Rethinking Pedagogy in the AI Era: Global PISA Takeaways, Academic Lessons, and Responsible AI Assistance

Преосмисляне на педагогиката в ерата на изкуствения интелект: Глобални изводи от PISA, академични поуки и отговорна подкрепа от ИИ

Podcast

Подкаст

Plamen MILTENOFF

Link to the extended analysis here

The latest Program for International Student Assessment (PISA) results provide critical diagnostic insights into global educational trends and student performance. In the United States, reading scores dropped significantly by 14 points to an average of 490—equivalent to a seven-month loss in learning—while mathematics performance remained suppressed at 464 (ranking 27th globally). Science served as a relative high point for U.S. students with an average score of 502 (ranking 13th globally). A concerning trend highlighted in recent analyses is the widening performance gap between high and low achievers, driven in part by a shift in digital habits from active creation toward passive social media scrolling (Modan, 2026).
Across the Atlantic, European results reveal parallel structural challenges. Germany registered its lowest scores since PISA testing began—scoring 486 in science, 465 in reading, and 464 in mathematics—with socioeconomic background accounting for 19% of performance variance in science and a 125-point gap between top and bottom economic quartiles (OECD, 2026a). Portugal recorded scores of 482 in science, 462 in reading, and 460 in mathematics, reversing its post-2000 gains and returning to performance levels last seen in 2006 (OECD, 2026b). In Bulgaria, performance remains severely depressed at 421 in science, 405 in mathematics, and 387 in reading, with over 58% of 15-year-olds failing to reach basic Level 2 proficiency in reading and over 57% in mathematics (OECD, 2026c). At the aggregate level, official reporting indicates European Union averages of 481 in science, 459 in reading, and 463 in mathematics (Ministerio de Educación, Formación Profesional y Deportes, 2026). European Commission (2023) analyses emphasize the correlation of while unguided, excessive screen time with lower outcomes, structured and instructor-led digital integration yields positive learning gains.

Core Pedagogical Pillars for Higher Education
Extracting lessons from these international diagnostic findings, academia must rethink its pedagogical models to address mounting basic skill deficits and digital distractions:
1. Tackling the Functional Literacy Deficit via Adaptive Learning
The PISA Finding: Over 58% of Bulgarian 15-year-olds and nearly 30% of EU students perform below basic proficiency levels in core subjects, struggling to apply theoretical concepts to real-world problems (European Commission, 2023; OECD, 2026c).
Lesson for Academia: Standardized, single-pace teaching models fail to address individual learning gaps. Academic institutions must embrace AI-driven adaptive learning systems and focus on personalized learning pathways, dynamically adjusting difficulty, pacing, and feedback based on real-time student performance. Deploying adaptive scaffolding in secondary schools and introductory university STEM and economics modules can address foundational knowledge gaps before students fall permanently behind.
2. Shifting from Passive Tech Distraction to Guided AI Pedagogy
The PISA Finding: Unguided, excessive screen time correlates negatively with student performance, whereas structured, instructor-led digital integration yields positive learning gains (European Commission, 2023; Modan, 2026).
Lesson for Academia: Academia must prioritize teaching AI literacy as an essential academic skill. Instead of reactive prohibition or unguided digital consumption, educational frameworks should embed AI literacy directly into curriculum design. Academic institutions must train educators to use AI as an interactive tutor—guiding students through prompt logic, critical output evaluation, and complex problem-solving rather than passive content generation.
3. Mitigating Socioeconomic Equity Gaps
The PISA Finding: Across Germany, Bulgaria, and the broader EU, socioeconomic background remains a dominant predictor of academic success, with under-resourced schools lacking individualized support (OECD, 2026a, 2026c).
Lesson for Academia: AI-powered adaptive platforms can act as scalable equalizer tools. Broad academic adoption of low-cost, AI-assisted tutoring platforms can offer 24/7 personalized academic support to students in underserved secondary schools and non-traditional university cohorts, bridging learning gaps without requiring unfeasible teaching staff ratios.
4. Redesigning Assessment Frameworks for Secondary & Tertiary Education
The PISA Finding: A widening gap exists between traditional memorization-based testing and real-world functional literacy (Modan, 2026; OECD, 2026c).
Lesson for Academia: Academic institutions must develop new assessment rubrics that move past rote recall. By leveraging generative AI to create domain-specific case studies and interactive scenarios, educators can evaluate students on higher-order competencies—such as critical analysis, data interpretation, and ethical judgment—ensuring a smoother academic transition from secondary to higher education.

Navigating School AI Bans: How AI Can Assist Responsibly
This research comes at a pivotal moment for global educational governance. Recognizing the risks of screen addiction, loss of critical thinking, and academic dishonesty, major public school systems—including New York City and Los Angeles Unified—have instituted moratoriums or strict bans on student-facing generative AI and open chatbots in elementary and middle school classrooms.
Rather than viewing these bans as a setback, academia should leverage this moment to redefine how AI can assist constructively without disrupting core cognitive development:

Back-End Educator Empowerment (Reducing Administrative Fatigue): AI should be restricted from replacing direct student-teacher interaction and instead deployed behind the scenes for educators. Teachers can use AI tools to generate differentiated lesson plans, construct localized problem sets, and automate routine administrative tasks. This reduces teacher burnout and frees up significant time for direct, face-to-face mentorship.
Non-Conversational Adaptive Diagnostic Engines: Instead of open-ended conversational chatbots (which encourage passive answers and distraction), schools can implement non-chat adaptive algorithms. These system engines work quietly in the background to diagnose mathematical or reading gaps and deliver targeted practice exercises without exposing young students to generative conversational interfaces.
Process-Focused Learning Scaffolds for Older Students: In secondary and university environments where AI access is permitted, institutions can implement “guarded thought partners”. Rather than generating final text, AI platforms can be configured to act as interactive Socratic tutors that prompt students to explain their reasoning, track draft iterations, and refine their own writing.
By shifting the focus from unguided student access to teacher-facing productivity and structured, process-based learning, AI can serve as a powerful ally—even in an era of heightened technological caution. Addressing international PISA learning declines requires a balanced strategy: safeguarding foundational human reasoning in early education while harnessing intelligent, adaptive frameworks to empower educators and support higher-order learning.
Последните резултати от Програмата за международно оценяване на учениците (PISA) предоставят ключови диагностични анализи за глобалните образователни тенденции и постиженията на учениците. В Съединените щати резултатите по четене спаднаха значително с 14 точки до средно ниво от 490 — еквивалентно на седеммесечна загуба на обучение — докато постиженията по математика останаха ниски на ниво от 464 (27-мо място в световен мащаб). Естествените науки са сравнително висок показател за американските ученици със среден резултат от 502 (13-то място в световен мащаб). Тревожна тенденция, подчертана в скорошни анализи, е разширяващата се ножица в постиженията между учениците с високи и ниски резултати, определена отчасти от промяната в дигиталните навици — от активно създаване към пасивно скролване в социалните мрежи (Modan, 2026). От другата страна на Атлантика резултатите в Европа разкриват паралелни структурни предизвикателства. Германия регистрира най-ниските си резултати от началото на тестването по PISA — със 486 точки по естествени науки, 465 по четене и 464 по математика — като социоикономическият произход обяснява 19% от различието в постиженията по науки и 125 точки разлика между най-високия и най-ниския икономически квартил (OECD, 2026a). Португалия отчете резултати от 482 по естествени науки, 462 по четене и 460 по математика, заличавайки напредъка си след 2000 г. и връщайки се към нива на постижения, виждани за последно през 2006 г. (OECD, 2026b). В България постиженията остават силно обезпокоителни — 421 по естествени науки, 405 по математика и 387 по четене, като над 58% от 15-годишните не успяват да достигнат основното Ниво 2 на грамотност по четене и над 57% по математика (OECD, 2026c). На обобщено ниво официалните данни показват средни стойности за Европейския съюз от 481 по естествени науки, 459 по четене и 463 по математика (Ministerio de Educación, Formación Profesional y Deportes, 2026). Анализите на Европейската комисия (European Commission, 2023) подчертават корелацията между неконтролираното, прекомерно време пред екрана и по-ниските резултати, докато структурираното и ръководено от преподавател дигитално интегриране носи положителни образователни ползи.

Основни педагогически стълбове за висшето образование Извличайки поуки от тези международни диагностични констатации, академичната общност трябва да преосмисли своите педагогически модели, за да се справи с нарастващия дефицит на основни умения и дигиталните разсейвания:

1. Справяне с дефицита на функционална грамотност чрез адаптивно обучение
Констатацията от PISA: Над 58% от българските 15-годишни ученици и близо 30% от учениците в ЕС се представят под основните нива на грамотност по основните предмети, изпитвайки затруднения да прилагат теоретични концепции към реални проблеми (European Commission, 2023; OECD, 2026c).
Поука за академичните среди: Стандартизираните модели на преподаване с единно темпо не успяват да се справят с индивидуалните пропуски в обучението. Академичните институции трябва да възприемат адаптивни системи за обучение, базирани на изкуствен интелект (ИИ), и да се фокусират върху персонализирани образователни траектории, които динамично коригират сложността, темпото и обратната връзка спрямо резултатите на студента в реално време. Внедряването на адаптивна подкрепа (scaffolding) в средните училища и във въвеждащите университетски модули по STEM и икономика може да отстрани базови пропуски в знанията, преди студентите да изостанат трайно.

2. Преминаване от пасивно дигитално разсейване към направлявана педагогика с ИИ
Констатацията от PISA: Неконтролираното, прекомерно време пред екрана корелира отрицателно с постиженията на учениците, докато структурираното и ръководено от преподавател дигитално интегриране води до положителни резултати в обучението (European Commission, 2023; Modan, 2026).
Поука за академичните среди: Академичната общност трябва да постави като приоритет преподаването на грамотност в областта на ИИ като ключово академично умение. Вместо реактивни забрани или неконтролирано дигитално потребление, образователните рамки трябва да внедрят грамотността по ИИ директно в учебните програми. Академичните институции трябва да обучат преподавателите да използват ИИ като интерактивен ментор — напътстващ студентите през логиката на подканите (prompts), критичната оценка на генерираните резултати и решаването на комплексни проблеми, вместо пасивно генериране на съдържание.

3. Намаляване на социално-икономическите ножици и неравенства
Констатацията от PISA: В Германия, България и целия ЕС социално-икономическият произход остава водещ фактор за академичния успех, като на училищата с недостатъчно ресурси липсва индивидуална подкрепа (OECD, 2026a, 2026c).
Поука за академичните среди: Адаптивните платформи, базирани на ИИ, могат да действат като скалируеми инструменти за изравняване на възможностите. Широкото академично прилагане на достъпни платформи за туторинг с ИИ може да осигури 24/7 персонализирана академична подкрепа за ученици в неравностойно положение и нетрадиционни университетски групи, преодолявайки пропуските в обучението без необходимост от непосилно увеличение на преподавателския състав.

4. Преосмисляне на системите за оценяване в средното и висшето образование
Констатацията от PISA: Налице е разширяваща се пропаст между традиционните тестове, базирани на запаметяване, и реалната функционална грамотност (Modan, 2026; OECD, 2026c).
Поука за академичните среди: Академичните институции трябва да разработят нови критерии за оценяване, които надхвърлят механичното възпроизвеждане. Чрез използването на генеративен ИИ за създаване на специфични за дадена област казуси и интерактивни сценарии, преподавателите могат да оценяват компетенции от по-висок порядък — като критичен анализ, интерпретация на данни и етична преценка — осигурявайки по-плавен академичен преход от средно към висше образование.

Навигация сред забраните за ИИ в училищата: Как ИИ може да помага отговорно Това изследване идва в ключов момент за глобалното управление на образованието. Признавайки рисковете от екранна пристрастеност, загуба на критично мислене и академична нечестност, големи обществени училищни системи — включително Ню Йорк и обединения училищен окръг на Лос Анджелис — въведоха мораториуми или строги забрани за използването на генеративен ИИ и отворени чатботове от ученици в началните и прогимназиалните класове. Вместо да разглежда тези забрани като крачка назад, академичната общност трябва да използва този момент, за да предефинира как ИИ може да помага градивно, без да смущава базовото когнитивно развитие:

Подкрепа на преподавателите „зад кулисите“ (намаляване на административното изтощение): ИИ не трябва да замества прякото взаимодействие между ученик и учител, а вместо това да се прилага зад кадър в подкрепа на педагозите. Учителите могат да използват инструменти с ИИ за създаване на диференцирани планове за уроци, съставяне на адаптирани комплекси от задачи и автоматизиране на рутинни административни дейности. Това намалява професионалното прегаряне (burnout) и освобождава значително време за пряко, лично менторство.
Неконверсационни адаптивни среди за диагностика: Вместо диалогови чатботове с отворен край (които насърчават пасивното получаване на готови отговори и разсейването), училищата могат да внедрят адаптивни алгоритми без чат интерфейс. Тези системи работят незабележимо на заден план, за да диагностицират пропуски по математика или четене и да предоставят целеви упражнения, без да излагат малките ученици на генеративни диалогови интерфейси.
Процесно-ориентирана подкрепа за по-големите ученици и студентите: В гимназиалния етап и университетската среда, където достъпът до ИИ е позволен, институциите могат да внедрят „контролирани мисловни партньори“. Вместо да генерират краен текст, платформите с ИИ могат да бъдат конфигурирани да действат като интерактивни сократически наставници, които подтикват студентите да обясняват своите доводи, да проследяват промените в черновите си и сами да подобряват писмените си работи. Чрез пренасяне на фокуса от неконтролиран достъп за учениците към производителността на преподавателите и структурираното, процесно-ориентирано обучение, ИИ може да бъде мощен съюзник — дори в ера на засилена технологична предпазливост. Справянето с международния спад в резултатите от PISA изисква балансирана стратегия: защита на базовото човешко мислене в ранното образование, съчетана с използване на интелигентни, адаптивни рамки за подкрепа на преподавателите и развитие на умения от по-висок порядък.

References