Akademisyenlerin YZ Konusunda Hangi Yetkinliklere İhtiyacı Var?

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

Akademisyen yetkinliği, istek metni yazımının çok ötesine uzanmalıdır. Bilgi tabanının AI Literacy sentezi dört geniş boyut tanımlar:

• YZ yetenek ve sınırlandırmalarının temel anlayışı.
• YZ araçlarını kullanmada pratik yetkinlik.
• Doğruluk, önyargı, uygunluk ve belirsizliğin kritik değerlendirmesi.
• Dürüstlük, gizlilik, eşitlik ve YZ Yönetişimi gibi konuları içeren etik ve kurumsal farkındalık.

Pedagojik katman

Eğitmenler için, bu boyutlar ek bir pedagojik katmana ihtiyaç duyar. Akademisyenler şunları yapabilmelidir:

• Öğrencilerin hangi bilişsel işi muhafaza etmek zorunda olduğuna karar vermek.
• Öğrenme hedefleriyle uyumlu YZ kullanımlarını seçmek.
• Geçerli YZ çağı değerlendirmeleri tasarlamak.
• Öğrencilere YZ kullanımını doğrulamayı ve düzenlemeyi öğretmek.
• Uydurma, aşırı güven ve yalaka davranışı tanımak.
• İnsan yargısının otomasyonu ne zaman geçersiz kılması gerektiğini bilmek.

Akademisyenler ayrıca, YZ’yi izole bir araç olarak görmeksizin üretken yapay zeka destekli iş akışlarının nasıl bir araya geldiğini değerlendirecek kadar sistem anlayışına da ihtiyaç duyar. Bkz. Teacher AI Competency ve Faculty Development.

Güven yetkinlik değildir

Bilgi tabanında özetlenen araştırmalar ayrıca güveni yetkinlikle eşitlemeye karşı da uyarır: öz bildirimli YZ okuryazarlığı, gösterilmiş yetkinlikten önemli ölçüde sapabilir; bu da performansa dayalı mesleki gelişim ve özgün uygulamayı yalnızca güven anketlerine tercih edilebilir kılar. Öğretmen çok ajanlı iş akışı araştırması ayrıca, sistem düşüncesinin, pedagojik inançların ve Öz Yeterlilik’nin YZ bütünleşmesinde etkileşime girdiğini göstermektedir; bu nedenle mesleki gelişim herkese uyan tek bir araç atölyesi değil, farklılaştırılmış olmalıdır.

Mesleki gelişimin gerçekten neyi değiştirdiği — ve neyi değiştirmediği

Son yükseköğretim araştırmaları, akademisyen yetkinliğinin nerede güçlü olduğuna ve nerede çöktüğüne somut sayılar koymaktadır. Teknolojik Pedagojik İçerik Bilgisi (TPACK)-21 aracını kullanan Büyük bir ABD araştırma üniversitesindeki 127 akademisyenin anketi, öz algılı pedagojik içerik bilgisini yüksek (M = 4,70) ve içerik bilgisini tavan yakınında (M = 5,15) bulmuş, ancak teknoloji bütünleşik alanları belirgin biçimde daha düşük bulmuştur — teknolojik pedagojik bilgi (M = 2,62), teknolojik içerik bilgisi (M = 2,75) ve bütüncül TPACK (M = 2,55, yedinin en düşüğü). İçerik uzmanlığı, GenAI bütünleşme bilgisini yordamamıştır (CK korelasyonları r = ,11–,15, tamamı anlamlı değil); bu nedenle akademisyen gelişimi alan uzmanlığının aktarıldığını varsayamaz ve üretken yapay zeka yetkinliğini kasıtlı, disipline özgü programlarla inşa etmelidir. Üç teknoloji bütünleşik alan r = ,81–,91 ile ilişkili olduğundan, ayrı becerilerden ziyade paylaşılan bir temel olarak öğretilmeye değer tek bir GenAI bütünleşme kapasitesi olarak işlev görebilirler.

Eğitimin yapıp yapamadığı da aynı ölçüde öğreticidir. 13 yükseköğretim öğretmeniyle yürütülen katılımcı içi bir çalışmada, öğretmenlere bir sohbet robotu vermek, öğrenme tasarımlarının kalitesini belirgin biçimde iyileştirmiştir — iki veya daha fazla üst düzey Bloom görevi tutan pay %41,7’den %91,7’ye yükselmiştir (p = ,01) — ve algılanan bilişsel çabayı keskin biçimde düşürmüştür (medyan 6,33’ten 3,33’e, p = ,004); üzerine bindirilen pedagojik istek metni eğitimi kaliteyi daha fazla iyileştirmemiş ve çabayı hafifçe artırmıştır. Bir deyişle YZ erişimi öğretim davranışını kolayca değiştirir; daha derin bir yetkinlik bir atölyeden fazlasını gerektirir ve yalnızca kalite kazanımları öğretmenlerin uygulamayı içselleştirdiğini kanıtlamaz.

Standartlar, özerklik ve kimlik

Yetkinlik aynı zamanda kurumsal bir sorudur. 28 ABD kurumu ve 11 ülkedeki 114 katılımcıyla yürütülen tasarım temelli araştırma, tüm akademik rolü kapsayan altı akademisyen teknoloji standardı üretmiştir — Eğitmen, Koordinatör, Lider, Araştırmacı, Öğrenen ve Katkı Sağlayıcı — çünkü mevcut çerçeveler (Teknolojik Pedagojik İçerik Bilgisi (TPACK), SAMR) ve eğitimci standartları (ISTE, UNESCO, DigCompEdu) K-12 öğretmenlerini veya yalnızca öğretim boyutunu ele almaktadır.

27 ülkedeki 287 öğretmenin anketi, benimsenmenin neden tamamen teknik bir çerçevelemeye direndiğini gösterir: rafine edilmiş model, davranışsal niyetteki varyansın %79,8’ini açıklamıştır; ancak algılanan yapay özerklik niyeti yalnızca dolaylı olarak, faydalılık yoluyla etkilemiştir; ve risk kaçınması belirgin biçimde olumsuz bir yordayıcı olmuştur (−,163); öğretmenler kendi kullanımlarından çok daha fazla, öğrencilerin aşırı güvenine ve dürüstlük risklerine kaygı duymuştur. Benimsenme, otomasyonun çekiciliğinden çok bağlama duyarlı yargıya bağlı olmuştur. Son olarak, iki deneyimli akademisyenle yapılan görüşmeler, YZ bütünleşmesinin yinelenen kimlik gerilimleri ürettiğini göstermektedir — pedagoji ile platform, eğitimci ile kolaylaştırıcı, özen ile uyum — ve bunların pedagojik değerlere dayanan ilkeli seçicilik yoluyla yönetildiğini göstermektedir. Yetkinlik bu nedenle yalnızca YZ kullanımunda beceriyi değil, YZ’yi ne zaman kullanmamak gerektiğine ilişkin mesleki yargıyı da içerir.

Öğrenci yönlü muadili için bkz. YZ Okuryazarlığını Kursuma Nasıl Dâhil Edebilirim? ve Yükseköğretimde YZ Okuryazarlığı Müdahalelerine İlişkin Kanıtlar Nedir?; eğitmen yönlü özet için bkz. Öğretim Elemanlarının Bilmesi Gereken Eğitimde Yapay Zeka Araştırmasından En Önemli 10 Bulgu Nedir?.