Vedecká databáza AIEdAIEd KB
Na tejto stránke

Prečítajte si túto stránku po anglicky

Pojmy

Vzdelávací rozvoj

Vytvorené 2026-10-27 · Aktualizované 2026-10-27

Automatický strojový preklad tejto anglickej stránky, ktorý ešte nebol skontrolovaný rodeným hovorcom.

Vzdelávací rozvoj (známy aj ako rozvoj pedagógov) - procesy, programy a inštitucionálne podpory, ktoré pomáhajú pedagógom rozvíjať zručnosti, sebadôveru a profesijnú identitu potrebné na efektívnu výučbu s AI. Vzdelávací rozvoj zahŕňa individuálne školenia, redesign kurikula, zmeny inštitucionálnej politiky a kultúrnu prácu spojenú s porozumením toho, čo GenAI znamená pre akademickú profesiu.

Otázky na zamyslenie

  • Ak učitelia v tom istom oddelení opisujú AI na jednej strane ako "asistenta" podobného človeku a na druhej ako obyčajný "nástroj" či "vyhľadávač", môže školiaci program naozaj uspieť skôr, než sa tieto základné mentálne modely zviditeľnia? Čo by sa mohlo stať, keby rozvoj tento krok vynechal?
  • Vzdelávací rozvoj sa často chápe ako zacelenie medzery v zručnostiach: naučte pedagógov nástroje a oni ich prijmú. Niektoré výskumy však rámujú integráciu GenAI ako zmenu na úrovni identity ("aký má zmysel učiť vo svete GenAI?"). Ktoré rámcovanie považujete za presnejšie a aké odlišné kroky z každého vyplývajú?
  • Rámce pripravenosti, ako EPIQ-AI, delia pripravenosť pedagógov na epistemickú, pedagogickú, inštitucionálnu a kvalitatívno-súladovú oblasť. Ak je pripravenosť problémom sociotechnického zladenia a nie individuálnym deficitom zručností, čo to hovorí o tom, kde samotná "dielňa o AI" pravdepodobne zlyhá?
  • Kedy ste cítili, že sa vaše vlastné predpoklady o novej technológii zviditeľnili a posunuli, a to diskusiou, metaforou alebo spoločným jazykom, a nie výkladom? Akú úlohu podľa vás zohráva spoločný jazyk a analýza metafor pri porozumení AI zo strany pedagógov?
  • Zvážte nízko-technologickú "metaforickú dielňu", v ktorej pedagógovia, personál a študenti formulujú, či AI pôsobí ako švajčiarsky nožík, pomocník, čierna skrinka alebo konkurent. Mohlo by zviditeľnenie obáv (vrátane obavy, že AI nahradí vyučovacie roly) urobiť pre prijatie viac než ďalšie technické školenie?

Úvod

Vzdelávací rozvoj je profesijná a inštitucionálna práca, ktorou pedagógovia budujú schopnosť dobre navrhovať, učiť a hodnotiť, a v ére AI sa stal predpokladom toho, aby akákoľvek pedagogická zmena nadobudla účinok. Koncept zahŕňa jednotlivca (AI gramotnosť, sebadôveru, kompetenciu, postoje) aj inštitúciu (štandardy, politiku, zabezpečovanie kvality a zladenie medzi deklarovanými očakávaniami voči AI a skutočným návrhom hodnotenia). Opakujúcim sa zistením naprieč touto vedomostnou bázou je, že dôkazy o efektívnej praxi podstatne predbiehajú to, čo väčšina inštitúcií zaviedla, čo robí z rozvojovej práce, a nie z ďalšieho primárneho výskumu, obmedzujúci faktor. Vedy o učení produkujú zistenia, ktoré táto práca prenáša: kým tento odbor empiricky ustanovuje, ako sa ľudia učia a ktoré návrhy menia výsledky, vzdelávací rozvoj je inštitucionálna prax, ktorá tieto dôkazy presúva do toho, ako pedagógovia skutočne učia a hodnotia. Jeho práca je však ohraničená inštitucionálnou hranou: rozvoj buduje schopnosti u personálu vnútri inštitúcie, kým nástroje, ktoré sa od tohto personálu potom žiada prijať, zvyčajne vytvárajú mimo nej vývojári vzdelávacích technológií, ktorých návrhové a nákupné rozhodnutia (predvolené nastavenia, konfigurovateľnosť, to, čo prežije financovanie) prichádzajú ako obmedzenia programu, a nie ako jeho produkty.

Vzdelávací rozvoj v ére AI

  • Rámce pripravenosti: Rámec EPIQ-AI identifikuje štyri oblasti pripravenosti: epistemickú, pedagogickú, inštitucionálnu a kvalitatívno-súladovú. Pripravenosť pedagógov je problém sociotechnického zladenia, a nie iba individuálny deficit zručností.

  • Pred prijatím rámca si overte, čo opisujú jeho úrovne. Naprieč 16 inštitucionálne schválenými rámcami AI kompetencií boli používanie AI, hodnotenie výstupov a doménová aplikácia podstatné vo všetkých 16, kým formulovanie problémov (7), dátová kompetencia (9) a tvorba AI (8) nie; úrovne zručností navyše opisujú rozvoj študenta, profesijnú rolu alebo stupeň, takže nie sú priamo porovnateľné (Fitsilis (2026)).

  • Štandardy pre integráciu technológií: Crompton a spol. používajú výskum založený na dizajne na vývoj štandardov pre pedagógov v oblasti integrácie technológií (vrátane AI) v inštitúciách vysokého školstva.

  • Prijatie a sebadôvera: Výskum prijatia AI učiteľmi identifikuje obavy, podporu, sebadôveru a postoje ako kľúčové prediktory. Programy rozvoja pedagógov musia riešiť všetky štyri.

  • Integrácia do kurikula: Rámce inštitucionálnej zmeny a reforma hodnotenia vyžadujú, aby pedagógovia redizajnovali kurzy, a nielen pridali nástroje AI.

  • Školiace programy: Rámce zvyšovania kvalifikácie v AI a príprava budúcich učiteľov založená na TPACK poskytujú modely štruktúrovaného vzdelávania o AI pre pedagógov.

  • Profesijná reflexia sprostredkovaná AI. Model reflektívneho trojuholníka stavia AI do pozície kognitívneho mediátora naprieč sebareflexiou, spoločnou reflexiou a komunitnou reflexiou v profesijnej učebnej komunite; bol testovaný v štvortýždňovej prípadovej štúdii uskutočniteľnosti so šiestimi učiteľmi a hranica, ktorú vytyčuje, spočíva v tom, že individuálny vhľad sa automaticky nestáva zdieľaným profesijným poznaním (Nguyen (2026)).

  • Riadenie a politika: Analýza inštitucionálnych politík o AI dokumentuje medzeru medzi inštitucionálnymi ambíciami a kapacitou podpory pedagógov.

  • AI gramotnosť je inštitucionálne neviditeľná. Systematický prehľad 32 štúdií o AI gramotnosti učiteľov jazykov zistil, že chýba v modeloch pracovnej záťaže, v politikách povyšovania a v alokácii zdrojov, pričom rozvoj je roztrieštený a zodpovednosť sa presúva medzi inštitúciami a agentúrami, takže rozvoj gramotnosti sa predvolene stáva individuálnym úsilím a nie štrukturálnou podporou (Deng, Çelik a Duran, 2026).

Metafory a spoločný jazyk vo vzdelávacom rozvoji

Pedagógovia majú heterogénne a často hlboko ambivalentné mentálne modely AI a efektívny rozvoj ich musí zviditeľňovať a pracovať s nimi. Gerhardt a spol. ukazujú, že inštruktori inžinierstva rámujú AI metaforami, ktoré porozumenie zároveň konštruujú aj obmedzujú (AI ako človeku podobný "asistent" oproti "nástroju" či "vyhľadávaču"); keďže inštruktori v tom istom oddelení často zastávajú zásadne odlišné konceptualizácie, spoločný a presný jazyk o GAI je predpokladom efektívneho rozvoja pedagógov a produktívnych diskusií o prijímaní na úrovni oddelenia.

Praktickou metódou na zviditeľnenie týchto mentálnych modelov je dielňa analýzy metafor. Vallis, Wilson a Casey (2025) navrhli a overili nízko-technologickú, spoločnú dielňu pre pedagógov, personál a študentov, v ktorej formulujú svoje metafory generatívnej AI. Metafory účastníkov sa zhlukovali do štyroch kategórií: funkcie (nástrojové: "švajčiarsky nožík"), roly (človeku podobné: "pomocník", "priateľ-nepriateľ"), vlastnosti (nepoznateľné: "čierna skrinka", "šmykľavý svah") a agentúra (ohrozujúce: "konkurent", "zlovestný robot"), pričom zviditeľňovali pretrvávajúce napätia medzi ľudskou a strojovou agentúrou a medzi známym a nepoznateľným. Dielňa pomohla účastníkom zviditeľniť predpoklady, spojiť sa naprieč rolami, cítiť sa "nie sami" a premýšľať o etike GenAI bez potreby technickej expertízy. Ako rozvojový nástroj dáva tvorcom programov nízko-prahový spôsob, ako zviditeľniť predpoklady tímu predtým, než začnú redizajnovať hodnotenie alebo zavádzať politiku, a ako sa postaviť obavám priamo, vrátane obavy, že AI nahradí vyučovacie roly.(Fear and Awe: Making Sense of Generative AI Through Metaphor)

GenAI ako práca s identitou, nielen zvyšovanie kvalifikácie

Pohľad inšpirovaný prahovými konceptmi rámuje integráciu GenAI ako ontologickú transformáciu pedagóga, a nie ako medzeru v zručnostiach. Aplikujúc teóriu prahových konceptov (Meyer a Land) Laidlaw argumentuje, že GenAI vykazuje všetkých päť prahových charakteristík: transformujúca (rekonštruuje predpoklady o hodnotení, pedagogike a profesijnej role), problémová (narušuje presvedčenia o originalite, ľudskej agentúre a vzťahu úsilia a výkonu), nevratná, integrujúca (spája technológiu, pedagogiku, epistemológiu a identitu) a ohraničená (znalosť GenAI sa stáva novým znakom profesijnej meny).(When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap)

Podľa tohto výkladu pedagógovia, ktorí sa pýtajú "aký má zmysel učiť vo svete GenAI?", nie sú nedostatočne kompetentní; nachádzajú sa v liminálnej fáze prechodu prahom, kde úzkosť, odpor a zmätok sú nevyhnutnou súčasťou transformácie, a nie prekážkami na odstránenie. Tréning zameraný na zručnosti, ktorý odpovedá na otázku kompetencie, ktorú pedagógovia nepoložili, sa môže stať okrajovým voči skutočnej transformácii a dobre mienené riadenie môže skĺznuť do "ilúzie presadzovania", teda do komunikovania pravidiel namiesto podpory zmeny.(When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap)

Dôsledok pre návrh: doplňte (nie nahraďte) budovanie zručností praxami podporujúcimi identitu: otvorené stretnutia s otázkami identity namiesto technických ukážok, priebežné disciplinárne špecifické kohorty, v ktorých pedagógovia skúmajú, čo GenAI znamená pre zmysel ich odboru, štruktúry vzájomného mentorovania, ktoré ctia odlišné časové harmonogramy transformácie, a rozlišovanie medzi váhaním založeným na strachu (ktorému prospieva podpora) a principiálnym neprijatím ukotveným v legitímnych disciplinárnych hodnotách (ktoré si zaslúži rešpekt).(When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap) Vyššie opísaný model metaforickej dielne je jednou konkrétnou konkretizáciou tohto prístupu: namiesto technického zvyšovania kvalifikácie začína interpretačnou, identitou nabitou otázkou, čo GenAI pre účastníkov znamená.

Empirická podpora rámcovania prácou s identitou. Farazouli a spol. (2026) poskytujú priame kvalitatívne dôkazy pre tento výklad: 24 švédskych univerzitných učiteľov opísalo nástup GAI ako alarmujúci a zahlcujúci, hlásili "stav zraniteľnosti" (nízka sebadôvera, neistota, strach z toho, že "nebudú pred študentmi") a pocit, že sú "zaseknutí" medzi utopickými a dystopickými diskurzmi. Ich obmedzené vedomosti a skúsenosti spolu s pocitmi zraniteľnosti poukazujú na nedostatok pripravenosti učiteľov orientovať sa v GAI, posudzovať ju a prijímať ju, a autori argumentujú, že inštitúcie musia poskytnúť vyhradené priestory a čas na to, aby učitelia s GAI experimentovali, vymieňali si nápady a spoločne rozvíjali praxe a usmernenia na inštitucionálnej, katedrovej a kurzovej úrovni. To ukotvuje prístup založený na práci s identitou a podpore v samotnej hlásenej skúsenosti učiteľov, a nie iba v teórii.

Program, ktorý pracoval priamo s otázkou identity. Chick, Morello a Staffey (2026) opisujú šesťtýždňový letný inštitút, ktorý vzal desať pedagógov z odborov vzdelávania, zdravotníckych vied, podnikania a ďalších programov z nízkej znalosti AI (priemerné sebahodnotenie 1,89 na šesťbodovej škále) k tomu, že 60 % z nich hlásilo vysokú sebadôveru pri usmerňovaní používania AI študentmi a 90 % pozitívne vnímanie, a tento posun pripisujú menej školeniu o nástrojoch a viac štruktúrovanému, bezpečnému experimentovaniu, ktoré sa otvorilo existenciálnou otázkou profesijnej hodnoty a nie ukážkami. Znakom, o ktorý sa opierajú, je zmena slovnej zásoby: rané rámcovania AI ako "podvodného stroja" alebo "odľudšťujúcej sily" ustúpili "zvedavému asistentovi" a ich štyri témy (od strachu k zvedavosti, túžba po etickej jasnosti, ktorú politické vákuum neposkytlo, inkluzívny návrh ako zosilňovač rovnosti a pedagógovia prechádzajúci od strážcov k sprievodcom) opisujú čiastočnú, zámernú reorientáciu inštrukčnej identity. Tvrdším dôkazom je desať záverečných redesignov, pričom osem z desiatich stavia AI ako lešenie, ktoré myslenie podporuje, a nie nahrádza, a autormi navrhovaná symbiotická pedagogika formalizuje to, čo účastníci vytvorili: komplementárny návrh, transparentný proces, kritickú integráciu, zakotvené etické uvažovanie a iteratívne dolaďovanie. Výhrada je štrukturálna, a nie individuálna: tí istí účastníci uviedli protirečivé signály politiky, osobné predplatné nástrojov a žiadne uvoľnenie času na redesigny, takže autori uzatvárajú, že odpor nikdy nebol problémom a že čiastkové reakcie, ktoré nechávajú politiku a infraštruktúru nedotknuté, zlyhajú aj pri nadšenej kohorte.

Rozvoj ako sprostredkovanie a prvá otázka, ktorú si rozvojár kladie. Sithole (2026) skúma akademický rozvoj (starší názov odboru a termín používaný časopisom International Journal for Academic Development, ktorý prácu publikoval) na dvoch juhoafrických historicky znevýhodnených inštitúciách a prerámováva rozvojárov z technických implementátorov na digitálnych mediátorov, ktorí pracujú v troch registroch: pedagogickom (prekladanie diskurzu AI do životaschopnej praxe výučby, učenia a hodnotenia), etickom (držanie automatizácie proti akademickej integrite a inovácie proti starostlivosti) a inštitucionálnom (práca v liminálnom priestore medzi imperatívmi manažmentu a akademickými obavami). Pre návrh programu sú dôležité dve zistenia. Po prvé, filtračná otázka je pred technickou otázkou kontextová ("čo to znamená pre výučbu tu, pre našich študentov z chudobných škôl?") a spomalenie prijímania sa počíta ako súčasť práce, a nie ako odpor voči nej. Po druhé, afektívna záťaž je štrukturálna, nie osobná: od rozvojárov sa očakávalo, že budú projektovať expertízu v nástrojoch, ktorých dôsledky ešte sami spracúvali ("cítim sa ako podvodník. Učím sa AI za pochodu, ale inštitúcia očakáva expertízu"), a ich odpoveďou bolo vzájomné profesijné učenie zamerané na úsudok a nie na zručnosť, vrátane zámerného pokusu nástroje pokaziť. Analytickým príspevkom práce je oddelenie digitálnej nerovnosti, teda distribučného problému, od algoritmickej koloniality, problému epistemického, ktorý prežíva aj pri plnom prístupe, a umiestnenie oboch do globálneho juhu vysokého školstva, kde sa od rozvojovej práce očakáva, že bude transformatívna, a nie neutrálna podporná služba.

Vina a morálne nepohodlie ako rozvojový signál. Vassallo (2026) dodáva afektívny náprotivok k výkladu identity. V prieskume medzi akademickým personálom maltskej univerzity (109 odpovedí, miera 3,5 %, ktorú práca sama číta ako výpovednú o stave etickej debaty) vina sledovala skrývanie a nie zverejňovanie: obmedzovanie používania AI pre nepohodlie korelovalo s indexom viny z AI na r = 0,62 a s vyhýbaním sa zverejneniu voči kolegom na r = 0,50, kým formálne zverejnenie v akademických výstupoch nevykazovalo žiadny vzťah (r = 0,08). Iba 31,2 % videlo jasné inštitucionálne usmernenia a korelácia medzi touto jasnosťou a nižšou vinou bola slabá (r = -0,25, p = 0,010), čo práca číta ako dôkaz, že direktívy zhora nedokážu vyriešiť čiastočne emocionálny a identitou založený problém. Jej odporúčania sú priamo rozvojové: považovať vinu a obavy o identitu za normálne prechodové reakcie a nie za chyby na opravu, používať štruktúrované nízkoprahové experimentovanie na prevádzanie personálu cez anticipačnú úzkosť a opierať sa o mentorstvo skúsených akademikov, keďže vina bola najvyššia u začínajúcich pracovníkov (M = 2,71) a najnižšia u skúsených (M = 2,03).

Praktické usmernenie pre tvorcov programov

Pre rozvojárov pedagógov, akademických lídrov a návrhárov výučby, ktorí plánujú profesijný rozvoj v AI, dôkazy vedomostnej bázy naznačujú:

Riešte štyri hybné sily prijatia, nielen vedomosti. Sebadôvera, postoje, podpora a obavy predpovedajú, či pedagógovia AI skutočne prijmú; dielňa zameraná iba na vedomosti, ktorá ich ignoruje, pravdepodobne prax nezmení. Navrhujte rozvoj tak, aby budoval sebadôveru praktickým používaním, poskytoval priebežnú podporu (nie jednorazové školenie) a aktívne zviditeľňoval obavy pedagógov a reagoval na ne.(AI Adoption Among Teachers: Insights on Concerns, Support, Confidence, and Attitudes)

Sebadôvera a gramotnosť nie sú zameniteľné ciele: v SEM s 502 respondentmi z univerzitných pedagógov bola AI gramotnosť dominantným prediktorom blahobytu súvisiaceho s AI (β = 0,713), kým technologická sebaúčinnosť prispela len málo (β = 0,082) a podpora dosahovala blahobyt iba nepriamo (Liu a spol. (2026)).

Považujte dopyt po usmerneniach a ich primeranosť za dva samostatné problémy. Pedagógovia jednej univerzity silne podporovali inštitucionálne opatrenia proti neetickému používaniu AI (M = 4,59), pričom existujúce usmernenia hodnotili najnižšie (M = 2,99) a za svoje najslabšie vedomosti označili súkromie údajov a kultúrnu inkluzívnosť, čo je konkrétny cieľ profesijného rozvoja (Bilgic a Sever, 2026).

Považujte pripravenosť za problém sociotechnického zladenia. Rámec EPIQ-AI ukazuje, že pripravenosť pedagógov zahŕňa epistemickú, pedagogickú, inštitucionálnu a kvalitatívno-súladovú oblasť. Programy, ktoré školia iba jednotlivca, míňajú inštitucionálne páky (politiku, pracovnú záťaž, stimuly, štandardy kvality), ktoré zmenu umožňujú alebo blokujú; zlaďte ich popri školení.(Faculty Readiness for AI-Supported Teaching and Scalable Online Program Delivery in Higher Education: The EPIQ-AI Framework for Epistemic Integrity)

Nestotožňujte investíciu do infraštruktúry s transformáciou. Naprieč 125 štúdiami inštitucionálna investícia do infraštruktúry GenAI a vzdelávacieho rozvoja korelovala len slabo so skutočnou pedagogickou zmenou (r = 0,12), kým 60 až 70 % inštruktorov sa cítilo nepripravených integrovať GenAI, čo robí z rozvoja, a nie z nákupu, obmedzujúci faktor.(Rathnayake (2026))

Smerujte k redesignu kurikula, nie k prijatiu nástroja. Cieľom je, aby pedagógovia redizajnovali kurzy a hodnotenie, a nie iba pridali nástroje AI. Ukotvite profesijný rozvoj v práci na redesignu na úrovni kurzu a v reforme hodnotenia a dajte pedagógom štruktúrované rámce na túto prácu (napr. škály hodnotenia, rámce inštitucionálnej zmeny).(A Framework for Institutional Change in the Age of AI)(A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform)

Zvolajte dedinu, nie jednotlivca. Naprieč 12 rozhovormi s akademikmi a 17 so študentmi redesign hodnotenia v ére GenAI presahoval schopnosť akéhokoľvek jednotlivého akademika; spomenuté boli nepružné procesy, dlhé čakacie doby a záťaž z pracovnej náročnosti, a autori preto navrhujú celoprogramový tím spájajúci expertízu v návrhu hodnotenia, GenAI, predmetovej látke, programe a priemysle (Nicola-Richmond a spol., 2025).

Veďte sériu na vlastných dátach miestnosti, nie na importovanej osvedčenej praxi. Perl-Nussbaum a Finkelstein (2026) dokumentujú overený model z veľkej verejnej fyzikálnej katedry R1: šesť dvojtýždňových stretnutí po 60 až 75 minút, devätnásť pedagógov zapojených naprieč sériou a približne desať na každom stretnutí, pričom každé stretnutie sa otváralo miestnymi dátami alebo materiálmi z katedry, prešlo k testovaniu AI v malých skupinách na skutočných anonymizovaných domácich úlohách študentov a uzavrelo sa spoločnou diskusiou. To, čo pedagógovia testovaním zistili, bolo užitočnejšie než akýkoľvek balík, ktorý by facilitátori mohli importovať: AI vyriešila každú úlohu, ktorú vyskúšali, ale jej spätná väzba na skutočnú prácu študentov bola nerovnomerná, závislá od promptu a povrchná, ak nedostala explicitné ciele a rubriky, a študenti promptovali plytko a výstup upravovali povrchne, ak nebolo produktívne používanie modelované. Prvým konkrétnym výstupom bolo živé úložisko s piatimi položkami (vyhlásenia politiky v sylaboch, materiály na diskusiu v triede, prieskum medzi študentmi, domáce úlohy s integrovanou AI a štruktúry hodnotenia), a preto autori považujú štruktúru stretnutí samotnú za argument, a nie obsah, ktorý priniesla.

Ukotvite to v kompetenčnom rámci. Rozvoj by mal budovať aj pedagogickú promptovú gramotnosť, teda schopnosť zakódovať pedagogické zámery do promptov, keďže Talebzadeh (2026) zisťuje, že kvalitu učiteľskej návrhovej práce s podporou AI určuje pedagogická expertíza, a nie znalosť AI.(AI-accelerated End-to-End Framework for Rapid Professional Upskilling)(AI literacy-related domains and AI-TPACK readiness among preservice mathematics teachers: A factor-informed structural equation modelling study)(The Architecture of Roles in AI-Designed Group Activities: A comparative inductive analysis of novice and experienced teachers' differentiated instruction within the IAT framework)

Zoraďte porozumenie pred automatizáciou. Kritická diskurzívna analýza 14 textov sivej literatúry publikovaných medzi novembrom 2022 a aprílom 2025, ktoré radili praktikom v oblasti generatívnej AI pre konštruktívne zladenie, zisťuje, že schopnosť musí predchádzať prístupu k nástroju: keďže v konštruktivistickom rámci kvalita angažovania predchádza kvalite porozumenia, riziko sa mení nepriamo úmerne s oboznámenosťou a začiatočníci sú najviac vystavení prijímaniu vierohodne vyzerajúcich, ale pedagogicky tenkých výstupov na základe ich zdanlivej pravdepodobnosti. McInnes a spol. (2026) ďalej argumentujú, že rozvojové jednotky by mali odolávať technicistickému zadaniu, teda pomáhať pedagógom "získať plynulosť" v nástrojoch, ktoré "odvedú ťažkú prácu" návrhu kurzu, pretože takéto rámcovanie vylučuje rozvojárov z uzavretej slučky pedagóg a GenAI a prerámováva hodnotovo vedený, relačný rozvoj na sprostredkujúci mechanizmus prijímania softvéru. Obhájiteľnou alternatívou je ponechať vzdelávacích rozvojárov ako kurátorov a nastavovateľov pravidiel akéhokoľvek inštitucionálne ohraničeného vyhľadávaním rozšíreného asistenta zladenia, ktorý kladie sondážne otázky, označuje podhodnotenie a prehodnotenie a generuje alternatívy, ale nikdy hotové artefakty, pričom eskalácia na ľudský úsudok v otázkach akreditácie a medziprogramových záležitostí sa považuje za vlastnosť, a nie za výnimku.

Zviditeľnite a riešte obavy a mentálne modely. Predtým, než začnete redizajnovať výučbu, použite dielňu analýzy metafor (Vallis, Wilson a Casey 2025) na zviditeľnenie predpokladov a obáv tímu ohľadne GenAI, vrátane obavy, že nahradí vyučovacie roly, a budujte rozvoj, ktorý na ne reaguje, namiesto toho, aby ich ignoroval.(Fear and Awe: Making Sense of Generative AI Through Metaphor)

Modelujte AI gramotnosť a merajte skutočné zisky. Rozvoj pedagógov by mal sám stelesňovať praxe, ktoré učí (pedagogické používanie AI, kritické hodnotenie výstupov), a mal by posudzovať preukázanú kompetenciu, a nie samohlasovanú sebadôveru, keďže sebavnímanie spoľahlivo precení zručnosť v AI.(How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures)(Efficacy of an Intensive Generative AI Professional Development Program on Pedagogical Content Knowledge (AI-PCK) and the Comparative Analysis of Learning Gain between Experienced and Pre-service Teachers)

Nepredpokladajte, že expertíza v predmete sa prenáša na GenAI. Sutedjo, Chowdhury a Liu (2026) skúmali 127 pedagógov z amerických výskumných univerzít pomocou nástroja TPACK-21 a zistili, že obsahové vedomosti (CK) nevykazovali žiadnu významnú koreláciu s technologickými vedomosťami ani s ktoroukoľvek doménou integrujúcou technológie (r = 0,11 - 0,15, ns); disciplinárna expertíza nepredpovedala vedomosti o integrácii GenAI. Domény integrujúce technológie (TPK, TCK, TPACK) navzájom korelovali tak silno (r = 0,81 - 0,91), že môžu fungovať ako jediný faktor integrácie GenAI. Prakticky: budujte integráciu GenAI prostredníctvom disciplinárne špecifických aktivít, ktoré prepájajú možnosti GenAI s predmetom každého pedagóga, a domény integrujúce technológie chápte ako jeden spoločný základ gramotnosti v GenAI, a nie ako samostatné zručnosti na školenie.(Assessing faculty self-perceived knowledge in using generative AI to teach 21st-century skills)

Disciplinárne špecifické modely inteligentnej triedy. Zhu, Liang, Mao a Wang (2026) ukazujú, ako možno magisterský kurz matematiky obohatiť inteligentnými vzdelávacími technológiami (automatizované hodnotenie, personalizované odporúčania, viacnásobná spätná väzba AI) integrovanými naprieč fázami pred vyučovaním, počas neho a po ňom v trojdimenzionálnom rámci inteligentnej triedy. Ich kváziexperiment zistil štatisticky významné zlepšenie zručnosti navrhovať inštrukčné ciele a priniesol prenositeľný model D-T-E (Disciplinárna náročnosť - Technologické posilnenie - Evaluačná slučka) pre vzdelávateľov učiteľov a rozvojárov pedagógov, ktorí chcú preniesť rámce inteligentného vzdelávania z makrokonceptov do disciplinárne špecifickej praxe.

Merajte účasť, nie pocit angažovanosti. V šesťmesačnom programe Intelligent-TPACK pre 64 univerzitných učiteľov miera účasti predpovedala zisk v AI kompetencii (β = 0,407, p = 0,001), kým samovyhodnotená participácia nie (β = 0,049, p = 0,692), čo autori čítajú ako konkrétnu behaviorálnu investíciu oproti povrchovej angažovanosti (Tan, Cheng a Ling, 2025). Program spájal online prednášky s tromi prezenčnými dielňami a potom vyžadoval, aby učitelia revidovali svoje inštrukčné návrhy a v nasledujúcom semestri ich zaviedli, pričom autori odporúčajú previazať účasť s hodnotením zamestnancov popri zmysluplných stimuloch.

Benchmarkujte voči tomu, čo hlásia samotní pedagógovia. Prieskum Watsona a Rainieho (2026) medzi 1 057 americkými pedagógmi zisťuje, že inštitucionálna vrstva je tenká spôsobmi, ktoré tvorcovia programov môžu merať priamo: 59 % hodnotilo svoju školu ako nepripravenú efektívne používať generatívnu AI na prípravu študentov na budúcnosť a 68 % uviedlo, že nepripravila pedagógov na jej používanie pri výučbe a mentorovaní, kým štrukturálna odpoveď siahala po pracovnej skupine v 55 % inštitúcií, ale po výsledku všeobecného vzdelávania v AI gramotnosti len v 13 %. Pedagógovia nečakali na politiku: 87 % si napísalo vlastné pravidlá na úrovni zadania oproti 48 %, ktorí mohli poukázať na inštitucionálne, a za prekážky prijímania na katedre označili odpor kolegov (82 %) a ich neoboznámenosť (83 %), a nie direktívu. Pre rozvojové programy to znamená chápať rovesnícke normy, spoločný jazyk pravidiel na úrovni zadania a explicitné meranie inštitucionálnej pripravenosti ako súčasť intervencie, a nie ich ponechať politickému dokumentu.

Odpoveď inštruktorov odráža mocenské centrá, nie postoj. V inštrumentálnej prípadovej štúdii 33 inštruktorov písania formovali prax štyri polycentrické mocenské centrá (globálny trend GenAI, univerzita a katedra, kolegovia a študenti) a externí učitelia obmedzení malou diskurzívnou mocou sa posunuli od detekcie k výučbe prijateľného používania (Zuo a spol. (2026)).

  • Šesť rodín profesijného rozvoja, tri dobre podložené a jeden jasný víťaz. Prehľad 78 štúdií o inštrukčnom dizajne podporovanom AI triedi zdokumentovaný profesijný rozvoj do kompaktných vstavaných modulov (2 - 4 týždne), semestrálneho mikroučenia, cyklov návrhu založených na úlohách, kolaboratívnych reťazí otázok založených na dialógu, kritického spoločného objavovania a samonasmerovaného učenia praktikov. Dôkazy o výsledkoch sú najsilnejšie pre kompaktné vstavané moduly: trojtýždňový modul priniesol štatisticky významné zisky vo všetkých šiestich doménach Intelligent-TPACK s veľkosťami účinku od stredných po veľké a štvortýždňový program so 436 budúcimi učiteľmi a kontrolnou podmienkou je najsilnejším kontrolovaným hodnotením v korpuse (Spyropoulou a Kameas, 2026).
  • Tri návrhové črty odlišujú najlepšie podložené intervencie. Etika zakotvená ako rozložená praxa s kontrolnými bodmi pri každej úlohe, a nie ako samostatná sekcia; hodnotenie kompetencie založené na výkone pomocou plánov hodín, záznamov rozhodnutí a mikrovýučby, motivované priamo nespoľahlivosťou sebavyhlásení; a prompt engineering rozvíjaný ako reflexívna, pedagogicky ukotvená praxa. Prijatie nie je tou istou pákou ako výkon: naprieč 200 učiteľmi na severe Sumatry nemalo používanie AI žiadny priamy účinok na výkon učiteľa (β = 0,112, p = 0,087), kým organizačné občianske správanie ho nieslo nepriamo, takže rozvojová práca zameraná na kolaboratívne používanie nad rámec role je verziou, ktorú dôkazy podporujú (Sherly a spol. (2027)). Sprievodná dvojtýždňová štúdia zistila rýchle zisky vo vedomostiach a sebadôvere a zároveň označila detekciu predsudkov za najslabšiu vznikajúcu kompetenciu, teda medzeru, ktorá pretrvala aj v dlhšom module, čo je v súlade s pomalším rozvojom etickej percepčnej kapacity oproti technologickej oboznámenosti.

Časté mylné predstavy

"Dielňa o zručnostiach je intervencia, ktorú vzdelávací rozvoj potrebuje." Pripravenosť je problém sociotechnického zladenia, a nie individuálny deficit, a preto samostatná "dielňa o AI" zaostáva za potrebou, ktorú má riešiť. Program, ktorý otázku riešil priamo, bol šesťtýždňový letný inštitút, ktorý previedol desať pedagógov z odborov vzdelávania, zdravotníckych vied, podnikania a ďalších programov prácou na úrovni identity. Trvanie a kohorta nie sú pri tomto návrhu vedľajšie; práve ony ho odlišujú od prehliadky funkcií.

"Jasnejšie inštitucionálne usmernenia vyriešia nepohodlie pedagógov." Usmernenia pomáhajú, ale nedosiahnu na problém. Iba 31,2 % akademického personálu maltskej univerzity vnímalo jasné inštitucionálne usmernenia a korelácia medzi jasnosťou usmernení a nižšou vinou bola slabá (r = -0,25, p = 0,010). Slabý vzťah v tomto rozsahu znamená, že direktívy zhora nedokážu vyriešiť to, čo práca číta ako čiastočne emocionálny a identitou založený problém; pätina rozptylu, ktorú vysvetľujú, nie je tou pätinou, na ktorej záleží.

"Vina z používania AI naznačuje porušovanie pravidiel." Sleduje skrývanie, a nie zverejňovanie: obmedzovanie používania AI pre nepohodlie korelovalo s jeho ukrývaním, nie so zakázaným správaním. Čítať vinu ako dôkaz pochybenia preto nesprávne určuje jej zdroj a zaobchádzanie s ňou ako s compliance signálom posunie správanie ešte ďalej mimo dohľadu.

"Nízka návratnosť prieskumu znamená, že pedagógovia nemajú silné pocity." Práca číta svojich 109 odpovedí (miera 3,5 %) ako samých o sebe výpovedných o stave etickej debaty; nízka odpoveď na otázku o nepohodlí je zistením o tomto nepohodlí, a nie jeho absenciou. A integrácia GenAI rámcovaná čisto ako zvyšovanie kvalifikácie míňa otázku identity, ktorú sa niektorí pedagógovia skutočne pýtajú: aký má zmysel výučba vo svete GenAI.

Prepojené koncepty

Prepojené články

Prepojené často kladené otázky

Prepojené zdroje

  • Education Agent Skills
    A library of 165 evidence-grounded agent skills covering pedagogy, learning science, curriculum, and assessment, packaged for Claude, Codex, and Hermes.
  • FPDS Apps and Resources
    The public resource page of Faculty Professional Development Services at Hillsborough College, collecting its AI design coaches, Canvas courses and accessibility guides in one place.

Metadáta

ÚroveňHigher Ed, K 12
Zamýšľaný okruh čitateľovFaculty Developers, Instructors
Inštitúcie a politikaEducational AI Policy
Základy AI v edukáciiAI gramotnosť, Curriculum Design, Návrh učenia, Výučba, AI kompetencia učiteľa
ZdrojHistóriaUpraviťChat

Vložiť túto stránku

Skopírujte kód nižšie a vložte túto stránku do systému správy výučby alebo iného webu. Vložená verzia zobrazuje len obsah stránky — skrýva hlavičku webu, navigáciu a pätu.