От политики за ИИ към уверено владеене на ИИ в университетите.
Universities are redefining learning, evidence, and academic integrity under pressure from a new wave of AI. The UNESCO guidance and the UK postgraduate guidelines frame this shift from different angles, yet they align on a central point. AI is not a tool problem. It is a system challenge that reshapes policy, pedagogy, and trust. Alberto Acereda’s post of agentic AI pushes this argument further. The shift, according to thim, does not stop at generative tools. AI systems now act, decide, and coordinate. This raises the stakes for higher education.
UNESCO sets the strategic direction. It focuses on governance, ethics, equity, and human agency. It calls on institutions to validate technologies before adoption and to align AI use with long-term educational goals. The UK guide moves into practice. It focuses on postgraduate education, academic values, and teaching decisions. It shows educators’ experience with AI in real contexts, including declining trust in student work. Acereda adds a third layer. He introduces agentic AI as a transition from systems able to generate content to systems capable of executing tasks. This places the institutions in a need to redefine control, responsibility, and learning.
Practice without policy becomes inconsistent. Systems without oversight become risky.
Placed together, the three perspectives form a progression. UNESCO defines principles. The UK guide operationalises them in teaching and assessment. Acereda highlights the necessity for both to evolve as AI gains autonomy. Policy without practice stays abstract. Practice without policy becomes inconsistent. Systems without oversight become risky.The immediate actions become more concrete in this combined view. Institutions need course-level AI policies alongside institutional frameworks. Assessment must capture process, reasoning, and judgement. Oral defence, reflective writing, and iterative drafts reveal students’ ability to think. Training must involve both staff and students and should rely on real scenarios. Disclosure should include explanation, not only declaration. Students should describe the process of AI shaping their work. At the same time, institutions must define where AI systems can act autonomously and where human oversight remains required.
A closer reading of the three sources reveals shared assumptions. They assume institutions can respond at the pace of technological change. They assume educators have time and support to redesign teaching. They assume students will disclose AI use if policies exist. These assumptions often fail in practice. Workload, uneven training, and limited institutional support create gaps between policy and implementation. Equity also extends beyond access. Differences in language skills, prompting ability, and access to paid tools shape outcomes. Acereda adds another pressure point. When AI systems act across workflows, responsibility becomes less visible and harder to assign.
The UK study provides empirical grounding. Educators report strong familiarity with AI and highlight benefits for brainstorming and language support. Many point to its value for international students. At the same time, trust declines when AI enters assessment. Educators call for clearer policies, targeted training, and practical guidance. These findings support UNESCO’s position. Adoption without structure weakens trust. Structured integration supports learning. Acereda’s contribution extends this insight. When AI systems act, the issue goes beyond trust in student work. It is trust in institutional processes.
Practical recommendations follow from this synthesis. Integrate AI literacy into all programs. Focus on prompting, verification, critique, and reflection. Expand this toward supervision skills, including monitoring AI actions and evaluating system behaviour. Redesign assessment to capture thinking and decision-making. Use tasks expecting explanation, context, and judgement. Develop layered policies with clear examples of acceptable use. Define boundaries for AI autonomy and human oversight. Provide educators with time, training, and shared resources. Encourage open dialogue to supports disclosure and reflection. Review practices regularly and adjust based on evidence.
The main takeaways follow a consistent logic. AI changes the idea of learning. Trust becomes a central resource. Assessment design matters more than detection tools. AI literacy includes ethical judgement and system oversight. Equity requires attention to skills, language, and access. Institutions need alignment across governance, teaching, and infrastructure. Agentic AI extends this by requiring control over systems that act, not only tools that assist.
The comparison between the three sources strengthens this perspective. UNESCO defines values such as human-centred AI, inclusion, and accountability. The UK guide shows the way these values operate in postgraduate education. Acereda demonstrates the necessity for these frameworks to adapt as AI evolves into an active agent. Together, they connect vision, practice, and system design.
This synthesis can strengthen academic work in four ways. First, frame AI as a combined policy, pedagogy, and system design issue in the literature review. Second, build a conceptual framework that links human-centred AI with ethical and supervisory practice. Third, design studies that capture learning processes and interactions with AI systems, not only perceptions. Fourth, propose models that integrate policy, curriculum, assessment, and institutional workflows.
A strong research direction emerges from this integration. From AI policy to AI fluency: how universities translate human-centred AI principles into ethical assessment and postgraduate research practice.
Университетите преформулират разбирането за учене, доказателства и академична почтеност под натиска на нова вълна от ИИ. Насоките на UNESCO и британските указания за следдипломно образование разглеждат тази промяна от различни ъгли, но се обединяват около основен извод. ИИ не е проблем на инструменти. Това е системно предизвикателство, което променя политики, педагогика и доверие. Анализът на Алберто Асереда за агентния ИИ разширява тази теза. Според него промяната не спира при генеративните инструменти. ИИ системите вече действат, вземат решения и координират. Това повишава значението на темата за висшето образование.
UNESCO задава стратегическата посока. Акцентът е върху управление, етика, равнопоставеност и човешка автономия. Документът призовава институциите да валидират технологиите преди внедряване и да съгласуват използването на ИИ с дългосрочните образователни цели. Британското ръководство се насочва към практиката. Фокусът е върху следдипломното образование, академичните ценности и преподавателските решения. То показва опита на преподавателите с ИИ в реални ситуации, включително намаляващо доверие в студентските работи. Асереда добавя трето ниво. Той представя агентния ИИ като преход от системи, които генерират съдържание, към системи, които изпълняват задачи. Това поставя институциите пред необходимост да преразгледат контрола, отговорността и ученето.
Практика без политика става непоследователна. Системи без надзор носят риск.
Поставени заедно, трите гледни точки очертават развитие. UNESCO формулира принципи. Британското ръководство ги прилага в преподаването и оценяването. Асереда подчертава необходимостта и двете да се развиват с нарастването на автономността на ИИ. Политика без практика остава абстрактна. Практика без политика става непоследователна. Системи без надзор носят риск.
Непосредствените действия стават по-ясни в тази комбинирана перспектива. Необходими са политики за използване на ИИ на ниво курс, заедно с институционални рамки. Оценяването трябва да отразява процеса, аргументацията и преценката. Устната защита, рефлексивното писане и работата по версии показват способността за мислене. Обучението трябва да включва както преподаватели, така и студенти и да стъпва върху реални сценарии. Декларирането трябва да включва обяснение, не само отбелязване. Студентите трябва да описват как ИИ е повлиял на работата им. В същото време институциите трябва да определят къде ИИ може да действа самостоятелно и къде е необходим човешки контрол.
По-задълбочен прочит на трите източника разкрива общи допускания. Приема се, че институциите могат да реагират с темпото на технологичните промени. Приема се, че преподавателите разполагат с време и подкрепа за преработка на обучението. Приема се, че студентите ще декларират използването на ИИ при наличие на политики. Тези допускания често не се потвърждават. Натоварването, неравномерното обучение и ограничената институционална подкрепа създават разрив между политика и реализация. Равнопоставеността надхвърля достъпа. Различията в езиковите умения, уменията за формулиране на заявки и достъпът до платени инструменти влияят върху резултатите. Асереда добавя още едно напрежение. Когато ИИ системи действат в рамките на процеси, отговорността става по-трудна за проследяване.
Британското изследване осигурява емпирична основа. Преподавателите отчитат висока запознатост с ИИ и подчертават ползите при генериране на идеи и езикова подкрепа. Мнозина отбелязват значението за чуждестранни студенти. В същото време доверието намалява при използване на ИИ в оценяването. Преподавателите настояват за по-ясни политики, целево обучение и практически насоки. Тези резултати подкрепят позицията на UNESCO. Внедряване без структура подкопава доверието. Структурираното интегриране подпомага ученето. Приносът на Асереда разширява този извод. Когато ИИ системите действат, въпросът надхвърля доверието в студентската работа. Става дума за доверие в институционалните процеси.
Практическите препоръки следват от този синтез. Интегрирайте ИИ грамотност във всички програми. Фокусирайте се върху формулиране на заявки, проверка, критичен анализ и рефлексия. Разширете това към умения за надзор, включително наблюдение на действията на ИИ и оценка на поведението на системите. Преработете оценяването така, че да улавя мисленето и вземането на решения. Използвайте задачи, които изискват обяснение, контекст и преценка. Разработете многопластови политики с ясни примери за допустима употреба. Определете граници за автономията на ИИ и човешкия контрол. Осигурете на преподавателите време, обучение и ресурси. Насърчавайте открит диалог, който подкрепя декларирането и рефлексията. Преглеждайте практиките регулярно и ги адаптирайте на база доказателства.
Основните изводи следват последователна логика. ИИ променя разбирането за учене. Доверието става централен ресурс. Дизайнът на оценяването има по-голямо значение от инструментите за откриване. ИИ грамотността включва етична преценка и надзор върху системи. Равнопоставеността изисква внимание към умения, език и достъп. Институциите се нуждаят от съгласуваност между управление, преподаване и инфраструктура. Агентният ИИ разширява това, като изисква контрол върху системи, които действат, а не само върху инструменти, които подпомагат.
Сравнението между трите източника засилва тази перспектива. UNESCO дефинира ценности като ориентиран към човека ИИ, приобщаване и отчетност. Британското ръководство показва как тези ценности се прилагат в следдипломното образование. Асереда демонстрира необходимостта тези рамки да се адаптират, тъй като ИИ се превръща в активен участник. Заедно те свързват визия, практика и системен дизайн.
Този синтез може да засили академичната работа по четири начина. Първо, представя ИИ като въпрос на политика, педагогика и системен дизайн в прегледа на литературата. Второ, изгражда концептуална рамка, която свързва ориентирания към човека ИИ с етичната и надзорната практика. Трето, насочва към изследвания, които улавят процесите на учене и взаимодействието със системи с ИИ, а не само нагласите. Четвърто, предлага модели, които интегрират политика, учебни програми, оценяване и институционални процеси.
Очертана е ясна изследователска посока. От политики за ИИ към ИИ грамотност: как университетите превеждат принципите за ориентиран към човека ИИ в етично оценяване и изследователска практика в следдипломното образование.то интегрират политика, учебни програми, оценяване и обучение.