør fagspesifikke kohorter, tillat ulike tidslinjer, og si høyt at prinsipiell ikke-adopsjon er en legitim posisjon. Det er Laidlaws anbefaling, og den tar etterlevelsesargumentet av bordet. Forvent at identitetsarbeid betyr mest hos sjeldne brukere, ifølge Bai og Hsieh.

«Vi kan ikke få folk til å handle på det.» Det kan du stort sett ikke, og du kan endre hva institusjonen signaliserer. Opplevd tillatelse og institusjonell støtte bar den mest positive vekten etter at den nasjonale bakgrunnseffekten kollapset, så de nyttige grepene er de billige: si at eksperimentering er tillatt, beskytt tiden formelt så den ikke reabsorberes, skaff materiell på undervisernes arbeidsspråk, og fjern plattformfriksjon, som var den lavest rangerte dimensjonen i samme studie.

«Vår avslutningsundersøkelse er sterk.» Tilfredshet er det målet som mest sannsynlig stiger mens ingenting annet gjør det. Be i stedet om artefaktene fra forrige kohort og kontakt de deltakerne igjen et semester senere; gapet hos Bi et al. fantes bare ved oppfølgingen.

Hva du kan gjøre denne uken

1. Skriv om invitasjonen slik at deltakelse krever at en tar med én emneartefakt: et mål, et sett vurderingskriterier eller en vurderingsoppgave.

2. Skriv om agendaen slik at første økt starter på den artefakten, og legg verifisering, åpenhet og risikokontroll inn som kolonner i malen deltakerne bærer med seg hele uken.

3. Flytt én økt til utforming av vurderingskriterier og vurdering, og la deltakerne gå med kriteriene skrevet.

4. Få én setning skriftlig fra dekanen eller prorektoren om at eksperimentering er tillatt, og beskytt så timene formelt så de ikke reabsorberes.

5. Sett evalueringen til å samle inn reviderte artefakter og til å kontakte deltakerne igjen et semester senere, med ett spørsmål om hvem de nå arbeider sammen med.

Hvor du kan gå videre

Hvilke kompetanser trenger undervisere når det gjelder AI? dekker selve kompetansemålet, og Læreres AI-kompetanse og Utdanningsutvikling bærer rammeverksmaterialet bak det. For å strukturere AI inn i et emne snarere enn inn i et verksted, se Hvordan bør AI designes inn i læringsopplevelsen?; for det bredere institusjonelle bildet, Hvilke ti hovedfunn fra forskningen på AI i utdanning bør undervisere kjenne til? og Hvordan skriver og implementerer vi en institusjonell AI-policy?.