The rapid growth of generative AI is forcing educators to rethink curriculum, assessment, and evidence of learning. Current discussions about AI integration begin with the wrong question: “Which AI tool should we use?” Understanding by Design and backward design suggest a different starting point.
Backward design, grounded in the work of Grant Wiggins and Jay McTighe, begins with the end goals of learning. The process follows a clear sequence:
Goals → Evidence → Learning Experiences
Teachers first identify what students should understand and be able to do. Next, they determine what evidence will demonstrate that learning. Only then do they design activities, lessons, and instructional supports.
Understanding by Design expands this logic further. Wiggins and McTighe see education focus on understanding and transfer, not only content coverage or task completion. Students should be able to apply knowledge in new contexts, explain their reasoning, defend decisions, and reflect on their thinking.
This distinction is important in the age of AI.
Generative AI ability to produce essays, summaries, presentations, and reports make them look academically competent. If educators begin with activities instead of learning goals and evidence, AI can easily become a shortcut to weaken assessment validity rather than supporting learning.
The infographic accompanying this post illustrates an expanded AI-aware backward design process:
Goals → Evidence → Activities → Boundaries → AI Supports Learning
This additional step, boundaries, becomes essential.
AI should support learning without replacing the intellectual work the course is designed to develop. For example, in argumentative writing, AI may help students brainstorm counterarguments, receive feedback, clarify thesis statements, or simulate debate positions. However, full essay generation may undermine the very reasoning and writing skills the assignment aims to cultivate.
This reflects an important shift discussed by Dawson et al. (2024): the central issue is no longer cheating alone. The larger issue is whether assessment still provides valid evidence of student understanding.
For faculty, several directions emerge:
- Start lesson planning with learning outcomes, not tools
- Define what evidence will demonstrate understanding
- Design visible learning processes through drafts, reflections, oral explanations, and revision stages
- Clarify where AI use is appropriate and where it is restricted
- Evaluate whether assignments still measure student capability
For students, the message is equally important:
- AI should support thinking, not replace it
- Learning requires reasoning, judgment, and reflection
- Transparency about AI use matters
- The goal is long-term capability, not short-term task completion
Understanding by Design and backward design remain highly relevant due to their redirection of attention toward the core purpose of education: meaningful learning supported by valid evidence. In the age of AI, that question becomes more important than ever.
Цели преди инструменти: Understanding by Design и преподаването с ИИ
Бързото развитие на генеративния ИИ принуждава преподавателите да преосмислят учебната програма, оценяването и доказателствата за учене. Настоящите дискусии за интеграцията на ИИ често започват с погрешния въпрос: „Кой ИИ инструмент трябва да използваме?“ Understanding by Design и backward design предлагат различна отправна точка.
Backward design, основан на работата на Грант Уигинс и Джей Мактай, започва с крайните цели на ученето. Процесът следва ясна последователност:
Цели → Доказателства → Учебни преживявания
Преподавателите първо определят какво студентите трябва да разберат и какво трябва да могат да правят. След това определят какви доказателства ще покажат това учене. Едва след това се планират дейностите, уроците и instructional подкрепата.
Understanding by Design разширява тази логика още повече. Уигинс и Мактай разглеждат образованието като фокусирано върху разбирането и трансфера, а не само върху покриването на съдържание или изпълнението на задачи. Студентите трябва да могат да прилагат знание в нови контексти, да обясняват аргументацията си, да защитават решенията си и да рефлектират върху собственото си мислене.
Това разграничение е особено важно в епохата на ИИ.
Способността на генеративния ИИ да създава есета, резюмета, презентации и доклади ги прави академично убедителни. Ако преподавателите започват с дейностите вместо с учебните цели и доказателствата за учене, ИИ лесно може да се превърне в shortcut, който отслабва валидността на оценяването, вместо да подпомага ученето.
Инфографиката към тази публикация представя разширен AI-aware процес на backward design:
Цели → Доказателства → Дейности → Граници → ИИ подпомага ученето
Тази допълнителна стъпка, границите, става съществена.
ИИ трябва да подпомага ученето, без да замества интелектуалната работа, която курсът е предназначен да развива. Например при аргументативното писане ИИ може да помогне на студентите да генерират контрааргументи, да получат обратна връзка, да изяснят тезите си или да симулират дебатни позиции. Въпреки това пълното генериране на есе може да подкопае именно уменията за аргументация и писане, които задачата цели да развие.
Това отразява важна промяна, обсъдена от Dawson и колегите му (2024): централният проблем вече не е само преписването. По-големият въпрос е дали оценяването все още предоставя валидни доказателства за студентското разбиране.
За преподавателите се открояват няколко насоки:
- Започвайте планирането на уроците от учебните резултати, а не от инструментите
- Определяйте какви доказателства ще показват разбиране
- Проектирайте видими процеси на учене чрез чернови, рефлексии, устни обяснения и етапи на редакция
- Уточнявайте къде използването на ИИ е подходящо и къде е ограничено
- Оценявайте дали заданията все още измерват способностите на студентите
За студентите посланието е също толкова важно:
- ИИ трябва да подпомага мисленето, а не да го замества
- Ученето изисква аргументация, преценка и рефлексия
- Прозрачността относно използването на ИИ е важна
- Целта е дългосрочна компетентност, а не краткосрочно изпълнение на задачи
Understanding by Design и backward design остават изключително актуални, защото насочват вниманието обратно към основната цел на образованието: смислено учене, подкрепено с валидни доказателства. В епохата на ИИ този въпрос става по-важен от всякога.