Làm thế nào để thiết kế phát triển giảng viên về AI thực sự thay đổi thực hành?

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

Đang là tháng Hai. Hiệu trưởng học vụ của bạn đã công bố một sáng kiến AI với một khoản ngân sách riêng, và bạn có một học kỳ để làm cho nó hiện ra trong các lớp học. Hoặc bạn đã chạy sáu buổi tập huấn mùa thu trước, phòng đầy người, và việc giảng dạy bạn dự giờ vẫn không thay đổi. Hoặc một trưởng khoa hỏi câu đơn giản vào lúc lập ngân sách: số tiền đó đã mua được gì?

Cả ba tình huống đến từ cùng một lỗi thiết kế. Một buổi tập huấn cho người ta thấy một công cụ làm được gì. Thực hành thay đổi khi một giảng viên dành thời gian có hỗ trợ, có cấu trúc cho một vấn đề trong chính khóa học của mình, đủ lâu để một thói quen mới thay thế thói quen cũ, với tổ chức nói “được” với thử nghiệm đó thay vì chỉ chịu đựng nó.

Điểm mấu chốt cho cuộc họp: hãy chuẩn hóa một chu trình buổi học trong đó mỗi người tham gia mang tới một sản phẩm thật từ khóa học của mình và ra về với một sản phẩm đã được sửa, đặt việc xác minh, khai báo và kiểm soát rủi ro vào bên trong văn bản làm việc thay vì một bài nói về đạo đức ở cuối, kéo chương trình dài hơn một ngày và ghép nó với cố vấn, chạy các nhóm theo lĩnh vực, và báo cáo những sản phẩm người ta đã tạo ra ở một buổi theo dõi sau đó thay vì báo cáo họ cảm thấy tự tin thế nào vào chiều cuối cùng.

Tóm tắt

1. Neo mỗi buổi học vào một sản phẩm từ chính khóa học của người tham gia, và kết thúc buổi bằng việc sản phẩm đó đã được sửa.

2. Đặt việc xác minh, khai báo và kiểm soát rủi ro vào mẫu làm việc, nơi chúng được dùng thật, để một người tham gia đang lo lắng có chỗ để đặt nỗi lo của mình.

3. Dành thời gian cho đánh giá và rubric, lĩnh vực yếu nhất ở mức nền và là lĩnh vực có mức tăng đo được lớn nhất.

4. Chạy các nhóm theo từng lĩnh vực, rồi phân hóa bên trong các nhóm đó theo kinh nghiệm.

5. Bảo đảm các điều kiện: sự cho phép được nêu rõ để thử nghiệm, thời gian được bảo vệ, tài liệu bằng những ngôn ngữ mà giảng viên của bạn làm việc.

6. Đánh giá các sản phẩm đã sửa ở một thời điểm muộn hơn, cộng thêm một chỉ báo về quan hệ, và coi điểm hài lòng là nhiễu.

Chạy mỗi buổi trên chính khóa học của người tham gia

So sánh rõ ràng nhất ở đây là Bi và cộng sự (2026), những người đã khảo sát 568 giảng viên ở năm trường đại học và chạy một thử nghiệm bán thực nghiệm với 160 người trong số đó. Cả hai nhánh đều nhận bốn buổi tập huấn 90 phút trong các tuần liên tiếp, với thời lượng tiếp xúc, nền tảng và hỗ trợ từ người điều hành giống hệt nhau. Nội dung thì khác. Một nhánh nhận phát triển giảng viên về AI sinh tạo theo cách thông thường, nhánh kia nhận một chu trình có cấu trúc gồm xây dựng prompt, xem xét đầu ra, sửa tài liệu khóa học và viết suy ngẫm theo một mẫu bảy thành phần bao quát mục tiêu, ràng buộc nhiệm vụ, tiêu chí đánh giá, xác minh, khai báo và kiểm soát rủi ro.

Nhánh có cấu trúc đạt điểm cao hơn ở cả bảy chiều mức sẵn sàng. Lợi thế lớn nhất của nó nằm ở thiết kế prompt, khoảng hai độ lệch chuẩn, và đây là nhánh duy nhất có mức tăng về thiết kế prompt trụ được qua bài kiểm tra muộn; mức tăng nhỏ hơn của nhánh thông thường đã tụt xuống dưới mức nền ở lần theo dõi.

Hai kết quả nữa giải thích vì sao các buổi trình diễn không lan tỏa. Trong một nghiên cứu trong nhóm với 13 giảng viên đại học, việc có quyền truy cập chatbot nâng tỷ lệ hoạt động đạt từ hai nhiệm vụ Bloom bậc cao trở lên từ 41.7% lên 91.7% (p = .01) và giảm nỗ lực nhận thức được cảm nhận từ trung vị 6.33 xuống 3.33 (p = .004). Việc huấn luyện về kỹ thuật viết prompt sư phạm chồng lên trên đó không cải thiện thêm chất lượng thiết kế, và nó còn làm tăng nhẹ nỗ lực. Trong khi đó, ở một buổi tập huấn với 60 giáo viên khoa học trung học cơ sở, yếu tố có ích là việc cùng xem xét các câu hỏi đánh giá do ChatGPT tạo ra, chính điều đó làm lộ ra các vấn đề về độ chính xác khái niệm và nguy cơ củng cố những hiểu sai.

Điểm chung của các nghiên cứu đó: việc học đến từ việc phê phán và sửa tài liệu. Người ta cải thiện thứ đang ở trước mặt, và họ cải thiện nó nhanh hơn khi có một đồng nghiệp cũng đang đọc nó.

Đừng coi kỹ năng là mảnh ghép còn thiếu

Chẩn đoán hấp dẫn là một khoảng trống năng lực, được lấp bằng giảng dạy tốt hơn. Bai và Hsieh (2026) khảo sát 898 giảng viên đại học trên các thang AI-TPACK và phát hiện những giảng viên hiểu các công cụ tạo sinh vận hành thế nào, hoặc có thể dùng chúng thành thạo, không có khả năng cao hơn những người không làm được trong việc báo cáo rằng họ đã sáng tạo và triển khai các thực hành giảng dạy mới. Cấu trúc AI-TPACK tích hợp hoàn toàn không có đường dẫn trực tiếp tới hành vi đổi mới. Ảnh hưởng của nó chạy hoàn toàn qua năng lực AI, hiệu năng tự thân trong giảng dạy và bản sắc nghề nghiệp.

Điều đó thay đổi mục đích của một buổi học. Một buổi dạo qua các tính năng của công cụ không giải quyết điều nào trong ba điều trên. Một buổi trong đó giảng viên viết lại bài tập của chính mình, bảo vệ thay đổi đó và nghe một đồng nghiệp đồng ý rằng nó tốt hơn sẽ giải quyết cả ba cùng lúc, đó là lý do chu trình sản phẩm vượt qua buổi trình diễn ngay cả khi nội dung mỏng hơn.

Hàm ý thiết kế thì khó chịu với bất kỳ ai có một bộ slide: bạn không thể giảng cho một giảng viên để họ thấy mình là kiểu giảng viên làm việc theo cách này. Bạn có thể đặt họ vào một tình huống nơi họ hành động như vậy một lần, có hỗ trợ, và để bằng chứng tích lũy dần.

Đặt những phần khó vào mẫu họ dùng

Khung i-TPACK của Dogan (2026) xuất phát từ một tổng quan PRISMA về phát triển chuyên môn AI cộng với một lượt tìm kiếm làm lộ ra thêm 17 nghiên cứu. Khung này căn năm miền tri thức (tri thức công nghệ thông minh, tri thức nội dung công nghệ, tri thức sư phạm công nghệ, i-TPACK tích hợp, và đạo đức AI) với bốn con đường dựa trên bằng chứng: học tập chủ động, mô hình và ví dụ, huấn luyện kèm hỗ trợ chuyên gia, và phản hồi cùng suy ngẫm, được điều hành bởi năm nguyên tắc từ Hợp lực tập thể vượt qua các ốc đảo tới Tính linh hoạt trong khuôn khổ.

Phê bình sắc nhất của khung này về lĩnh vực là đạo đức được xử lý hời hợt hoặc vắng hẳn trong nhiều chương trình hiện có, và cách sửa nằm ở vị trí đặt nó. Việc xác minh, khai báo và kiểm soát rủi ro thuộc về văn bản mà người tham gia dùng suốt tuần, không phải 20 phút cuối của buổi cuối. Một mẫu có cột kiểm soát rủi ro sẽ được điền vào; một đoạn kết về sử dụng có trách nhiệm sẽ chỉ được gật đầu.

Giới hạn của khung này là nó mang tính khái niệm, không có dữ liệu kết quả ở cấp chương trình. Hãy dùng nó như một danh mục kiểm tra thiết kế chứ không phải bằng chứng rằng thiết kế đó hiệu quả. Bằng chứng về kết quả nằm ở các nghiên cứu phía trên và phía dưới.

Dành thời gian cho đánh giá

Nếu chương trình của bạn có chỗ cho một chủ đề sâu, hãy chọn đánh giá. Trong chương trình tám giờ của Talebzadeh (2026), bốn buổi hai giờ với 163 giảng viên và sinh viên sư phạm, tổng AI-PCK tăng từ 151.65 lên 220.14 (d = 2.36, p < .001). Hiệu ứng thành phần lớn nhất là Rubric đánh giá (d = 2.19), cũng là lĩnh vực yếu nhất ở lần đo trước. Mức tăng hẹp hơn ở phương pháp giảng dạy so với ở đánh giá.

Rubric cũng là nơi có thể đưa nỗi lo trong phòng vào việc có ích. Một người tham gia đang băn khoăn về việc sinh viên dựa vào mô hình có thể viết một dòng rubric làm cho lập luận hiện ra, điều đó biến một nỗi lo thành một quyết định thiết kế có ngày tháng.

Hãy lập ngân sách vượt quá một ngày. Trong chính chương trình đó, sinh viên sư phạm tăng nhiều hơn đáng kể so với người đã có kinh nghiệm (p = .033), chủ yếu ở thiết kế nhiệm vụ theo tình huống và thiết kế rubric. Những giảng viên có kinh nghiệm nói tám giờ là quá ngắn để dịch chuyển những thói quen đã ăn sâu, và đề nghị hỗ trợ dài hạn, dựa trên cố vấn.

Tạo các nhóm, rồi phân hóa bên trong

Chạy một buổi tập huấn chung cho tất cả và bạn sẽ dành phần lớn thời gian phục vụ người tham gia trung vị, một người không tồn tại. Sutedjo, Chowdhury và Liu (2026) phát hiện trong 127 người trả lời rằng tri thức nội dung sư phạm tự cảm nhận ở mức cao (M = 4.70) và tri thức nội dung gần mức trần (M = 5.15), trong khi tri thức sư phạm công nghệ (M = 2.62), tri thức nội dung công nghệ (M = 2.75) và TPACK tổng thể (M = 2.55) thấp hơn rõ rệt. Tri thức nội dung không tương quan có ý nghĩa với miền tích hợp công nghệ nào (r = .11-.15), nên sự thành thạo môn học không chuyển sang.

Ba miền thấp đó tương quan với nhau ở mức r = .81-.91, điều này có khả năng có nghĩa là một năng lực giảng dạy bằng các công cụ này chứ không phải ba kỹ năng riêng biệt. Dạy nó như một nền tảng chung và bạn tiết kiệm được hai buổi.

Rồi chia theo kinh nghiệm. Bai và Hsieh phát hiện bản sắc nghề nghiệp dự báo hành vi đổi mới mạnh gần gấp đôi ở những người dùng AI không thường xuyên so với người dùng hằng ngày, một kết quả ở mức sát ngưỡng nhưng là một chỉ dấu hữu ích: công việc về bản sắc mang lại nhiều nhất với những người hầu như không chạm vào các công cụ, trong khi người dùng thường xuyên nhận được nhiều hơn từ các dự án liên ngành so với hướng dẫn nền tảng. Laidlaw (2026) lập luận cho các nhóm theo lĩnh vực như bối cảnh của chính cuộc trò chuyện đó, trên lý lẽ rằng một nhà vật lý và một nhà sử học không giải cùng một bài toán.

Mở đầu bằng câu hỏi mà những người hoài nghi đang hỏi

Tường thuật tự dân tộc học của Laidlaw (2026) lập luận rằng sự phản kháng không phải là một thiếu hụt kỹ năng. Những giảng viên hỏi việc dạy học còn có ý nghĩa gì trong một thế giới AI sinh tạo không hỏi cách dùng một công cụ cho an toàn; câu hỏi đó mang tính bản thể. Bà đọc AI sinh tạo như một khái niệm ngưỡng (biến đổi, phiền toái, không thể đảo ngược, tích hợp, có biên giới) và kết luận rằng lo lắng, phản kháng và bối rối là những phần tất yếu của việc vượt qua nó chứ không phải lỗi cần sửa. Các khuyến nghị của bà đảo ngược buổi tập huấn tiêu chuẩn: mở đầu bằng các câu hỏi về bản sắc thay vì trình diễn, chạy các nhóm theo lĩnh vực, cho phép các mốc thời gian khác nhau, và coi việc không áp dụng có nguyên tắc dựa trên các giá trị chuyên ngành là chính đáng. Bà cũng cảnh báo rằng việc truyền đạt các quy tắc có thể trượt thành một “ảo tưởng thực thi”, thứ thay thế thông điệp tuân thủ cho sự hỗ trợ thật.

Cảm giác tội lỗi thì đo được, và nó không phân bố đều. Vassallo (2026) khảo sát 109 người làm học thuật và xác định một “phức cảm tội lỗi AI”: 35% lo rằng việc dùng AI làm suy yếu uy tín của họ và 26% báo cáo cảm thấy mình đang “gian lận”, với cảm giác tội lỗi trước khi dùng về uy tín lớn hơn sự hối hận sau khi dùng, nên nỗi khổ là mang tính xã hội nghề nghiệp chứ không phải riêng tư. Bốn kiểu người hiện ra: Người chấp nhận thoải mái (27%), Người không dùng nhưng thấy tội lỗi (29%), Người dùng thận trọng (28%) và Người tránh né vì bị giày vò về đạo đức (16%). Một chương trình đang giải quyết bốn vấn đề khác nhau, và 29% những người thấy tội lỗi trong khi không dùng công cụ cần một thứ gì đó khác ngoài một buổi trình diễn.

Quy mô của nhiệm vụ hiện ra trong khảo sát của AAC&U/Elon trên 1,057 giảng viên (Watson và Rainie, 2026): 68% nói trường của họ chưa chuẩn bị cho giảng viên cách dùng AI sinh tạo cho việc dạy và cố vấn, với tỷ lệ tương tự cho hoạt động học thuật. 26% người trả lời hoàn toàn không dùng các công cụ này, trong đó có 40% giảng viên nghệ thuật và nhân văn, và 82% nêu sự phản kháng của đồng nghiệp như một rào cản đối với việc áp dụng ở cấp khoa.

Sửa những điều kiện mà chương trình học không sửa được

Đây là phát hiện cần mang tới một cuộc họp lãnh đạo. Trong khảo sát 568 giảng viên đứng sau so sánh ở trên, giảng viên Kazakhstan báo cáo mức sẵn sàng nền cao hơn đồng nghiệp Trung Quốc ở cả bảy chiều, với khoảng cách rộng nhất ở chuyển giao theo lĩnh vực, thiết kế prompt và hiểu biết cơ bản. Trong hồi quy phân cấp, hệ số Kazakhstan, rõ ràng có ý nghĩa khi đứng một mình, trở nên không có ý nghĩa khi đưa vào các biến việc dùng AI sinh tạo trước đó, tập huấn AI gần đây, hỗ trợ của tổ chức, sự cho phép được cảm nhận, khả năng tiếp cận tài liệu đa ngôn ngữ, độ rõ của chính sách và độ nhạy với rủi ro. Đó là mức giảm khoảng bốn phần năm. Hỗ trợ của tổ chức và sự cho phép được cảm nhận mang trọng số dương lớn nhất, và độ nhạy với rủi ro là yếu tố dự báo duy nhất tác động ngược lại mức sẵn sàng. Số giảng viên Kazakhstan báo cáo có tập huấn liên quan tới AI trong sáu tháng trước cao hơn gấp hơn hai lần so với giảng viên Trung Quốc.

Vậy những đòn bẩy mà một người phụ trách chương trình có là những thứ gần gũi và cụ thể: thực hành trực tiếp, sự cho phép rõ ràng để thử nghiệm, tài liệu bằng những ngôn ngữ giảng viên thực sự làm việc, sự hậu thuẫn thấy được từ đơn vị. Cách đóng khung chính sách ở cấp quốc gia không tự nó mang lại mức sẵn sàng. Chỗ nào độ nhạy với rủi ro cắn vào, câu trả lời là cho nó một nơi để được thực hành chứ không phải nói giảm đi sự thận trọng, và thiết kế rubric cùng các quy trình xác minh chính là nơi đó.

Hai ma sát thực tiễn thuộc cùng cuộc trò chuyện này. Ý định tiếp tục sử dụng là chiều hài lòng được đánh giá cao nhất trong Bi và cộng sự (2026) trong khi tính dễ dùng của công cụ là chiều thấp nhất, nên một phần những gì đọc như sự miễn cưỡng thực ra là ma sát nền tảng. Và Aponte và cộng sự (2026) chỉ ra giới hạn cứng: AI không thể bù đắp cho tình trạng quá tải kinh niên, văn hóa trách nhiệm trừng phạt, lãnh đạo yếu, hay việc thiếu thời gian được bảo vệ. Họ lập luận rằng nó chỉ đóng góp vào phát triển cảm xúc xã hội của giảng viên với tư cách hạ tầng quan hệ (thời gian được bảo vệ cho cố vấn, đối thoại đồng nghiệp, cộng đồng thực hành) và đề xuất đậm đặc quan hệ như một tiêu chuẩn, đếm niềm tin, sự liên tục của hỗ trợ và đồng điều chỉnh thay vì số giờ tiếp xúc. Hai khẳng định dịch được thành thiết kế chương trình: thời gian được giải phóng sẽ bị hút lại thành nhu cầu thêm trừ khi tổ chức chính thức yêu cầu nó phải được tái đầu tư, và các tác nhân hội thoại có thể lặng lẽ thay thế những cuộc thương lượng khó khăn giữa người với người vốn tạo ra sự trưởng thành. Khung của họ là một suy luận định hướng, không phải một khẳng định nhân quả đã được kiểm nghiệm.

Nếu những điều kiện đó là của bạn, một buổi tập huấn tốt hơn sẽ không sửa được chúng, và nói thẳng điều đó hữu ích hơn là hứa hẹn điều ngược lại.

Báo cáo sản phẩm ở một thời điểm muộn hơn

Khung thể chế đáng để căn theo là Crompton, Burke và Nickel (2026), với nghiên cứu dựa trên thiết kế qua hai chu kỳ lớn và 114 người tham gia (giảng viên từ 28 cơ sở ở Hoa Kỳ và 11 quốc gia, cộng với giám đốc các trung tâm dạy học và điều phối viên kiểm định) đã tạo ra sáu tiêu chuẩn bao quát toàn bộ vai trò học thuật: Giảng viên, Điều phối viên, Lãnh đạo, Nhà nghiên cứu, Người học và Người đóng góp. Các khung và tiêu chuẩn giáo dục hiện có nhắm tới giáo viên phổ thông hoặc chỉ bàn về việc dạy, nên một trung tâm ánh xạ được chương trình của mình lên các tiêu chuẩn này thì cũng ánh xạ được lên việc đánh giá công việc và kiểm định, đó cũng là lập luận trụ được qua một lần xét ngân sách.

Rồi hãy cẩn thận trong cách đánh giá, vì phần lớn tài liệu này đo những ấn tượng tự báo cáo. Bi và cộng sự đo mức sẵn sàng tự báo cáo chứ không đo việc giảng dạy được thực thi, và các nhóm của họ hình thành qua tự nguyện đăng ký chứ không qua phân ngẫu nhiên, nên kết quả là các tương quan. Bai và Hsieh là nghiên cứu cắt ngang, tự chọn, lấy từ tám trường đại học ở một quốc gia, và đo mọi cấu trúc từ cùng những người trả lời tại cùng một thời điểm. Sutedjo và các đồng nghiệp không thể xác lập chiều nhân quả, điều này quan trọng vì khẳng định mạnh nhất của họ, rằng tri thức công nghệ đóng vai trò cửa ngõ, là thứ mà một thiết kế cắt ngang không thể giải quyết. Talebzadeh báo cáo các hiệu ứng rất lớn mà không có phân ngẫu nhiên, theo dõi hay phân tích theo lĩnh vực, nên d = 2.36 đọc như một hiệu ứng ngắn hạn. Laidlaw là tự dân tộc học, và Aponte và cộng sự nói rõ khung của họ là khái niệm.

Vì vậy một đánh giá có thể bảo vệ được là đánh giá đo những tài liệu khóa học mà người tham gia đã sửa, những rubric đã viết, những nhiệm vụ đã thiết kế. Nó kiểm tra ở một thời điểm muộn hơn, vì khoảng cách trong nghiên cứu của Bi chỉ hiện ra ở lần theo dõi, khi nhóm thông thường đã suy giảm còn nhóm có cấu trúc thì không. Nó coi sự hài lòng và sự tự tin là tín hiệu yếu, vì Pishtari và các đồng nghiệp (2026) lưu ý rằng chỉ mức tăng chất lượng thì không chứng minh được sự nội hóa: chất lượng thiết kế tăng lên cũng có thể phản ánh việc giao phó công việc thường lệ hoặc chấp nhận cấu trúc do AI tạo. Và nó thêm ít nhất một chỉ báo về quan hệ, theo Aponte và cộng sự, vì việc cải thiện sản phẩm trong khi cô lập người tham gia không phải là điều chương trình đã tuyên bố làm.

Người phụ trách chương trình hiểu sai điều gì

Một buổi trình diễn tốt hơn là một buổi tập huấn tốt hơn. Thời lượng tiếp xúc được giữ cố định ở bốn buổi 90 phút trong so sánh của Bi và cộng sự, và nhánh sửa sản phẩm đánh bại nhánh học về công cụ ở mọi chiều mức sẵn sàng, với chỉ một trong hai mức tăng còn thấy được ở lần theo dõi.

Sự tự tin là kết quả quan trọng. Đó là thứ dễ dịch chuyển nhất và ít dự báo nhất. Trong nghiên cứu 13 giảng viên, nỗ lực được cảm nhận giảm xuống trong khi lớp huấn luyện về prompt không thêm chất lượng thiết kế đo được nào, và các đánh giá cuối ngày sẽ ghi nhận cả hai là thành công.

Đạo đức là một đoạn kết. Tổng quan của Dogan phát hiện đạo đức được xử lý hời hợt hoặc vắng mặt trong nhiều chương trình, và sự khác biệt giữa một cột trong mẫu và một slide cuối là liệu có ai dùng nó vào tuần thứ ba hay không.

Một chương trình có thể phục vụ cả khoa. Khảo sát 127 giảng viên mô tả tri thức nội dung gần mức trần bên cạnh TPACK tổng thể ở 2.55, và bốn kiểu người của Vassallo gồm 29% những người thấy tội lỗi trong khi không dùng công cụ. Một buổi duy nhất đối xử với bốn nhóm độc giả như một.

Những người hoài nghi là chướng ngại cần quản lý. Tường thuật của Laidlaw đặt sự phản kháng ở tầng bản sắc, và Bai và Hsieh phát hiện bản sắc dự báo đổi mới mạnh gần gấp đôi ở người dùng không thường xuyên. Những người bạn muốn có trong phòng nhất lại là những người mà một buổi trình diễn chỉ xác nhận thêm mối nghi của họ.

Một mệnh lệnh từ tổ chức sẽ mang chương trình đi. Hệ số Kazakhstan sụp khoảng bốn phần năm khi hỗ trợ của tổ chức và sự cho phép được cảm nhận vào mô hình, và hai yếu tố đó mang trọng số dương lớn nhất. Một mệnh lệnh không phải cùng một tín hiệu với sự cho phép.

Những gì sẽ quay lại với bạn

“Chúng tôi không có thời gian.” Vậy hãy dùng thời gian đó theo cách khác thay vì thêm thời gian. Sáu giờ được tổ chức thành một chu trình sản phẩm đánh bại sáu giờ trình diễn với cùng thời lượng tiếp xúc, và một định dạng ngắn hơn dành cho rubric đánh giá nhắm đúng vào lĩnh vực yếu nhất trong dữ liệu đo trước của Talebzadeh.

“Giảng viên của chúng tôi sẽ không đến, hoặc những người hoài nghi sẽ làm hỏng nó.” Việc mời những người hoài nghi vào một buổi trình diễn chỉ xác nhận mối nghi đã đưa họ tới đó. Hãy mở đầu bằng các câu hỏi về bản sắc, chạy các nhóm theo lĩnh vực, cho phép các mốc thời gian khác nhau, và nói thẳng rằng việc không áp dụng có nguyên tắc là một lập trường chính đáng. Đó là khuyến nghị của Laidlaw, và nó gỡ lập luận về tuân thủ ra khỏi bàn. Hãy dự kiến công việc về bản sắc sẽ quan trọng nhất với người dùng không thường xuyên, theo Bai và Hsieh.

“Chúng tôi không thể buộc người ta hành động theo nó.” Phần lớn là bạn không thể, và bạn có thể thay đổi tín hiệu mà tổ chức phát ra. Sự cho phép được cảm nhận và hỗ trợ của tổ chức mang trọng số dương lớn nhất sau khi hiệu ứng nền quốc gia sụp đổ, nên những nước đi hữu ích là những nước đi rẻ: nêu rõ rằng việc thử nghiệm được cho phép, bảo vệ thời gian một cách chính thức để nó không bị hút lại, cung cấp tài liệu bằng ngôn ngữ làm việc của giảng viên, và loại bỏ ma sát nền tảng, chiều được đánh giá thấp nhất trong chính nghiên cứu đó.

“Khảo sát kết thúc của chúng tôi rất tốt.” Sự hài lòng là thước đo dễ tăng nhất trong khi không có gì khác tăng. Thay vào đó hãy xin các sản phẩm từ khóa trước và liên hệ lại với những người tham gia đó một học kỳ sau; khoảng cách trong nghiên cứu của Bi chỉ tồn tại ở lần theo dõi.

Việc cần làm trong tuần này

1. Viết lại lời mời để việc tham dự đòi hỏi mang theo một sản phẩm từ khóa học: một mục tiêu, một rubric hoặc một nhiệm vụ đánh giá.

2. Viết lại chương trình buổi học để buổi đầu bắt đầu từ sản phẩm đó, và thêm việc xác minh, khai báo và kiểm soát rủi ro như các cột trong mẫu mà người tham gia mang theo suốt tuần.

3. Chuyển một buổi sang thiết kế rubric và đánh giá, và để người tham gia ra về với rubric đã viết xong.

4. Xin một câu bằng văn bản từ trưởng khoa hoặc hiệu trưởng học vụ rằng việc thử nghiệm được cho phép, rồi bảo vệ số giờ đó một cách chính thức để chúng không bị hút lại.

5. Đặt việc đánh giá sao cho thu được các sản phẩm đã sửa và liên hệ lại với người tham gia một học kỳ sau, với một câu hỏi về việc bây giờ họ làm việc với ai.

Đi tiếp từ đây

Năng lực AI của giảng viên bao quát chính mục tiêu năng lực, và Năng lực AI của giáo viên cùng Phát triển giảng viên mang tài liệu khung đứng sau nó. Về việc cấu trúc AI vào một khóa học thay vì vào một buổi tập huấn, xem thiết kế AI vào việc học; về bức tranh thể chế rộng hơn, xem mười phát hiện hàng đầu về AI trong giáo dục cho giảng viên và chính sách AI của tổ chức.