An Integrative Model of Artificial Intelligence Competencies and a Multi-theoretical Approach to the Implementation of Inclusive STEM Learning

Technische Samenvatting: Een Integratief Model van Kunstmatige Intelligentie-competenties en een Multi-theoretische Benadering voor de Implementatie van Inclusief STEM-onderwijs

Probleemstelling
De integratie van Kunstmatige Intelligentie (KI) in Science, Technology, Engineering, en Mathematics (STEM)-onderwijs binnen inclusieve scholen staat voor een kritieke kloof: de gereedheid van docenten is vaak beperkt tot technologische bekwaamheid, waarbij een uitgebreid pedagogisch theoretisch kader ontbreekt. Hoewel KI potentieel biedt voor personalisatie en toegankelijkheid, riskeert de implementatie ervan in inclusieve contexten het creëren van ongelijkheid als onderwijzers het louter als een technisch hulpmiddel beschouwen in plaats van als een conceptueel instrument voor datagestuurde, ethische en inclusieve pedagogiek. Bestaande literatuur mist integratieve modellen die expliciet de KI-competenties van docenten combineren met multi-theoretische benaderingen (bijv. constructivisme, sociaal-cognitieve theorie, inclusieve onderwijstheorie) als voorspellers voor succesvolle inclusieve STEM-implementatie. Bovendien belemmeren methodologische beperkingen in eerdere studies, zoals een afhankelijkheid van kwalitatieve of eenvoudige enquêteontwerpen zonder simultane causaliteitstesten tussen latente variabelen, een robuust begrip van deze structurele relaties.

Methodologie
Deze studie maakte gebruik van een kwantitatief verklarend survey-ontwerp om een integratief structureel model te testen.

• Deelnemers: De steekproef bestond uit 1.000 actieve docenten van inclusieve scholen in Indonesië (Bali, West-Nusa Tenggara en Oost-Nusa Tenggara), geselecteerd via purposive sampling. De criteria omvatten ten minste twee jaar onderwijservaring en eerdere betrokkenheid bij KI- of STEM-programma's.
• Instrument: Gegevens werden verzameld via een vragenlijst op een vijfpunts Likert-schaal die drie primaire constructen mat:
  1. KI-competentie: Omvattende conceptuele begrip, operationele capaciteiten, innovatie, samenwerking en zelfvertrouwen.
  2. Multi-theoretische benadering: Het meten van de conformiteit tussen theorie en praktijk, theoretische synthese, bijdrage aan inclusie, haalbaarheid en professionele ontwikkeling.
  3. STEM-implementatiecapaciteiten: Het beoordelen van planning, adaptief curriculum, actieve strategieën, KI-integratie, inclusieve evaluatie en ondersteuning van middelen.
• Analyse: De gegevens werden geanalyseerd met behulp van Partial Least Squares Structural Equation Modeling (PLS-SEM) via de software SmartPLS. De analyse volgde een tweestapsbenadering:
  1. Meetmodel: Geëvalueerd op betrouwbaarheid (Cronbach's Alpha, Composite Reliability) en validiteit (Convergente Validiteit via AVE en Factor Loadings; Discriminante Validiteit via de Fornell-Larcker criteria en HTMT).
  2. Structureel model: Getest op multicollineariteit (Inner VIF), padcoëfficiënten (hypothesetests), effectgroottes ($f^2$) en predictieve relevantie ($R^2$, $Q^2$). Bootstrapping werd gebruikt om statistische significantie te bepalen.

Belangrijkste Resultaten
Het structurele model vertoonde een uitstekende constructvaliditeit en betrouwbaarheid, waarbij alle factor loadings boven de 0,70 uitkwamen, Composite Reliability-waarden boven de 0,90 lagen en de Average Variance Extracted (AVE) waarden boven de 0,65 lagen. Discriminante validiteit werd bevestigd doordat de wortel van de AVE voor elk construct de inter-construct correlaties overtrof.

De hypothesetest leverde de volgende significante bevindingen op:

1. KI-competentie: De KI-competenties van docenten hebben een significante positieve directe effect op de implementatie van inclusief STEM-onderwijs ($\beta = 0,408$, $p < 0,001$).
2. Multi-theoretische benadering: De multi-theoretische benadering heeft een significant positief direct effect op de implementatie van inclusief STEM-onderwijs ($\beta = 0,320$, $p < 0,001$).
3. Interactie-effect: Er is een significant positief interactie-effect tussen KI-competentie en de multi-theoretische benadering ($\beta = 0,213$, $p < 0,001$), wat wijst op een synergetische relatie waarbij de combinatie van beide factoren de effectiviteit van de implementatie versterkt.
4. Model Fit: Het structurele model verklaart 42,7% van de variantie in de implementatie van inclusief STEM-onderwijs ($R^2 = 0,427$), wat wordt gecategoriseerd als een matig voorspellend vermogen. Het model vertoonde geen problemen met multicollineariteit (Inner VIF < 5) en een Standardized Root Mean Square Residual (SRMR) die duidt op een goede modelfit.

Belangrijkste Bijdragen

• Theoretisch: De studie stelt een "Integratief Model" voor en valideert dit (verwezen als het AI-geïntegreerdeerde Multi-theoretische Model of AIMTM), dat expliciet KI-competenties en multi-theoretische pedagogische benaderingen koppelt als dubbele voorspellers van succesvol inclusief STEM-onderwijs. Het breidt constructivistische en sociaal-cognitieve theorieën uit naar een techno-pedagogische context, waarbij wordt benadrukt dat KI geworteld moet zijn in ethische en humanistische onderwijstheorieën.
• Methodologisch: Door gebruik te maken van PLS-SEM biedt het onderzoek een robuuste causale en voorspellende analyse van latente variabelen, waarmee de methodologische tekortkomingen van voorgaande exploratieve of kwalitatieve studies in dit domein worden geadresseerd.
• Praktisch: De bevindingen bieden strategische implicaties voor de professionele ontwikkeling van docenten, waarbij wordt gesuggereerd dat training verder moet gaan dan technische KI-vaardigheden en ook de integratie van leertheorieën, ethische reflectie en collaboratieve competenties moet omvatten.

Betekenis en Claims
De auteurs beweren dat dit onderzoek sterk empirisch bewijs levert dat de succesvolle implementatie van inclusief STEM-onderwijs rust op de synergie tussen technologische beheersing (KI-competentie) en epistemologische diepgang (multi-theoretische benadering). De studie stelt dat KI alleen onvoldoende is; het vereist een "pedagogische afstemming" waarbij docenten optreden als bemiddelaars tussen algoritmen en menselijke waarden.

Het artikel concludeert dat de integratie van deze dimensies een "intelligent leer-ecosysteem" creëert dat in staat is om een rechtvaardig, adaptief en duurzaam STEM-onderwijs te bevorderen. De auteurs positioneren hun werk als een fundamentele stap voor beleidsmakers en curriculumontwikkelaars om interventies te ontwerpen die het fenomeen van de "richtingloze technoloog" voorkomen, zodat KI dient als een instrument voor gelijkheid in plaats van een bron van nieuwe onderwijskloven. De studie merkt bescheiden op dat hoewel het model robuust is, toekomstig onderzoek meerlagige contextuele invloeden en grensoverschrijdende validaties binnen Zuidoost-Azië moet verkennen.