Charting the Landscape of Artificial Intelligence in Higher Education: Ethics, Adoption, and Faculty Preparedness

Technische Samenvatting: Het Landschap van Kunstmatige Intelligentie in het Hoger Onderwijs in Kaart Brengen

Probleemstelling
De integratie van Kunstmatige Intelligentie (KI) in instellingen voor hoger onderwijs (IHO's) heeft het onderwijs, het leerproces en administratieve processen fundamenteel veranderd. Ondanks het evidente transformerende potentieel van technologieën zoals natuurlijke taalverwerking en machine learning, blijft het veld echter gefragmenteerd over disciplines, contexten en thematische gebieden. Onderwijzers en instellingen worden geconfronteerd met aanzienlijke uitdagingen met betrekking tot pedagogische afstemming, ethische overwegingen en professionele gereedheid. Hoewel de literatuur snel is gegroeid, met name sinds 2020, is er een gebrek aan een uitgebreide synthese die de intellectuele structuur, de thematische ontwikkeling en de huidige onderzoeks trends van KI in het hoger onderwijs in kaart brengt. Specifiek is er een behoefte aan begrip van de wisselwerking tussen individuele onderwijzersfactoren (bijv. zelfeffectiviteit, technologische expertise) en institutionele factoren (bijv. ondersteuningssystemen, infrastructuur) die de adoptie van KI stimuleren of belemmeren.

Methodologie
Deze studie maakt gebruik van een bibliometrische analyse om het onderzoekslandschap van KI in het hoger onderwijs systematisch te verkennen.

• Databron: Wetenschappelijke publicaties werden geëxtraheerd uit de SCOPUS-database.
• Zoekstrategie: Een logische combinatie van trefwoorden gerelateerd aan kunstmatige intelligentie, pedagogiek en educatieve contexten werd gebruikt. De zoekopdracht maakte gebruik van een specifieke Boolean-string (gedetailleerd in Figuur 2 van het artikel).
• Selectiecriteria: De studie richtte zich op door peers beoordeelde artikelen in de Engelse taal, gepubliceerd tussen 2020 en 2025 binnen de vakgebieden bedrijfskunde, sociale wetenschappen, kunst, geesteswetenschappen en interdisciplinaire studies.
• Gegevensverwerking: Conform het PRISMA-protocol werd eerst een initiële zoekopdracht uitgevoerd, gevolgd door handmatige opschoning om duplicaten en irrelevante vermeldingen te verwijderen. De uiteindelijke dataset bestond uit 203 documenten.
• Analytische Instrumenten: De gegevens werden geanalyseerd met behulp van Biblioshiny (een R-pakket) en de VOSviewer-software om publicatietrends, citatiepatronen, collaboratieve netwerken en trefwoordco-occurrences te identificeren.
• Omvang van de Analyse: De studie omvat beschrijvende statistieken, analyse van de jaarlijkse wetenschappelijke productie, bron- en auteursproductiviteit (met gebruik van de wet van Bradford en de wet van Lotka), institutionele en landspecifieke citatieanalyse, en thematische mapping.

Belangrijkste Bijdragen en Resultaten
De analyse van de 203 documenten onthult verschillende kritieke trends en structurele kenmerken van het veld:

1. Snelle Groei en Interdisciplinair Karakter: Het veld vertoont een hoge jaarlijkse groei van 60,97%, wat wijst op een verschuiving van perifere technologische innovatie naar een centrale academische focus. Het onderzoek is sterk interdisciplinair en put uit tijdschriften zoals Sustainability, Computers and Education en het International Journal of AI in Education.
2. Thematische Evolutie:
   • Kernthema's: De literatuur legt de nadruk op gepersonaliseerd leren, intelligente tutorensystemen, automatische beoordeling en AI-ondersteunde instructieve ondersteuning.
   • Verschuiving in Focus: Er is een waarneembare verschuiving van louter technologische exploratie naar mensgerichte pedagogische strategieën, de gereedheid van de onderwijzer en ethisch bestuur.
   • Ethische Overwegingen: Een aanzienlijk deel van het discours behandelt algoritmische bias, transparantie, verantwoording, gegevensprivacy en academische integriteit, met name in de context van generatieve AI-tools zoals ChatGPT.
3. Auteur- en Institutionele Productiviteit:
   • Productiviteitsverdeling: Het veld wordt gekenmerkt door een hoog aantal incidentele bijdragers. Volgens de wet van Lotka heeft 93% van de auteurs slechts één artikel in dit domein gepubliceerd, wat suggereert dat het veld zich nog in een ontwikkelingsfase bevindt met weinig productieve, langdurige onderzoekers.
   • Toonaangevende Instellingen: Beijing Normal University leidt in publicatieoutput, gevolgd door de Universiteit van Salamanca.
   • Geografische Citaties: China, de VS en het VK zijn de meest geciteerde landen. Opvallend genoeg vertonen het VK en Portugal een hoge gemiddelde citaties per publicatie, wat duidt op een geconcentreerde academische invloed ondanks lagere totale publicatievolumes vergeleken met China.
4. Gereedheid van de Onderwijzer: De studie identificeert dat succesvolle AI-adoptie niet uitsluitend afhankelijk is van de beschikbaarheid van technologie, maar aanzienlijk wordt gevormd door de perceptie van onderwijzers over bruikbaarheid, gebruiksgemak en institutionele ondersteuning. Op kaders gebaseerde studies benadrukken de noodzaak van gestructureerde trainingsprogramma's om AI-tools af te stemmen op pedagogische doelen.

Betekenis en Claims
Het artikel positioneert zichzelf als een fundamentele mapping van het huidige wetenschappelijke discours om toekomstig beleid, leiderschap en onderwijspraktijken te informeren. De primaire betekenis ligt in:

• Identificatie van Onderzoeksgaten: De studie wijst erop dat hoewel conceptuele en review-studies domineren, er een tekort is aan longitudinale empirische studies over de langetermijnimpact van AI op leerresultaten en de adaptatie van docenten.
• Begeleiding van Beleid en Praktijk: De bevindingen suggereren dat institutionele leiders verder moeten kijken dan technologisch determinisme. Succesvolle implementatie vereist een dynamische aanpak die pedagogische afstemming, digitale vaardigheden voor de faculteit, ethische governance-structuren en kritische AI-geletterdheid voor studenten integreert.
• Toekomstige Richtingen: De auteurs claimen bescheiden dat hun werk een basis biedt voor toekomstige onderzoeksrichtingen, waarbij specifiek wordt gepleit voor:
  • Longitudinale studies naar de impact van generatieve AI op kritisch denken en creativiteit.
  • Empirische beoordelingen van docentcompetenties en institutionele gereedheid.
  • Ontwikkeling en validatie van schalen voor AI-geletterdheid en ethische adoptie in het hoger onderwijs.
  • Cross-culturele en cross-institutionele vergelijkende studies om sociaaleconomische effecten te begrijpen.

Het artikel concludeert dat het veld evolueert van verkennend onderzoek naar toepassing- en governance-georiënteerde onderzoeken, wat een collaboratieve strategie vereist waarbij onderwijzers, technologen, beleidsmakers en ethici betrokken zijn om ethisch verantwoorde en pedagogisch effectieve AI-kaders in het hoger onderwijs te creëren.