Защо университетите трябва да преминат отвъд ИИ грамотността към уверено използване на ИИ
Artificial intelligence in education is moving into a new phase. Early conversations focused on AI literacy: understanding AI systems, risks, ethics, and limitations. Increasingly, the discussion is shifting toward AI fluency. Universities now face pressure not only to help students and faculty understand AI, but also to work with it effectively, critically, and responsibly in teaching, learning, and research.
This shift appears repeatedly in current discussions around higher education, professional development, curriculum redesign, and assessment. Across the many workshops I have recently conducted for faculty and students at University of Economics – Varna, I consistently dedicate time to explaining why AI literacy matters. Faculty need it for course design, assessment, feedback, and research. Students need it for studying, academic writing, critical evaluation, and future employability. Yet literacy alone is no longer sufficient. Understanding AI is the starting point; meaningful academic and professional use requires something more.
Thomas Chiu’s 2025 article on AI literacy and competency helps clarify this growing confusion around terminology. Terms such as AI literacy, AI competency, AI readiness, and AI fluency are often used interchangeably, although they describe different levels of engagement with AI. Chiu makes an important distinction.
AI literacy refers to understanding AI. This includes knowledge of how AI works, awareness of ethical concerns, recognition of bias and limitations, attention to issues of digital wellbeing and tech wellness inherited from broader digital literacy discussions, and the ability to critically evaluate AI outputs. An AI-literate person can ask: “What does this AI system do?” AI literacy is therefore the foundation. Importantly, AI literacy is not reserved for programmers or computer scientists. Every student, educator, researcher, policymaker, and citizen requires some level of AI literacy.
AI competency moves further. It refers to practical and contextual use of AI systems. An AI-competent individual can integrate AI into real tasks, evaluate outputs, refine prompts, troubleshoot errors, and apply AI ethically and productively. Competency asks a different question: “How do I make this AI work better?” Chiu’s argument is straightforward but important: competency cannot exist without literacy first.
One of the strongest contributions of the article is the explanation about AI literacy being grounded in several other literacies. Chiu identifies at least ten interconnected literacies shaping individuals’ understanding and use of AI: mathematical, data, ethical, media, computational, linguistic, visual, domain-specific, scientific, and design literacy. Weaknesses in any of these areas create blind spots. For example, limited media literacy may reduce the ability to detect AI-generated misinformation. Weak data literacy may prevent critical evaluation of AI outputs. Limited ethical literacy may weaken awareness of bias, fairness, or transparency concerns.
This perspective also explains why AI education cannot be reduced to short technical tutorials. Effective AI use requires integrated thinking across disciplines.
А recent Facebook post and accompanying infographic help translate these ideas into a more accessible format. The sketchnotes visualize the distinction clearly: AI literacy equals understanding, while AI competency equals action. The infographic also communicates the interdisciplinary nature of AI literacy in a way most educators can immediately understand. This matters because visual communication reduces conceptual confusion and gives institutions a practical framework for curriculum design, faculty development, and policy discussions. At a time when AI terminology often becomes vague or inconsistent, the infographic functions as a useful bridge between research and practice.
The next challenge for higher education is therefore larger than awareness campaigns alone. Universities must support the development of AI fluency for both faculty and students. AI fluency builds on literacy and competency, but also includes adaptability, judgment, reflective practice, and the ability to work effectively in AI-mediated environments. Students will increasingly graduate into workplaces where AI is embedded into everyday workflows. Faculty will increasingly teach, assess, research, and communicate in environments shaped by AI systems.
The key question is no longer whether universities should teach about AI. The question is whether institutions can help people move from understanding AI to working with it thoughtfully, critically, ethically, and effectively.
Изкуственият интелект в образованието навлиза в нов етап. Първоначалните разговори бяха фокусирани върху ИИ грамотността: разбиране на ИИ системите, рисковете, етиката и ограниченията. Все по-често обаче дискусията се насочва към AI fluency. Университетите вече са под натиск не само да помагат на студенти и преподаватели да разбират ИИ, но и да работят с него ефективно, критично и отговорно в преподаването, ученето и научните изследвания.
Тази промяна се появява многократно в съвременните дискусии за висшето образование, професионалното развитие, преработката на учебните програми и оценяването. В многобройните уъркшопи, които наскоро проведох за преподаватели и студенти в Икономически университет – Варна, последователно отделям време, за да обясня защо ИИ грамотността е важна. Преподавателите се нуждаят от нея за дизайн на курсове, оценяване, обратна връзка и научна работа. Студентите се нуждаят от нея за учене, академично писане, критична оценка и бъдеща професионална реализация. Само грамотността обаче вече не е достатъчна. Разбирането на ИИ е отправната точка; смисленото академично и професионално използване изисква нещо повече.
Статията на Thomas Chiu от 2025 г. за ИИ грамотността и ИИ компетентността помага да се изясни нарастващото объркване около терминологията. Понятия като AI literacy, AI competency, AI readiness и AI fluency често се използват взаимозаменяемо, въпреки че описват различни нива на взаимодействие с ИИ. Chiu прави важно разграничение.
ИИ грамотността се отнася до разбирането на ИИ. Това включва познания за начина, по който работи ИИ, осъзнаване на етичните въпроси, разпознаване на пристрастията и ограниченията, внимание към въпросите за дигиталното благополучие и технологичното здраве, наследени от по-широките дискусии за дигиталната грамотност, както и способност за критична оценка на резултатите, генерирани от ИИ. Един човек с ИИ грамотност може да попита: „Какво прави тази ИИ система?“ Следователно ИИ грамотността е основата. Важно е също, че тя не е предназначена само за програмисти или компютърни специалисти. Всеки студент, преподавател, изследовател, политик и гражданин се нуждае от определено ниво на ИИ грамотност.
ИИ компетентността отива по-далеч. Тя се отнася до практическото и контекстуално използване на ИИ системи. Един ИИ-компетентен човек може да интегрира ИИ в реални задачи, да оценява резултати, да усъвършенства промпти, да отстранява грешки и да прилага ИИ етично и продуктивно. Компетентността задава различен въпрос: „Как мога да накарам този ИИ да работи по-добре?“ Аргументът на Chiu е ясен, но важен: компетентността не може да съществува без грамотност.
Един от най-силните приноси на статията е обяснението, че ИИ грамотността се основава на няколко други грамотности. Chiu идентифицира поне десет взаимосвързани грамотности, които формират начина, по който хората разбират и използват ИИ: математическа, свързана с данни, етична, медийна, компютърна, езикова, визуална, предметно-специфична, научна и дизайн грамотност. Слабостите в която и да е от тези области създават „слепи петна“. Например ограничената медийна грамотност може да намали способността за разпознаване на дезинформация, генерирана от ИИ. Слабата грамотност, свързана с данни, може да попречи на критичната оценка на резултатите от ИИ. Ограничената етична грамотност може да отслаби осъзнаването на проблемите с пристрастията, справедливостта и прозрачността.
Тази перспектива също обяснява защо обучението по ИИ не може да бъде сведено до кратки технически уроци. Ефективното използване на ИИ изисква интегрирано мислене между различни дисциплини.
Тази скорошна Facebook публикация и придружаващата я инфографика помагат тези идеи да бъдат представени в по-достъпен формат. Скетчноутите визуализират разграничението ясно: AI literacy означава разбиране, а AI competency означава действие. Инфографиката също така представя интердисциплинарния характер на ИИ грамотността по начин, който повечето преподаватели могат веднага да разберат. Това е важно, защото визуалната комуникация намалява концептуалното объркване и дава на институциите практическа рамка за дизайн на учебни програми, развитие на преподаватели и политически дискусии. В момент, когато терминологията около ИИ често става неясна или непоследователна, инфографиката функционира като полезен мост между изследванията и практиката.
Следващото предизвикателство пред висшето образование е по-голямо от кампании за повишаване на осведомеността. Университетите трябва да подкрепят развитието на AI fluency както при преподавателите, така и при студентите. AI fluency надгражда грамотността и компетентността, но включва също адаптивност, преценка, рефлексивна практика и способност за ефективна работа в среда, медиирана от ИИ. Студентите все по-често ще завършват и ще навлизат в работна среда, в която ИИ е вграден в ежедневните процеси. Преподавателите все по-често ще преподават, оценяват, изследват и комуникират в среди, оформени от ИИ системи.
Основният въпрос вече не е дали университетите трябва да преподават за ИИ. Въпросът е дали институциите могат да помогнат на хората да преминат от разбирането на ИИ към работата с него по внимателен, критичен, етичен и ефективен начин.