Giảng viên cần những năng lực gì về AI?

Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.

Ủy ban phát triển giảng viên có đúng một suất vào tháng Một và hiệu trưởng muốn suất đó nói về AI. Hoặc bạn điều hành trung tâm giảng dạy, và ba khoa đã xin “một buổi tập huấn AI” mà hóa ra lại có nghĩa là ba thứ khác nhau. Hoặc bạn đã dùng những công cụ này được một năm và muốn biết mình còn thiếu gì trước khi xây lại một môn học quanh chúng.

Điểm mấu chốt: kỹ thuật viết prompt là phần nhỏ nhất trong việc này. Giảng viên cần phán đoán được mô hình làm được gì và không làm được gì, thiết kế bài tập và đánh giá quanh phán đoán đó, và biết khi nào phải giữ nó ra ngoài một môn học hoàn toàn. Sự tự tin là một chỉ báo tồi cho bất cứ điều nào trong số đó, nên hãy xây chương trình quanh năng lực thực hiện và quanh các ngành chứ không quanh một buổi trình diễn công cụ.

Tóm tắt

1. Định nghĩa năng lực theo bốn chiều, và thêm một lớp giảng dạy cho bất kỳ ai đánh giá sinh viên.

2. Đánh giá bằng năng lực thực hiện chứ không bằng một bản khảo sát. Hiểu biết tự đánh giá và năng lực đã thể hiện tách rời nhau.

3. Đưa các ngành vào phòng. Chuyên môn môn học không tự chuyển sang việc tích hợp công nghệ.

4. Dạy rõ các miền công nghệ, vì đó là những miền đo được thấp ngay cả ở những giảng viên tự tin.

5. Coi “khi nào không nên dùng thứ này” là một năng lực, và cho giảng viên chỗ dựa để từ chối.

Định nghĩa năng lực trước khi đặt phòng

Bản tổng hợp Năng lực AI của cơ sở kiến thức xác định bốn chiều, và chúng là một chương trình làm việc hữu ích vì mỗi chiều cần một kiểu phiên khác nhau:

• Hiểu biết nền tảng về năng lực và giới hạn của AI.
• Năng lực thực hành trong việc dùng các công cụ AI.
• Đánh giá có phê phán về độ chính xác, thiên lệch, tính phù hợp và sự không chắc chắn.
• Nhận thức đạo đức và thể chế liên quan tới những vấn đề như liêm chính, quyền riêng tư, công bằng và quản trị.

Với giảng viên, những chiều đó cần thêm một lớp sư phạm ở trên. Giảng viên nên có khả năng quyết định công việc nhận thức nào sinh viên phải giữ lại, chọn những cách dùng AI phục vụ mục tiêu học tập, thiết kế đánh giá hợp lệ cho thời đại AI, dạy sinh viên tự xác minh và tự điều chỉnh việc dùng của họ, nhận ra bịa đặt, phụ thuộc quá mức và nịnh bợ, và biết khi nào phán đoán của con người nên đè lên tự động hóa.

Họ cũng cần đủ hiểu biết hệ thống để đánh giá cách các quy trình được AI sinh tạo hỗ trợ khớp với nhau. Một buổi tập huấn dạy một công cụ tách rời tạo ra những giảng viên có thể demo công cụ đó mà không nói được điều gì hỏng khi nó được nối vào một quy trình chấm điểm. Năng lực AI của giáo viên và Phát triển giảng viên giữ phiên bản dài hơn của lập luận đó.

Hãy viết danh sách ra trước khi bạn lên kế hoạch cho các phiên. Bốn chiều cộng một lớp giảng dạy là đủ để biện minh cho bốn phiên thay vì một, và đủ để nói cho trưởng khoa biết yêu cầu của họ thật ra là về chiều nào trong bốn chiều.

Đánh giá năng lực thực hiện thay vì sự tự tin

Năng lực AI tự báo cáo có thể tách rời đáng kể khỏi năng lực đã thể hiện, và đó là cảnh báo thực tế nhất trong tài liệu này cho bất kỳ ai điều hành việc phát triển giảng viên. Một bản khảo sát sự tự tin vào cuối buổi tập huấn đo cảm giác của buổi tập huấn.

Nghiên cứu về quy trình đa tác tử của giáo viên thêm một lý do thứ hai để kiểm tra thay vì hỏi: tư duy hệ thống, niềm tin sư phạm và sự tự tin tương tác với nhau trong việc tích hợp AI, nên cùng một phiên đáp xuống hai giảng viên có cùng nền môn học theo hai cách khác nhau. Điều đó lập luận cho việc lập trình khác biệt hóa, và chống lại buổi tập huấn công cụ một cỡ cho tất cả mà phần lớn các cơ sở đang chạy.

Phiên bản rẻ của việc đánh giá năng lực thực hiện là một nhiệm vụ, không phải một công cụ đo. Hãy yêu cầu mỗi người tham gia mang tới một bài tập, sửa nó với mô hình trong phiên, rồi bảo vệ bản sửa đó trước một đồng nghiệp: cái gì đã thay đổi, giờ nó đánh giá cái gì, sinh viên không còn được chấm điểm về cái gì nữa. Việc đó mất hai mươi phút và nói với bạn nhiều hơn bất kỳ thang đánh giá cuối ngày nào.

Kỳ vọng điểm yếu là việc tích hợp

Nghiên cứu gần đây về giáo dục đại học đưa ra con số về chỗ năng lực giảng viên mạnh và chỗ nó đứt gãy. Một khảo sát 127 giảng viên tại một đại học nghiên cứu lớn của Hoa Kỳ dùng công cụ Technological Pedagogical Content Knowledge (TPACK)-21 phát hiện kiến thức nội dung sư phạm tự nhận cao (M = 4.70) và kiến thức nội dung gần trần (M = 5.15). Các miền tích hợp công nghệ thấp hơn rõ rệt: kiến thức sư phạm công nghệ (M = 2.62), kiến thức nội dung công nghệ (M = 2.75), và TPACK tổng thể (M = 2.55, thấp nhất trong bảy miền).

Hãy đọc khoảng cách đó cho đúng. Đây là những người biết môn học của mình và biết cách dạy nó, và không biết cách biến một mô hình thành một phần của cả hai. Chuyên môn nội dung không dự đoán được kiến thức tích hợp GenAI (tương quan CK r = .11 tới .15, tất cả đều không có ý nghĩa thống kê), nên một chương trình không thể giả định rằng sự thành thạo môn học tự chuyển sang. Nó phải xây năng lực qua công việc có chủ đích và chuyên biệt theo ngành.

Một phát hiện nữa định hình thiết kế. Ba miền tích hợp công nghệ tương quan r = .81 tới .91, điều gợi ý rằng chúng có thể vận hành như một năng lực tích hợp GenAI duy nhất. Nếu điều đó đúng, hãy dạy nó như một nền tảng chung thay vì ba kỹ năng riêng với ba phiên riêng.

Thiết kế các phiên quanh một môn học thật

Điều việc tập huấn làm được và không làm được hiện ra rõ trong một nghiên cứu trong cùng đối tượng với 13 giáo viên giáo dục đại học. Cho giáo viên một chatbot cải thiện rõ rệt chất lượng thiết kế học tập của họ, với tỷ lệ đạt từ hai nhiệm vụ Bloom bậc cao trở lên tăng từ 41.7% lên 91.7% (p = .01). Nỗ lực nhận thức được cảm nhận giảm mạnh, trung vị từ 6.33 xuống 3.33 (p = .004). Phần tập huấn viết prompt sư phạm chồng lên trên không cải thiện thêm chất lượng và làm tăng nỗ lực một chút.

Ba điều đi theo sau, và điều thứ ba là điều các chương trình bỏ qua.

Tiếp cận thay đổi hành vi giảng dạy một cách dễ dàng. Đưa cho giảng viên một mô hình có năng lực và một nhiệm vụ thật, và công việc trước mắt họ tốt lên trong vòng một phiên.

Năng lực sâu hơn cần nhiều hơn một buổi tập huấn. Lớp viết prompt làm tăng nỗ lực mà không tăng chất lượng đo được. Dạy người ta viết prompt tốt hơn là một kỹ năng, và theo bằng chứng này nó không phải là ràng buộc cho thiết kế tốt hơn.

Lợi ích về chất lượng không chứng minh rằng thực hành đã được nội hóa. Mười ba giáo viên thiết kế lại một nhiệm vụ tốt với công cụ đang mở. Liệu họ có làm được điều đó một học kỳ sau, không có công cụ, là một câu hỏi khác, và nghiên cứu không trả lời nó. Hãy đưa một bước theo dõi vào chương trình thay vì giả định lợi ích còn lại.

Bao phủ những phần của vai trò ngoài việc giảng dạy

Năng lực cũng là một câu hỏi thể chế, và phần lớn các khung chỉ trả lời một phần của nó. Nghiên cứu thiết kế với 114 người tham gia tại 28 cơ sở ở Hoa Kỳ và 11 quốc gia tạo ra sáu tiêu chuẩn công nghệ cho giảng viên bao trùm toàn bộ vai trò học thuật: Giảng viên, Điều phối viên, Người lãnh đạo, Nhà nghiên cứu, Người học và Người đóng góp. Lý do các tác giả xây chúng mới là phần hữu ích. Các khung hiện có (Technological Pedagogical Content Knowledge (TPACK), SAMR) và các tiêu chuẩn nhà giáo dục (ISTE, UNESCO, DigCompEdu) nói về giáo viên K-12 hoặc chỉ bao phủ chiều giảng dạy.

Với một người làm phát triển giảng viên, điều đó định khung lại yêu cầu. Một khoa xin một buổi tập huấn AI cho giảng viên của họ là đang hỏi về một trong sáu vai trò. Những điều phối viên của cùng khoa đó đang ra các quyết định ở cấp chương trình, những nhà nghiên cứu của họ đang viết với những công cụ này, và những người lãnh đạo của họ đang phê duyệt các hợp đồng mua. Một phiên không thể phục vụ tất cả, và giả vờ rằng có thể là cách một chương trình kết thúc với tỷ lệ tham dự cao và không có thay đổi nào trong thực hành.

Dành chỗ cho việc từ chối

Việc chấp nhận chống lại một cách định khung thuần kỹ thuật, và sự kháng cự thường là một phán đoán chứ không phải một lỗ hổng. Một khảo sát 287 giáo viên tại 27 quốc gia tìm ra một mô hình tinh chỉnh giải thích 79.8% phương sai trong ý định hành vi. Quyền tự chủ được cảm nhận của AI chỉ ảnh hưởng gián tiếp tới ý định, thông qua tính hữu ích. Sự ngại rủi ro là một yếu tố dự đoán âm có ý nghĩa (−.163), và giáo viên lo về phụ thuộc quá mức và rủi ro liêm chính của sinh viên nhiều hơn hẳn so với việc dùng của chính họ.

Các cuộc phỏng vấn với hai học giả giàu kinh nghiệm mô tả nỗi lo đó cảm thấy thế nào từ bên trong: những căng thẳng bản sắc lặp lại giữa sư phạm và nền tảng, giữa nhà giáo dục và người điều phối, giữa sự quan tâm và sự tuân thủ, được đi qua bằng một sự chọn lọc có nguyên tắc neo vào các giá trị sư phạm.

Vậy nên năng lực bao gồm phán đoán nghề nghiệp về khi nào không nên dùng AI, và một chương trình không nói được điều đó thành lời sẽ đọc lên như một bài chào hàng đối với đúng những giảng viên mà bạn muốn nhất có mặt trong phòng. Hai học giả giàu kinh nghiệm là một nền bằng chứng nhỏ cho một khẳng định lớn; hãy coi phát hiện về bản sắc là một mô tả về một căng thẳng có thật chứ không phải một hiệu ứng đã đo, và để nó định hình giọng điệu của các phiên.

Những người phát triển giảng viên hiểu sai điều gì

Một buổi tập huấn viết prompt là một chương trình năng lực AI. Nó bao phủ một trong bốn chiều, và trong nghiên cứu với 13 giáo viên, lớp viết prompt làm tăng nỗ lực mà không tăng chất lượng đo được.

Giảng viên tự tin là giảng viên có năng lực. Tự báo cáo tách rời khỏi năng lực đã thể hiện, và khảo sát 127 giảng viên phát hiện kiến thức nội dung gần trần bên cạnh TPACK tổng thể ở 2.55. Sự tự tin bám theo chuyên môn môn học, và đó là thứ những giảng viên này đã có.

Chuyên gia nội dung sẽ tự tìm ra cách tích hợp. Kiến thức nội dung không dự đoán được kiến thức tích hợp trong khảo sát đó. Tương quan không có ý nghĩa thống kê, và đó là phát hiện biện minh cho việc lập trình chuyên biệt theo ngành thay vì một lời mời chung.

Một khung sẽ bao phủ tất cả mọi người. Tiêu chuẩn sáu vai trò tồn tại vì TPACK, SAMR và các tiêu chuẩn nhà giáo dục chủ yếu chỉ bao phủ giáo viên K-12 hoặc riêng chiều giảng dạy.

Sự kháng cự là một lỗ hổng kiến thức cần được lấp. Sự ngại rủi ro dự đoán ý định theo hướng âm, và phần việc về bản sắc mô tả giảng viên lý luận từ các giá trị sư phạm. Một phần của cái trông như sự miễn cưỡng là một lập trường bảo vệ được về việc sinh viên phụ thuộc quá mức.

Những gì sẽ quay lại với bạn

“Chúng tôi không có thời gian của nhân viên cho việc phát triển dựa trên năng lực thực hiện.” Vậy thì đừng xây một chương trình. Hãy xây một bài tập ở cấp nhiệm vụ: mang một bài tập tới, sửa nó với mô hình, bảo vệ bản sửa. Đó là phiên bản hai mươi phút, và nó tạo ra bằng chứng về năng lực mà một bản khảo sát hài lòng không tạo ra.

“Giảng viên của chúng tôi đã dùng những công cụ này rồi, nên việc tập huấn là lạc hậu với họ.” Việc dùng không phải là đối tượng cần đo. Khảo sát 127 giảng viên mô tả những người có kiến thức nội dung và sư phạm cao và kiến thức tích hợp công nghệ thấp, và nghiên cứu với 13 giáo viên cho thấy chất lượng thiết kế thay đổi theo quyền tiếp cận trong khi lớp viết prompt không thêm gì. Không kết quả nào nói rằng những giảng viên trước mặt bạn đã tích hợp được gì.

“Đây là một vấn đề tập huấn CNTT.” Mô hình ý định đặt tính hữu ích, không phải năng lực kỹ thuật, trên con đường tới việc chấp nhận, và sự ngại rủi ro chạy song song với nó. Trở ngại là phán đoán về sinh viên và về ngành học, và đó là lý do các phiên thuộc về trung tâm giảng dạy.

“Các khung năng lực là chi phí quan liêu.” Chúng là một tấm bản đồ cho một suất vào tháng Một. Bốn chiều nói cho bạn biết điều gì nên bỏ ra ngoài, và sáu vai trò nói cho bạn biết một yêu cầu thật ra dành cho nhóm độc giả nào.

Việc cần làm trong tuần này

1. Viết bốn chiều và lớp giảng dạy lên một trang, và đánh dấu chương trình hiện tại của bạn bao phủ những chiều nào.

2. Thay mẫu khảo sát hài lòng cuối phiên bằng một nhiệm vụ: một bài tập được sửa và được bảo vệ.

3. Xin hai khoa một môn học thật và một bài tập thật để làm việc, thay vì một lời mời chung.

4. Thêm một đoạn về khi nào nên giữ AI ra ngoài một nhiệm vụ, và nói thẳng rằng từ chối một cách dùng cụ thể là một phán đoán nghề nghiệp chính đáng.

5. Quyết định phiên tiếp theo của bạn phục vụ vai trò nào trong sáu vai trò, và gọi tên nhóm độc giả trong lời mời.

Đi tiếp từ đây

Bản đối ứng hướng tới sinh viên là Tôi nên đưa năng lực AI vào khóa học của mình như thế nào?, và Bằng chứng về các biện pháp can thiệp năng lực AI trong giáo dục đại học là gì? trình bày nền bằng chứng về hiểu biết đó mạnh đến đâu. Với bản tóm tắt nghiên cứu hướng tới giảng viên, xem 10 phát hiện hàng đầu từ nghiên cứu AI trong giáo dục mà giảng viên nên biết là gì?; Năng lực AI của giáo viên và Phát triển giảng viên mang phần tài liệu khung, và Làm thế nào để tôi viết chính sách AI cho khóa học và truyền đạt nó tới sinh viên? là văn bản mà phần lớn công việc phát triển này cuối cùng tạo ra.