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

What Competencies Do Faculty Need in Regard to AI?

Uwezo wa waelimishaji unapaswa kuanzia zaidi ya kuandika ilani. Muunganisho wa Ujuzi wa AI wa hifadhi ya maarifa unatambua vipimo vinne vya pana:

• Ufahamu wa msingi wa uwezo na mapungufu ya AI.
• Uwezo wa vitendo wa kutumia zana za AI.
• Tathmini mahususi ya usahihi, upendeleo, ufaa, na utata.
• Ufahamu wa maadili na wa taasisi unaohusisha masuala kama uadilifu, faragha, usawa, na Utawala wa AI.

Tabaka la kielimu

Kwa wakufunzi, vipimo hivyo vinahitaji tabaka la ziada la kieledu. Waelimishaji wanapaswa kuwa na uwezo wa:

• Kuamua ni kazi gani ya kiakili ambayo wanafunzi wanapaswa kuhifadhi.
• Kuchagua matumizi ya AI yanayolingana na malengo ya kujifunza.
• Kubuni tathmini halali ya enzi ya AI.
• Kufundisha wanafunzi kuthibitisha na kudhibiti matumizi ya AI.
• Kutambua kutunga vitu visivyokuwepo, kutegemea kupita kiasi, na kubembeleza.
• Kujua wakati hukumu ya binadamu inapaswa kubatilisha otomatiki.

Waelimishaji pia wanahitaji ufahamu wa kutosha wa mifumo ili kutathmini jinsi mtiririko wa kazi unaoungwa mkono na AI ya kizalishaji unavyofaa pamoja badala ya kuona AI kama zana iliyotengwa. Ona Teacher AI Competency na Faculty Development.

Uhakika si uwezo

Utafiti uliofupishwa katika hifadhi ya maarifa pia unatahadharisha dhidi ya kulinganisha uhakika na uwezo: ujuzi wa AI uliotangazwa na mwenyewe unaweza kutofautiana kwa kiasi kikubwa na uwezo ulioonyeshwa, hivyo kufanya maendeleo ya kitaalamu yanayotegemea utendaji na mazoezi halisi kupendelea kwa dodoso za uaminifu peke yake. Utafiti wa mtiririko wa kazi wa wakala wengi wa wataalam unaonyesha zaidi kuwa mawazo ya mifumo, imani za kielimu, na Uwezo Binafsi huathiriana katika ujumuishaji wa AI, kwa hivyo maendeleo ya kitaalamu yanapaswa kutofautishwa badala ya warsha ya zana ya ukubwa mmoja.

Maendeleo ya kitaalamu yanayosogeza nini — na yanayosogeza nini

Utafiti wa hivi karibuni wa elimu ya juu unaweka namba halisi kwenye mahali ambapo uwezo wa waelimishaji ni mkubwa na mahali unapovunjika. Dodoso ya waelimishaji 127 katika chuo kikuu kimoja kubwa cha utafiti la Marekani kwa kutumia chombo cha Maarifa ya Teknolojia, Ufundishaji na Yaliyomo (TPACK)-21 ilipata maarifa ya yaliyomo ya kieledu yanayohisiwa kuwa ya juu (M = 4.70) na maarifa ya yaliyomo karibu na kiwango cha juu (M = 5.15), lakini nyanja zilizounganishwa na teknolojia zikiwa za chini zaidi kwa kiwango kikubwa — maarifa ya kielimu ya kiteknolojia (M = 2.62), maarifa ya yaliyomo ya kiteknolojia (M = 2.75) na TPACK kamili (M = 2.55, ya chini zaidi ya saba). Utaalamu wa yaliyomo haukutabiri maarifa ya ujumuishaji wa GenAI (uhusiano wa CK r = .11–.15, yote yasiyo na umuhimu wa takwimu), kwa hivyo maendeleo ya waelimishaji hayawezi kudhani kuwa umiliki wa somo huhama na yanapaswa kujenga uwezo wa AI ya kizalishaji kupitia programu ya makusudi, maalum ya taaluma. Kwa sababu nyanja tatu zilizounganishwa na teknolojia zilikuwa na uhusiano r = .81–.91, zinaweza kufanya kazi kama uwezo mmoja wa ujumuishaji wa GenAI unaostahili kufundishwa kama msingi wa pamoja badala ya ujuzi tofauti.

Kile ambacho mafunzo yanaweza na hayawezi kufanya ni ya kuelimisha kwa kiasi kile. Katika somo la ndani-ya-mada lenye wataalam 13 wa elimu ya juu, kuwapa wataalam chatbot kuliboresha kwa kiasi kikubwa ubora wa ubuni wa kujifunza wao — sehemu inayofikia kazi mbili au zaidi za Bloom za ngazi ya juu iliongezeka kutoka 41.7% hadi 91.7% (p = .01) — na ilipunguza kwa kiasi kikubwa juhudi za kiakili zinazohisiwa (wastani 6.33 hadi 3.33, p = .004); mafunzo ya kieledu ya kutoa ilani yaliyoongezwa juu yake hayakuboresha ubora zaidi na yaliongeza juhudi kidogo. Upatikanaji wa AI, kwa maneno mengine, hubadilisha tabia ya kufundisha kwa urahisi; uwezo wa kina unahitaji zaidi ya warsha, na faida za ubora peke yake hazithibitishi kuwa wataalam walijifunza mazoezi ndani.

Viwango, wakala na utambulisho

Uwezo pia ni swali la taasisi. Utafiti wa kubuni unaotegemea ubuni wenye washiriki 114 katika taasisi 28 za Marekani na nchi 11 ulizalisha viwango sita vya teknolojia ya waelimishaji vinavyozunguka jukumu kamili la kitaaluma — Mkufunzi, Mratibu, Kiongozi, Mtafiti, Mwanafunzi na Mchangiaji — kwa sababu miundo iliyopo (Maarifa ya Teknolojia, Ufundishaji na Yaliyomo (TPACK), SAMR) na viwango vya waelimishaji (ISTE, UNESCO, DigCompEdu) inashughulikia wataalam wa K-12 au kipimo cha kufundisha tu.

Dodoso ya wataalam 287 katika nchi 27 inaonyesha kwa nini kupitishwa kunapinga mfumo wa kiufundi peke yake: mfano uliopangwa ulieleza 79.8% ya tofauti katika nia ya tabia, hata hivyo ujitegemea wa bandia unaohisiwa uliathiri nia kwa njia isiyo ya moja kwa moja kupitia ufaafu, na kukataa hatari kulikuwa kitabiri hasi chenye umuhimu (−.163), wakiwa na wataalam wanaohofia zaidi kuhusu kutegemea kupita kiasi kwa wanafunzi na hatari za uadilifu kuliko matumizi yao wenyewe. Kupitishwa kulitegemea hukumu inayoelekea miktadha badala ya mvuto wa otomatiki. Hatimaye, mahojiano na wataalam wawili wenye uzoefu yanapendekeza kuwa ujumuishaji wa AI unazalisha msongo wa mawazo wa utambulisho unaojirudia — mbinu za kufundisha dhidi ya jukwaa, mwalimu dhidi ya mwezeshaji, huduma dhidi ya utii — unaotumika kupitia uteuzi wa kanuni unaotegemea maadili ya kieledu. Uwezo kwa hivyo unajumuisha hukumu ya kitaalamu kuhusu wakati wa kutotumia AI, si ujuzi wa kuitumia tu.

Kwa mwenzake wa upande wa mwanafunzi, ona Nitafanya jinsi gani ili kujumuisha Ujuzi wa AI katika Kozi Yangu? na Ushahidi Upio Kwenye Uingiliaji wa Ujuzi wa AI katika Elimu ya Juu?; kwa muhtasari wa upande wa mkufunzi, ona Ni Matokeo Kumi Bora Yapi ya Utafiti wa Akili Bandia katika Elimu Ambayo WanaUfundishaji Wanapaswa Kuyajua?.