Designul curriculumului

Traducere automată a acestei pagini în limba engleză, încă neverificată de un vorbitor nativ.

Designul curriculumului — procesul de planificare și structurare a ceea ce se predă în cursuri, programe și instituții, inclusiv obiectivele de învățare, secvențierea conținutului, strategiile de evaluare și progresia competențelor. În era IA, designul curriculumului trebuie să echilibreze cunoașterea fundamentală cu competențele emergente de IA, hotărând nu doar ce învață studenții, ci și cum învață să lucreze cu instrumentele de IA și să le evalueze critic.

Întrebări de luat în considerare

• Designul curriculumului întreabă ce ar trebui să învețe studenții la nivel de program, în timp ce designul învățării întreabă cum, la nivel de curs. Când IA remodelează o disciplină, care dintre aceste două straturi crezi că ar trebui să se schimbe primul?
• Pe măsură ce IA generativă automatizează munca de la nivel de implementare, unii susțin că programele de studiu trebuie să se orienteze spre designul de sistem, abstractizare și evaluare critică. Ce crezi că ar pierde studenții dacă competențele de nivel scăzut ar fi subevaluate?
• Reproiectarea curriculumului în era IA este adesea încadrată ca un echilibru între fluența în instrumente și cunoașterea fundamentală. Unde ai văzut acest echilibru înclinat prea mult într-o singură direcție?
• Cadrul SAIL tratează alfabetizarea în IA ca sprijinită progresiv de-a lungul vârstelor și proiectată să abordeze „diviziunile digitale” mai profunde, dincolo de acces. În ce fel încorporarea alfabetizării în IA într-un întreg curriculum diferă de adăugarea unui singur curs de IA?
• Dacă fiecare disciplină are acum nevoie de competențe de IA încorporate, cine este responsabil de schimbarea curriculumului — instructorii, programele sau instituțiile — și de ce au nevoie educatorii pentru a reuși?
• Un curriculum este o succesiune de competențe de-a lungul anilor, nu doar o listă de teme. Cum schimbă această perspectivă mai lungă întrebarea dacă o „unitate de alfabetizare în IA” chiar rezistă?

Introducere

Designul curriculumului abordează ce anume se predă la nivel de program, completând designul învățării, care abordează cum la nivel de curs. Articolele din această bază de cunoștințe explorează felul în care IA remodelează programele de studiu în diverse discipline — de la ingineria software la arhitectură și educația ecologică — și felul în care educatorii proiectează curricule care încorporează alfabetizarea în IA fără a sacrifica fundamentele disciplinare.

Teme cheie de cercetare

Reproiectarea curriculumului pentru era IA este provocarea centrală. Lee et al. au sintetizat concluziile unor ateliere internaționale despre reformarea educației informatice de licență, argumentând că, pe măsură ce GenAI automatizează programarea de nivel de implementare, curriculele trebuie să se orienteze spre designul de sistem, abstractizare și evaluare critică, acordând mai puțină greutate detaliilor de implementare de nivel scăzut. Gorsky a formalizat Ingineria Software Agentică drept disciplină distinctă, cu un curriculum de 21 de module centrat pe „evoluția intenției” și pe disciplina profesională necesară pentru a gestiona agenți de IA. Ambele se leagă de alfabetizarea în IA și de sprijinirea structurată.

Tratând schimbarea ca sistemică, iar nu aditivă, Sabani et al. (2026) triangulează o revizuire de tip scoping, o cartografiere bibliometrică a 209 înregistrări, 36 de articole și zece interviuri cu lideri academici într-o sinteză cu cinci schimbări, inclusiv trecerea de la transmiterea cunoașterii la dezvoltarea capacităților și de la experimentarea locală la guvernanța instituțională.

Cartografierea și analiza curriculumului folosesc IA pentru a înțelege curriculele existente. Geng et al. au analizat 23 de programe analitice din cursuri de inginerie software asistată de IA, identificând teme comune — formularea prompturilor, revizuirea codului cu IA, considerații etice — și derivând îndrumări de design care pun accent pe echilibrarea fluenței în instrumente cu cunoașterea fundamentală. CourseGraph aplică metode computaționale pentru a compara structurile cursurilor de informatică între instituții.

Ponderarea schimbă ceea ce raportează o analiză de curriculum: Jayalath et al. (2026) au folosit GPT-o3-mini pentru a distribui 100% între șapte competențe de întreprindere pentru fiecare dintre cele 48 de evaluări, ajungând la un alfa Krippendorff de 0,81 față de ponderile experților, însă acordul a devenit negativ pentru competențele pe care descrierile nu le declară explicit (-0,19).

Structura modulară durează mai mult decât conținutul actual. Un tipar se repetă acolo unde domeniul se mișcă mai repede decât ciclul de revizuire: un nucleu stabil de alfabetizare în IA, evaluare critică, detectare a prejudecăților și etică, cu conținut de specialitate și despre instrumentele disponibile local atașat ca module și revizuit la fiecare șase până la douăsprezece luni (Bursic et al. (2026)). Educația medicală postuniversitară este cazul declarat, dar principiul se generalizează: programul se angajează față de competențe care supraviețuiesc schimbării instrumentelor și programează stratul specific instrumentelor pentru înlocuire.

Integrarea alfabetizării în IA încorporează competențele de IA în diverse discipline. SAIL oferă un cadru de alfabetizare în IA structurat progresiv, aplicabil la toate vârstele și etapele educaționale, care abordează diviziunile digitale de nivel doi și trei. Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing examinează cum se dezvoltă alfabetizarea în IA prin tipare de interacțiune. Systematic review of collaborative learning activities for promoting AI literacy explorează abordările colaborative de dezvoltare a curriculumului de alfabetizare în IA, conectând la învățarea colaborativă.

LearnAI arată cum arată o versiune încorporată: un strat de expunere largă, cu prezentări scurte în 18 cursuri existente din cinci discipline (293 de studenți), îmbinat cu sesiuni opționale de co-creare unu-la-unu conduse de tutori colegi instruiți, astfel încât învățăceii cu abilități diferite să întâlnească sarcinile de IA la nivelul lor (Qu et al. (2026)).

Integrarea în practică rămâne în urma cadrelor. Santos-Albardía et al. (2025) au constatat că doar 13,8% dintre studenții la educație și jurnalism intervievați au spus că cursurile lor abordau analiza critică a mass-mediei, față de 97,8% care au considerat-o importantă, iar interviurile cu experți au urmărit decalajul până la formarea profesorilor, care prioritizează competențele tehnice și instrucționale în detrimentul educației media.

O revizuire PRISMA a 39 de studii STEAM (2016–2025) a constatat un dezechilibru paralel în elementele de alfabetizare în IA: implementările dezvoltau alfabetizări tehnice — concepte fundamentale de IA, gândire computațională, alfabetizare în date — subdezvoltând însă conștiința etică, imaginația creativă și crearea, gestionarea și proiectarea cu IA, astfel încât auditarea fiecărei unități față de acestea este răspunsul practic (Niri et al., 2026).

Vocea studenților este un alt input de design: 84% dintre 166 de studenți de licență la afaceri din anul final au vrut ca GenAI să fie predată în unitățile lor și 85% au văzut-o drept esențială pentru angajabilitate, în timp ce doar 7% învățaseră despre ea la universitatea lor (Rook & Plumb (2026)).

O revizuire a 42 de studii despre educația cu IA preuniversitară constată că curriculele trec de la conținut tehnic spre modele bazate pe competențe, construite pe cadre precum AI4K12 și cele Cinci Idei Mari din IA, cu alfabetizarea în IA tratată ca o competență transversală, în timp ce instrumentele standardizate pentru evaluarea ei rămân absente (Caruana et al. (2026)).

Instructorii și angajatorii au fost de acord cu privire la importanță doar pentru una dintre cele 26 de competențe de IA — stabilirea unor așteptări realiste pentru munca augmentată de IA — și doar trei dintre cele 26 erau predate de jumătate sau mai mulți instructori, ceea ce raportul folosește ca dovadă a unui decalaj de competențe de IA între învățământul superior și angajatori (Fried (2026)).

Designul activităților de învățare automată în K-12 rămâne la suprafață: o revizuire din spatele cadrului ICE-T a constatat că utilizarea invizibilă, interacțiunea cu butoane și implementarea de modele reprezintă aproape 60% din activitățile de învățare supervizată codificate, crearea deschisă a apărut doar de două ori, iar perspectivele tehnice și societale au apărut împreună în doar aproximativ 3% din activități (Haritz et al., 2026).

Inovarea curriculară specifică domeniului aplică designul curriculumului la domenii anume. Gen-AI-tecture: using generative AI to support architectural students in design tasks explorează felul în care IA generativă remodelează pedagogia designului arhitectural. The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints examinează integrarea IA în curriculele de educație ecologică. ConnectED: A curriculum-aligned AI system for Vietnamese instructional lesson planning and student learning și LLMs to Support K-12 Teachers in Culturally Relevant Pedagogy: An AI Literacy Example abordează designul curricular cultural responsiv.

Încorporează IA în interiorul disciplinei, nu alături de ea. Un curriculum de IA pe trei niveluri (introductiv, de aplicare, avansat) a integrat învățarea automată în teme existente de inginerie termică de-a lungul unui curs de 39,1 ore, în loc să adauge materii opționale de informatică, evitând încărcarea suplimentară a studenților la inginerie mecanică și publicând deschis programa, datele și codul (Li et al. (2026)).

Un caz din jurnalism arată varianta care pune valorile pe primul loc: un schelet triadic de valori, procese și competențe a dus studenții de la reportajul exclusiv uman la munca integrată cu IA, însă 8 din 9 (89%) au raportat încredere în deciziile etice, în timp ce itemii de sondaj despre paternitate și prejudecăți au sugerat doar o înțelegere superficială (Ngu și Weller (2026)).

Cadrele instituționale abordează schimbarea curriculumului la scară. A principled way to think about AI in education: guidance for educators and policy makers on action based on goals, models of human learning, and use of technologies și A principled way to think about AI in education: guidance for educators and policy makers on action based on goals, models of human learning, and use of technologies oferă principii pentru integrarea IA în programele educaționale. The Main Barrier to AI Adoption in the Public Sector is Lack of Training examinează barierele în adoptarea curriculumului de IA în educația din sectorul public.

Secvențierea IA de-a lungul programului. Torres-Sahli et al. propun un cadru de tip „reține, apoi amplifică”, care secvențiază IA generativă la nivel de program: reține un instrument generativ cât timp se formează o capacitate, apoi restaurează-l pentru a amplifica acea capacitate odată ce studentul o poate dirija și îi poate judeca rezultatele. Guvernat de un criteriu de formare versus descărcare (dacă o secvență de muncă construiește o capacitate sau doar o trece prin instrument), cadrul leagă designul curriculumului de descărcarea cognitivă, învățarea autoreglată și integritatea academică, cu puncte de control greu de falsificat la fiecare articulație dintre reținere și amplificare.

Pârghia pentru cele mai înalte etape nu este mai multă materie: în 89 de proiecte de capstone sponsorizate, avansarea de la nivelul 6 la nivelul 7 al Pregătirii pentru Carieră a fost condiționată de experiență încadrată în industrie — programe de tip co-op și proiecte Manufacturing Extension Partnership — astfel încât diplomele au nevoie de învățare integrată cu munca, iar nu de încă o materie tehnică opțională (Smith et al. (2026)).

O consecință la nivel de curriculum a capacității modelelor este că designul rezistent la IA expiră. Educatori din informatică au descris cum calibrau sarcinile față de ceea ce modelele nu puteau încă face și cum au văzut calibrarea căzând — problemele unui instructor de securitate cibernetică cereau rezolvare de probleme autentică cu șapte sau opt luni înainte și apoi erau pur și simplu rezolvate —, un facilitator estimând o durată de viață de aproximativ un semestru. Constatarea structurală a atelierului este că aproape fiecare adaptare a fost făcută de un instructor individual în cadrul unui singur curs, fără coordonarea instituțională pe care ar cere-o un răspuns curricular durabil (Akbar et al., 2026).

Alinierea întregului curs atunci când IA generativă este permisă. O reproiectare din 2026 a unui curs introductiv de fizică nucleară și a particulelor (Mikhasenko et al.) a integrat trei tipuri de activități cu roluri distincte — prelegeri pentru concepte și notație, tutoriale pentru practica analitică standard și teme ca o componentă exploratorie „în formă de cercetare”, cu probleme deosebit de dificile, cu metode multiple. Fricțiunea raportată (o condiție prealabilă de programare nedeclarată, timp insuficient pentru a înțelege, iar nu doar pentru a obține răspunsuri și o nealiniere între prelegeri, tutoriale, teme și examen) ilustrează că permiterea IA generative forțează un efort de aliniere curriculară pe tot cursul, iar nu schimbarea unui singur tip de sarcină; structura recomandată de autori păstrează munca exploratorie cu IA permisă ca sarcini avansate care aduc puncte bonus, în timp ce examenul scris fără ajutor determină nota.

Adâncimea alinierii, nu frecvența folosirii, separă tiparele de integrare. În 17 cazuri de module de afaceri, șase au integrat GenAI sistematic în predare, învățare și evaluare (constructiv), nouă au făcut-o inconsecvent (hibrid) și două sporadic (ad hoc); cazurile constructive au raportat cele mai puternice rezultate de angajament, competență și relevanță curriculară (Zhou et al. (2026)).

Sfaturile despre alinierea constructivă, sub examinare critică. Acolo unde sursele de mai sus raportează alinierea în practică, McInnes et al. (2026) citesc îndrumarea însăși ca discurs. Analiza critică de discurs a 14 lucrări din literatura gri publicate între noiembrie 2022 și aprilie 2025 — în mare parte pagini instituționale și capitole din unități de învățare și predare poziționate central — a constatat că alinierea constructivă este prezentată ca o problemă de eficiență: IA generativă era „o modalitate eficace și eficientă de a redacta rubrici” care putea „fluidiza procesul”, antropomorfizată ca „expert și asistent educațional”, „partener de sparring” sau „asistent inteligent în designul instrucțional”, în timp ce personalul academic furniza doar „expertiză în materia de studiu”, iar instrumentul prelua „munca grea de dezvoltare a obiectivelor de învățare, de organizare a conținutului cursului ... și de aliniere a componentelor cursului”. Rețetele de prompturi de tip copiază-lipește și șabloanele numerotate încadrau AC ca produs standardizabil, producând trei moduri de eșec: performativitate (o aliniere care doar pare aliniată), ștergerea contextului situat și critic și o AC superficială care confundă alinierea cu dimensiunea constructivă. Remediul lor resecvențiază fluxul de design al curriculumului — educatorii trebuie să înțeleagă AC suficient de bine pentru a dirija, evalua și respinge rezultatul IA înainte de a delega orice parte din el — și limitează orice instrument la un agent instituțional cu generare augmentată prin regăsire, fundamentat în politica locală, rubricile și atributele absolvenților, cu un rol de „tutor liminal” care extinde, iar nu înlocuiește, relația cu dezvoltatorul.

Generarea de sarcini de modelare aliniate curriculumului. Platformele bazate pe IA pot aborda lipsa de timp și resurse a profesorilor pentru a proiecta sarcini de înaltă calitate de modelare matematică, generând probleme aliniate curriculumului și recomandări pedagogice fundamentate în principii de design și în generarea augmentată prin regăsire, o abordare ilustrată cu variație directă în matematica din învățământul secundar (Creating an AI-powered platform for generating modelling problems: A case study on direct variation in secondary school mathematics). Lecturile de curs sunt acum și ele o țintă de generare: Sidorkin (2026) a înlocuit un manual comercial cu lecturi săptămânale generate de IA într-un curs postuniversitar de leadership educațional, iar deși studenții le-au evaluat ca utile și 75% au fost de acord că au învățat mai mult decât într-un curs comparabil, cele 4.487 de pagini de jurnale conțineau citări în text în stil APA doar pe aproximativ 0,80% dintre pagini, iar pe aproximativ 1,03% dintre pagini un campus sau un sistem numit era asociat cu afirmații de politică categorice, fără o sursă verificabilă. Lecția despre materialele curriculare este să tratezi lecturile generate ca producție în ciornă, sub revizuirea instructorului, să bugetezi munca instructorului de formulare a prompturilor și verificare și să selectezi surse verificate în asistent, în loc să lași calitatea surselor să fie dedusă de studenți din context.

Planificarea lecțiilor asistată de IA la stratul de trecere de la curriculum la sala de clasă. În punctul în care un curriculum devine lecție predată, Luo și Tahir (2025) au comparat experimental planuri generate de profesori cu planuri asistate de ChatGPT în STEAM și în educația artistică pentru copii, constatând că planurile asistate de IA au fost evaluate semnificativ mai bine de șase profesori experți (mediană 20,5 față de 17,6, p = 0,002, efect mare). Ei arată că beneficiul depinde de felul în care delegă profesorul: metoda recomandată umple lacunele de conținut într-o lecție schițată de profesor (păstrând autonomia de design a profesorului), iar nu deleagă întregul plan. Aduc de asemenea un șablon de prompt Rol–Instrucțiuni–Obiectiv final pentru generare reproductibilă și controlată calitativ, dovadă că planificarea lecțiilor cu IA este cea mai puternică atunci când este încorporată în deciziile curriculare ale profesorului, iar nu substituită acestora. În educația științifică, validarea de către experți ajunge la un verdict paralel despre designul platformei: Karaismailoglu, Surmeli și Yildirim (2026) au cerut unsprezece specialiști în educația științelor să evalueze ChatGPT-4 și un instrument dedicat educației (Teacher's Buddy) pe planuri pentru clasa a șasea aliniate curriculumului revizuit al Turciei și modelului de învățare bazat pe design Engineering. Platforma dedicată educației a obținut scoruri mai mari la toate cele opt criterii de calitate — inclusiv etapele intensive în feedback și alinierea la curriculum — dovadă că încorporarea structurii pedagogice într-o IA produce rezultate mai bine aliniate. Totuși, unii experți au preferat în continuare planul general pentru accentul său mai puternic pe aspectele social-emoționale, iar 7 din 11 au judecat planurile „aplicabile prin corectare”, iar nu direct utilizabile. Alegerea platformei și încadrarea promptului, nu doar IA în sine, modelează cât de bine se aliniază planurile generate la standardele curriculare și la modelele de proces.

Structura, iar nu formularea promptului, este ceea ce face redactarea cu IA fiabilă în producție: pipeline-ul Curriculum-as-Code al lui Paiva (2026) a redus agresiv contextul și a generat materiale secțiune cu secțiune în 28 de contexte de proiect, ceea ce a scurtat timpul de pregătire al instructorului de la aproximativ opt la două ore pe instruire și nu a lăsat halucinații conceptuale sau matematice pentru revizuirea umană.

Conexiuni cu concepte înrudite

Designul curriculumului se conectează direct la designul învățării — curriculumul definește ce, instruirea definește cum. Se conectează la alfabetizarea în IA pentru că încorporarea competențelor de IA este o provocare curriculară primordială, la predare și dezvoltarea educațională pentru că schimbarea curriculumului cere pregătirea educatorilor și la sprijinirea structurată pentru că un curriculum bine proiectat sprijinește dezvoltarea competențelor de-a lungul cursurilor și al anilor. Conexiunile cu învățământul superior și K-12 reflectă relevanța designului curriculumului la toate nivelurile educaționale.

A alege un cadru de alfabetizare în IA înseamnă a alege un vocabular pe care nimeni nu l-a pus în corespondență. Într-o revizuire de tip scoping a 50 de cadre pentru K-12, Kharbach et al. (2026) au constatat că definițiile competențelor converg spre dimensiuni cognitive, afective, comportamentale, etice și sociale, în timp ce etichetele și constructele nu se aliniază. Doar cadrul ABCE se apropia de o tradiție comună de măsurare, validată în Hong Kong, Shanghai și Taiwan, iar progresia între ciclurile de clase a fost propusă în mod repetat și testată nicăieri.

Idei greșite frecvente

• „Un Large Language Models (LLMs) poate cartografia un curriculum odată validat cu fiabilitate ridicată.” GPT-o3-mini a distribuit 100% între șapte competențe de întreprindere pentru fiecare dintre cele 48 de evaluări, ajungând la un alfa Krippendorff de 0,81 față de ponderile experților, iar acordul s-a rupt pentru anumite competențe. Fiabilitate globală ridicată cu acord inegal este tiparul de verificat înainte de a avea încredere în cartografiere.
• „Încorporarea alfabetizării în IA înseamnă adăugarea unui curs.” LearnAI arată forma încorporată: un strat de expunere largă, cu prezentări scurte în 18 cursuri existente din cinci discipline (293 de studenți). Expunerea a fost distribuită în curriculum, iar nu adunată într-o unitate.
• „Studenții ajung deja capabili să evalueze critic mass-media.” Doar 13,8% dintre studenții la educație și jurnalism intervievați au spus că cursurile lor abordau analiza critică a mass-mediei, față de 97,8% care au considerat-o importantă. Decalajul dintre a prețui o competență și a o preda este deschiderea curriculară.

Concepte conexe

• Pedagogical Partnerships — Parteneriate pedagogice
• Business Education
• Designul învățării
• Alfabetizare în IA
• Scaffolding
• Dezvoltarea educațională
• Predarea
• Higher Education
• K-12
• STEM Education
• CS Education
• Generative AI
• IA agentică
• Metacognition
• Prompt Engineering
• Collaborative Learning
• Pedagogies and Teaching Strategies — Umbrelă: pedagogii și strategii de predare în educația cu IA
• Recommender Systems and Learning Paths

Articole conexe

• Leveraging GenAI models for Curriculum Analytics: A Human-Centered Approach for Curriculum Mapping in Higher Education — Cartografiere de competențe ponderată și validată de experți pentru acreditare
• Efficiency at what cost? Salvaging constructive alignment from the GenAI hype — Analiză critică de discurs a îndrumărilor privind GenAI pentru alinierea constructivă (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 — Cadru curricular „reține, apoi amplifică” pentru secvențierea 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 Alignment
• A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era — Cadrul Nivelurilor de Pregătire pentru Carieră pentru producția inteligentă în era IA
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — Rescrierea curriculumului: schimbare pedagogică condusă de GenAI
• 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 on action based on goals, models of human learning, and use of technologies
• 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 — Educația STEAM pentru alfabetizarea în IA: revizuire sistematică
• 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 — Platformă bazată pe IA care generează probleme de modelare matematică (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
• K-12 AI literacy frameworks after generative AI: A scoping review - cadrele de competențe converg spre cinci dimensiuni fără un vocabular comun sau o corespondență
• Exploring the integration of artificial intelligence into residency education curriculum: qualitative interviews — Bariere în integrarea IA în curriculele de rezidențiat: interviuri calitative cu doisprezece lideri medici