Sera ya AI katika Elimu

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Sera ya AI ya kielimu — kanuni rasmi na zisizo rasmi zinazosimamia matumizi ya AI katika taasisi za elimu, kuanzia sheria za kitaifa hadi miongozo ya darasani. Utafiti wa sera katika hifadhi hii ya maarifa unajumuisha utawala wa taasisi, amri za mtaala, na mahitaji ya maandalizi ya walimu.

Maswali ya Kutafakari

• Sera za AI za taasisi mara nyingi huandikwa kana kwamba kuwaambia watu kanuni hubadilisha wanachofanya. Utafiti unapendekeza kwamba sera hizi zinaweza kuwa nyuma sana ya matumizi halisi ya AI. Kwa nini unadhani sera "ya karatasi" mara nyingi inashindwa kulingana na kinachotokea katika madarasa?
• Ikiwa uhamishaji wa kazi za nyumbani husababisha hasara za kujifunza ambazo hazionekani sana — kwa sababu hakuna mwalimu mmoja anayeunganisha kushuka kwa mwanafunzi na matumizi ya AI — ni aina gani ya sera ambayo ingewezekana hata? Ufuatiliaji ungeonekana vipi?
• Maamuzi ya sera ya tathmini kama mitihani ya kusema, mitihani inayosimamiwa, na miundo ya kitabu kilichofungwa yenyewe ni majibu ya ulaghai unaowezeshwa na AI. Je, unadhani kudhibiti "matokeo" (kukamata matumizi ya AI) ni mkakati bora zaidi kuliko kubuni upya tathmini ili kazi yenyewe iwe ngumu zaidi kuhamishwa?
• Sera ya AI ya kielimu inajumuisha sheria za kitaifa, mwongozo wa serikali, kanuni za taasisi, na chaguo za kiwango cha darasa. Ni kiwango kipi katika hivi unachofanya tabia ya mwanafunzi na mwalimu zaidi — na kwa nini?
• Sauti za nani hutengeneza sera za AI — na sauti za nani zinakosekana? Ni nani anayepaswa kuwa mezani wakati taasisi inaamua matumizi ya AI yanayoruhusiwa na jinsi yanavyosimamiwa?

Utangulizi

Viwango vya sera

• Sera ya taasisi: Uchanganuzi wa sera ya taasisi unalinganisha jinsi vyuo vikuu vinavyounda sera za AI. Miundo ya mabadiliko ya taasisi hutoa mifano ya maendeleo ya sera. Qian (2026) aliweka kodi kurasa kuu za AI za vyuo 50 vya Amerika vilivyo na ubunifu zaidi mwaka 2025 na kugundua kwamba 6 tu zilizitengeneza kama "sera" huku 44 zilizichapisha kama mwongozo, miongozo, kanuni au vituo vya rasilimali, na kwamba 33 kati ya 50 ziliwaweka wakufunzi kama watafsiri wakuu wa matarajio ya taasisi kuwa kanuni za kozi — sera ya taasisi inaandikwa kwa makusudi kama mwongozo unaoweza kubadilika kwa tafsiri ya kiwango cha kozi badala ya kanuni iliyowekwa.
• Sera ya serikali: na sera ya kujifunza kwa maisha yote huchunguza mbinu za udhibiti katika viwango vya kitaifa na vya kanda. Mtazamo muhimu, wa ngazi ya miundombinu, wa AI katika uundaji wa sera ya serikali ni Perrotta (2026), ambaye uchanganuzi wake wa mfano wa Mifano Mikubwa ya Lugha (LLM) wa huduma ya kiraia ya Uingereza Redbox unaonyesha jinsi AI ya matumizi ya jumla inaingia katika zana za kitaalamu za sera kupitia "utawala wa zero-shot" — mifano ya msingi isiyo na kikoa linaloingilia katika maamuzi, iliyofungwa katika ngazi nyembamba za maalum ya taaluma za msaada.
• Sera ya K-12: Mapitio ya ushahidi ya Stanford ya karatasi 818 yanajumuisha sera ya AI ya K-12.
• Sera ya tathmini: Sera za mabadiliko ya tathmini na miundo ya Tathmini Halisi yanawakilisha majibu ya kiwango cha sera kwa ulaghai unaowezeshwa na AI. Uteuzi wa muundo wa tathmini ya jumla — ya kusema, iliyosimamiwa, ya kitabu kilichofungwa — yenyewe ni uamuzi wa sera ya tathmini (ona Tathmini ya Mwisho).

Pengo la ukomavu wa sera

Hifadhi ya maarifa inaonyesha kwamba sera za AI za taasisi zipo nyuma ya matumizi halisi ya AI. Programu za Maendeleo ya Kielimu, miundo ya Uwezo wa Mwalimu katika AI, na Udhibiti wa AI katika Elimu zote zinahitaji misingi thabiti ya sera. Ushahidi wa uwanja wenye kiwango kubwa (Strömberg, Lei, & Wu 2026) unaonyesha kwamba hasara za kujifunza kutoka uhamishaji wa kazi za nyumbani hazionekani sana kwa sababu walimu binafsi wa somo na wanafunzi mara chache huunganisha kushuka na matumizi ya AI — pengo ambalo sera inayotegemea ushahidi (mfano, kupangia uzito zaidi tathmini ya kitabu kilichofungwa, kuwajulisha wanafunzi gharama za muda mrefu, kufuatilia pembejeo badala ya matokeo) inaweza kushughulikia.

Mahali makubaliano yameundwa kujaza pengo hilo, Crompton et al. (2026) waliofanya Delphi ya wataalam 35 katika nchi 22 walikubaliana juu ya maeneo manane ya utawala — uadilifu wa kitaaluma kama nguzo kuu — pamoja na mbinu ya mapitio ya sehemu sita (kamiti inayosimama ya GenAI, mapitio ya sera yaliyopangwa, maendeleo ya kitaalamu, mawasiliano, tathmini ya athari, ufuatiliaji) ili kuziweka sera za kisasa.

Utayari wa AI wa kitaifa hautabiri nguvu ya sera ya taasisi. Adarkwah et al. (2026) walipanga alama vyuo 26 kutoka nchi kumi za AIPI ya juu dhidi ya mfumo wa GenAI wenye sehemu nane wa UNESCO na kugundua kwamba taasisi za Nordik na New Zealand zilifunika zaidi ya wenzao wenye nafasi ya juu, huku ujumuishaji, usawa, na uendelevu zikiwa ni vipengele vilivyopuuzwa zaidi.

Nyaraka za ushauri ni nyingi zaidi ya sera zinazofunga. Sensa ya kila mpango ulioidhinishwa katika uwanja mmoja wa kitaalamu unaonyesha kwamba pengo la ukomavu ni la muundo na pia la muda. Eldredge et al. (2026) walikusanya nyaraka za sera na mwongozo wa AI kutoka mpango wote 48 wa shahada ya uzazi wa informatics ya afya na usimamizi wa habari ya afya vilivyoidhinishwa na CAHIIM nchini Marekani na kugundua kwamba 40 (83%) zilikuwa na nyaraka moja au zaidi zinazohusiana na AI zilizopatikana hadharani huku 8 hazikuwa na yoyote, lakini kwamba nyaraka zilikuwa hasa mwongozo badala ya kanuni zinazoweza kutekelezwa: miongozo 21 (53%) dhidi ya sera rasmi 7 (18%). Maudhui yao yalijikita katika uadilifu wa kitaaluma na matumizi yanayokubalika, huku faragha, mali ya kiakili, na dhana za kanuni za udhibiti (HIPAA, FERPA, utiifu wa utafiti) zikionekana mara chache zaidi, na mifano ya mada ilirudia msisitizo ule ule wa tabia ya mwanafunzi. Aina ya nyaraka wala hadhira inayokusudiwa hazikutofautiana kulingana na hali ya uwasilishaji (Fisher's exact P = .85 na P = .71). Waandishi wanasoma hii kama ushahidi kwamba sera ya mpango wa kitaaluma ni shughuli tofauti na ubuni wa mtaala na maendeleo ya uwezo wa wafanyakazi, na wanadai kwamba miili inayoidhinisha inaweza kupunguza tofauti inayotokana kwa kutoa miundo ya sera ya AI inayounganisha uadilifu wa kitaaluma, maadili ya data, na upatikanaji wa haki.

Mapitio ya kimfumo ya Uingereza yanaongeza tabaka la sekta kwenye pengo lile lile: uwekezaji wa miundombinu na mafunzo ya AI ya wafanyakazi hujikusanya katika vyuo vikuu vyenye utafiti mkubwa (Russell Group) huku taasisi zinazoongoza na kufundisha (post-92) zikikabiliana na vikomo vya uwezo, na ni wachache tu katika taasisi za Uingereza wanaodumisha mipango rasmi ya utawala wa AI (Ashiq (2026)).

Sekta inayounda sera bila msingi wa ushahidi. Pengo la ukomavu linaonekana pia kama tatizo la ushahidi katika mpango wa kitaalamu. Gutowski na Hurley (2025) walipanga alama sera za taasisi za shule za sheria za Amerika zilizoidhinishwa na ABA kwa vipimo vitano — ukataza, kuruhusu, ujumuishaji wa kielimu, uwazi na uwajibikisho, na kina — na kugundua kwamba shule nyingi zilichukua misimamo ya kujizuia kwa ujumla huku zikiweka uamuzi kwa wakufunzi binafsi na kujitolea kupitia upya kanuni kadri teknolojia inavyosonga. Wanahusisha tahadhari na shinikizo la muda badala ya ushahidi: uchunguzi wa ABA wa 2024 ulipata majibu kutoka takribani 15% tu ya shule zilizoidhinishwa, na waandishi wanaripoti hakuna makubaliano juu ya ikiwa matumizi ya AI yanapaswa kufichuliwa au jinsi yanavyopaswa kutajwa. Hitimisho lao ni la utaratibu — jenga sera pamoja na wataalam badala ya kwao, funza kwa nia njema, na chukua uzalishaji wa sera kama tukio linalorudiwa badala ya kitendo cha mara moja — ambalo hufanya Elimu ya Sheria kuwa moja ya matukio wazi zaidi ya tofauti ya sera-dhidi-utawala ambayo ukurasa huu unaeleza.

Wakufunzi hudhibiti; taasisi kwa ujumla hawadhibiti. Pengo la ukomavu una uso wa pili, unaoonekana kutoka upande wa kufundisha. Watson na Rainie (2026) walichunguza wataalam 1,057 wa vyuo na vyuo vikuu vya Amerika na kugundua kwamba kanuni zimeandikwa haraka zaidi sana chini ya taasisi kuliko katika taasisi yenyewe: 87% ya wanaojiuliza waliunda sera zao wenyewe za kiwango cha kazi kwa matumizi ya AI ya wanafunzi, dhidi ya 35% ambao walisema idara yao imeandika miongozo na 48% ambao walisema taasisi yao imeandika. Majibu ya kimuundo yaliyo nyuma ya nyaraka hizo ni dhaifu — 55% waliripoti kikosi cha kazi au kikundi cha usimamizi, 37% madarasa mapya yanayozingatia AI, 17% kozi kuu au ndogo ya AI, 16% ofisi mpya za uongozi wa kitaaluma, na 13% tu kupitika kwa ujuzi wa AI kama matokeo ya elimu ya jumla — huku 68% wakisema shule zao hazikuwaandaa wataalam kufundisha na zana. Kwa sababu wanafunzi hukutana na mchanganyiko unaotokana kama mfumo mmoja wa taasisi, ugunduzi ni ushahidi wa moja kwa moja wa tofauti ya ukurasa huu kati ya nyaraka ya sera na utawala unaoifanya thabiti. (Waandishi wanaeleza sampuli kama isiyo ya kisayansi na isiyoweza kujumuishwa kwa ujumla, hivyo inafaa kusomwa kama wasiwasi wanaoelekezwa wa sekta.) Pengo lililoandikishwa hilo lina matokeo ya upande wa mwanafunzi yaliyopimwa. Ubini wa Chen wa masudio mawili — wanafunzi 150 wa sanaa katika jaribio la hali na 405 waliochunguzwa (Chen, 2026) — uligundua kwamba kutokulingana kunachohisiwa kati ya utetezi wa GAI wa chuo kikuu na mazoezi yake halisi ya kufundisha, tathmini na msaada kulitabiri kwa njia chanya tathmini zote mbili za kizuizi (β = 0.431) na changamoto (β = 0.496), ambazo zilibeba athari zisizo za moja kwa moja zinazopingana kwenye mahususi ya mchakato wa ubunifu (β = −0.060 kupitia kizuizi, p = 0.004; β = 0.217 kupitia changamoto, p < 0.001), hivyo sera moja isiyolingana inaweza kuzuia na kudumisha kazi ya ubunifu ya wanafunzi kwa wakati mmoja.

Udhibiti wa kiwango cha kazi ndio mchoro unaoibuka. Utafiti mkubwa wa muda mrefu wa mitaala 31,000+ ya kozi (2021–2025) katika chuo kikuu kikuu cha umma cha utafiti (Chirikov 2026) unaonyesha jinsi wakufunzi wanavyodhibiti AI katika mazoezi: udhibiti wazi wa AI ulikua kutoka karibu sifuri hadi 55% ya kozi kufikia Autumn 2025, lakini mwelekeo ulibadilika kutoka wa kuzuia hadi wa kuruhusu, na wakufunzi walizidi kutofautisha kwa aina ya kazi — kuzuia AI kwa kuandaa/kufikiri (kazi zenye hatari ya kubadilishwa) huku wakiruhusu kwa kuhariri/kusahihisha na msaada wa kujifunza (kazi za kuongeza). Uwekaji wa muktadha pia ulibadilika kutoka uadilifu wa kitaaluma (63%→49% ya mitaala) hadi athari ya kujifunza (1%→29%). Mchoro huu unaotegemea kazi — uliojengwa juu ya mbinu za uchumi wa kazi za kubadilisha kazi, kuongeza, na kurejesha — unatoa mbadala wenye undani zaidi ya sera za kupitika-au-zuia kwa ujumla na ni nguzo ya kihisabati ya moja kwa moja ya tofauti ya sera-dhidi-utawala iliyoelezwa juu.

• Upande wa mwanafunzi wa udhibiti wa kiwango cha kazi. Kwa tathmini mbili kati ya tatu chini ya kiwango cha matumizi ya wazi yanayofanana kabisa, muundo wa tathmini bado uliamua wanafunzi walitumia GenAI kwa nini: matumizi ya maoni yalipanda kutoka 0% katika wasilisho lenye ngazi za msaada hadi 66.7% katika jaribio la nyumbani (Quince na Faulconer (2026)).

Ubini wa sera ya kiwango cha mwalimu kama zoezi la upatanishi. Udhibiti wa kiwango cha kazi una mwenzake wa kubini chini ya mtaala. Ubini wa McCorkle (2025) unatoa matumizi yanayoruhusiwa na yasiyoruhusiwa ya GenAI ya kozi kutoka "ni nini, hasa, ninachotathmini?" — kuhesabu kila kazi katika mradi, kupanga kila kazi kwa lengo la kujifunza, kuoanisha kila moja na uwezo unaoibuka wa wafanyakazi wa GenAI (Maendeleo ya Kazi na Uandali), na kisha kuamua ni wasiwasi upi unaochukua kipaumbele: hitaji la kutathmini utendaji wa mwanafunzi au thamani ya kujenga uwezo. Sera inayotokana inatofautiana kazi kwa kazi ndani ya mradi mmoja — kufikiria mada na kukusanya picha kunaruhusiwa, kuandika malengo ya kujifunza na kubuni slaidi hakunaruhusiwi — huku mantiki ikiandikwa moja kwa moja kwa wanafunzi. Kesi hiyo pia inaonyesha kwa nini makatazo ya jumla yanashindwa katika mazoezi: wanafunzi ambao hawajioneni kama wadanganyifu wanasoma katazo kama kisichowahusu, na sera inakuwa isiyo ya haki (Usawa) wakati matarajio yanaachwa bila kuelezewa. Inakamilisha viwango vya sera vya juu-chini kwa kuonyesha jinsi maudhui ya sera yanaweza kuzalishwa kutoka upatanishi wa Tathmini katika kiwango cha kozi na kazi.

Pengo la mipaka–ushahidi katika sera ya tathmini. Ukaguzi wa vyuo 30 wa mwongozo wa tathmini wa umma wa GenAI (Yao 2026) unagundua kwamba sera za taasisi ni bora zaidi katika kugawa matumizi ya AI kuliko kuelezea ni ushahidi upi wa kujifunza unaobaki halali chini ya kila kundi: alama ya wastani ya mipaka ya kupeana (2.47/4) ilizidi alama ya wastani ya kiwango cha ushahidi (1.89/4), ulinzi ulikuwa hafifu (2.75 ya 8), na mwongozo ulikuwa wazi zaidi kwa ubadilishaji wa matokeo ya mwisho. Mfumo wa uhifadhi wa kiakili unadai kwamba sera lazima zifanye mantiki ya vyeti ionekane — nini wanafunzi wanaweza kupeana, nini bado wanapaswa kuonyesha, na jinsi taasisi zinavyolinda ushahidi wa haki — badala ya kufuatilia tu matumizi ya AI.

Lugha ya makatazo inayojumuisha kupita kiasi na kanuni zilizotumika vibaya. Wigo wa kanuni ni uamuzi wa sera wenye matokeo zaidi ya utiifu. Wright (2026) anadai kwamba makatazo ya jumla yaliyoandikwa katika elimu ya juu tangu 2023 yanazuia "AI ya kizalishaji" bila usahihi wa kiufundi wa kutenganisha uzalishaji wa maudhui na ubadilishaji wa muundo unaoendeshwa na AI — utambuzi wa herufi za macho, utambuzi wa maandishi ya mkono na hotuba-kwa-maandishi ni teknolojia za utambuzi zinazohitimisha kile mwanafunzi tayari aliandika badala ya kuzalisha maudhui mapya. Kwa kusomwa hivi, kuadhibu matumizi ya kunakili tu yanafaa kueleweka kama matumizi vibaya ya sera badala ya makosa, na gharama ya kutokuwa na usahihi inashuka kwa usio sawa: wanafunzi wenye hatari ya usawa na walemavu wanaotegemea zana hizo wanabeba hatari isiyo ya uwiano ya matokeo ya chanya ya uongo, ambayo masuala ya kisheria na hatari inachukulia kama swali la marekebisho ya kuwania badala ya la uadilifu.

Mipaka inayotegemea kusudi badala ya orodha ya zana. Li (2026) hutoa maudhui ya sera ambayo lugha ya makatazo inayojumuisha kupita kiasi haipati: mstari wa msaada-dhidi-ubadilishaji unaoainishwa na kazi na kigezo cha tathmini badala ya kutaja zana, kwa mantiki kwamba orodha za zana hupitwa na wakati na kuhimiza utiifu kwa kiolesura. Msaada unaoruhusiwa ni uingiliaji wa uso ambao hauwezi ongeza mawazo, vyanzo, wala mpangilio upya wa kimwili wa uchanganuzi; ubadilishaji ni kuzalisha hoja au hoja za kupingana, kutumia kanuni za taaluma kwa ukweli, kupanga upya mlolongo wa kichanganuzi, au kuzalisha marejeleo kwa ujumuishaji. Mfumo unawasilishwa kama vyombo vitatu — ufafanuzi wa kazi na majaribio ya haraka ya pamoja ili wapanga alama wawili waeleze tabia moja sawa, violezo vilivyo na mipangilio ya kufichua kuanzia hakuna kwa kazi za hatari ndogo zilizopachikwa hadi taarifa ya mstari mmoja kwa uhariri wa lugha ya nje na maneno 80–120 takribani mahali ubunifu mdogo umeruhusiwa kwa uwazi, na rubriki ya uamuzi inayotaja wakala dhaifu (lugha iliyosuguliwa au ufasaha wa ghafla, misemo isiyo ya asili, alama moja za ugunduzi) kando ya aina za ushahidi zinazoweza kubeba uzito. Pia inaeleza hali ambazo mpango wa kiasi mkubwa unaoruhusu kama Kiwango cha Tathmini ya AI kinabaki kinafanya kazi: matumizi yanayoruhusiwa kwa uwazi kwa kazi mahususi, kigezo kilichobainishwa upya ili wanafunzi na wapanga alama wajue kinachotathminiwa, na kufichua kukiwezeshwa.

Uendeshaji otomatiki kwa hatua na usimamizi wa binadamu unaohitajika. Mtihani wa kitaifa wa chini ya sekondari wa Acredita EB wa Uruguay (Acredita EB) unatoa mfano halisi wa uendeshaji otomatiki unaohifadhi usimamizi katika sera ya tathmini: sehemu za chaguo nyingi na taratibu zilizopo hazibadiliki, AI inatumika tu kwa sehemu ya uandishi ndani ya hatua ya mipangilio inayohitajika kwenye maandishi 50–100, na kanuni mbili za kupogoa huamua ni matokeo yapi yanahitaji mapitio ya mtaalam — wagombea ambao hawawezi kupita katika sehemu mbili zingine hawahitaji mapitio ya uandishi, na wagombea Walio na Uwezo katika sehemu zote tatu wanapita na hatari iliyobaki ya kuchunguzwa ya 0.2%/0.6% tu. Waandishi wanakadiria kwamba ubini unaweza kupunguza majibu yaliyoandikwa yanayohitaji alama kamili za binadamu kwa angalau 50% huku ukishikilia kanuni inayoongoza kwamba hakuna uamuzi wa mwisho kuhusu matokeo ya mtihani unafanywa bila usimamizi unaofaa wa binadamu. Hii inakamilisha kazi ya mipaka–ushahidi iliyo juu kwa kuonyesha sera inayobainisha si tu mahali AI inaruhusiwa bali ni ushahidi na mapitio upi ya binadamu yanabaki ya kuhitajika.

Upande wa kupingana wa uwezo wa kupanga alama unaoendeshwa na AI. Sera inayoelekeza kupanga alama kupitia zana ya AI inarithi eneo la mashambulio. Humble (2026) alijaribu timu nyekundu mtiririko wa kazi wa kupanga alama wa taasisi kwa kuficha vilivyo vya kupindua ilani vya moja kwa moja ndani ya faili za uwasilishaji bandia ambao Microsoft Copilot (GPT-5.2) ilikuwa imepanga alama ya kushindwa katika majaribio yote sita ya msingi. Mbinu mbili zilipandisha alama bila onyo linaloonekana kwa mtumiaji — viwango vilivyoripotiwa vya mafanikio ya mashambulio vya 100% (9 kati ya marudio 9) na 94% (17 kati ya 18) — na zana ilizima kimya gumzo baada ya kuzuia mashambulio rahisi zaidi, na katika marudio moja, ilitangaza kwamba itapuuzi maagizo yaliyopachikwa kabla ya kupandisha alama katika majaribio sita yanayofuata. Alama iliyopatikana kupitia maagizo yaliyofichwa haibeba dai la halali, na mbinu ile ile inaweza kudhoofisha uwasilishaji bila alama ya kudumu, hivyo maombi ya karatasi ni ya kiwango cha sera badala ya kiufundi: mwongozo wa kiwango cha sekta, maendeleo ya kitaalamu, matumizi ya AI yaliyozuiliwa na mapitio ya binadamu kwa kazi zenye maslahi makubwa, na upimaji wa kiwango cha kawaada, usio na kikoa la uimara wa upinduzi wa ilani ili eneo la mashambulio lipimwe badala ya kuchukuliwa kwa hakika. Ni mwenzake wa kupingana wa miundo ya usimamizi iliyo juu: ambapo hiyo inabainisha ni mapitio gani ya binadamu yanahitajika, hii inabainisha aina ya ulaghai ambao mapitio yapo kukamata lakini haina ishara ya kuaminika.

Jedwali la thamani/norma kama msingi wa sera. Agarwal et al. (2026), mapitio ya kimfumo ya makala 25, yanakusanya maadili ya AIED katika thamani sita kuu za maadili (kutokuwa na ubaguzi, uongozi wa data, usimamizi wa binadamu, nia njema, uwezekano wa kueleza, ufaafu wa kielimu) na kupanga norme za maadili zilizotolewa kutoka fasihi kwenye jedwali la thamani-kwa-mshiriki. Mapitio yanaweka jedwali kama msingi wa kujenga miundo ya kina ya maadili na kanuni za udhibiti kwa AIED, ikitoa taasisi za elimu, watengenezaji, na wadhibiti norme halisi za kutekeleza thamani mahususi. Inagundua kwamba norme za nia njema zinazolenga wadhibiti ni nyingi zaidi (tisa) kuliko kwa seti yoyote nyingine ya mshiriki, ikionyesha jukumu la wadhibiti katika kuhakikisha faida za AIED kwa wanafunzi kupitia sera na sheria — sehemu halisi, iliyo na thamani ya kuanzia kwa mitambo ya sera-dhidi-utawala ambayo ukurasa huu unaeleza.

Madai yanayosogea mbali zaidi ya sifa zao. Tangazo la jaribio ni chombo cha sera pia, na viwango vyake vya kuripoti ni sehemu ya sera. Restrepo Morales et al. (2026) wanachanganua tukio la Septemba 2026 la El Salvador ambalo jaribio la mafunzo ya AI katika shule 171 za umma liliripotiwa kama kufikia matokeo yanayofanana na Ujerumani na Uswidi: dhidi ya wastani wa hesabu ya PISA 2022 ya Ujerumani, 5.5% ya juu ya usambazaji wa mafanikio ya kitaifa ingelingana na kigezo bila faida yoyote ya kujifunza, na tathmini ya jaribio ilifunika wanafunzi 7.0 kwa kila shule dhidi ya 25.4 katika uchunguzi wa kitaifa mwaka ule ule, hivyo ushahidi uliochapishwa hauwezi kutenga uteuzi kama maelezo. Pendekezo lao ni kiwango cha kuripoti cha vipengele sita — msingi wa shule zinazoshiriki, itifaki ya sampuli (wanafunzi walio na sifa, wanafunzi waliotathminiwa, kanuni ya utambulisho, kiwango cha ushiriki), alama zilizogawanywa na makosa ya kawaida, tarehe ya uendeshaji wa kila sehemu ya mageuzi, muunganisho na sampuli ya kitaifa inayowakilisha, na sifa iliyoainishwa katika nyaraka, chapisho, au aya moja na dai — iliyohamasishwa na hesabu ya kufichua ya tangazo yenyewe: chapisho la Benki ya Dunia linalobeba dai lilirekodi takribani maoni 441,000 dhidi ya takribani 11,000 ya chapisho linalobeba sifa nafasi nne baadaye katika mnyororo ule ule. Somo la sera ni kwamba mahali mfumo unatumia matokeo ya kiwango cha shule kama ushahidi kuhusu yenyewe, muundo wa kufichua huamua ni taarifa gani inakuwa ukweli wa umma.

Uchanganuzi wa kiwango cha nchi wa PISA 2022-2025 uligundua kwamba nchi zenye matumizi ya juu ya AI ya kizalishaji zilionyesha kushuka kwa kiasi kikubwa katika kusoma na hesabu, uhusiano ambao ulitoweka baada ya kudhibiti utendaji wa awali (Guerra & Aslanov, 2026). Waandishi wanasoma kama onyo kwamba upatikanaji mpana zaidi wa chatbot haupaswi kuchukuliwa kama faida yenyewe, na wanaitia kwa utangazaji uliofungamanishwa na tathmini ya muda mrefu.

Sera dhidi ya utawala

Sera na utawala ni vya karibu sana lakini tofauti, na kuzitenga ni muhimu kwa kuelewa utafiti wa hifadhi hii ya maarifa.

• Sera ni maudhui — nini kinachokamilika. Sera ni kanuni rasmi, kanuni, au taarifa: ni matumizi ya AI yapi yanaruhusiwa, yanazuiliwa, au yanahitajika; ni nini kinapaswa kufichuliwa; ni miundo gani ya tathmini inaruhusiwa. Ipo kama kitu kilichoandikwa (sheria, mwongozo wa taasisi, taarifa ya mtaala) na inajibu "kanuni ni zipi?"

• Utawala ni mitambo — jinsi inavyokamilika, kutekelezwa, na kutekelezwa. Utawala unajumuisha miundo ya taasisi, norme, na mbinu za uwajibikisho zinazozalisha, kutekeleza, na kufuatilia sera: nani anaweka kanuni, jinsi zinavyowasilishwa na kupatiwa rasilimali, jinsi utiifu unavyotekelezwa na kushindwa, na jinsi zinavyorekebishwa kadri AI inavyobadilika. Inajibu "nani anaamua, na kanuni zinachukua athari vipi kweli?"

• Zinategemeana. Sera bila utawala haitekelezeki — kanuni iliyoandikwa ambayo hakuna mtu anayemiliki, kufuatilia, au kusasisha. Utawala bila sera unaupunguza mwelekeo — miundo inayoongoza chochote mahususi. Utafiti wa hifadhi hii ya maarifa unaonyesha mara kwa mara kwamba mbili zinapaswa kujengwa pamoja: sera ambayo inagawa tu matumizi ya AI bila utawala wa kubainisha ushahidi, ulinzi, na michakato ya mapitio inabaki dhaifu katika mazoezi (ukaguzi wa uhifadhi wa kiakili), na utawala unaofuatilia tu bila sera wazi una hatari ya ufuatiliaji bila haki (ona utawala wa AI).

• Uongozi wa juu wa AI ni nadra kulingana na nia ya kimkakati. Mapitio ya upana ya vyanzo 19 yaligundua kwamba 7% tu ya taasisi zilikuwa zimeunda nafasi za uongozi wa juu wa AI ingawa 49% zilichukua AI kama kipaumbele cha kimkakati, huku masudio mengi yaliyoungwa yakiwa ya dhana au ya kisekta-moja, hivyo hakuna athari ya sababu ya utawala wa kuhamia iliyoweza kuthibitishwa (Baroudi (2026)).

Jaribio la vitendo linalozitenga: sera inaweza kusomwa kwenye karatasi, lakini utawala unaonekana katika ikiwa kanuni inatekelezwa, inatekelezwa, na inabadilika. Hii ni kwa nini Utawala wa AI inapanua Udhibiti wa AI katika Elimu na sera katika taasisi, na kwa nini hifadhi ya maarifa inachukua chaguo za muundo wa tathmini (Tathmini ya Mwisho) kama maamuzi ya sera ambayo yanakuwa na ufanisi tu kupitia miundo ya utawala kama bodi za mapitio, miundo ya tamko, na njia za rufaa.

Sera ya darasa kama mpaka wa tafsiri wa utawala. Mitambo ya utawala haisimami katika nyaraka ya taasisi; walimu wanaoisoma na kuibadilisha ni kiungo cha mwisho katika mlolongo, na Nash & Burriss (2026) wanaonyesha kiungo hicho kinaonekana vipi katika mazoezi. Walimu wao wa mapema walitarajiwa kufanya kazi katika wilaya zenye sera za AI lakini bado walihitaji kuandika kanuni mahususi za darasa kwa wanafunzi wao wenyewe — ujuzi muhimu wa kubadilika — na waandishi wanadai kwamba walimu wanaweza kukataa kupitika kwa AI kwa kazi mahususi za kusoma na kuandika bila kuipuuza, huku kukataa kwa kanuni kikitofautishwa na kukataa bila uhakiki. Kufanya tofauti hiyo iweze kufanya kazi yenyewe ni kazi ya utawala: wilaya na mpango wa maandalizi wanahitaji mwongozo, maendeleo ya kitaalamu, na miundombinu ya sera inayowawezesha walimu kukataa matumizi mahususi bila kuelezewa kama walioko nyuma ya nyakati.

Viwango vya utawala kwa tatizo la uthibitishaji. Coates, Croucher na Calderon (2025) wanatoa tabaka la upimaji ambao tofauti ya sera-dhidi-utawala inahitimisha, wakichukulia Uadilifu wa Kitaaluma katika nyakati za GenAI kama tatizo la utawala kabla ya tatizo la ugunduzi na kuhukumu utawala wa kitaaluma wa kisasa kuwa imara lakini "hauna nafasi nzuri wala haujatayarishwa" kulinda uthibitishaji wa Tathmini ya mwanafunzi. Mfumo wao unashikilia maswali 130 ya utawala chini ya vipimo vinane — Kubuni, Kuendeleza, Kufunza, Kutekeleza, Kuchanganua, Kuripoti, Kutathmini, na Kuboresha — na vitu ni maswali kuhusu mitambo ya taasisi badala ya vipimo vya kisaikolojia: ikiwa bodi au baraza la juu laidi la taasisi hupata masasisho kuhusu michakato na matokeo ya tathmini, ikiwa viwango muhimu vya utendaji vinajumuisha ubora wa tathmini, ni asilimia gani ya wanafunzi wanajulikana binafsi na walimu wanaowathmini, ikiwa alama za chini au za juu zaidi zinakaguliwa kwa msalaba, na kama kuna njia rahisi ya kurejea kesi za ulaghai wa mkataba. Mpango wa mageuzi unaosindikiza unalenga miundombinu ya utawala, watu wanaoshikilia nafasi za utawala, na teknolojia na rasilimali zinazounga mkono tathmini, na waandishi wanadai kwamba maendeleo madogo ya taasisi hayatoi faida bila msaada wa nje kutoka kanuni za udhibiti, kupanga viwango na ushindani kati ya taasisi — shinikizo lile lile la kanuni ambazo ukurasa wa Udhibiti wa AI katika Elimu unachukulia kama kikomo kinachofunga kwa mageuzi ya utawala.

• Pengo linapimwa katika K-12 pia, si katika vyuo vikuu tu. Uchunguzi wa kitaifa unaowakilisha wa walimu 1,018 na wakuu wa shule za umma za Amerika uligundua kwamba 18% tu ya walimu na 24% ya wakuu wanaripoti sera ya AI ya kizalishaji ya shule — mchoro ule ule wa chini-ya-taasisi ambao ukurasa huu unaandikisha katika elimu ya juu (Tench, Weinstein & James, 2026).

Pengo la sera katika utafiti wa AI × SEL

Mapitio ya kimfumo ya karatasi 65 katika mwingiliano wa AI na kujifunza kijamii-kihisia (Tran, Liu & Nguyen 2026) yanaandikisha "pengo la sera": karibu robo tatu ya masudio yanasema hakuna athari za sera, na yale yanayosema mara nyingi yanakosa ufafanuzi unaoelekezwa kwa mtendaji. Mapitio yanagundua kuwa ushiriki wa sera katika sera unahusiana na mahali pa kuchapisha, yakionyesha motisha za kitaaluma zinazozawadia ubunifu wa kiufundi juu ya Utawala wa AI na Udhibiti wa AI katika Elimu. Yanapendekeza mfumo wa "swali la WH" (Nani, Nini, Kwa nini, Lini/Wapi, Jinsi) na mabadiliko kutoka "athari-kama-mawazo ya baadaye" hadi "athari-kama-mbinu" — kuchukua ufafanuzi wa sera kama kikomo cha ubini wa utafiti badala ya nyongeza ya baadaye.

Dhana Zilizounganishwa

• Ushirikiano wa Mbinu za Kufundisha — Ushirikiano wa mbinu za kufundisha
• Udhibiti wa AI katika Elimu
• Utawala wa AI
• Maendeleo ya Kielimu
• Usawa
• Elimu ya Juu
• K-12
• Uadilifu wa Kitaaluma
• Maadili
• Uwezo wa Mwalimu katika AI
• Kuelekeza Matumizi ya AI kwa Wanafunzi
• Tathmini ya Mwisho
• Elimu ya Kemia — Elimu ya kemia na AI: maabara, tathmini ya kuunda, mipaka ya LLM, falsafa ya majaribio
• Elimu ya Biolojia — Elimu ya biolojia na AI: wasaidizi wa kufundisha wa maabara, ujuzi wa AI katika biolojia, ufikiri mahususi, zana maalum
• Wahusika — Mwanya: watu na hadhira katika elimu ya AI (wanafunzi, walimu, wabuni, wasimamizi, waundaji wa sera)
• Msaada kwa Wanafunzi na Mafanikio — muktadha wa sera kwa utekelezaji wa msaada wa taasisi

Makala Zilizounganishwa

• An AI Policy Isn't a Playbook: Educators Need Agency, Not Just New Rules — Uchunguzi wa kitaifa unaowakilisha wa walimu na wakuu wa Amerika kuhusu upatikanaji wa sera ya AI, wakala, na michezo mitano ya darasa (Tench, Weinstein & James 2026)
• When universities advocate GAI but practice falls short: student appraisals and creative process engagement in art education — Wakati vyuo vikuu vinatetea GAI lakini mazoezi hayatoshi: tathmini za wanafunzi na mahususi ya mchakato wa ubunifu katika elimu ya sanaa
• Writing the Rules for Generative Machines: Tensions and Entanglements in Preservice Teachers' Classroom AI Policies — Sera za AI za darasa za walimu wa mapema wa Kiingereza: waliruhusu, walizuia, na walikataza nini (Nash & Burriss 2026)
• A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment — Mfumo wa Binadamu-Katika-Mzunguko kwa Kupanga Alama kwa Msaada wa AI katika Tathmini ya Uandishi ya Kiwango Kikubwa
• Designing an Aligned Generative AI Course Policy: An Equitable and Transparent Learner-Centered Approach — Kutoa matumizi yanayoruhusiwa na yasiyoruhusiwa ya GenAI kazi kwa kazi kutoka kinachotathminiwa (McCorkle 2025)
• How Instructors Regulate AI in College: Evidence from 31,000 Course Syllabi — Jinsi wakufunzi wanavyodhibiti AI katika mitaala 31,000 ya kozi (Chirikov 2026)
• Artificial Intelligence and Grade Inflation — Kubadilishwa kwa kazi za AI kama mbinu ya kupanda kwa alama (Chirikov 2026)
• Governing generative AI in higher education: a global Delphi study on policy and practice — Delphi ya ulimwengu kuhusu kutawala AI ya kizalishaji katika elimu ya juu
• Governing generative AI in higher education: Emerging policy approaches and support ecosystems at innovative U.S. universities — Mwongozo juu ya sera: kanuni za mtaala zilizowekwa na mwalimu na mfumo wa msaada wa sehemu nne katika vyoo 50 vya Amerika vyenye ubunifu (Qian 2026)
• Forging ahead or proceeding with caution: Developing policy for generative artificial intelligence in legal education — Ulinganifu wa vipimo vitano wa sera za GenAI za shule za sheria katika sekta inayounda sera bila msingi wa ushahidi (Gutowski & Hurley 2025)
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Kunakili si uzalishaji: kanuni za AI zinazojumuisha kupita kiasi, ubadilishaji wa muundo na msaada wa ulemavu (Wright 2026)
• Anticipatory governance and leadership for AI implementation in higher education: A scoping review — Utawala wa kuhamia kwa AI katika elimu ya juu (mapitio ya upana)
• Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies — Nyaraka za sera ya AI katika mpango wote 48 wa shahada ya informatics ya afya: hasa mwongozo, zikijikita katika uadilifu wa kitaaluma (Eldredge et al. 2026)
• What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education — Uhifadhi wa kiakili kwa tathmini inayoenezwa na AI (ukaguzi wa sera wa vyoo 30)
• Generative Artificial Intelligence Policy: A Qualitative UNESCO Framework Analysis
• A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education
• 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
• The Evidence Base on AI in K-12: A 2026 Review
• Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making
• The Policy Deficit in AI × Social-Emotional Learning Research — Pengo la Sera katika Utafiti wa AI × SEL
• Identifying the ethical values and norms for artificial intelligence in education: A systematic literature review — Thamani na norme za maadili kwa AI katika elimu
• Zero-shot governance — Utawala wa zero-shot: AI ya matumizi ya jumla katika sera (Perrotta 2026)
• How much selection would be enough? Bounding the learning claim of El Salvador's artificial intelligence tutoring pilot — Kupunguza dai la kujifunza la jaribio la mafunzo ya AI la El Salvador (Restrepo Morales et al. 2026)
• The AI Challenge: How college faculty assess the present and future of higher education in the age of AI — Wataalam 1,057 wa Amerika: 87% wanaandika kanuni zao wenyewe za kazi dhidi ya miongozo dhaifu ya taasisi na idara (Watson & Rainie 2026)
• GenAI assessment and language equity: Drawing the line between support and substitution — Mipaka ya msaada–ubadilishaji yanayotegemea kusudi na kufichua na rubriki zilizo na mipangilio (Li 2026)
• Ethical implications of prompt injection in AI-mediated grading: An adversarial red-team evaluation — Upinduzi wa ilani katika kupanga alama kwa AI: alama zilibadilishwa bila kugunduliwa, na majibu ya kiwango cha sera (Humble 2026)
• Governing academic integrity: Ensuring the authenticity of higher thinking in the era of generative artificial intelligence — Viwango 130 vya utawala vya kuthibitisha tathmini, na shinikizo la nje ambalo mageuzi inahitaji (Coates, Croucher & Calderon 2025)
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — Kiwango cha sera dhidi ya ubini wa kazi: wanafunzi walitumia GenAI kwa nini katika tathmini tatu za fizikia (Quince & Faulconer 2026)
• Generative AI use and the 2022–2025 decline in PISA performance across countries — Matumizi ya juu ya AI ya kizalishaji ya kiwango cha nchi yalifuatia kushuka kwa kiasi kikubwa kwa PISA 2022-2025, uhusiano ambao ulitoweka baada ya kudhibiti utendaji wa awali (Guerra & Aslanov 2026)