Освітній розвиток

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Освітній розвиток (також відомий як розвиток професорсько-викладацького складу) — процеси, програми та інституційні підтримки, які допомагають викладачам розвивати навички, упевненість і професійну ідентичність, необхідні для ефективного викладання зі ШІ. Освітній розвиток охоплює індивідуальну підготовку, перепроєктування навчального плану, зміни в інституційній політиці та культурну роботу осмислення того, що GenAI означає для академічної професії.

Запитання для роздумів

• Якщо викладачі одного факультету описують ШІ з одного боку як людського «помічника», а з іншого — як звичайний «інструмент» чи «пошукову систему», чи може програма підготовки справді досягти успіху раніше, ніж ці лежачі в основі ментальні моделі будуть виявлені? Що могло б статися, якби розвиток пропустив цей крок?
• Освітній розвиток часто розглядають як закриття прогалини в навичках — навчіть викладачів інструментів, і вони їх упровадять. Але деякі дослідження фреймують інтеграцію GenAI як зміну на рівні ідентичності («у чому сенс викладання у світі GenAI?»). Який фреймінг, на вашу думку, є точнішим і які різні дії передбачає кожен із них?
• Рамки готовності на кшталт EPIQ-AI поділяють готовність викладацького складу на епістемічну, педагогічну, інституційну та сфери якості та відповідності вимогам. Якщо готовність є соціотехнічною проблемою узгодження, а не індивідуальною прогалиною в навичках, що це говорить про те, де поодинокий «семінар із ШІ», найімовірніше, виявиться недостатнім?
• Коли ви відчували, що ваші власні припущення про нову технологію виявлялися й змінювалися — через обговорення, метафору чи спільну мову, а не через інструктаж? Яку роль, на вашу думку, відіграють спільна мова та аналіз метафор у тому, щоб допомогти викладачам осмислити ШІ?
• Уявіть низькотехнологічний «семінар із метафор», де викладачі, персонал і студенти висловлюють, чи відчувають вони ШІ як швейцарський армійський ніж, помічника, чорну скриньку чи конкурента. Чи може виявлення страхів (включно зі страхом, що ШІ замінить ролі викладачів) зробити більше для впровадження, ніж ще більше технічної підготовки?

Вступ

Освітній розвиток — це професійна та інституційна робота, за допомогою якої викладацький склад будує здатність добре проєктувати, викладати й оцінювати, — і в епоху ШІ він став передумовою для того, щоб будь-яка педагогічна зміна набрала сили. Поняття охоплює індивідуальний рівень (ШІ-грамотність, упевненість, компетентність, ставлення) та інституційний (стандарти, політику, забезпечення якості та узгодження між заявленими очікуваннями щодо ШІ та фактичним дизайном оцінювання). Повторюваним висновком у цій базі знань є те, що докази щодо ефективної практики суттєво випереджають те, що впровадила більшість установ, що робить роботу з розвитку — а не нові первинні дослідження — обмежувальним чинником. Науки про навчання продукують висновки, які несе ця робота: там, де ця галузь емпірично встановлює, як люди навчаються і які дизайни змінюють результати, освітній розвиток є тією інституційною практикою, яка переводить такі докази в те, як викладачі фактично викладають і оцінюють. Його робота, однак, обмежена інституційною межею: розвиток будує здатність персоналу всередині установи, тоді як інструменти, які цей персонал потім має впроваджувати, зазвичай будуються поза нею Розробники освітніх технологій, чиї дизайнерські рішення та рішення щодо закупівлі — типові налаштування, можливість конфігурації, що виживає після фінансування — приходять як обмеження для програми, а не як її продукти.

Освітній розвиток в епоху ШІ

• Рамки готовності: Рамка EPIQ-AI визначає чотири домени готовності: епістемічний, педагогічний, інституційний та якості й відповідності вимогам. Готовність викладацького складу є соціотехнічною проблемою узгодження, а не лише індивідуальною прогалиною в навичках.

• Стандарти інтеграції технологій: Crompton et al. використовують дизайн-орієнтоване дослідження для розробки стандартів інтеграції технологій (включно зі ШІ) для факультету в установах вищої освіти.

• Впровадження та упевненість: Дослідження впровадження ШІ викладачами визначає побоювання, підтримку, упевненість та ставлення як ключові предиктори. Програми розвитку факультету мають враховувати всі чотири.

• Інтеграція в навчальний план: Рамки інституційних змін і реформа оцінювання вимагають від факультету перепроєктовувати курси, а не лише додавати інструменти ШІ.

• Програми підготовки: Рамки підвищення кваліфікації зі ШІ і доуніверситетська підготовка на основі TPACK надають моделі для структурованої освіти факультету зі ШІ.

• Підтримана ШІ професійна рефлексія. Модель рефлективного трикутника позиціонує ШІ як когнітивного посередника між саморефлексією, колаборативною рефлексією та рефлексією спільноти в професійному навчальному співтоваристві, випробувану в чотиритижневому кейсі доцільності з шістьма викладачами; межа, яку вона проводить, полягає в тому, що індивідуальна проникливість не стає автоматично спільним професійним знанням (Nguyen (2026)).

• Урядування ШІ і політика: Аналіз інституційної політики щодо ШІ документує розрив між інституційними амбіціями та можливостями підтримки факультету.

• ШІ-грамотність є інституційно невидимою. Систематичний огляд 32 досліджень ШІ-грамотності викладачів мови виявив її відсутність у моделях навантаження, політиках просування та розподілі ресурсів, із фрагментованим розвитком і зсунутою між установами та агентствами підзвітністю — тому розвиток грамотності типово переходить на індивідуальні зусилля, а не на структурну підтримку (Deng, Çelik & Duran (2026)).

Метафори та спільна мова в освітньому розвитку

Викладацький склад має різноманітні, часто глибоко амбівалентні ментальні моделі ШІ, і ефективний розвиток має їх виявляти та працювати з ними. Gerhardt et al. показують, що інженерні викладачі фреймують ШІ через метафори, які водночас конструюють і обмежують розуміння (ШІ як людський «помічник» проти «інструмента» чи «пошукової системи»); оскільки викладачі в межах одного факультету часто мають принципово різні концептуалізації, спільна, точна мова про GAI є передумовою для ефективного розвитку факультету та продуктивних факультетських обговорень впровадження.

Практичний метод виявлення цих ментальних моделей — семінар із аналізу метафор. Vallis, Wilson & Casey (2025) спроєктували й валідували низькотехнологічний, колаборативний семінар для викладачів, персоналу та студентів, щоб сформулювати свої метафори генеративного ШІ. Метафори учасників кластеризувалися в чотири категорії — Функції (інструментальні: «швейцарський армійський ніж»), Ролі (людські: «помічник», «відчайдушний друг-ворог»), Якості (непізнанні: «чорна скринька», «ковзкий схил») та Агентність (загрозливі: «конкурент», «зловісний робот») — виявляючи стійкі напруги між людською та машинною Суб’єктність здобувача та між пізнаним і непізнаним. Семінар допоміг учасникам виявити припущення, поєднатися між ролями, відчути, що «ти не сам», і подумати про Етика GenAI, не вимагаючи технічної експертизи. Як інструмент розвитку він дає проєктантам програм низькопороговий спосіб виявити припущення команди перед перепроєктуванням Оцінювання або впровадженням політики, і протистояти страхам прямо — включно зі страхом, що ШІ замінить ролі викладачів.(Fear and Awe: Making Sense of Generative AI Through Metaphor)

GenAI як робота з ідентичністю, а не лише підвищення кваліфікації

Погляд, обізнаний з пороговими поняттями, переосмислює інтеграцію GenAI як онтологічну трансформацію для факультету, а не як прогалину в навичках. Застосовуючи теорію порогових понять (Meyer & Land), Laidlaw стверджує, що GenAI демонструє всі п’ять порогових характеристик — трансформативність (перебудовує припущення про оцінювання, педагогіку та професійну роль), проблемність (порушує вірування про оригінальність, людську агентність і зв’язок між зусиллям та досягненням), незворотність, інтегративність (поєднує технологію, педагогіку, епістемологію та ідентичність) і обмеженість (володіння GenAI стає новим маркером професійної валюти).(When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap)

За цим розрахунком викладачі, які запитують «у чому сенс викладання у світі GenAI?», не є некомпетентними; вони перебувають у лімбічній фазі переходу через поріг, де тривожність, опір і плутанина є необхідними частинами трансформації, а не перешкодами, які треба усунути. Підготовка на основі навичок, яка відповідає на питання компетентності, якого викладачі не ставлять, може стати периферійною щодо справжньої трансформації, а добре намічене управління може перетворитися на «ілюзію забезпечення дотримання» — комунікуючи правила, а не підтримуючи зміну.(When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap)

Наслідок для дизайну: доповнюйте (не заміщайте) формування навичок практиками, що підтримують ідентичність, — відкривайте сеанси питаннями ідентичності, а не технічними демонстраціями, ведіть постійні специфічні для дисципліни когорти, де викладачі досліджують, що GenAI означає для сенсу їхньої галузі, створюйте структури взаємонаставництва, які шанують різні часові рамки трансформації, і відрізняйте вагання, засноване на страху (якому корисна підтримка), від принципової відмови від впровадження, обґрунтованої легітимними дисциплінарними цінностями (яка заслуговує на повагу).(When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap) Наведена вище модель семінару з метафор є однією конкретною реалізацією цього: замість того щоб починати з технічного підвищення кваліфікації, вона відкривається інтерпретативним, навантаженим ідентичністю питанням про те, що GenAI означає для учасників.

Емпірична підтримка фреймінгу роботи з ідентичністю. Farazouli et al. (2026) надають прямі якісні докази на користь цього розрахунку: 24 шведські викладачі університету описували появу GAI як тривожну та приголомшливу, повідомляючи про «стан уразливості» (низька упевненість, невпевненість, страх «не бути попереду студентів») і відчуття, що вони «застрягли» між утопічними та дистопічними дискурсами. Їхні обмежені знання та досвід, поряд із відчуттям уразливості, вказують на брак готовності викладачів орієнтуватися в GAI, оцінювати та впроваджувати його, — і автори стверджують, що установи мають надати виділені простори й час для того, щоб викладачі експериментували з GAI, обмінювалися ідеями та спільно розвивали практики й настанови на інституційному, факультетському і курсовому рівнях. Це обґрунтовує підхід, орієнтований на роботу з ідентичністю та підтримку, у власному досвіді викладачів, а не лише в теорії.

Програма, яка працювала з питанням ідентичності напряму. Chick, Morello & Staffey (2026) повідомляють про шеститижневий літній інститут, який вивів десятьох викладачів із факультетів освіти, наук про здоров’я, бізнесу та інших програм із низького володіння ШІ (середня самооцінка 1,89 за шістибальною шкалою) до 60%, що повідомили про високу упевненість у наставництві використання ШІ студентами і 90% позитивних сприйнять, і вони пов’язують цей зсув менше з підготовкою до інструментів, ніж зі структурованими, безпечними експериментами, які відкривалися екзистенційним питанням професійної цінності, а не з демонстраціями. Маркером, на який вони спираються, є зміна словника: ранні формулювання ШІ як «машини для списування» чи «знелюднювальної сили» поступилися місцем «допитливому помічнику», а їхні чотири теми — від страху до допитливості, прагнення до етичної ясності, якого не забезпечив вакуум політики, інклюзивний дизайн як підсилювач справедливості, і перехід викладачів від ролі привратників до ролі провідників, — описують часткову, свідому переорієнтацію навчальної ідентичності. Десять капістоун-перепроєктувань є важчим доказом, вісім із десяти позиціонують ШІ як скаффолдинг, що підтримує, а не заміщає, мислення, а автори формалізують те, що побудували учасники, як симбіотичну педагогіку: взаємодоповнювальний дизайн, прозорий процес, критичну інтеграцію, вбудоване етичне міркування та ітеративне вдосконалення. Застереження є структурним, а не індивідуальним: ті самі учасники назвали суперечливі сигнали політики, особисті підписки на інструменти та відсутність звільненого часу для перепроєктувань, тому автори роблять висновок, що опір ніколи не був проблемою і що частинні відповіді, що залишають політику та інфраструктуру недоторканими, зазнають невдачі навіть із ентузіастичною когортою.

Розвиток як посередництво, і перше питання, яке ставить розробник. Sithole (2026) досліджує академічний розвиток — старішу назву галузі, і термін, який використовує International Journal for Academic Development, що опублікувало статтю, — у двої південноафриканських Historically Disadvantaged Institutions і переосмислює розробників не як технічних реалізаторів, але як цифрових посередників, що працюють у трьох регістрах: педагогічному (перекладаючи дискурс ШІ в життєздатну практику викладання, навчання та Оцінювання), етичному (тримаючи автоматизацію проти Академічна доброчесність, інновації проти турботи) та інституційному (працюючи в лімбічному просторі між імперативами управління та академічними побоюваннями). Два висновки мають значення для дизайну програм. По-перше, фільтрувальне питання є контекстуальним раніше, ніж технічним — «що це означає для викладання тут, для наших студентів із бідних шкіл?» — і уповільнення впровадження вважається частиною роботи, а не опором до неї. По-друге, афективна ціна є структурною, а не особистою: від розробників очікували проєктування експертизи в інструментах, наслідки яких вони ще осмислювали («Я відчуваю себе самозванцем. Я вивчаю ШІ на ходу, але установа очікує експертизи»), і їхньою відповіддю було колегіальне професійне навчання, спрямоване на судження, а не на навичку, включно з навмисною спробою зламати інструменти. Аналітичний внесок статті — відокремити цифрову нерівність, дистрибутивну проблему, від алгоритмічної колоніальності, епістемічної проблеми, яка виживає за умов повного доступу, — і розмістити обидві всередині Global South вищої освіти, де роботу з розвитку очікують бути трансформативною, а не нейтральною службою підтримки.

Провина та моральний дискомфорт як сигнал розвитку. Vassallo (2026) надає афективний відповідник розрахунку ідентичності. В опитуванні академічного персоналу університету на Мальті (109 відповідей, рівень 3,5%, який стаття читає як сам по собі інформативний щодо стану етичної дискусії), провина стежила за приховуванням, а не за розкриттям — обмеження використання ШІ через дискомфорт корелювало з індексом провини щодо ШІ на r = .62, а уникнення розкриття колегам — на r = .50, — тоді як формальне розкриття в академічних роботах не показало жодного зв’язку (r = .08). Лише 31,2% бачили чіткі інституційні настанови, і кореляція між цією ясністю та нижчою провиною була слабкою (r = −.25, p = .010), що стаття читає як доказ, що накази згори не можуть вирішити проблему, яка є частково емоційною та заснованою на ідентичності. Її рекомендації є безпосередньо розвитковими: розглядайте провину та побоювання щодо ідентичності як нормальні перехідні реакції, а не як вади, які треба виправляти, використовуйте структуровані експерименти з низькими ставками, щоб провести персонал через антиципаційну тривожність, і спирайтеся на наставництво з боку старших академіків, оскільки провина була найвищою серед персоналу на початку кар’єри (M = 2,71) і найнижчою серед старших (M = 2,03).

Практичні настанови для проєктантів програм

Для розробників факультету, академічних лідерів та дизайнерів навчання, які планують професійний розвиток із ШІ, докази бази знань вказують на таке:

Враховуйте чотири драйвери впровадження, а не лише знання. Упевненість, ставлення, підтримка та побоювання передбачають, чи факультет фактично впроваджує ШІ, — семінар, заснований лише на знаннях, який ігнорує їх, навряд чи змінить практику. Проєктуйте розвиток так, щоб будувати упевненість через практичне використання, надавайте постійну підтримку (а не одноразову підготовку) та активно виявляйте й відповідайте на побоювання факультету.(AI Adoption Among Teachers: Insights on Concerns, Support, Confidence, and Attitudes)

Упевненість і грамотність не є взаємозамінними цілями: у SEM з 502 респондентами з викладацького складу університету ШІ-грамотність була домінантним предиктором ШІ-благополуччя (β = 0,713), тоді як технологічна самоефективність давала малий внесок (β = 0,082), а підтримка досягала благополуччя лише опосередковано (Liu et al. (2026)).

Розглядайте попит на настанови та їхню адекватність як окремі проблеми. Викладачі одного університету сильно підтримували інституційні заходи проти неетичного використання ШІ (M = 4,59), водночас оцінюючи наявні настанови найнижче (M = 2,99), і називали приватність даних і культурну інклюзивність найслабшими своїми знаннями — конкретна ціль для професійного розвитку (Bilgic & Sever, 2026).

Розглядайте готовність як соціотехнічну проблему узгодження. Рамка EPIQ-AI показує, що готовність викладацького складу охоплює епістемічний, педагогічний, інституційний домени та домен якості й відповідності вимогам. Програми, які тренують лише індивідуума, пропускають інституційні важелі (політику, навантаження, стимули, стандарти якості), які вможливлюють або блокують зміну, — узгоджуйте їх поряд із підготовкою.(Faculty Readiness for AI-Supported Teaching and Scalable Online Program Delivery in Higher Education: The EPIQ-AI Framework for Epistemic Integrity)

Не прирівнюйте інвестиції в інфраструктуру до трансформації. У межах 125 досліджень інвестиції установ в інфраструктуру GenAI та освітній розвиток корелювали лише слабко з фактичною педагогічною зміною (r = 0,12), тоді як 60–70% викладачів почувалися неготовими інтегрувати GenAI, — що робить розвиток, а не закупівлю, обмежувальним чинником.(Rathnayake (2026))

Будуйте в напрямі перепроєктування навчального плану, а не впровадження інструментів. Мета — щоб факультет перепроєктовував курси та оцінювання, а не лише додавав інструменти ШІ. Обґрунтовуйте професійний розвиток у роботі з перепроєктування на рівні курсу та реформі оцінювання і надавайте факультету структуровані рамки для цього (наприклад шкали оцінювання, рамки інституційних змін).(A Framework for Institutional Change in the Age of AI)(A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform)

Зберіть громаду, а не індивідуума. У межах 12 опитаних академіків і 17 студентів перепроєктування оцінювання в епоху GenAI перевищувало можливості будь-якого окремого академіка — називалися негнучкі процеси, довгі терміни виконання та тягар навантаження, — тому автори пропонують команду рівня програми, що поєднує експертизу з дизайну оцінювання, GenAI, предметної області, програми та галузі (Nicola-Richmond et al., 2025).

Ведіть серію на власних даних кімнати, а не на імпортованій найкращій практиці. Perl-Nussbaum and Finkelstein (2026) документують опрацьовану модель з великого державного фізичного факультету R1: шість двотижневих сеансів по 60–75 хвилин, дев’ятнадцять викладачів, що брали участь у серії, і приблизно десять на кожній зустрічі, де кожен сеанс відкривався локальними даними чи матеріалами факультету, переходив до тестування ШІ в малих групах проти реальних анонімізованих домашніх завдань студентів і завершувався колективним обговоренням. Те, що викладачі виявили через тестування, було кориснішим за будь-який пакет, який фасилітатори могли б імпортувати, — ШІ вирішив кожну задачу, яку вони спробували, але його зворотний зв’язок на реальних роботах студентів був нерівномірним, залежним від підказки та зосередженим на поверхні, якщо йому не давали явних цілей і рубрик, а студенти підказували поверхнево і модифікували результат поверхово, якщо продуктивне використання не моделювалося. Першим конкретним результатом стало живий репозиторій із п’яти записів — тверджень політики в описі курсу, матеріалів для обговорення в класі, опитування студентів, інтегрованих із ШІ домашніх завдань та структур оцінювання, — і саме тому автори розглядають саму структуру сеансів як аргумент, а не будь-який зміст, який вона доставила.

Закріплюйте в рамці компетентностей. Розвиток має також будувати педагогічну підказкову грамотність — здатність кодувати педагогічні наміри в підказках, — оскільки Talebzadeh (2026) виявляє, що саме педагогічна експертиза, а не володіння ШІ, визначає якість проєктної роботи викладачів із підтримкою ШІ.(AI-accelerated End-to-End Framework for Rapid Professional Upskilling)(AI literacy-related domains and AI-TPACK readiness among preservice mathematics teachers: A factor-informed structural equation modelling study)(The Architecture of Roles in AI-Designed Group Activities: A comparative inductive analysis of novice and experienced teachers' differentiated instruction within the IAT framework)

Послідовно ставте розуміння перед автоматизацією. Критичний дискурс-аналіз 14 творивої сірої літератури, опублікованої між листопадом 2022 і квітнем 2025, яка радить практикам щодо генеративного ШІ для конструктивного узгодження, виявляє, що здатність має передувати доступові інструментів: оскільки в рамці Конструктивізм якість залучення передує якості розуміння, ризик масштабується обернено пропорційно до знайомості, а новачки є найбільш відкритими до керованого правдоподібністю прийняття правдоподібних, але педагогічно тонких результатів. McInnes et al. (2026) далі стверджують, що підрозділи розвитку мають опиратися техніцистському брифу — допомагаючи факультету «набути володіння» інструментами, які виконують «важку роботу» дизайну курсу, — оскільки цей фреймінг вимикає розробників із замкненого циклу «викладач–GenAI» і переосмислює розвиток, керований цінностями і стосунками, як посередницький механізм для впровадження програмного забезпечення. Захищана альтернатива зберігає освітніх розробників як кураторів і встановлювачів правил будь-якого інституційно обмеженого помічника з узгодження на основі розширеного пошуком витягнення, який ставить розвідувальні питання, позначає недо- та надмірне оцінювання і генерує альтернативи, але ніколи — готові артефакти, причому ескалація до людського судження в питаннях акредитації та міжпрограмних питань розглядається як особливість, а не як виняток.

Виявляйте страхи та ментальні моделі та відповідайте на них. Перед перепроєктуванням викладання використовуйте семінар із аналізу метафор (Vallis, Wilson & Casey 2025), щоб виявити припущення та тривожності команди щодо GenAI — включно зі страхом, що він замінить ролі викладачів, — і будуйте розвиток, який відповідає на них, а не ігнорує їх.(Fear and Awe: Making Sense of Generative AI Through Metaphor)

Моделюйте ШІ-грамотність і вимірюйте справжні здобутки. Розвиток факультету має сам утілювати практики, яких він навчає, — використовуючи ШІ педагогічно, критично оцінюючи результати, — і має оцінювати продемонстровану компетентність, а не самооголошувану упевненість, оскільки самосприйняття надійно переоцінює навичку ШІ.(How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures)(Efficacy of an Intensive Generative AI Professional Development Program on Pedagogical Content Knowledge (AI-PCK) and the Comparative Analysis of Learning Gain between Experienced and Pre-service Teachers)

Не припускайте, що експертиза в предметній області переноситься на GenAI. Sutedjo, Chowdhury & Liu (2026) опитали 127 викладачів дослідницьких університетів США за допомогою інструменту TPACK-21 і виявили, що знання змісту (CK) показали відсутність значущої кореляції з технологічними знаннями чи будь-яким доменом, інтегрованим із технологіями (r = .11–.15, нз), — дисциплінарна експертиза не передбачала знань щодо інтеграції GenAI. Домени, інтегровані з технологіями (TPK, TCK, TPACK), взаємокорелювали настільки сильно (r = .81–.91), що можуть функціонувати як єдиний фактор інтеграції GenAI. Практично: будуйте інтеграцію GenAI через специфічні для дисципліни активності, які поєднують можливості GenAI із предметною областю кожного члена факультету, і розглядайте домени, інтегровані з технологіями, як єдину спільну основу грамотності щодо GenAI, а не тренуйте їх як окремі навички.(Assessing faculty self-perceived knowledge in using generative AI to teach 21st-century skills)

Специфічні для дисципліни моделі розумних класів. Zhu, Liang, Mao, and Wang (2026) показують, як курс математики для ступеня M.Ed. може бути збагачений інтелектуальними освітніми технологіями (автоматичним оцінюванням, персоналізованими рекомендаціями, багато-ШІ зворотним зв’язком), інтегрованими на етапах до, під час і після заняття в межах тривимірної рамки розумного класу. Їхній квазіексперимент виявив статистично значущі здобутки в профіцієнтності дизайну навчальних цілей, пропонуючи переносиму модель D-T-E (Disciplinary Demand–Technological Empowerment–Evaluation Loop) для освітян викладачів і освітніх розробників, які прагнуть перевести рамки розумної освіти від макропонять до специфічної для дисципліни практики.

Вимірюйте відвідуваність, а не відчуття залученості. У шестимісячній програмі Intelligent-TPACK для 64 викладачів університету норма відвідуваності передбачала приріст у компетентності зі ШІ (β = .407, p = .001), тоді як самосприйнята участь — ні (β = .049, p = .692), що автори читають як конкретну поведінкову інвестицію проти залученості на поверхневому рівні (Tan, Cheng & Ling, 2025). Програма поєднувала онлайн-лекції з трьома очними семінарами, потім вимагала від викладачів переглянути свої дизайни навчання та впровадити їх наступного семестру, і автори рекомендують вводити відвідуваність до атестації поряд із змістовними стимулами.

Зіставляйте з тим, що повідомляє сам факультет. Опитування Watson & Rainie (2026) серед 1 057 викладачів США виявляє, що інституційний шар є тонким у таких відношеннях, які проєктанти програм можуть вимірювати напряму: 59% вважали, що їхня школа не готова ефективно використовувати генеративний ШІ для підготовки студентів до майбутнього, і 68% казали, що вона не підготувала факультет використовувати його для викладання та наставництва, тоді як структурна відповідь сягала робочої групи в 55% установ, але результату загальноосвітньої ШІ-грамотності — лише в 13%. Факультет не чекав політики — 87% писали власні правила на рівні завдань проти 48%, які могли вказати на інституційне, — і він називав опір колег (82%) та незнайомість (83%), а не наказ, перешкодами для факультетського впровадження. Для програм розвитку це вказує на необхідність розглядати колегіальні норми, спільну мову політики на рівні завдань і явні заміри інституційної готовності як частину втручання, а не залишати їх політичному документу.

Відповідь викладача віддзеркалює центри влади, а не ставлення. В інструментальному кейс-дослідженні 33 викладачів письма чотири поліцентричні центри влади — глобальний тренд GenAI, університет/факультет, колеги та студенти — формували практику, і ад’юнкти, обмежені обмеженою дискурсивною владою, переміщалися від виявлення до викладання прийнятного використання (Zuo et al. (2026)).

Пов’язані поняття

• Компетентність викладача в галузі ШІ
• Викладання
• ШІ-грамотність
• Політика щодо ШІ в освіті
• Вища освіта
• K-12
• Проєктування навчання
• Конструювання навчальної програми
• Навчання на робочому місці
• Професійний розвиток
• Науки про навчання
• Розробники освітніх технологій
• Зацікавлені сторони — Umbrella: people and audiences in AI education (learners, teachers, designers, administrators, policymakers)

Пов’язані статті

• Efficiency at what cost? Salvaging constructive alignment from the GenAI hype — Critical discourse analysis of GenAI alignment advice: developers recast as technology trainers

• Designing faculty standards for technology integration in higher education institutions: a design-based research study — Faculty standards for technology integration (DBR)

• Understanding ethical dimensions of AI in higher education: insights from faculty members and students — Ethical dimensions of AI: faculty and student views

• It Takes a Village... Program-Wide Approaches to Redesigning Assessment in a Time of Generative Artificial Intelligence (GenAI)

• It's Like "X": How Engineering Faculty Metaphors Construct (and Constrain) AI Understanding in Engineering Education — How Engineering Faculty Metaphors Construct (and Constrain) AI Understanding

• Fear and Awe: Making Sense of Generative AI Through Metaphor — Fear and Awe: Making Sense of Generative AI Through Metaphor (faculty/staff/student metaphor workshop)

• Governing the Unseen: A Systematic Review of AI Literacy among Language Teachers in Higher Education — Governing the unseen: AI literacy among language teachers

• Faculty Readiness for AI-Supported Teaching and Scalable Online Program Delivery in Higher Education: The EPIQ-AI Framework for Epistemic Integrity

• AI Adoption Among Teachers: Insights on Concerns, Support, Confidence, and Attitudes

• A Framework for Institutional Change in the Age of AI

• A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education

• AI literacy-related domains and AI-TPACK readiness among preservice mathematics teachers: A factor-informed structural equation modelling study

• AI-accelerated End-to-End Framework for Rapid Professional Upskilling

• A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform

• From Prompts to Verified Loops: The PCHL-HE Framework for Generative AI-Assisted Educational and Research Content Creation in Higher Education

• Efficacy of an Intensive Generative AI Professional Development Program on Pedagogical Content Knowledge (AI-PCK) and the Comparative Analysis of Learning Gain between Experienced and Pre-service Teachers

• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025)

• When faculty ask, 'what's the point of teaching?': GenAI as identity crisis, not skills gap — GenAI as identity crisis, not skills gap

• “Will AI steal my glory?”: Power relations perceived by college instructors when grappling with Generative AI — Power relations perceived by college instructors grappling with GenAI in writing (Zuo, Xu & Dunning 2026)

• The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development — Reflective Triangle Model: AI as cognitive mediator

• Assessing faculty self-perceived knowledge in using generative AI to teach 21st-century skills

• Enhancing Teachers' AI Competency: A Professional Development Intervention Study Based on Intelligent-TPACK Framework — Intelligent-TPACK PD: attendance predicts gains, self-perceived participation does not — Faculty self-perceived TPACK-21 knowledge for GenAI (Sutedjo, Chowdhury & Liu 2026)

• Improving Instructional Design Proficiency of Master's Students in Mathematics Education Through Intelligent Educational Technologies — Smart-classroom model and D-T-E loop improving M.Ed. instructional design proficiency in mathematics (Zhu et al. 2026)

• The Architecture of Roles in AI-Designed Group Activities: A comparative inductive analysis of novice and experienced teachers' differentiated instruction within the IAT framework — Architecture of roles in AI-designed differentiated group activities (Talebzadeh 2026)

• Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence — University teachers' experiences and perceptions of GAI: vulnerability, rethinking assessment, student learning at risk (Farazouli et al. 2026)

• From fear to innovation: A case study of transformative faculty development for ethical AI integration in higher education — From fear to innovation: a six-week faculty institute, symbiotic pedagogy, and the institutional conditions it could not supply

• The AI guilt complex: Moral emotions and ethical dilemmas in academic technology adoption — The AI Guilt Complex: anticipatory guilt, concealment and career-stage differences among academic staff (Vassallo 2026)

• The AI Challenge: How college faculty assess the present and future of higher education in the age of AI — AAC&U/Elon survey of 1,057 US faculty: institutional unpreparedness, thin governance and the 87%/48% policy gap (Watson & Rainie 2026)

• Beyond the algorithm: academic developers as digital mediators in Global South higher education — Academic developers as digital mediators in Global South higher education: development as sociotechnical praxis

• A Workshop Series for Effective Use of AI in Uncertain Times: Building a Physics Faculty Learning Community — A Workshop Series for Effective Use of AI in Uncertain Times: Building a Physics Faculty Learning Community

• Exploring University Faculty's AI Well-Being: A Structural Equation Model of Social Supports, AI Literacy, and Technological Self-Efficacy — Faculty AI well-being tracks AI literacy rather than technological self-efficacy