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

Het hoger onderwijs bevindt zich momenteel in een diepgaande verschuiving. Generatieve kunstmatige intelligentie, de technologie achter tools die essays kunnen schrijven, complexe problemen kunnen oplossen en gesprekken kunnen voeren, is met verbazingwekkende snelheid gearriveerd op universiteiten. Voor docenten biedt deze technologie een dubbele realiteit: het biedt krachtige manieren om het leren te personaliseren en onderzoek te ondersteunen, maar het roept ook serieuze vragen op over academische eerlijkheid, gegevensprivacy en de essentie van het leerproces zelf. Om dit nieuwe landschap te navigeren, hebben docenten meer nodig dan alleen het vermogen om op knoppen te drukken; ze hebben een diep begrip nodig van hoe deze tools werken, hoe ze ze ethisch kunnen gebruiken en hoe ze ze in hun onderwijs kunnen integreren zonder hun eigen professionele autonomie te verliezen. Hoewel overheden en universiteiten zijn begonnen met het opstellen van richtlijnen voor dit nieuwe tijdperk, bestaan deze instructies vaak in isolatie, wat een lappendeken van regels creëert die verwarrend en inconsistent kan zijn.

Als reactie op deze fragmentatie hebben een team van onderzoekers geprobeerd een verenigde kaart te maken voor Chinese universiteitsdocenten. Ze streefden ernaar een enkel, samenhangend kader te creëren dat zou definiëren wat het betekent om geletterd te zijn in kunstmatige intelligentie binnen de specifieke context van het Chinese hoger onderwijs. De onderzoekers gaven niet simpelweg aan wat zij dachten dat docenten nodig hadden; ze begonnen door zorgvuldig vier bestaande officiële documenten en beleidskaders uit China te vergelijken met twee internationale modellen. Deze initiële analyse onthulde een significante discrepantie. Sommige documenten behandelden AI als een simpel hulpmiddel dat gebruikt kan worden, terwijl andere het zagen als een partner in het leerproces. Sommige lijstten vaardigheden op als een statische checklist, terwijl andere probeerden een groeipad te beschrijven. De onderzoekers identificeerden drie belangrijke spanningen die het veld ophielden: de strijd tussen het creëren van één standaardregel voor iedereen versus het toestaan van lokale context, het conflict tussen het opsommen van vaardigheden als een vaste set versus het tonen van hoe ze zich in de loop van de tijd ontwikkelen, en de onenigheid over de vraag of AI slechts een machine is of een actieve deelnemer aan het onderwijs.

Om deze spanningen op te lossen, synthetiseerden de onderzoekers een voorlopig kader bestaande uit zevenentwintig specifieke vaardigheden en inzichten, georganiseerd in drie duidelijke ontwikkelingslagen. De eerste laag, Fundament, beslaat de basis: begrijpen wat AI is, weten hoe je de tools gebruikt en het begrijpen van de ethische regels. De tweede laag, Praktijk, richt zich op het klaslokaal: lessen ontwerpen die AI gebruiken, nieuwe leermaterialen creëren en studenten eerlijk beoordelen in een AI-rijke omgeving. De derde laag, Innovatie, kijkt naar de toekomst: het herontwerpen van volledige cursussen, het leiden van onderzoek en het mentoren van collega's. Cruciaal is dat de onderzoekers ethiek niet plaatsten als een enkel vakje dat aangevink moet worden, maar als een draad die door alle drie de lagen loopt, waardoor verantwoord gebruik bij elke stap wordt gewaarborgd.

Dit conceptkader werd vervolgens getest via een rigoureus proces van deskundig overleg, bekend als een Delphi-studie. De onderzoekers nodigden vijftien vooraanstaande wetenschappers en universiteitsbestuurders uit, allen met diepgaande ervaring in onderwijs en technologie, om de voorgestelde vaardigheden te beoordelen. In de eerste ronde beoordeelden deze experts elk van de zevenentwintig indicatoren op belangrijkheid en duidelijkheid. De feedback was direct en specifief. De experts suggereerden het samenvoegen van sommige overlappende items, het verwijderen van één redundant item en het toevoegen van drie nieuwe, cruciale vaardigheden die ontbraken, zoals het gebruik van AI om het onderwijs toegankelijker te maken voor studenten met een beperking. Ze stelden ook dat de ethische dimensie verhoogd moest worden tot een overkoepelend principe in plaats van slechts een ander item op een lijst.

In de tweede ronde beoordeelden de experts het herziene kader. De resultaten waren beslissend. Zesentwintig van de zevenentwintig indicatoren bereikten een sterke consensus, wat betekende dat de experts ermee instemden dat ze essentieel en duidelijk gedefinieerd waren. Deze zesentwintig vaardigheden vormen nu de kern van een gevalideerd competentiekader voor Chinese universiteitsdocenten. Echter, één indicator met betrekking tot het beheer van de klassendynamiek wanneer studenten AI gebruiken, bereikte niet het vereiste niveau van overeenstemming. De experts vonden dat dit gebied nog te nieuw en onzeker was om als een standaardvereiste te worden verklaard. Bijgevolg hielden de onderzoekers deze specifieke vaardigheid apart en bestempelden zij deze als een voorlopig item dat verdere studie vereist voordat het formeel kan worden overgenomen.

Het uiteindelijke resultaat is een gestructureerde, op bewijs gebaseerde gids die verder gaat dan een simpele lijst met technische vaardigheden. Het biedt een ontwikkelingspad, waarbij erkend wordt dat docenten beginnen met basisbewustzijn en kunnen uitgroeien tot leiders die de benadering van technologie binnen hun instellingen herontwerpen. Het kader breidt bestaande internationale modellen uit door ze expliciet aan te passen aan de Chinese context en door competenties te organiseren in een duidelijke progressie van het leren van de basis tot het innoveren met de technologie. Hoewel dit kader een solide fundament biedt voor universiteiten om trainingsprogramma's te ontwerpen en voor beleidsmakers om standaarden vast te stellen, waarschuwen de onderzoekers dat het nog geen voltooid meetinstrument is. Het is gevalideerd door deskundige opinie, maar het is nog niet getest in het klaslokaal om te zien of het accuraat voorspelt hoe goed een docent zal presteren. De volgende stap voor het veld is het gebruiken van dit kader om daadwerkelijke testen op te stellen en docenten in actie te observeren, om er zeker van te zijn dat de kaart die zij hebben getekend werkelijk leidt naar de bestemming van effectief, ethisch en mensgericht onderwijs in het tijdperk van kunstmatige intelligentie.