База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

ШІ-грамотність

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

ШІ-грамотність — знання, навички та критичні настанови, необхідні для розуміння, оцінювання та ефективного використання ШІ Технології в освітніх контекстах. ШІ-грамотність охоплює фундаментальне розуміння того, як працює ШІ, практичну компетентність у користуванні інструментами ШІ, критичне evaluation of AI та етичну обізнаність щодо суспільних наслідків ШІ.

Питання для роздумів

  • Що означає бути «ШІ-грамотним»? Чи це означає вміти користуватися інструментами, розуміти, як вони працюють, або вміти критично оцінювати їхні результати — і що найважливіше для ваших власних цілей?
  • Самооцінена ШІ-грамотність різко розходиться з виміряною продуктивністю — викладачі переоцінюють свої навички приблизно на 40%. Наскільки ви впевнені у власних навичках роботи зі ШІ та яким доказам ви б довірилися, щоб справді перевірити цю впевненість?
  • ШІ-грамотність описується як метакогнітивна соціальна практика, а не контрольний перелік навичок. Оскільки LLM є стохастичними та непрозоримими, що означає «критично оцінювати» результат, коли ви не можете зазирнути всередину моделі?
  • Існує напруженість між грамотністю критичного використання для академічних умов і грамотністю інтеграції в робочі процеси для працевлаштування — освітяни та роботодавці цінують різні навички. Який тип ШІ-грамотності насправді викладає ваш контекст?
  • Лише технічне навчання ШІ-грамотності без підтримки самоефективності та саморегуляції може насправді збільшити залежність від ШІ. Як навчання користуванню ШІ може зробити вас більш залежними від нього, а не більш компетентними?
  • ШІ-грамотність — це також навичка розпізнавання: помітити, коли ШІ погоджується з вами через підлабузництво, а не тому, що ви маєте рацію. Чи траплялося вам спіймати ШІ на тому, що він просто говорить те, що ви хочете почути?

Вступ

ШІ-грамотність швидко виокремилася як ключова компетентність для здобувачів, освітян та установ, оскільки Генеративний ШІ вбудовується в освіту. На відміну від загальної цифрової грамотності, ШІ-грамотність вимагає розуміння стохастичних систем, які можуть галюцинувати, демонструвати bias та переміщувати Суб’єктність здобувача від людини до машини — роблячи Критичне мислення та Over-Reliance центральними для конструкту.

Виміри ШІ-грамотності

Дослідницький напрям research з ШІ-грамотності у цій базі знань охоплює чотири взаємопов’язані виміри:

Фреймворки дедалі частіше відстежують, як ці виміри втілюються на практиці: Dai & Chan (2026) показують, як аспіранти-дослідники втілюють усі чотири виміри, використовуючи Генеративний ШІ упродовж усього дослідницького процесу, та будують на них науково специфічні настанови відповідального використання, тоді як Şan & Orhan Karsak (2026) використовують картування словникових асоціацій, щоб показати, що пізнання ШІ турецьких студентів бакалаврату домінується інструментальним «чорним ящиком», а концепції етичного врядування структурно ізольовані (τ=−0.819) — що свідчить про те, що проєктування сертифікатів має свідомо поєднувати досвідчене використання інструментів та етичні фреймворки.

Попит залежить від того, що студент і система роблять спільно. Фреймворки грамотності зазвичай описують один універсальний набір компетентностей, але те, що насправді вимагає підтримана GenAI діяльність, змінюється залежно від того, як у ній розподілена епістемічна робота. Sun, Dohn and Rehm (2026) класифікували 102 емпіричні дослідження вищої освіти за таксономією застосувань GenAI Стробеля та співавторів і виявили, що заплутання типів Assistant і Enabler домінують, займаючи по 42.16% корпусу кожне, тоді як Generator, Reimaginator і Synthesizer разом становлять менше п’ятої частини — такий перекіс вони пояснюють інституційною легітимністю, а не можливостями моделей, оскільки ті самі моделі підтримують усі п’ять типів. Прочитання кожного типу крізь три рівні контексту Дона (внутрішньодоменний, внутрішньодіяльнісний, кадрувальний діяльність) показує, що вимоги узгоджуються для роботи типу Assistant і розпадаються для маргінальних типів, де те, чого діяльність вимагає від студентів, розходиться з тим, що установа визнає легітимною компетентністю. Їхній висновок відсуває грамотність від володіння інструментами взагалі: GenAI-грамотність — це здатність розпізнавати, як епістемічна робота та відповідальність розподілені в даному заплутанні, і відповідно діяти в його межах.

Фундаментальні знання: Розуміння того, що таке LLMs, чим вони відрізняються від систем на основі правил, та їхніх фундаментальних обмежень. Це включає обізнаність про можливості моделей, упередженість навчальних даних та відмінність між ШІ для конкретних завдань і моделями загального призначення. Дослідження в галузі Інженерія підказок вивчають, як розуміння механізмів підказок впливає на ефективне використання ШІ.

Практична компетентність: Здатність ефективно користуватися інструментами ШІ — від Інженерія підказок до інтерпретації результатів. Дослідження student GenAI usage patterns показують, що сам доступ до інструментів не створює компетентності; структурована практика та Скаффолдинг є необхідними. vibe coding framework показує, як K-12 teachers можуть розвивати практичну ШІ-грамотність через кероване створення інструментів. Miles, Haber-Curran and Arar (2026) стверджують, що цей вимір має складник, який оминає навчання оптимізації: грамотність щодо підказок, на відміну від інженерії підказок, розглядає складання підказок як риторичний та етичний акт, тому навчання, що лише налаштовує результати для кращої продуктивності, залишає незаторкнутими етичні та епістемологічні виміри використання LLM.

Критичне оцінювання: Здатність оцінювати результати роботи ШІ на предмет точності, упередженості та доречності. Research on literacy assessment показує розрив у 40% між самооголошеною та заснованою на продуктивності ШІ-грамотністю — люди послідовно переоцінюють свої навички оцінювання. Ця розбіжність є найяскравішим випадком у базі знань, коли self-report measure не відстежує компетентність, яку він називає. Це пов’язується з дослідженнями Over-Reliance, які показують, що студенти, які некритично Довіра довіряють ШІ, засвоюють менше. Нещодавня концептуальна робота спрямовує оцінювання до перевірки: PEARLS framework (Wang) розглядає результат роботи ШІ як попереднє твердження знання, чиє обґрунтування має бути зібране та досліджене за шістьма вимірами (Process, Evidence, Access, Reproducibility, Legitimacy, Source), і просуває навчання, кероване перевіркою, як механізм, за допомогою якого здобувачі будують експертизу, перевіряючи твердження ШІ. Доповнюючи це, student-centered responsible-use framework (Alsammani) пропонує десять орієнтованих на студентів настанов у межах стовпів Learning and Growth, Ethics and Integrity, Awareness and Safety, які зовнішньо представляють metacognitive підказки в момент прийняття рішення. Для здобувачів secondary AI-Assisted Research Competency (AARC) framework (Beau, Flaquière & Lazar 2026) базується на епістемології чеснот та інтуїції ШІ, визначаючи дослідницьку грамотність як ведення дослідження зі ШІ без відмови від authorship, осудження, перевірки чи відповідальності — операціоналізовано як аналітична рубрика та рутина зобов’язань «перевір–процитуй–осмисли». На боці Оцінювання Saleh (2026) пропонує тест людських здібностей, що перетворює оцінювання на принцип проєктування: запитайте, що студент має продемонструвати самостійно, що може бути зміцнене через доповнення ШІ, і що студент має перевірити, захистити та взяти за це відповідальність.

Перевірка в межах дисципліни піднімає планку ще вище. Vega-Baudrit and Rivera Alvarez (2026) стверджують, що в університетській chemistry ключовою вимогою ШІ-грамотності є репрезентаційний переклад між макроскопічною, субмікроскопічною та символічною областями Джонстоуна, оскільки результат може бути локально переконливим в одній області, водночас суперечачи балансу зарядів, механізму чи межі безпеки в іншій. Їхній засіб — інтеграція, зосереджена на перевірці: зробити перевірку оцінюваною діяльністю, зберігати журнали підказок та історії змін як сліди міркування, і розглядати складання підказок як епістемічний акт, що задає обмеження, припущення та критерії адекватності, причому студенти виявляють хибне припущення або обґрунтовують відкидання згенерованої відповіді.

Етична та інституційна обізнаність: Розуміння ширших наслідків ШІ — від Академічна доброчесність до Справедливість і до Приватність. ШІ-грамотність на інституційному рівні включає розробку політики, Освітній розвиток та governance frameworks — інституційна ШІ-грамотність є питанням policy не менш, ніж педагогіки. EPIQ-AI framework представляє інституційну ШІ-грамотність як завдання соціотехнічного узгодження, а не лише індивідуального навчання.

  • ШІ-грамотність як здатність врядування для сталого розвитку. Islam, Morshed, and Islam (2026) переосмислюють ШІ-грамотність як спрямовану на врядування здатність, а не суто освітню чи технічну навичку, пов’язуючи її з усіма сімнадцятьма Цілями сталого розвитку ООН. Їхня шестирівнева таксономія AIRE (Recognize → Comprehend → Apply → Analyze → Integrate → Govern) розширює ієрархію Блума, додаючи етичний синтез і стратегічне передбачення, позиціонуючи просунуті компетентності (Analyze–Govern) як шлях від базової грамотності до інституційного та політичного врядування — евристика «18-ї ЦСР», що розглядає грамотність як крос-секторальний когнітивний та етичний міст. Опитування 300 фахівців у національному контексті виявило сильну технічну обізнаність, але обмежену етичну та врядувальну готовність, причому етичне міркування та рефлексивне мислення є найсильнішими предикторами сталого, надійного використання ШІ, а грамотність у врядуванні — найсильнішим предиктором обізнаності про зв’язок ШІ–ЦСР (β = 0.64). Це емпірично обґрунтовує акцент бази знань на грамотності критичного використання та пов’язує ШІ-грамотність безпосередньо з Сталий розвиток та інтеграцією policy. Пропозиція фреймворків сама стала проблемою. Fitsilis (2026) порівняв 16 інституційно схвалених фреймворків компетентностей ШІ для освіти та розвитку робочої сили й виявив спільне ядро з десяти областей компетентностей, але значну варіативність у структурі, прогресії та вказівках щодо впровадження — практична складність полягає у виборі між ними, а не в нестачі.

Як розвивається ШІ-грамотність

Дослідження вказують на collaborative та active підходи як найефективніші. Rismanchian & Doroudi позиціонують ШІ-грамотність як більше ніж прикладну навичку: у їхньому фреймворку AI×Ed здобувач є окремим кінцевим користувачем ШІ (доступ через ШІ-грамотність та освіту зі ШІ), і вони виступають за відновлення роботи з ШІ-грамотності, яка заохочує рефлексію над самим навчанням — розглядаючи грамотність як шлях назад до досліджень «ШІ як аналогія людського інтелекту» про те, як навчаються люди, напряму, який галузь значною мірою залишила. Рамкова модель ICAP (Interactive → Constructive → Active → Passive) надає корисну таксономію когнітивної залученості: студенти засвоюють ШІ-грамотність найкраще, коли співбудують знання, а не пасивно отримують інформацію. Проєктувальники мають обирати режим, що відповідає навчальній цілі, і надавати перевагу глибшим (конструктивним та інтерактивним) режимам, де це можливо. Практичні заходи — складання підказок, групове оцінювання результатів, дискусії про Етика ШІ — перевершують лекції.

Composition починається з живого досвіду — але глибина понять потребує скаффолдингу. Burriss et al. (2026) виявили, що молодь закріплювала абстрактні принципи Етика ШІ на системах, з якими стикається щодня — електронних «перепустках», школяних ноутбуках під регулюванням школи, детекторах плагіату — причому одна група пояснила, що ШІ у школах «був особистим для всіх членів групи», а 15 із 18 відповідей опитування наприкінці блоку повідомили, що створення відео змінило їхнє розуміння етики ШІ. Автори чітко окреслюють обмеження: саме складання не гарантувало понятійного обґрунтування — «інформовану згоду» переклали як «Нам треба схвалити», а деякі терміни (наприклад, «failsafe») так і не пояснили, що спонукало їх запланувати глибшу понятійну роботу в наступних ітераціях. Creative продукція розвиває ШІ-грамотність найкраще, коли явний понятійний Скаффолдинг супроводжує створення, а не припускається, що він виникне сам по собі.

Інтуїція ШІ як досвідниче доповнення грамотності. Повторюваний розрив полягає в тому, що фреймворки K-12 припускають, що здобувачі підходять до ШІ через декларативні, засновані на правилах знання, тоді як на практиці вони спочатку розвивають практичне «відчуття» того, як ШІ реагує — експериментуючи з підказками, спостерігаючи поведінку, адаптуючи стратегії — раніше, ніж зможуть сформулювати формальні принципи. Beau & Lazar (2026) формалізують це як інтуїцію ШІ: досвідниче, індуктивне, часто неявне розуміння, що розвивається через ітеративну взаємодію з системами ШІ та підтримує чутливе до контексту осудження в умовах невизначеності. Їхній подвійний фреймворк розміщує ШІ-грамотність (структуровані, переважно статичні компетентності) поруч з інтуїцією ШІ (динамічний процес навчання), відображаючи обидва на стандартні виміри — розуміння понять, користування інструментами, критичне оцінювання, етичне застосування, рефлексія — щоб здобувачі поєднували понятійну ясність та Ґардрейли (обмежувачі) (грамотність) із практичною мудрістю довіряти, але перевіряти та вирішувати, коли припинити взаємодію (інтуїція). Оскільки інтуїція виховує «експертне спостереження» ШІ (наприклад, стресове тестування підказок, щоб знайти, де модель підводить), автори стверджують, що вона є запобіжником від over-reliance та ерозії критичного мислення; вона відрізняється від Інженерія підказок (який оптимізує результати), акцентуючи епістемічне осудження. Це пов’язує грамотність з Досвідницьке навчання, Конструктивізм і розвивально обґрунтованою практикою в аудиторії, і спрямовує підготовку викладачів до фасилітації індуктивного дослідження, а не лише до подавання понять.

Мотивація є передумовою, а не лише результатом. Liang et al. (2026) виявили серед 2086 студентів середньої школи протягом річного навчального плану зі ШІ, що студенти, які перейшли в профіль самовизначеної motivational або залишилися в ньому (висока автономія, компетентність і задоволеність потреби в пов’язаності), показали найбільші здобутки в ШІ-грамотності. ШІ-грамотність розвивається через стійку залученість, і ця залученість сама формується мотивацією та підтримкою психологічних потреб — тому ефективне навчання ШІ-грамотності має зважати на мотивацію здобувачів, а не лише на їхні навички.

Навчальний акцент і відкритість завдань досягають продуктивності через різні потреби. Yu, Lin and Chen (2026) рандомізували 320 студентів бакалаврату на чотири групи в експерименті 2 x 2 на завданні генерації зображень AIGC, оціненому об’єктивною рубрикою (ICC = 0.89), і виявили, що навчання, засноване на мисленні, що охоплює обмеження моделей, критичне оцінювання та етику, перевершує навчання на підказках, засноване на навичках (M = 9.21 проти 7.69, F(1, 316) = 50.79, p < 0.001, часткове ета-квадрат = 0.138), з ширшою різницею на відкритих завданнях (10.10 проти 8.00). Структурна модель показує, що два проєктувальні вибирають різні шляхи: навчання діяло опосередковано через автономію (beta = 0.035) і компетентність (beta = 0.079), тоді як відкритість завдань діяла переважно через автономію (beta = 0.029), компетентність була найсильнішим предиктором продуктивності (beta = 0.358), а пов’язаність не мала незалежного ефекту. Отже, те, що містить навчання, важливіше за те, чи здобувачі отримують практику складання підказок, і це найважливіше, коли завдання відкрите.

Змінні, що оточують ШІ-грамотність, відтоді були відображені ширше. A 2025 systematic review of AI literacy's correlates синтезував 31 дослідження з 14 країн (N = 12,071) і виявив найбільш послідовні асоціації в афективному та поведінковому діапазоні: самоефективність у роботі зі ШІ, позитивні ставлення до ШІ, мотивація та цифрова компетентність рухалися разом зі ШІ-грамотністю, тоді як тривожність щодо ШІ та негативні ставлення рухалися проти неї. Демографічні змінні майже не реєструвалися, причому вік і соціально-економічний статус корелювали слабко або взагалі не корелювали. Застереження огляду стосується інструментів: ті самі дослідження, що дали сильні кореляції з самооцінювання, показали значно слабші, коли ШІ-грамотність тестувалася, а не самооцінювалася.

Дослідження структурних рівнянь серед 502 респондентів-викладачів одного китайського дослідницького університету виявило, що ШІ-грамотність є найсильнішим предиктором благополуччя в роботі зі ШІ (β = 0.713), порівняно з невеликим шляхом technological self-efficacy (β = 0.082), причому соціальна та організаційна підтримка досягали благополуччя лише опосередковано (Liu et al. (2026)).

Один явний негативний зв’язок змінює знак під контролем: серед 303 студентів бакалаврату в Гонконгу технологічна тривожність корелювала негативно зі ШІ-грамотністю (r = −0.14), проте передбачувала β = 0.15 у спільній моделі, ефект, обмежений критичним оцінюванням та етичною компетентністю (Chow et al. (2026)).

Hu (2026) додає впорядкований опис того, що ШІ-грамотність передбачає, а не того, що її передбачає. Опитування 450 університетських студентів у материковому Китаї, які вже користуються ChatGPT, виявило, що ШІ-грамотність пов’язана безпосередньо з продовженням користування (beta = 0.16, p = 0.002) і опосередковано вздовж серійного шляху через Довіра та академічну Самоефективність (опосередкований ефект = 0.07, 95% CI [0.04, 0.10]), причому зв’язок грамотності з довірою є найбільшою асоціацією в моделі (beta = 0.50). AI anxiety модерувала цей перший зв’язок (beta взаємодії = -0.25, прості нахили падають від 0.76 до 0.25 по діапазону тривожності), тому ланцюг рідшав для більш тривожних студентів, і не слід припускати, що лише навчання ШІ-грамотності їх охоплює. Дизайн є крос-секційним, а вибірка обмежена наявними користувачами, тому порядок є припущенням моделювання, а не спостережуваною послідовністю.

Основною прикладною метою ШІ-грамотності є Зниження шкоди від неправильного використання ШІ: навчання студентів використовувати ШІ етично та продуктивно, а не підміняючи ним власну cognitive work. Там, де ШІ-грамотність будує здатність критично оцінювати та використовувати ШІ, reducing misuse є поведінковою та структурною вигодою — поєднуючи проєктування інструментів із захисними обмеженнями, assessment redesign та освітні важелі, як-от послідовності «спочатку подумай/потім ШІ» зі скаффолдингом і практика складання підказок із свідомим Зворотний зв’язок. Ці два поняття взаємно зміцнюють одне одного: ШІ-грамотність постачає критичні настанови, що роблять інтервенції зі зменшення неправильного використання стійкими, тоді як докази зі зменшення неправильного використання (наприклад, performance–learning gap) мотивують, чому грамотність має виходити за межі операційної навички до критичного осудження.

ШІ-грамотність також потребує розвивально доречних форм для наймолодших здобувачів. AI-Play перекладає компетентності ШІ-грамотності в ігрові, безкомп’ютерні заходи для здобувачів Pre-K–K2 — організовані навколо AI Body (ШІ як система, збудована з частин), AI Food (ШІ навчається з прикладів), AI Brain (ШІ покращується через патерни та зворотний зв’язок) і етичної лінзи Pre/Post-AI — вирішуючи стійкий дефіцит розвивально обґрунтованих настанов зі ШІ-грамотності для early childhood і роблячи ШІ-грамотність доступною для нетехнічних educators і families. Доповнюючи це, Vahedian Movahed & Martin (2025) виявили, що діти віком 6–14 переважно довіряли чатботу, адаптованому до віку, як джерелу інформації, і більшість моделювала його як «розумну комп’ютерну програму, що навчається» (зародкове розуміння Машинне навчання), проте демонстрували розриви в критичній залученості та обізнаності про цифрову безпеку — доказ того, що довіра молодих здобувачів може випереджати їхні навички критичного оцінювання, роблячи явний Калібрування довіри та навчання безпеці необхідною частиною ШІ-грамотності для дітей.

Вимірювання наздоганяє цей розвивальний поворот на молодшому кінці. Thianwan and Srikoon's 2025 validation of an AI literacy self-assessment questionnaire for upper primary students розробила 15-пунктовий інструмент для класів 4–6, організований навколо Learning About AI, Learning About How AI Works і Learning for Life with AI, і підтвердила трифакторну структуру у двох вибірках (n = 335 і n = 579) із загальною альфою Кронбаха .934. Автори представляють його як формативний діагностичний засіб сприйманої, а не продемонстрованої грамотності, і зазначають, що точність самооцінки дітей обмежена метакогнітивною здатністю, яка ще розвивається.

Навчання на основі проєктів як механізм доставки. Zhu & Kong (2026) розробили та валідували шкалу навчання на основі проєктів ШІ (AI-PBLS) і, у вибірці Гонконгу з 1027 студентів середньої школи та університету (446 із повними даними), використали моделювання структурними рівняннями, щоб показати, що empowerment у використанні ШІ для вирішення проблем та ethical awareness спільно опосередковують зв’язок між сприйманим Навчання на основі проєктів і задоволеністю курсом ШІ-грамотності. Це позиціонує PBL не лише як формат доставки, а як механізм, що будує впевненість здобувача та етичне міркування разом із компетентністю, зміцнюючи зв’язок між PBL і значущим розвитком ШІ-грамотності. Це також постачає валідований інструмент вимірювання для майбутнього measurement досвіду курсів ШІ-грамотності.

Підвищення етичного виміру грамотності має проблему знака. Серед 584 студентів бакалаврату, які навчалися зі ШІ самостійно, компетентність підвищувала етичну обізнаність (β = 0.644, p < .001), а етична обізнаність потім підвищувала тривожність щодо ШІ (β = 0.439, p < .001), а не знижувала її, протилежно до передбачуваного напряму (Mu et al. (2026)). Урок, який роблять автори, полягає в тому, що навчання того, як регулюються етичні занепокоєння, має супроводжувати сам етичний вимір, інакше робота над грамотністю може залишити здобувачів більш тривожними, ніж були до неї.

ШІ-грамотність як ключовий розрив у фреймворках Розмовний ШІ. umbrella review of conversational AI agents (Ganguly et al. 2025, 34 огляди) ідентифікує обмежену підтримку ШІ-грамотності як значний розрив у фреймворках CAI, і його дорожня карта етичного використання робить фундаментальне оцінювання (включаючи зміцнення ШІ-грамотності) першим стовпом поряд із партисипативним проєктуванням, настановами етичного використання та безперервним оцінюванням когнітивного впливу. Він далі виявляє, що ШІ-грамотність, навчання та обізнаність належать до найбільш акцентованих етичних напрямів у літературі CAI.(Conversational AI agents in education: an umbrella review of current utilization, challenges, and future directions)

Ефективність інтервенцій зі ШІ-грамотності. three-level meta-analysis of 59 studies (172 розміри ефекту, 7211 учасників) оцінює великий загальний ефект інтервенцій зі ШІ-грамотності (g = 0.837, p < .001) — але з широким інтервалом передбачення [−0.292, 1.966], тому ефективність значно варіюється між умовами. Інтервенції в Східній Азії та Європі перевершували ті, що в Північній Америці, а зосереджені на знаннях інтервенції перевершували ті, що націлювалися на навички, ставлення чи етику. Автори стверджують, що освіта зі ШІ-грамотності має тому виходити за межі знань до навичок, практик, етики та ставлень, підтриманих інтегрованими та рефлексивними pedagogies (на основі проєктів і проблем, на основі дослідження, досвідничими) та підтриманими GenAI інструментами — зрушенням, що узгоджується з партисипативними, орієнтованими на продюсера формами Обчислювальне мислення, описаними в іншому місці цієї бази знань.

Другий синтез досягає подібної величини на вужчій базі та загострює проблему вимірювання. Yu, Kim, Chang and Huang (2026) згрупували 57 розмірів ефекту з 16 досліджень, що охоплюють 3837 студентів K-12, яких навчали самого ШІ, а не навчали за допомогою ШІ, і оцінили Hedges’ g = 0.892 (95% CI [0.548, 1.236], p < .001), стійкий до припущень перед-після кореляцій від 0 до 1 і стабільний після trim-and-fill при g = 0.952. Кожен із 57 ефектів вказував позитивно (діапазон від 0.16 до 4.93), і жоден модератор (джерело публікації, рік, рівень школи) не пояснював суттєвої гетерогенності (I² = 94.68%). Бажане пояснення авторів стосується вимірювання: включені дослідження називали все — від знань і етики ШІ до ставлень, мотивації, самоефективності та кар’єрного інтересу — «ШІ-грамотністю», тому згрупована цифра описує розподіл позитивних знахідок під одним вільним міткою, а не одну однорідну інтервенцію. Прочитані поряд з Liu et al., дві оцінники погоджуються, що навчання ШІ-грамотності працює, і погоджуються мало в чому іншому, що саме по собі є сигналом вимірювання в цій галузі.

Докази в аудиторії для свідомо коротких дизайнів рідші, але вони йдуть в тому ж напрямі та додають результат на рівні поведінки, який опитування не можуть постачити. Clerc et al. (2026) дали 116 французьким студентам класів 8–9 двохгодинний семінар про те, як працюють і підводять LLM, у поєднанні з практикою передбачення, чи спонука підказка дасть придатну відповідь, оцінювання відповіді та перегляду чи повторного запитання. Через два дні, під час шести наукових задач із підтримкою LLM і контрольною групою, навчені студенти рідше приймали нечітко специфіковані підказки (51.5% проти 66.7%, OR = 0.47), значно частіше ставили уточнювальні запитання після слабкої відповіді (59.2% проти 27.9%, d = 0.80) і оцінювали правильність відповіді чутливіше до якості підказки (OR взаємодії = 2.52), зі скромною різницею в оцінках (11.38 проти 10.29 із 20, p = .040). Семінар ніколи не репетирував тестові завдання, тому переносилася регуляторна позиція, а не знайомство із завданням — і автори чітко заявляють, що два дні — це не довговічність.

Критична медійна грамотність із підтримкою ШІ в початковій школі. Demir та Akar (2026) надають конкретну демонстрацію навчання грамотності з підтримкою GenAI в початковій школі: 18-годинну програму за моделлю 5E для турецьких четвертокласників, у якій ChatGPT і Grammarly були вбудовані фазово як педагогічні агенти (ChatGPT для рефлексивних запитань і відповідей на питання, Grammarly і Canva AI для вдосконалення контенту, Padlet для peer feedback), узгоджені з турецькими навчальними планами з мови та суспільствознавства. Група з підтримкою ШІ показала великі здобутки в читанні медіа (+3.50), письмі (+1.67) і загальній медійній грамотності (+5.17, усі p < .01) з міжгруповими розмірами ефекту Cohen’s d = 1.12–1.31, тоді як контрольна група просувалася лише скромно. Qualitative аналіз виявив шість доменів зростання критичної медійної грамотності — цифровий самозахист і конфіденційність даних, цілеспрямоване та відповідальне використання медіа, безпечна комунікація та обізнаність про кордони, критичне оцінювання та обізнаність про дезінформацію, обізнаність про онлайн-ризики та медійна етика/цифрове громадянство — доказ того, що розвивально доречне, вбудоване в дисципліну використання GenAI може будувати виміри критичного оцінювання та етики ШІ-грамотності, а не лише операційну навичку.

Фреймворки для структурування ШІ-грамотності. Кілька нещодавніх внесків пропонують структуровані прогресії для будівництва ШІ-грамотності. Marienko, Markova, and Semerikov (2026) пропонують п’ятирівневий фреймворк (Awareness, Application, Evaluation, Creation, Ethics), інтегрований із трьома парадигмами ШІ в освіті (AI-directed, AI-supported, AI-empowered), розроблений через mixed-methods дослідження українських освітян середньої школи (національне опитування n = 2018; оцінка ПР n = 1130). Вони виявили, що 84% освітян користуються ШІ, але лише 11% можуть назвати спеціалізовані сервіси понад ChatGPT, і інтервенція професійного розвитку дала 24% покращення в компетентності роботи зі ШІ — доказ того, що цілеспрямований ПР просуває грамотність за межі поверхневого знайомства з інструментами. Обґрунтування фреймворка в Конструктивізм, коннективізмі та TPACK пов’язується з Технологічні педагогічні знання змісту (TPACK) і Компетентність викладача в галузі ШІ. Доповнюючи це, Moore et al. (2026) використали дворічний процес DBR із радою молоді та експертів зі ШІ, щоб спроєктувати інтегрований у науку навчальний план ML для старшокласників, виявивши здобутки в знаннях ML в обох когортах (Cohort 2 M2−M1 = 0.175 проти Cohort 1 0.076) і більші здобутки серед учасниць та небілих учасників — доказ того, що партисипативне, інтегроване в дисципліну проєктування може просувати як ШІ-грамотність, так і Справедливість.

Огляд PRISMA 39 досліджень STEAM (2016–2025) виявив, що ці впровадження переважно розвивають технічні грамотності — фундаментальні поняття ШІ, обчислювальне мислення, грамотність у даних — водночас недорозвиваючи етичну обізнаність, творчу уяву та створення, управління і проєктування зі ШІ, тому вбудовані в дисципліни блоки все ще можуть пропускати елементи вищого порядку (Niri et al., 2026).

Конструкт оспорюється саме там, де стосується освітян. Огляд 34 досліджень зі ШІ-грамотності в освіті викладачів виявив, що галузь не має консенсусу щодо того, що ШІ-грамотність означає для професійних освітян на відміну від загальної цифрової грамотності, і Фреймворк компетентностей ШІ ЮНЕСКО для викладачів специфікує 15 компетентностей у п’яти вимірах, функціонуючи як глобальний політичний орієнтир, а не вказівка щодо впровадження. Викладачі в cross-institutional teacher preparation collaboratory розглядали ШІ-грамотність як інтегрований вимір professional preparation, а не як окрему технологічну навичку, тому від кандидатів очікували аудит, порівняння та обґрунтування результатів роботи ШІ в межах дисциплінарних курсів, а не демонстрацію знайомства з інструментами.

Початкова підготовка викладачів — місце, де структура найтонша. Pinto et al. (2026) переглянули 11 досліджень ШІ в початковій teacher training викладачів математики для майбутніх викладачів початкової школи і виявили, що дев’ять були одним заняттям або жмутком занять, вбудованих у наявні курси, складання підказок було явним навчальним контентом лише в деяких із них, і Етика з’являлася лише в трьох, жодне з яких не торкалося прозорості, алгоритмічної упередженості чи підзвітності. Ризики, які вони повідомляють, — це відмови на рівні грамотності: майбутні викладачі не помічали понятійних помилок, створених ChatGPT, приймали згенерований контент некритично і делегували більше вирішення проблем інструменту, коли завдання ставали важчими. Їхня рекомендація — будувати AI competency через всю послідовність навчання, від підготовчої фази до практики, а не в ізольованому модулі.

Розповіді викладачів про те, чому навчають освіті зі ШІ, додають шляр цілей, який фреймворки компетентностей залишають неявним. Fagerlund et al. (2026) інтерв’ювали 13 фінських викладачів від дитячого садка до 9-го класу, переважно новачків в освіті зі ШІ, і прочитали їхні твердження про цілі крізь три домени Бієсти. Кваліфікація, набуття компетентностей, була найчіткішою та найконкретнішою ціллю, і вона діяла як шлях до двох інших: студенти мали зрозуміти ШІ як соціотехнічний феномен і користуватися його інструментами, причому ШІ служив і як ціль, і як помічник у навчанні. Соціалізація з’являлася як культивування ентузіазму, представлення ШІ як «крутого» і кадрування студентів як майбутніх робітників, обізнаних зі ШІ, які мають відповідати вимогам компетентностей. Суб’єктивізація, самовизначена та особисто значуща залученість, яку Бієста розглядає як центральну, називалася важливою, але не мала конкретного навчального репертуару понад обговорення та осмислення, і викладачі не пропонували розроблених прикладів для заперечення авторитету ШІ. Автори пропонують інформовану агентність ШІ, евристику, що розміщує суб’єктивізацію в центрі, розглядаючи компетентності як пояснювальні фреймворки для самовизначених виборів. Наслідок для проєктування полягає в тому, що «чому» освіти зі ШІ потребує такої ж уваги до проєктування, як і «як»: коли суб’єктивізація спирається на універсальне обговорення, навчання ШІ-грамотності відкочується до кваліфікації, поруч із якою воно мало стояти.

Готовність сама є оспорюваною ціллю. Charles (2026) стверджує, що готовність викладачів до навчання, багатого на ШІ, слід читати з якості дизайнів, які викладачі створюють, а не з упровадження, впевненості чи цифрової компетентності, і будує фреймворк навколо проєктувальної медіації: спостережуваних рішень, як-от вибір інструментів, проєктування завдань і підказок, скаффолдинг, перевірка, прозорість, перепроєктування оцінювання, планування доступності та людський нагляд. Два з його тверджень мають прямі наслідки для професійного розвитку. По-перше, Самоефективність є ресурсом мобілізації, а не показником якості, оскільки впевненість без специфічно для ШІ педагогічних знань чи етичної орієнтації може прискорювати поганий дизайн, а не запобігати йому, що кваліфікує звичайне прочитання впевненості викладача як сигналу готовності. По-друге, політична ясність та інституційна підтримка є окремими модераторами, тому матеріальна підтримка може бути високою, тоді як очікування залишаються неоднозначними, і готовність усе ще погано трансформується. Фреймворк також відмовляється ототожнювати невикористання з неготовністю, оскільки обґрунтоване рішення відмовитися від ШІ може саме демонструвати проєктувальне осудження. Він є концептуальним і невалідованим, тому постачає пропозиції та джерела доказів, а не встановлені ефекти.

Літерація взаємодії зі ШІ: інтеракційний вимір. Brunnström and Palmqvist (2026) пропонують вужчу, інтеракційну компетентність — здатність керувати, оцінювати та навчатися від ітеративної взаємодії з GenAI — як конкретне втілення застосункових, оцінювальних та інтеграційних вимірів у ширших фреймворках, як-от the AI Literacy Heptagon. Їхня рефлексивна демонстрація показує, з чого вона складається на практиці: розпізнавання, що плавна відповідь поставлена вище власної схеми сприйняття, запит спрощення, звуження обсягу та переспрямування системи до сфокусованої практики. Звідси два наслідки для проєктування — навичка нерівномірно розподілена, тому некероване використання може надавати перевагу вже впевненим студентам і розширювати розриви (Справедливість), і її слід викладати явно, а не припускати, причому викладачі мають охоплювати, як формулювати продуктивні підказки і коли припинити користування інструментом (Саморегульоване навчання).

Критична ШІ-грамотність: понад навички — до влади та спротиву

Окремий напрям бази знань розглядає ШІ-грамотність не лише як навички чи критичне оцінювання, а як критичну та політичну практику, що ставить питання про владу, авторитет і те, чиє знання має вагу. Це пов’язує ШІ-грамотність з Критична педагогіка і Справедливість:

  • «Спротив ШІ» як позиція грамотності. Критична ШІ-грамотність (CAIL) може охоплювати спротив ШІ — відмову від неминучості та технорішень домінантного дискурсу і культивування колективної агентності через діалогічні, колаборативні педагогіки.(Reorienting Critical AI Literacy: A Community-Rooted Praxis of “Resisting AI”) Це позиціонує освіту як простір, де спільноти уявляють і будують альтернативні майбутні, а не лише адаптуються до заданого технологічного порядку.
  • Ґрунтові на спільноті епістемології. Здійснюване в спільноті навчання ШІ базує залученість зі ШІ на живих і громадських способах пізнання здобувачів, перерозподіляючи епістемічний авторитет ШІ через епістемічне доналагодження, перерозподіл авторитету та ситуативне розрізнення.(Community-Based AI Learning: Redistributing Artificial Intelligence's Epistemic Authority in Education)
  • Критичні та феміністичні рамки. Критична, феміністична наука стверджує, що ШІ-грамотність слід кадрувати в межах педагогік справедливості, спротиву та культурної Сталий розвиток — питаючи, чиє знання продукує ШІ, хто виграє і хто відповідальний, коли системи підводять.(Can we disrupt the momentum of the AI colonization of science education?)
  • Ситуативні навчальні засоби. ШІ-грамотність можна будувати через situated, активні навчальні інструменти (наприклад, Episodes of Situated Learning), що розвивають компетентності ШІ на різних рівнях, а не через абстрактне навчання.(Towards AI literacy: A proposal of a framework based on the Episodes of Situated Learning)
  • Творча композиція як педагогіка критичної ШІ-грамотності. Замість розгляду ШІ-грамотності як технічних знань чи індивідуальних компетентностей проєктуйте можливості для здобувачів створювати повідомлення про ШІ для реальних аудиторій — Мультимодальний ШІ продукт, як-от соціальна реклама, одночасно демонструє і комунікує критичну компетентність. У класному дослідженні Burriss et al.'s (2026) 22 одинадцятикласники обрали власні питання Етика ШІ і створили відео-оголошення про шкільне стеження, informed consent та алгоритмічні звинувачення; в усіх семи фільмах шкода виникала від заплутання людини й машини, а не від зловісного інструменту, сюжети все ще завершувалися надією та Суб’єктність здобувача, а автори позиціонують storytelling і адвокацію — опірні до традиційного оцінювання — як ядро critical AI literacy pedagogy, що центрує student identity, вибір і голос.("Young Scholar[s] on the Beat": Multimodal Composition as a Form of Critical AI Literacy Pedagogy)
  • Регуляторна компетентність, а не прийняття. Kim (2026) перекадрує ШІ-грамотність у Вища освіта як regulatory competence — втілювану практику перевірки, перегляду, вибіркового прийняття чи відкидання результатів роботи ШІ під час академічної роботи — показуючи, що оцінювальна здатність та етична обізнаність (а не лише готовність користуватися ШІ) передбачають активну, critical engagement.(From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource)
  • Розпізнавання sycophancy як навички грамотності. Основна оцінювальна компетентність — розпізнавати, коли ШІ погоджується з здобувачем, а коли є правильним. Contextual sycophancy показує, що ШІ-грамотність і навчання складанню підказок зменшують — але не усувають — підлабузниче віддзеркалення помилок користувача, і sycophantic AI є бажаним для користувачів саме тому, що змушує їх почуватися зрозумілими. Тому ШІ-грамотність має навчати здобувачів виявляти погодження заради самого погодження та цінувати коригувальне тертя, пов’язуючись із Калібрування довіри і Зниження шкоди від неправильного використання ШІ.
  • Оцінювання, а не лише перевірка. O'Byrne (2026) виявив, що студенти, які перевіряли результати лише на точність, достовірність та релевантність, усе одно приймали понятійно сплощену роботу, тоді як ті, хто також оцінював нюанс, голос та епістемічну позицію, переписували її — роблячи питання «коли не делегувати осудження» питанням грамотності.

Ці критичні напрями доповнюють операційні та когнітивні виміри ШІ-грамотності: там, де останні питають «чи може здобувач користуватися ШІ та оцінювати його?», критична ШІ-грамотність питає «чи розуміє здобувач і чи кидає виклик структурам влади, які втілює ШІ?»

ШІ-грамотність в освіті STEM

Найрозвиненіша дисциплінарна база доказів для ШІ-грамотності походить з освіти STEM, і Hallström, Chiu, Ding, Koretsky and Li (2026) синтезують її десять найцитованіших досліджень (2022–2026), щоб показати як базовий рівень, так і його межі. У корпусі ШІ-грамотність визначається через шість перекривних конструктів — знання/вміння/ставлення (Su & Yang 2024), концептуально-процедурно-контекстуальні знання (Stolpe & Hallström 2024), знати-розуміти/використовувати-застосовувати/оцінювати-творити/етика (Ng et al. 2022) та кадрування «використання–комунікації–оцінювання» Лонга та Магерко (Hornberger et al. 2023) — тож «концептуальна двозначність» галузі є проблемою вимірювання: два дослідження можуть обидва оцінювати «ШІ-грамотність», не вимірюючи одного й того ж конструкту. Лише два з десяти пропонують повні рамки. Найгостріша знахідка огляду — асиметрія: корпус майже цілком вимірює грамотність студентів, тоді як майже нічого не розвиває грамотність викладачів, — прогалина, яка залишає втручання зі ШІ-грамотності для викладачів спираними на припущення, а не на докази, і яку автори пов’язують із практичною вимогою, щоб самі викладачі були ШІ-грамотними, аби запускати такі втрутання.(AI Literacy and STEM Education: Emerging Frontiers and Research Priorities)

Докази щодо чатботів у цьому корпусі йдуть проти навчання, заснованого на вільності. Ding et al. (2023) виявили, що тьюторинг ChatGPT в університетській фізиці підвищував упевненість і знання, але зміцнював хибне уявлення про ШІ як «надлюдину та безпомилкову» систему, дійшовши висновку, що освіта зі ШІ-грамотності — це «перш за все покращення навичок критичного мислення студентів в оцінюванні інформації». Xu et al. (2026) виявили, що STEM-програмування з підтримкою ChatGPT покращило упевненість і знання, але залишило обчислювальне мислення та незалежну думку незмінними — здобутки у вільності співіснували з відсутністю здобутків у мисленні. Обидва знахідки віддзеркалюють занепокоєння Калібрування довіри та надмірною залежністю деінде на цій сторінці: тьютор, який ніколи не сперечається зі студентом, може породжувати упевнених здобувачів, які не вміють оцінювати. Ставлення, а не готовність чи самоефективність, виявилося найсильнішим детермінантом фактичного використання інструментів ШІ серед студентів STEM бакалаврату (Falebita & Kok 2025), а огляд відзначає, що дисциплінарне покриття STEM перекошене на біологію та фізику, причому технологія як предмет майже відсутня. Для дисциплінарно специфічного проєктування практичне попередження огляду — що всеосяжні рамки компетентностей (ЮНЕСКО, ЄС/ОЕСР) «часто не мають зв’язку з емпіричними дослідженнями або достатнього теоретичного обґрунтування», і мало які з них застосовні в аудиторії.

Чиї навички роботи зі ШІ мають вагу? Розділення кадрувань між викладачами та роботодавцями

Центральне відкрите питання ШІ-грамотності — які навички мають вагу і для кого. Дослідження Ithaka S+R, що порівнює, як викладачі та роботодавці США приоритизують 26 навичок Фреймворку навичок ШІ HiBob, виявило, що вони погоджуються щодо важливості лише однієї (встановлення реалістичних очікувань для роботи, доповненої ШІ). Викладачі надають ваги критичній, орієнтованій на відповідальне використання орієнтації — розпізнавання меж ШІ, transparency і атрибуцію, людську підзвітність, проактивний перегляд результатів — що узгоджується з академічними цінностями атрибуції, перегляду та інформаційної грамотності. Роботодавці надають ваги орієнтованим на продуктивність навичкам — оцінюванню та перепроєктуванню робочих процесів, автоматизації та human–AI teaming — що віддзеркалюють командну ефективність робочого місця. Оскільки лише три з 26 навичок викладаються половиною або більше викладачів, і викладані перекошуються до категорій критичного використання, звіт ідентифікує конкретний розрив у навичках ШІ: цілі категорії, які цінують роботодавці, не приоритизуються і не викладаються в університетських навчальних планах.(AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently) Це розділення кадрує ШІ-грамотність як оспорюваний конструкт — грамотність критичного використання для академічних умов проти грамотності інтеграції в робочі процеси для працевлаштування — напруженість, релевантна для Фреймування використання ШІ для студентів, Конструювання навчальної програми та Навчання на робочому місці.

Власні оцінки студентів розповідають пов’язану, але інакше впорядковану історію. ElSayary and Ragab (2026) опитали 380 університетських студентів, переважно частих користувачів ШІ зі STEM, і виявили, що самооголошена ШІ-грамотність несе більшість пояснення сприйманої готовності до працевлаштування: чотири виміри грамотності додали ΔR² = 0.554 (p < .001) поверх фонових контролів, вартих лише 0.054, і повна модель досягла 60.8% дисперсії. У межах набору грамотності оцінювальний вимір був найсильнішим (Analyze & Evaluate, β = 0.286), за ним афективний (Attitudes & Mindsets, β = 0.266), з практичним використанням (β = 0.217) і фундаментальними знаннями (β = 0.187) позаду них; для сприйманої career readiness конкретно лише Analyze & Evaluate (β = 0.216, p < .001) і Attitudes & Mindsets (β = 0.192, p = .004) були значуще асоційовані. Прочитане проти поділу Ithaka, власне відчуття студентами готовності до робочого місця схиляється до орієнтації критичного оцінювання, якій надають перевагу викладачі, а не до навичок інтеграції в робочі процеси, яким надають ваги роботодавці. Дизайн — односеансове самооголошення з рівномірно високими середніми (від 4.17 до 4.57 із 5) і без міри роботодавця чи працевлаштування, тому те, що він показує, — це що self-assessed ШІ-грамотність і самооцінена працевлаштуваність рухаються разом, причому оцінювальна та настановна частини роблять більшість роботи, а не що ці студенти є доведено готовими до робочої сили.

Проєктування інтервенцій зі ШІ-грамотності

Фреймворки та емпіричні дослідження бази знань сходяться на наборі практичних настанов для освітян і instructional designers, що будують інтервенції зі ШІ-грамотності:

1. Використовуйте структурований фреймворк компетентностей як скаффолдинг, а не як контрольний перелік. Дорослі фреймворки дають проєктувальникам спільний словник і розвивально послідовну ціль. SAIL framework організовує ШІ-грамотність у три домени (AI Concepts; Application and Technical Skills; AI Digital Citizenship) на чотирьох рівнях зі скаффолдингом — Understand and Explore → Apply and Integrate → Evaluate and Create → AI++. AI Literacy Heptagon перетинає сім вимірів (технічні знання, застосування, критичне мислення, етика, соціальний вплив, інтеграція, правове/регуляторне) із чотирма узгодженими з Блумом рівнями володіння, і акцентує, що акцент має бути адаптований до дисциплінарного контексту — технічні програми надають ваги застосуванню, програми з humanities дисциплін — етичному та соціально-впливному міркуванню.(The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education)(The AI Literacy Heptagon: A Structured Approach to AI Literacy in Higher Education)

2. Залучайте здобувачів через режими ICAP. Застосовуючи Рамкова модель ICAP, ефективне навчання дає здобувачам можливості залучатися на кількох когнітивних рівнях — пасивне знайомство (лекції про поняття ШІ), активну маніпуляцію (практичне користування інструментами), конструктивну генерацію (створення артефактів ШІ, самообґрунтування) та інтерактивний діалог (колаборативне Вирішення задач із колегами та ШІ) — обираючи режим, що відповідає навчальній цілі. systematic review виявив, що успішні колаборативні інтервенції зі ШІ-грамотності охоплювали всі чотири режими ICAP.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)

3. Оцінюйте продемонстровану компетентність, а не самоуявлення. Самооголошена ШІ-грамотність різко розходиться з виміряною продуктивністю — викладачі переоцінюють свої навички роботи зі ШІ на ~40%, а засновані на продуктивності міри корелюють з інтеграцією ШІ в аудиторії значно краще за самооголошення (r≈0.72 проти 0.31). Проєктуйте інтервенції навколо заснованого на продуктивності оцінювання та калібрування, а не опитувань впевненості, і використовуйте діагностичні профілі (переоцінювачі проти справжніх новачків), щоб націлювати підтримку.(How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures)

4. Будуйте метакогнітивні та критичні настанови, а не лише операційну навичку. ШІ-грамотність краще розуміти як metacognitive social practice, ніж контрольний перелік навичок: оскільки LLM є стохастичними та непрозоримими, здобувачі мають моніторити та коригувати свої стратегії, культивувати науковий скептицизм і ставити питання про те, як алгоритми формують продукування знання — а не лише вчитися оперувати інструментами. Партисипативне спроєктування та експериментальні, проєктно-орієнтовані простори (а не разове навчання інструментам) — це місця, де ця обізнаність зростає.(Metacognitive AI literacy: going beyond the AI skills gap agenda)

5. Вбудовуйте грамотність у дисципліну та робіть її стійкою. Рух до вищих стадій ШІ-грамотності (від некритичного використання → інформованого використання → критичного оцінювання → вдосконалення) найбільш видимий, коли досвід є стійким і вбудованим у дисципліну, а не постачається як автономні семінари. Проєктуйте для повторної, контекстуальної практики в межах автентичних курсів.(Beyond Tool Adoption: A Practical Five-Stage Developmental Continuum for AI Literacy in Higher Education) Конкретна модель вбудованої в дисципліну критичної грамотності — таксономія на основі завдань Dierickx et al. (2026) для журналістики: вона відображає підтримані LLM завдання на чотирьох стадіях робочого процесу новин (newsgathering, sensemaking, editing, publication/distribution), кожна пов’язана з базовою підказкою і стратегією ризику та пом’якшення. Розглядаючи визначення завдання і складання підказок як situated форму професійного осудження — а не нейтральну технічну навичку — вона перетворює саме складання підказок на засіб критичної ШІ-грамотності (упередженість, hallucination, надмірна залежність і тривала цінність human editorial oversight), і її внутрішня логіка переноситься на інші знань-інтенсивні професії (право, medicine, публічна політика). Доповнюючи такі discipline-specific таксономії, Dohn et al. (2026) taxonomy класифікує навчальні діяльності GenAI за шістьма вимірами, з яких Epistemic Engagement (understanding / using / critiquing / constructing GenAI) безпосередньо операціоналізує ШІ-грамотність як глибину когнітивного відношення здобувачів із технологією — від пасивного знайомства до активного критикування та конструювання.

6. Розглядайте справедливість і цифровий розрив як обмеження проєктування. ШІ-грамотність є механізмом для вирішення трирівневого цифрового розриву (доступ, навички, результати): закриття пристроєвого розриву недостатньо, якщо не будуються навички та критичне використання, щоб вигоди розподілялися справедливо. Інтервенції мають явно планувати для здобувачів, які вступають із меншим попереднім доступом до ШІ, і включати культурні та врядувальні перспективи, а не розглядати грамотність як культурно-нейтральну.(The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education)(Цифровий розрив)

7. Поєднуйте грамотність із важелями зменшення неправильного використання. Оскільки неправильне використання ШІ активно шкодить тривалому навчанню, навчання грамотності має бути поєднане зі структурними та освітніми важелями, задокументованими в Зниження шкоди від неправильного використання ШІ — проєктуванням інструментів із захисними обмеженнями «підказка, а не відповідь», перепроєктуванням оцінювання та послідовностями «спочатку подумай/потім ШІ» зі скаффолдингом і свідомою практикою складання підказок.

8. Починайте з фактичної точки входу здобувачів. Здобувачі вступають з відмінними орієнтаціями — уникнення, зумовлене страхом, недовірою чи відсутністю доступу, проти некритичної опори, що маскує непорозуміння. Діагностичний, заснований на стадіях підхід (а не однорідний навчальний план) дозволяє проєктувальникам зустрічати студентів там, де вони є, і рухати їх до критичної, відповідальної залученості.(Beyond Tool Adoption: A Practical Five-Stage Developmental Continuum for AI Literacy in Higher Education)

9. Розширюйте надання за межі аудиторій, яких формальна освіта вже досягає. AI Literacies framework for public service media стверджує на підставі огляду ландшафту понад 40 фреймворків і 35 експертних інтерв’ю, що надання перехилилося до технічних і функціональних навичок, і що грамотності ШІ перекриваються і мають бути пов’язані з цифровою, медійною та інформаційною грамотністю, а не викладатися як окремий предмет. Його структура — шість областей компетентностей, п’ять цінностей і три рівні прогресії (Understanding and Applying, Analysing and Evaluating, Synthesising and Specialising) з посібником з оцінювання — є придатним шаблоном для провайдерів поза формальною школярською освітою, і його аргумент справедливості є інструкцією проєктування: досягнення молодих людей, які цифрово або інакше маргіналізовані, вимагає свідомих партнерств, а не універсальної публікації.(Supporting AI Literacies for Young Adults Aged 14-19: A value-based, practical framework for public service media organisations)

Вимірювання ШІ-грамотності

Окремий дослідницький напрям розглядає ШІ-грамотність не лише як ціль для навчання, а як конструкт, який слід вимірювати. Оцінювальний напрям бази знань розрізняє самооголошувану та засновану на продуктивності грамотність: самооголошення різко розходяться з продемонстрованою компетентністю (викладачі переоцінюють на ~40%), а засновані на продуктивності міри передбачають інтеграцію ШІ в аудиторії значно краще за опитування впевненості (r≈0.72 проти 0.31). Робота з інтервенціями відтворює цю розбіжність на рівні поведінки: у Clerc et al. (2026) ні ставлення до GenAI, ні загальна шкала метакогнітивної обізнаності не передбачали регуляції взаємодії студентів з LLM або їхніх підсумкових оцінок за завдання (r = .01 і r = .04, обидва незначущі), тоді як поведінки, які змінив семінар — відкидання нечітко специфікованих підказок, осудження правильності відповіді, постановка уточнювального запитання — відстежували якість відповіді. Валідовані інструменти з’являються, щоб закрити цей розрив — GLAT надає психометрично валідоване оцінювання грамотності щодо генеративного ШІ, і діагностичні профілі (переоцінювачі проти справжніх новачків) дозволяють проєктувальникам націлювати підтримку там, де вона потрібна. Guo et al. (2026) безпосередньо відображують цей ландшафт інструментів, переглядаючи 80 валідованих фреймворків — 69 цифрової грамотності та 11 ШІ-грамотності — опублікованих між січнем 2014 і лютим 2025. ШІ потягнув цифрову грамотність до етики та переосмислив комунікацію, включивши взаємодію людини та ШІ, тоді як метакогнітивна регуляція та специфічна для освітян колаборація людини та ШІ залишаються найменш специфікованими. Для проєктування та дослідження це пов’язує ШІ-грамотність із Освітнє вимірювання і з Оцінювання загалом: фреймворк грамотності є лише настільки корисним, наскільки корисні інструменти, що використовуються для відстеження зростання, і засновані на стадіях континууми вимагають надійного вимірювання, щоб розміщувати здобувачів вздовж них.

32-пунктовий шестифацетний інструмент розширює чотиривимірну модель двома подальшими фацетами — відповідальне використання та саморозвиток — і утримує скалярну інваріантність між підлітками (12–17), молодими дорослими (18–40) та дорослими середнього віку (41–60), хоча автори застерігають, що ΔCFI наблизилася до конвенційного порогу (Liu et al. (2026)).

Zhi, Yang and Huang (2026) будують специфічну для аспірантів модель на таксономії Марцано: аналіз заґрунтованої теорії інтерв’ю з 14 професорів стиснув 329 сирих міток у 96 понять, 15 категорій і п’ять вимірів (когнітивна основа, операційні навички, мислення вищого порядку, метакогнітивна рефлексія, етична відповідальність), потім операціоналізував їх як 15-пунктову шкалу Лайкерта, чиї п’ять факторів виникли в експлораторному факторному аналізі (83.14% кумулятивної дисперсії) і утрималися в конфірматорному факторному аналізі на другій підвибірці (CFI = 0.934, RMSEA = 0.083), із надійністю від 0.796 до 0.842 по 308 валідних опитувальниках.

Critical 3wAI Literacy Scale (Bozkurt, Ertan & Cömert, 2026) валідує ту саму тричастинну структуру для дорослих здобувачів як засіб самооголошення (n = 546 і n = 647; χ²/df = 4.93, CFI = 0.931, α = 0.913). Її фактори Know-How і Know-Why виявилися найтісніше пов’язаними (HTMT = 0.544), тоді як самі теоретичні знання не трансформувалися в практичну ефективність. Як засіб самооголошення вона ділить проблему розбіжності, задокументовану вище, тому вона є валідованим діагностичним засобом, а не мірою продуктивності — і автори закликають до ревалідації між віковими групами та культурними контекстами.

Пов’язане питання — що взагалі можуть вимірювати інструменти. Burriss et al. (2026) зазначають, що наявні шкали ШІ-грамотності та фреймворки компетентностей припускають індивідуально вимірювану продуктивність і тому структурно виключають колаборативний, творчий вираз — доказами їхнього підрозділу були Мультимодальний ШІ фільмові артефакти, рефлексії та громадський дискурс, а не summative оцінка, і автори стверджують, що такі докази можуть доповнювати, а не заміщувати конвенційні міри. Розширення конструкту може тому вимагати розширення припустимих доказів, а не лише додавання багатомодальних пунктів до наявних шкал.

Доповнювальний напрям вимірює, як здобувачі та викладачі сприймають матеріали зі ШІ-грамотності, а не саму їхню грамотність. Wang, Chuang and Wu (2026) дали 794 студентам і 37 викладачам оцінити два видання посібників, побудованих за віковим порогом ЮНЕСКО (вік 9-12 і 13-18), після приблизно 30 хвилин керованого класного знайомства. Прийняття утримувало чотирифакторну структуру (Performance Expectancy, Effort Expectancy, Perceived Playfulness, Behavioral Intention) із підтриманою інваріантністю вимірювання між двома студентськими виданнями, молодші здобувачі оцінювалися вище за всіма чотирма конструктами, і сприймана гральність несла найбільшу асоціацію з наміром в обох когортах. Автори чітко окреслюють, чим це не є: сприймане прийняття віково-рівневого ресурсу — це не досягнення ШІ-грамотності, ethical міркування, впровадження чи стійке використання, і прийняття на рівні матеріалу не слід читати як доказ того, що грамотність покращилася.

Вимірювання також поширюється на освітян, які медіюють залученість здобувачів зі ШІ. Більшість оцінювань ШІ-грамотності націлюються на студентів або загальних користувачів, залишаючи розрив в освіті teacher — розрив, який вирішує Teachers' AI Literacy Scale (TAILS): заґрунтована на фреймворку ED-AI із шістьма вимірами (знання, оцінювання, колаборація, контекстуалізація, автономія та етика), вона була валідована через експлораторний і конфірматорний факторний аналіз із preservice language teachers. Такі інструменти підтримують вимірювання та розвиток ШІ-грамотності освітян, які медіюють залученість здобувачів зі ШІ. На студентському боці Nie et al. (2026) розробляють та валідують Шкалу грамотності оцінювання генеративного ШІ (GAA-LS) для студентів вищої освіти — 18-пунктовий, п’ятифакторний інструмент, чиї оцінки відстежують залученість із Зворотний зв’язок, Академічна доброчесність та відповідальним використанням ШІ, з опосередкованим шляхом до доброчесності через зворотний зв’язок — доказ того, що специфічна для оцінювання ШІ-грамотність є вимірюваною та пов’язаною з поведінкою доброчесності. Те, що насправді містить цей звернений до викладачів корпус інструментів, відтоді було проаудитоване: Zainal, Mohd Matore and Maat's 2026 review of teacher AI literacy measurement tools оцінив 33 інструменти, опубліковані між 2019 і 2025, і виявив, що 31 (93.9%) були шкалами самооголошення сприйманої впевненості, лише два тестували знання об’єктивно, і жоден не використовував заснованих на продуктивності завдань, тоді як докази справедливості були найслабшим доменом якості, із лише п’ятьма інструментами, що повідомляли інваріантність вимірювання або диференційне функціонування пунктів.

Оновлення 2026 року цієї літератури вимірювання реорганізовує її в чотири домени — знання та використання, епістемічний нагляд, калібрування опори та операційний контроль агентів, що користуються інструментами — і повідомляє, що жоден валідований індивідуального рівня інструмент у корпусі не охоплює повної комбінації обсягу, дозволів, відновлення, ізоляції стану, незалежного перегляду та заснованого на доказах закриття, якого вимагає agentic користування інструментами. Його згрупована суб’єктивно-об’єктивна кореляція через три ефекти з тієї ж вибірки була r = .055, що узгоджується з розбіжністю, описаною вище, а не з самооцінками як придатним сурогатом (Verí (2026)).

Ландшафт вимірювання сам є безладним, і тепер частково відображуваним. He, Zhang, Wang and Ji (2026) проаналізували корпус інструментів ШІ-грамотності конвеєром кодування на основі LLM і виявили, що галузь вимірює багато конструктів під однією міткою — проблему jangle, коли один конструкт несе кілька імен (Behavioral Commitment з’являється у восьми кандидатних парах, Intrinsic Motivation — у п’яти), поряд із кандидатними випадками jingle, де інструменти ділять мітку, але не свій пунктовий контент. Їхнє відновлення структури пунктів і конструктів через семантичну подібність корелювало лише помірно з власними повідомленими надійностями інструментів (r = 0.49 на рівні пунктів проти 0.45 і 0.35 на рівні конструктів), і вони пропонують метод як скринінг, а не вирішення. Наслідок для кожного, хто обирає міру, полягає в тому, що конвергентні твердження між дослідженнями не безпечно припускати: два інструменти з тим самим іменем можуть не операціоналізувати той самий конструкт.

Те, що ці інструменти можуть підтримувати, відтоді було проаудитоване, і аудит тверезий. Jin, Gašević, Martinez-Maldonado and Yan (2026) проскринували 8056 записів до 58 досліджень, що охоплюють 47 унікальних інструментів, оцінених за COSMIN проти конструкту, чиє вікно розробки інструментів стиснулося в три роки (два інструменти до 2023, 28 лише в 2025). Корпус залишається 37-з-47 self-report, і докази тісно групуються навколо внутрішньої структури: структурна валідність була достатньою в 32 із 58 досліджень, а внутрішня узгодженість — в 32, жодне не оцінене як недостатнє, проте construct validity повідомлялася лише 15 дослідженнями (12 достатніх), критеріальна валідність — одним, інваріантність invariance — п’ятьма (усі достатні), і лише 2 із 58 заробили достатню загальну оцінку валідності контенту — всеохоплюваність була недостатньою в 53, незважаючи на 43 дослідження, що повідомляли когнітивне інтерв’ю. Патерн полягає в тому, що практика measurement виглядає міцною саме там, де найдешевше це продемонструвати, і тонкою там, де докази мають приходити ззовні інструменту, тому чиста факторна структура і високий коефіцієнт (який може віддзеркалювати надмірність пунктів так само, як репрезентацію конструкту) не слід читати як продемонстровану здатність. Призначення авторів — консолідація, а не проліферація: вдосконалюйте наявні шкали, тестуйте інваріантність, коли інструмент перетинає мову чи освітню стадію, і додавайте критеріальні докази, пов’язуючи оцінки із завданнями продуктивності.

Один із винятків побудований для порівняння груп. Zhang et al. (2026) розробили Шкалу грамотності генеративного ШІ (GAILS) — 43 пункти, зведені до 34 через огляд Делфі з п’ятьма експертами та пілот із семи осіб, потім валідовані в 341 дорослого з Північної Америки — і тестували скалярну invariance, виявивши, що вона утрималася між респондентками та респондентами і між студентськими та робочими групами. Саме це ліцензує порівняння середніх, які повідомляє інструмент — чоловіки, що оцінюються скромно вище за Adaptive Operational Skills, студенти — вище за Adaptive Operational Skills та Responsible GenAI Literacy — як відмінності в компетентності, а не диференційне функціонування пунктів, і саме це робить шкалу придатною в умовах Вища освіта та робочих місць, а не лише студентських. Її власні докази не бездоганні: fit була змішаною (CFI = .967 і SRMR = .058 всередині конвенційних порогів, RMSEA = .087 вище них), α загальної шкали = .973 стоїть поряд із одним невдалим дискримінантним порівнянням Fornell–Larcker (Factor 1 √AVE = .828 проти r = .873 із Factor 3), і, як майже все в корпусі, вона вимірює сприйману компетентність без поведінкового критерію. Валідована шкала в цій галузі — це вихідна точка для роботи над інваріантністю та критеріями, до якої закликає огляд, а не завершений Бенчмарк.

Зв’язки через базу знань

ШІ-грамотність перетинається з AI Tutoring (розумінням того, коли і як ефективні тьютори зі ШІ), Компетентність викладача в галузі ШІ (готовністю освітян), Академічна доброчесність (знанням того, що становить належне використання ШІ) та ШІ в освіті загалом. Вона є і передумовою ефективного використання ШІ, і результатом добре проєктованої інтеграції ШІ — студенти засвоюють ШІ-грамотність, КОРИСТУЮЧИСЬ ШІ критично, а не лише вчачись ПРО ШІ.

ШІ-грамотність є двоістиною для надмірної залежності: Maizel et al. (2026) виявили, що засновані на навичках виміри ШІ-грамотності (використання/розуміння, виявлення) були позитивно асоційовані з повідомлюваною залежністю від ШІ, тоді як ШІ-Самоефективність і академічна впевненість — негативно, — тому технічне навчання ШІ-грамотності за відсутності самоефективності та скаффолдингів Саморегульоване навчання може збільшити залежність. ШІ-грамотність тут стає спроможною здатністю, чий напрям залежить від доповнювальних мотиваційних ресурсів.

  • Звички перевірки окупляються лише через регуляцію. В опитуванні Davor, Larbi and Boateng (2026) 533 університетських студентів у Гані грамотність перевірки ШІ не мала значущого прямого ефекту на critical thinking (beta = .076, p = .090) чи технічне Вирішення задач (beta = .043, p = .385) і мала значення лише через metacognitive self-regulation (beta = .167, p < .001), повне опосередкування, яке автори називають метакогнітивною активацією. Скаффолдинг завдань ШІ передбачав обидва результати (beta = .185 і .170), тоді як тенденція до cognitive offloading передбачала їх негативно (beta = -.240 і -.312) і пригнічувала регуляцію також (beta = -.294). Тому навчання студентів перевіряти результати роботи ШІ саме по собі недостатньо: оцінювальні звички потребують планування, моніторингу та рефлексії, вбудованих у завдання.

  • Критика результатів роботи ШІ як практика грамотності: Hosseini (2026) розглядає оцінювання згенерованих ШІ помилок як основну навичку ШІ-грамотності, використовуючи аналіз режимів відмов і ітеративне вдосконалення підказок у курсі проєктування баз даних. Дослідження виявило, що студенти переоцінювали свої здатності в роботі зі ШІ (самооголошена грамотність слабко, негативно корелювала з об’єктивною компетентністю), і що навчання, засноване на критиці, зміцнювало калібрування.

  • Соціалістично-гуманістична ШІ-грамотність (2026): Огляд літератури критикує зорієнтовану на відповідність ШІ-грамотність і пропонує соціалістично-гуманістичне кадрування асинхронної ШІ-грамотності та добросовісного використання у вищій освіті, пов’язуючи історичний цифровий розрив із сучасною ШІ-грамотністю та закликаючи до підходів, що служать людському процвітанню та справедливості, а не механічній відповідності політиці (From Mechanical Compliance to Human Flourishing: A Socialist Humanist Approach to Asynchronous AI Literacy and Fair Use in Higher Education).

  • Дешеві, легкі попередження притупляють переконування з боку ШІ — не коштуючи загальної довіри. Orchinik and Rand (2026) попередньо зареєстрували два експерименти (загалом N = 3208 дорослих США), у яких учасники спілкувалися з Великі мовні моделі (LLM), наставленим змінити їхні погляди на політичні теми. Одне коротке попередження — що моделями можуть керувати, щоб переконувати, і вони можуть подавати інформацію вибірково — зменшило зміну переконань приблизно наполовину (-48.1%, 95% CI [-59.5%, -36.8]) відносно контролю, і додавання специфічних попереджень про техніки переконування не дало додаткової вигоди. Властивість, що має значення для навчання, лежить на іншому боці ефекту: загальна довіра до Генеративний ШІ не впала, тому інтервенція будує calibrated trust, а не загальний скептицизм. Це однопараграфна інтервенція без фасилітації, що є рідкісним профілем витрат для дизайну ШІ-грамотності.

  • Управління ШІ з боку здобувача має більше значення, ніж дизайн інструменту. Azimi (2026) рандомізував 33 студентів магістерського курсу аналітики даних між AI Study Coach зі скаффолдингом, вбудованим у ноутбуки (n = 16), і необмеженим користуванням будь-якими інструментами Генеративний ШІ, які вони обрали (n = 17), протягом семи тижнів. Продуктивність за завданнями та здобутки за інвентарем понять були нерозрізнюваними; замість цього умова Coach повідомляла вищу confidence. Те, що розділяло студентів, — це ШІ-грамотність на практиці: ті, хто сформулював власні правила щодо того, коли користуватися ШІ, оцінювалися вище в обох умовах, і студенти з найглибшим розумінням моделі — кожен із них самоук — складали підказки найбільш свідомо. Наслідок для проєктування суперечить рефлексу контролю: викладайте self-regulatory та зосереджені на розумінні моделі компоненти ШІ-грамотності, а не обмежуйте інструменти.

Пов’язані поняття

Пов’язані статті

Пов’язані поширені питання

Пов’язані ресурси

  • Навички освітніх агентів
    Бібліотека зі 165 навичок агентів, підкріплених доказами, що охоплюють педагогіку, науки про навчання, навчальний план та оцінювання, упакованих для Claude, Codex і Hermes.
  • EduGems
    'A growing library of pre-made Google Gemini 'Gems' — shareable, pre-written prompts for planning, feedback, forms, images and AI-use reflection.
  • Ресурси для аудиторії mglearn
    Великий набір безкоштовних наборів навчальних занять, що працюють у браузері, і матеріалів, готових до друку, від TCEA, зокрема модулів генеративної ШІ-грамотності та цифрового громадянства.
  • OnMicro.AI
    Конструктор без коду, за якого викладачі створюють вузькоспеціалізовані застосунки ШІ, публікують їх за посиланням, вбудовують у СУР через LTI та бачать, як їх використовують студенти.
  • Playlab
    Некомерційна платформа для творців, де викладачі будують, діляться й оцінюють власні застосунки ШІ — спираючись на власний навчальний план, працюючи на вибраній ними моделі, із вбудованою видимістю для викладача.
  • Pressing Prompts
    Openly accessible higher-education activities and resources for pressing critical questions about AI, organised into three thematic clusters.
  • Student Guide to AI
    A free three-edition student guide to artificial intelligence from Elon University, AAC&U and The Princeton Review, whose 2026 edition builds ten human capacities with teacher-ready learning modules and an anonymous self-assessment.
  • Vibes DIY
    A plain-language app builder: describe a small tool in words and get a working, shareable web app, with the underlying React packages and CLI released under Apache-2.0.

Метадані

РівеньHigher Ed, K 12
Цільова аудиторіяFaculty Developers, Instructors, Learners
Технології та методиГенеративний ШІ, Великі мовні моделі (LLM)
Основи ШІ в освітіАкадемічна доброчесність, ШІ в освіті, ШІ-грамотність, Освітній розвиток
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.