Концепції
Конструювання навчальної програми
Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.
Конструювання навчальної програми — процес планування та структурування того, що викладається в курсах, програмах та установах, включно з навчальними цілями, послідовністю контенту, стратегіями оцінювання та прогресією навичок. В епоху ШІ конструювання навчальної програми мусить балансувати фундаментальні знання з новими компетентностями в галузі ШІ, визначаючи не лише що студенти вчаться, а й як вони вчаться працювати з інструментами ШІ та критично їх оцінювати.
Питання для роздумів
- Конструювання навчальної програми ставить питання, чого студенти мають вчитися на рівні програми, тоді як конструювання навчання ставить питання, як — на рівні курсу. Коли ШІ перебудовує дисципліну, який із цих двоїстких рівнів, на вашу думку, мусить змінитися першим?
- Оскільки генеративний ШІ автоматизує роботу на рівні реалізації, дехто стверджує, що навчальні програми мусять зміститися до проєктування систем, абстрагування та критичного оцінювання. Що, на вашу думку, втратили б студенти, якби навички низького рівня перестали акцентувати?
- Перепроєктування навчальних програм в епоху ШІ часто окреслюється як баланс між вмілим володінням інструментами та фундаментальними знаннями. Де ви бачили, що цей баланс надто перехилявся в один бік?
- Рамка SAIL трактує ШІ-грамотність як таку, що підтримується скаффолдингом упродовж віку та сконструйована так, щоб опрацьовувати глибші «цифрові розриви» поза доступом. Чим вбудовування ШІ-грамотності в усю навчальну програму відрізняється від додавання одного курсу зі ШІ?
- Якщо кожна дисципліна нині потребує вбудованих у неї компетентностей зі ШІ, хто відповідальний за зміну навчальної програми — викладачі, програми чи установи, — і що потрібно викладачам, щоб у цьому досягти успіху?
- Навчальна програма — це послідовність навичок упродовж років, а не лише список тем. Як це довший погляд змінює оцінку того, чи «модуль ШІ-грамотності» справді закріплюється?
Вступ
Конструювання навчальної програми опрацьовує що освіти на рівні програми, доповнюючи Проєктування навчання, яке опрацьовує як на рівні курсу. Статті в цій базі знань досліджують, як ШІ перебудовує навчальні програми в дисциплінах — від розробки програмного забезпечення до архітектури та зеленої освіти, — і як викладачі конструюють навчальні програми, які вбудовують ШІ-грамотність, не жертвуючи дисциплінарними основами.
Ключові теми досліджень
Перепроєктування навчальних програм для епохи ШІ є центральним викликом. Lee et al. синтезували висновки міжнародних семінарів із перебудови бакалавратської освіти з інформатики, стверджуючи, що оскільки генеративний ШІ автоматизує програмування на рівні реалізації, навчальні програми мусять зміститися до проєктування систем, абстрагування та критичного оцінювання, — знижуючи при цьому акцент на деталях реалізації низького рівня. Gorsky формалізував агентну розробку програмного забезпечення як окрему дисципліну з навчальною програмою з 21 модуля, зосередженою на «еволюції наміру» та практичній дисципліні, потрібній для керування агентами ШІ. Обидва посилання ведуть до ШІ-грамотність та Скаффолдинг.
Розглядаючи зміну як системну, а не додаткову, Sabani et al. (2026) тріангулюють систематичний огляд, бібліометричне картографування 209 записів, 36 статей та інтерв’ю з десятьма академічними лідерами в п’ять зсувів, — включно з тим, що передавання знань поступається місцем розвитку здібностей, а локальне експериментування — інституційному управлінню.
Картографування та аналіз навчальних програм використовує ШІ для розуміння наявних навчальних програм. Geng et al. проаналізували 23 програми курсів із розробки програмного забезпечення з підтримкою ШІ, виявивши спільні теми, — prompt engineering, огляд коду зі ШІ, етичні міркування, — і виводячи вказівки для дизайну, які акцентують баланс вмілого володіння інструментами з фундаментальними знаннями. CourseGraph застосовує обчислювальні методи для порівняння структур курсів з інформатики в різних установах.
Інтеграція ШІ-грамотності вбудовує компетентності зі ШІ в дисципліни. SAIL дає рамку ШІ-грамотності зі скаффолдингом, придатну для всіх віків і освітніх етапів, опрацьовуючи цифрові розриви другого та третього рівня. Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing досліджує, як ШІ-грамотність розвивається через патерни взаємодії. Systematic Review of Collaborative Learning Activities for Promoting AI Literacy досліджує колаборативні підходи до розробки навчальних програм зі ШІ-грамотності, пов’язуючи з Спільне навчання.
LearnAI показує, як виглядає вбудований варіант: шар широкої експозиції з коротких презентацій у 18 наявних курсах у п’яти дисциплінах (293 студенти), у пару з добровільними сесіями спільного створення один-на-один, які ведуть натреновані студенти-тьютори бакалаврату, так що здобувачі з різними здібностями зустрічають завдання зі ШІ на своєму рівні (Qu et al. (2026)).
Інтеграція на практиці відстає від рамок. Santos-Albardía et al. (2025) виявили, що лише 13.8% опитаних студентів освітніх та журналістських програм сказали, що їхні курси опрацьовували критичний медійний аналіз, проти 97.8%, які оцінили його як важливий, а їхні інтерв’ю з експертами простежили розрив до підготовки викладачів, яка надає перевагу технічним і навчальним навичкам понад медійну освіту.
Огляд за PRISMA 39 досліджень STEAM (2016–2025) виявив паралельну нерівновагу в елементах ШІ-грамотності: впровадження розвивали технічні грамотності — фундаментальні поняття ШІ, обчислювальне мислення, грамотність у питаннях даних, — водночас недорозвиваючи етичну обізнаність, творчу уяву та створення, управління та проєктування зі ШІ, тому практичною відповіддю є аудит кожного модуля проти них (Niri et al., 2026).
Голос студентів — інший вхідний параметр дизайну: 84% зі 166 студентів-випускників бізнес-програм хотіли, щоб генеративний ШІ викладався в їхніх модулях, і 85% вважали його необхідним для працевлаштування, тоді як лише 7% дізналися про нього зі свого університету (Rook & Plumb (2026)).
Огляд 42 досліджень із дошкільної та шкільної освіти зі ШІ виявляє, що навчальні програми рухаються від технічного контенту до моделей, заснованих на компетентностях, побудованих на рамках на кшталт AI4K12 та П’ятьох великих ідей в ШІ, причому ШІ-грамотність розглядається як міжпредметна компетентність, тоді як стандартизовані інструменти для її оцінювання залишаються відсутніми (Caruana et al. (2026)).
Викладачі та роботодавці погодилися щодо важливості лише однієї з 26 навичок у галузі ШІ — встановлення реалістичних очікувань для роботи з посиленням від ШІ, — і лише три з 26 викладалися половиною або більше викладачів, що є доказовою базою звіту про розрив у навичках ШІ між вищою освітою та роботодавцями (Fried (2026)).
Дизайн занять з машинного навчання в K-12 залишається на поверхні: огляд за рамкою ICE-T виявив, що невидиме використання, взаємодія з кнопками та розгортання моделі становлять майже 60% закодованих занять із навчання з учителем, відкрите створення з’являлося лише двічі, а технічні та соціетальні перспективи співтраплялися лише приблизно в 3% занять (Haritz et al., 2026).
Доменно специфічні інновації навчальних програм застосовують конструювання навчальних програм до конкретних галузей. Gen-AI-tecture: using generative AI to support architectural students in design tasks досліджує, як генеративний ШІ перебудовує архітектурну Педагогіки та стратегії викладання. The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints досліджує інтеграцію ШІ в навчальні програми зеленої освіти. ConnectED: A Curriculum-Aligned AI System for Vietnamese Instructional Lesson Planning and Student Learning та LLMs to Support K-12 Teachers in Culturally Relevant Pedagogy: An AI Literacy Example опрацьовують конструювання культурно чуйних навчальних програм.
Вбудовуйте ШІ в дисципліну, а не поруч із нею. Трьохрівнева (вступний, прикладний, передовий) навчальна програма зі ШІ вписала машинне навчання в наявні теми теплової інженерії в межах 39,1-годинного курсу, а не додаючи вибіркових курсів з інформатики, уникаючи додаткового навантаження на студентів машинобудування та відкрито оприлюднюючи свою програму, дані й код (Li et al. (2026)).
Журналістський кейс показує варіант із цінностями на передньому плані: тріадичний скаффолдинг «цінності–процеси–компетентності» перевів студентів від суто людської журналістики до роботи з інтеграцією ШІ, проте 8 із 9 (89%) повідомили про впевненість в етичних рішеннях, тоді як пункти опитування про авторство та упередженість натякали лише на поверхневе розуміння (Ngu and Weller (2026)).
Інституційні рамки опрацьовують зміну навчальних програм у масштабі. A principled way to think about AI in education: guidance for educators and policy makers based on goals, models та A principled way to think about AI in education: guidance for educators and policy makers based on goals, models дають принципи для інтеграції ШІ в освітні програми. The Main Barrier to AI Adoption in the Public Sector is Lack of Training досліджує бар’єри до ухвалення навчальних програм зі ШІ в освіті державного сектору.
Послідовне розміщення ШІ в межах програми. Torres-Sahli et al. пропонують рамку «стримуй, потім підсилюй», яка розміщує генеративний ШІ послідовно на рівні програми: притримуйте генеративний інструмент, поки формується здібність, потім відновіть його, щоб підсилити цю здібність, коли студент уже може керувати нею та судити її результати. Керуючись критерієм «формування проти вивантаження» (чи будує ділянка роботи здібність, чи лише пропускає її через інструмент), рамка пов’язує конструювання навчальної програми з Розвантаження когніції, Саморегульоване навчання та Академічна доброчесність, із важкими для фальшування контрольними точками на кожному шарнірі «стримуй→підсилюй».
Важіль для найвищих етапів — це не більше курсів: на 89 спонсорованих проєктах-капстоунах перехід від Рівня готовності до робочої сили 6 до 7 утримувався досвідом, вбудованим в індустрію, — коопераціями та проєктами Партнерства з розширення виробництва, — тому ступені потребують навчання, інтегрованого з роботою, а не ще одного технічного вибіркового курсу (Smith et al. (2026)).
Наслідок на рівні навчальної програми від можливостей моделі полягає в тому, що дизайн, стійкий до ШІ, застаріває. Викладачі обчислювальних наук описували калібровку завдань проти того, чого моделі ще не могли робити, і спостереження, як калібровка втрачала силу, — завдання одного викладача з кібербезпеки вимагали справжнього розв’язування задач сім чи вісім місяців раніше, а потім просто розв’язувалися, — причому фасилітатор оцінив термін придатності приблизно в один семестр. Структурний висновок семінару полягає в тому, що майже кожна адаптація робилася окремим викладачем в межах одного курсу, без інституційної координації, якої вимагала б стійка навчально-програмна відповідь (Akbar et al., 2026).
Узгодження цілого курсу, коли генеративний ШІ дозволений. Перепроєктування 2026 року вступного курсу фізики ядра та частинок (Mikhasenko et al.) інтегрувало три типи діяльності з різними ролями — лекції для понять і нотації, семінарські заняття для стандартної аналітичної практики та домашні завдання як дослідницький «сформований як дослідження» компонент із незвично важкими багатометодними задачами. Повідомлене тертя (неоголошений передумовий вимогливий програмування, недостатньо часу, щоб зрозуміти, а не лише отримати відповіді, та неузгодженість між лекціями, семінарськими заняттями, домашніми завданнями та іспитом) ілюструє, що дозвіл на генеративний ШІ змушує до роботи з узгодження навчальної програми в межах цілого курсу, а не до зміни одного типу завдання; їхня рекомендована структура зберігає дозволену дослідницьку роботу зі ШІ як передові завдання, що несуть бонус, тоді як письмовий іспит без допомоги визначає оцінку.
Глибина узгодження, а не частота використання, розділяє патерни інтеграції. На 17 кейсах бізнес-модулів шість вбудовували генеративний ШІ систематично в навчання, вчення та оцінювання (конструктивні), дев’ять робили це неузгоджено (змішані) та два sporadично (ad hoc); конструктивні кейси повідомляли про найсильніші результати в залученості, здібностях та дорельності навчальній програмі (Zhou et al. (2026)).
Поради щодо конструктивного узгодження під критичним розглядом. Там, де наведені вище джерела повідомляють про узгодження на практиці, McInnes et al. (2026) читають самі вказівки як дискурс. Їхній критичний дискурс-аналіз 14 творів сірої літератури, опублікованих із листопада 2022 по квітень 2025 — здебільшого інституційних сторінок і розділів від центрально розташованих підрозділів навчання та викладання — виявив, що конструктивне узгодження подавалося як проблема ефективності: генеративний ШІ був «ефективним і ефектнісним способом створити чернетки рубрик», який міг «раціоналізувати процес», антропоморфізований як «освітній експерт і асистент», «партнер для спарингів» чи «інтелектуальний асистент у проєктуванні навчання», тоді як академічний персонал давав лише «експертизу з предметної галузі», а інструмент брав на себе «важку роботу з розробки навчальних цілей, організації контенту курсу ... та узгодження компонентів курсу». Рецепти підказок типу «скопіюй-і-встав» і пронумеровані шаблони окреслювали КУ як стандартизований продукт, породжуючи три режими відмов: перформативність (узгодження, яке лише виглядає узгодженим), стирання ситуативного та критичного контексту та поверхневе КУ, що зливає узгодження з конструктивним виміром. Їхній ліки переставляє послідовність робочого процесу конструювання навчальної програми, — викладачі мусять розуміти КУ достатньо добре, щоб керувати, оцінювати та відхиляти результати ШІ, до того як делегувати будь-яку його частину, — і обмежує будь-який інструмент інституційним агентом з посиленням через пошук, грунтованим на локальній політиці, рубриках та атрибутах випускників, із роллю «лімінального тьютора», яка розширює, а не замінює стосунок із розробником.
Генерація узгоджених із навчальною програмою завдань на моделювання. Платформи на основі ШІ можуть опрацьовувати брак у викладачів часу та ресурсів для конструювання якісних завдань на математичне моделювання, генеруючи узгоджені з навчальною програмою задачі та педагогічні рекомендації, грунтовані на принципах дизайну та генерації з посиленням через пошук, — підхід, проілюстрований на прямій варіації в математиці середньої школи (Creating an AI-powered platform for generating modelling problems: A case study on direct variation in secondary school mathematics). Саме читання для курсу нині також стали об’єктом генерації: Сидоркін (2026) замінив комерційний підручник щотижневими згенерованими ШІ читаннями в аспірантському курсі з освітнього лідерства, і хоча студенти оцінили їх як корисні, а 75 відсотків погодилися, що вони дізналися більше, ніж на порівняному курсі, 4 487 сторінок журналів містили цитування в тексті за стилем APA лише приблизно на 0.80 відсотка сторінок і поєднували названий кампус чи систему з твердженнями про політику приблизно на 1.03 відсотка сторінок без перевірюваного джерела. Урок із навчальних матеріалів полягає в тому, щоб трактувати згенеровані читання як виробництво чернеток під оглядом викладача, закладати в бюджет працю викладача на конструювання підказок і перевірку, а також курувати перевірені джерела в асистента, а не залишати якість джерел на те, щоб студенти виводили її з контексту.
Планування уроків з допомогою ШІ на рівні «навчальна програма→аудиторія». У точці, де навчальна програма стає навчальним уроком, Luo and Tahir (2025) експериментально порівняли згенеровані викладачами плани з планами за допомогою ChatGPT в художній освіті STEAM для дітей, виявивши, що плани за допомогою ШІ отримали значуще вищі оцінки від шести професорів-експертів (медіана 20.5 проти 17.6, p = .002, великий ефект). Вони показують, що виграш залежить від того, як викладач делегує: рекомендований метод заповнює прогалини в контенті самостійно окресленого уроку (зберігаючи автономію дизайну викладача), а не делегуючи весь план, і вони дають шаблон підказки «Роль–Інструкції–Кінцева мета» для відтворюваної генерації з контролем якості, — доказ того, що планування уроків зі ШІ найсильніше, коли воно вбудоване в навчально-програмні рішення викладача, а не заміщує їх. В освіті з наук експертна валідація приходить до паралельного висновку щодо дизайну платформи: Karaismailoglu, Surmeli and Yildirim (2026) змусили одинадцять Освітня галузь «Природничі науки» оцінити ChatGPT-4 та інструмент, зосереджений на освіті (Teacher's Buddy), за планами для шостого класу, узгодженими з переглянутою навчальною програмою Туреччини та моделлю навчання Design-Based. Платформа, зосереджена на освіті, набрала вище за всіма вісьмома критеріями якості — включно з етапами, насиченими зворотним зв’язком, і узгодженістю з навчальною програмою, — доказ того, що вбудовування педагогічної структури в ШІ дає краще узгоджений результат; проте деякі експерти усе щі надавали перевагу загальному плану за його сильніший соціально-емоційний акцент, а 7 із 11 судили плани «придатними за умови виправлення», а не придатними для безпосереднього використання. Вибір платформи та рамки підказки, а не лише самого ШІ, формує те, наскільки добре згенеровані плани узгоджуються зі стандартами навчальної програми та моделями процесів.
Структура, а не формулювання підказки, є тим, що робить створення чернеток за допомогою ШІ надійним у виробництві: конвеєр Curriculum-as-Code від Paiva (2026) агресивно відсікав контекст і генерував матеріали розділ за розділом на 28 проєктних контекстах, що знизило час підготовки викладача приблизно з восьми до двох годин на інструкцію і не залишило жодної концептуальної чи математичної галюцинації для людського огляду.
Зв’язки зі спорідненими поняттями
Конструювання навчальної програми безпосередньо пов’язане з Проєктування навчання — навчальна програма визначає що, інструктаж визначає як. Воно пов’язане з ШІ-грамотність, оскільки вбудовування компетентностей зі ШІ є основним навчально-програмним викликом, з Викладання та Освітній розвиток, оскільки зміна навчальної програми вимагає підготовки викладачів, та зі Скаффолдинг, оскільки добре сконструйовані навчальні програми підтримують розвиток навичок у курсах і роках. Зв’язки Вища освіта та K-12 відбивають дорельність конструювання навчальної програми на різних освітніх рівнях.
Пов’язані поняття
- Педагогічне партнерство — Pedagogical Partnerships
- Освіта у сфері бізнесу
- Проєктування навчання
- ШІ-грамотність
- Скаффолдинг
- Освітній розвиток
- Викладання
- Вища освіта
- K-12
- Освіта в галузі STEM
- Освіта з комп’ютерних наук (CS Education)
- Генеративний ШІ
- Агентний ШІ
- Метакогніція
- Інженерія підказок
- Спільне навчання
- Педагогіки та стратегії викладання — Зонтичне поняття: педагогіки та стратегії навчання в освіті зі ШІ
- Системи рекомендацій і навчальні траєкторії
Пов’язані статті
- Efficiency at what cost? Salvaging constructive alignment from the GenAI hype — Critical discourse analysis of GenAI-for-constructive-alignment guidance (McInnes et al. 2026)
- Addressing Trust in AI Systems through Education: A Didactic Perspective — Addressing Trust in AI Systems through Education: A Didactic Perspective
- Refrain, Then Amplify: A Curriculum Framework for Sequencing Generative AI to Form Professional Judgement — Refrain-then-amplify curriculum framework for sequencing GenAI (Torres-Sahli et al. 2026)
- Giving Mechanical Engineers Intelligent Tools: A Project-Based AI Education Curriculum in Thermal Engineering — Project-Based AI Education Curriculum in Thermal Engineering
- From Classroom Design to Newsroom Practice: Assessment Intervention Designing GenAI
- Integrating Generative Artificial Intelligence into University Curricula: Student Insights
- From Experimentation to Integration: Embedding GenAI in Business Higher Education through the Lens of Constructive
- A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era — Workforce Readiness Level framework for smart manufacturing in the AI era
- Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — Rewriting the curriculum: GenAI-driven pedagogical change
- Technology, Education and Critical Media Literacy: Potential, Challenges, and Opportunities
- Reshaping Undergraduate Computer Science Education in the Generative AI Era
- ASE-26: A Curriculum for Agentic Software Engineering as a Discipline
- Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis
- The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education
- Curriculum as Code: An AI-Assisted Architecture for Instructional Design in STEM Education
- Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing
- A principled way to think about AI in education: guidance for educators and policy makers based on goals, models
- Systematic Review of Collaborative Learning Activities for Promoting AI Literacy
- AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — AI Skills Framework: 26 assessable skills for curriculum mapping
- LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University — LearnAI: Just-in-Time AI Co-Creation Across Disciplines
- When Saying No Makes Better Videos: Designing Dual Gatekeeping for Pedagogically Grounded AI Content Creation — When Saying No Makes Better Videos: Dual Gatekeeping for Pedagogically Grounded AI Content Creation
- STEAM Education for AI Literacy: A Systematic Literature Review — STEAM education for AI literacy: systematic review
- Preparing Learners and Teachers for an AI-Driven Future: Emerging Trends, Pedagogical Challenges, and Critical Perspectives in Pre-University AI Education: A Systematic Literature Review — Preparing learners and teachers for an AI-driven future: SLR of pre-university AI education (Caruana et al. 2026)
- Creating an AI-powered platform for generating modelling problems: A case study on direct variation in secondary school mathematics — AI-powered platform generating mathematical modeling problems (ADDIE, RAG)
- ChatGPT-Assisted Lesson Planning for Children's STEAM Arts Education: An Experimental Study on Benefits, Challenges, Methods, and a Prompt Framework
- Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts
- AI in Particle Physics Education: Research Problems and Foundational Skills — AI in Particle Physics Education: Research Problems and Foundational Skills
- AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI — AI Can Do Your Homework. Now What? Report from an online workshop on computing assessment in the age of generative AI
Пов’язані поширені питання
Пов’язані ресурси
- Інтелектуальні підручникиВідкрите керівництво Дена Мак-Крірі зі створення інтелектуальних підручників — онлайн-підручників із пошуком, навігацією, глосаріями, вікторинами, графами понять і вбудованими симуляціями — за допомогою MkDocs Material і генеративного ШІ, а також супутня бібліотека інтерактивних MicroSims, створених ШІ.