От предизвикателствата за AI fluency към проектно-базираното обучение: как да направим мисленето на студентите видимо
| Over the past several weeks, this blog has explored a growing body of work from PBL Future Labs geared toward educators revision of the practical meaning of AI fluency. Three recent resources, “Build Your Own AI Fluency Challenges,” “6 AI Fluency Projects That Make Student Thinking Visible,” and the newly released “5 AI Fluency Projects with Project-Based Learning 2.0,” all point toward the same conclusion: AI fluency is not primarily about prompting. It is about judgment. The latest infographic builds on themes discussed in previous posts. In “Build Your Own AI Fluency Challenges,” the focus was on creating learning activities that encourage students to question AI outputs, compare alternatives, verify information, and explain their reasoning. In “6 AI Fluency Projects That Make Student Thinking Visible,” the emphasis shifted from AI-generated products to the thinking processes behind them. Students documented decisions, reflected on revisions, evaluated AI responses, and made their reasoning observable to others. The newest infographic takes the next step by connecting AI fluency directly to project-based learning. Project-based learning (PBL) is an instructional approach in which students learn by investigating authentic problems and creating meaningful products for real audiences. Rather than completing isolated assignments, students apply knowledge, collaborate with others, and develop solutions to real-world challenges. The accompanying LinkedIn post captures the essence of this approach: “AI fluency is not the poster. It is the pause before students believe the answer. The second source. The better question. The rejected shortcut. The draft that changed. The public explanation. The visible trail of judgment.” This statement reflects a consistent message across all three PBL Future Labs resources. AI fluency emerges when students actively evaluate AI rather than passively accept its outputs. The infographic presents five examples. In “Community Problem Solver,” students investigate local challenges and use AI to explore possible solutions. A business student might examine declining customer engagement for a local organization, compare AI-generated recommendations with evidence from research, and propose a realistic action plan. In “AI Truth Detectives,” students verify AI-generated claims using reliable sources. This project develops source evaluation skills that have become increasingly important in the age of generative AI. “Prompt, Iterate, Elevate” moves beyond prompt engineering. Students refine prompts repeatedly, compare outputs, and reflect on how changes influence quality. The goal is not producing a perfect prompt but understanding the relationship between questions, assumptions, and results. The “Future Scenario Lab” encourages students to explore alternative futures. Learners use AI to examine possible economic, technological, or social developments and then analyze consequences and responses. Finally, “AI for Good Campaign” asks students to design awareness campaigns around issues they care about. AI supports brainstorming and communication, while students remain responsible for ethical choices, audience analysis, and message quality. Across all five projects, AI functions as a thinking partner rather than a shortcut. Students still need to investigate, evaluate, justify, revise, and communicate. This is perhaps the most important lesson emerging from the entire PBL Future Labs series. AI fluency is not measured by the ability of students to generate answers. It is measured by their capacity to question, verify, improve, and explain them. For higher education, this distinction matters. As discussed in previous blog posts, concerns about cognitive offloading, overreliance on AI, and declining critical thinking are unlikely to be solved through restrictions alone. Instead, educators need learning designs that make student thinking visible. Project-based learning offers one promising pathway. By connecting AI use to authentic problems, public products, reflection, and evidence-based decision-making, educators can help students develop the judgment, responsibility, and intellectual independence required to work effectively with AI. The future of AI fluency may have less to do with teaching to prompt and far more to do with teaching students to think. https://www.linkedin.com/posts/phillipalcock_ai-fluency-is-not-the-poster-it-is-the-share-7468051377731047425-HiPo | През последните седмици този блог разглежда поредица от ресурси на PBL Future Labs, които помагат на преподавателите да преосмислят какво означава AI fluency на практика. Три публикации, „Създайте свои собствени AI Fluency предизвикателства“, „6 AI Fluency проекта, които правят мисленето на студентите видимо“ и най-новата инфографика „5 AI Fluency проекта с Project-Based Learning 2.0“, насочват към едно и също заключение: ИИ компетентност (AI fluency) не е преди всичко умение за създаване на добри промптове. То е способност за преценка и критично мислене. Последната инфографика надгражда идеите, обсъдени в предишните публикации. В статията „Създайте свои собствени AI Fluency предизвикателства“ акцентът беше върху създаването на учебни дейности, които насърчават студентите да поставят под въпрос отговорите на ИИ, да сравняват алтернативи, да проверяват информация и да обясняват собствените си решения. В публикацията „6 AI Fluency проекта, които правят мисленето на студентите видимо“ фокусът се премести от крайния продукт към процеса на мислене. Студентите документират решенията си, анализират промените, оценяват отговорите на ИИ и правят собственото си разсъждение видимо за другите. Новата инфографика прави следващата логична стъпка, като свързва AI fluency директно с проектно-базираното обучение. Проектно-базираното обучение (Project-Based Learning, PBL) е образователен подход, при който студентите учат чрез изследване на реални проблеми и създаване на значими продукти за реална аудитория. Вместо да изпълняват изолирани задачи, те прилагат знанията си в практиката, работят по автентични казуси и разработват решения на реални предизвикателства. Съпътстващата публикация в LinkedIn обобщава същността на този подход: „AI fluency не е плакатът. То е паузата преди студентът да повярва на отговора. Вторият източник. По-добрият въпрос. Отхвърленият пряк път. Редактираният чернови вариант. Публичното обяснение. Видимата следа от преценката.“ Тази идея отразява общото послание на всички ресурси на PBL Future Labs. ИИ компетентност (AI fluency) се развива тогава, когато студентите оценяват и анализират резултатите от ИИ, вместо просто да ги приемат. Инфографиката представя пет примерни проекта. В проекта „Решаване на проблеми в общността“ студентите изследват реални местни предизвикателства и използват ИИ, за да генерират възможни решения. Например студент по бизнес може да анализира проблем с намаляваща ангажираност на клиентите в местна организация, да сравни предложенията на ИИ с научни източници и да разработи реалистичен план за действие. „Детективи на истината в ИИ“ насърчава студентите да проверяват твърдения, генерирани от ИИ, чрез надеждни източници. Този проект развива умения за оценка на информацията, които стават все по-важни в ерата на генеративния изкуствен интелект. „Подкани, подобри, надгради“ излиза отвъд обикновеното обучение по промптинг. Студентите усъвършенстват своите подкани, сравняват резултатите и анализират как различните формулировки влияят върху качеството на отговорите. Основната цел не е създаването на „перфектен промпт“, а разбирането на връзката между въпросите, предположенията и резултатите. „Лаборатория за бъдещи сценарии“ насърчава студентите да изследват различни възможни бъдеща. Те използват ИИ, за да анализират потенциални икономически, технологични или социални промени и след това оценяват последствията и възможните действия. Проектът „Кампания за добро с помощта на ИИ“ поставя студентите в ролята на създатели на кампании по значими обществени теми. ИИ подпомага генерирането на идеи и разработването на послания, но студентите остават отговорни за етичните решения, анализа на аудиторията и качеството на комуникацията. Общото между всички тези проекти е, че ИИ подпомага мисленето, а не го заменя. Студентите продължават да изследват, оценяват, аргументират, преработват и комуникират своите идеи. Това е може би най-важният извод от цялата серия ресурси на PBL Future Labs. AI fluency не се измерва чрез способността на студентите да генерират отговори. То се измерва чрез способността им да задават по-добри въпроси, да проверяват информацията, да подобряват решенията си и да обясняват своите разсъждения. За висшето образование това разграничение е особено важно. Както беше обсъдено в предишни публикации в този блог, опасенията, свързани с когнитивното разтоварване, прекомерната зависимост от ИИ и отслабването на критичното мислене, трудно могат да бъдат решени чрез забрани и ограничения. Необходими са учебни дейности, които правят мисленето на студентите видимо. Проектно-базираното обучение предлага една от най-перспективните възможности. Когато използването на ИИ се свърже с реални проблеми, публични резултати, рефлексия и аргументирано вземане на решения, студентите развиват преценка, отговорност и интелектуална самостоятелност. Бъдещето на ИИ компетентнст (AI fluency) няма да зависи толкова от това колко добре студентите умеят да създават промптове, а от това колко добре умеят да мислят. https://www.linkedin.com/posts/phillipalcock_ai-fluency-is-not-the-poster-it-is-the-share-7468051377731047425-HiPo |