From Fragmentation to Integration: A Delphi-Validated AI Literacy Competency Framework for Higher Education Teachers in China

L'istruzione superiore sta attraversando una trasformazione profonda. L'intelligenza artificiale generativa, la tecnologia alla base di strumenti capaci di scrivere saggi, risolvere problemi complessi e sostenere conversazioni, è arrivata nelle università con una velocità sorprendente. Per gli insegnanti, questa tecnologia presenta una doppia realtà: offre potenti modi per personalizzare l'apprendimento e supportare la ricerca, ma introduce anche seri interrogativi sull'onestà accademica, la privacy dei dati e la natura stessa dell'apprendimento. Per navigare in questo nuovo panorama, gli educatori hanno bisogno di qualcosa che vada oltre la semplice capacità di premere pulsanti; hanno bisogno di una comprensione profonda di come funzionano questi strumenti, di come usarli eticamente e di come integrarli nel proprio insegnamento senza perdere la propria agenzia professionale. Mentre i governi e le università hanno iniziato a redigere linee guida per questa nuova era, queste istruzioni spesso esistono in isolamento, creando un mosaico di regole che può risultare confusionario e incoerente.

In risposta a questa frammentazione, un team di ricercatori si è messo all'opera per costruire una mappa unificata per i docenti universitari cinesi. Cercavano di creare un quadro unico e coerente che definisse cosa significhi essere alfabetizzati nell'intelligenza artificiale all'interno del contesto specifico dell'istruzione superiore cinese. I ricercatori non si sono limitati a indovinare ciò di cui i docenti avessero bisogno; hanno iniziato confrontando attentamente quattro documenti ufficiali e quadri politici esistenti in Cina, insieme a due modelli internazionali. Questa analisi iniziale ha rivelato un significativo disconnessione. Alcuni documenti trattavano l'IA come un semplice strumento da utilizzare, mentre altri la vedevano come un partner nel processo di apprendimento. Alcuni elencavano le competenze come una checklist statica, mentre altri cercavano di descrivere un percorso di crescita. I ricercatori hanno identificato tre tensioni principali che frenano il settore: la lotta tra il creare una regola standard per tutti rispetto al permettere un contesto locale, il conflitto tra l'elencare le competenze come un set fisso rispetto al mostrare come esse si sviluppino nel tempo, e il disaccordo sul fatto che l'IA sia meramente una macchina o un partecipante attivo nell'educazione.

Per risolvere queste tensioni, i ricercatori hanno sintetizzato un quadro preliminare composto da ventisette competenze e conoscenze specifiche, organizzate in tre distinti livelli di sviluppo. Il primo livello, Fondamenta, copre le basi: comprendere cos'è l'IA, sapere come usare gli strumenti e comprendere le regole etiche. Il secondo livello, Pratica, si concentra sulla classe: progettare lezioni che utilizzino l'IA, creare nuovi materiali didattici e valutare gli studenti equamente in un ambiente ricco di IA. Il terzo livello, Innovazione, guarda al futuro: riprogettare interi corsi, guidare la ricerca e fare da mentore ai colleghi. Fondamentalmente, i ricercatori hanno posto l'etica non come una singola casella da spuntare, ma come un filo che attraversa tutti e tre i livelli, garantendo che l'uso responsabile sia considerato in ogni fase.

Questo schema provvisorio è stato poi messo alla prova attraverso un rigoroso processo di consultazione degli esperti noto come studio Delphi. I ricercatori hanno invitato quindici eminenti studiosi e amministratori universitari, tutti dotati di una profonda esperienza nell'educazione e nella tecnologia, per revisionare le competenze proposte. Nel primo round, questi esperti hanno valutato ciascuno dei ventisette indicatori per importanza e chiarezza. Il feedback è stato immediato e specifico. Gli esperti hanno suggerito di fondere alcuni elementi sovrapposti, rimuovere uno elemento ridondante e aggiungere tre nuove competenze critiche che erano state trascurate, come l'uso dell'IA per rendere l'insegnamento più accessibile agli studenti con disabilità. Hanno inoltre insistito affinché la dimensione etica fosse elevata a principio trasversale piuttosto che a un semplice elemento di un elenco.

Nel secondo round, gli esperti hanno esaminato il quadro rivisto. I risultati sono stati decisivi. Ventisei dei ventisette indicatori hanno raggiunto un forte consenso, il che significa che gli esperti concordavano sulla loro essenzialità e sulla loro definizione chiara. Queste ventisei competenze formano ora il nucleo di un quadro di competenze validato per i docenti universitari cinesi. Tuttavia, un indicatore riguardante la gestione della dinamica della classe quando gli studenti utilizzano l'IA non ha raggiunto il livello di accordo richiesto. Gli esperti hanno ritenuto che quest'area fosse ancora troppo nuova e incerta per essere dichiarata un requisito standard. Di conseguenza, i ricercatori hanno mantenuto questa specifica competenza separata, etichettandola come un elemento provvisorio che richiede ulteriori studi prima di poter essere formalmente adottato.

Il risultato finale è una guida strutturata e basata su evidenze che va oltre un semplice elenco di competenze tecniche. Essa offre un percorso di sviluppo, riconoscendo che i docenti partono da una consapevolezza di base e possono crescere fino a diventare leader che riprogettano l'approccio tecnologico delle loro istituzioni. Il quadro estende i modelli internazionali esistenti adattandoli esplicitamente al contesto cinese e organizzando le competenze in una chiara progressione dall'apprendimento delle basi all'innovazione con la tecnologia. Sebbene questo quadro fornisca una solida base affinché le università progettino programmi di formazione e affinché i decisori politici stabiliscano standard, i ricercatori avvertono che non è ancora uno strumento di misurazione finito. È stato validato dall'opinione degli esperti, ma non è ancora stato testato in classe per vedere se predice accuratamente quanto un docente sarà bravo a svolgere il proprio compito. Il passo successivo per il settore è utilizzare questo quadro per costruire test reali e osservare i docenti in azione, assicurando che la mappa che hanno disegnato conduca davvero alla destinazione di un insegnamento efficace, etico e centrato sull'essere umano nell'era dell'intelligenza artificiale.