Beyond the Buzzwords: Translating AI Topics into Observable Classroom Skills

Plamen Miltenoff
In our previous post at the Science and Research Institute on 6 Popular AI Fluency Projects, we explored practical classroom missions like One Wrong Thing and Prompt Rescue. These projects shared a central goal: making student thinking visible. To scale these initiatives across our curriculum at the University of Economics – Varna, we must address a deeper question championed by Phillip Alcock: What actually defines an AI fluency skill, and how does it differ from a broad topic?

The Problem with Vague Topics

As faculty members, we often include objectives like “understand how AI works,” “research with AI,” or “use AI responsibly” in our syllabi. However, these are abstract themes, not teachable actions. You cannot directly observe a student “understanding” a neural network during a lecture, nor can you easily grade generic “responsibility.” When objectives remain vague, assessment becomes guesswork.

The Golden Rule: Specific, Observable, Teachable

Alcock’s framework offers a highly practical alternative. An AI fluency skill must be specific, observable, and teachable in a single lesson. By shifting our focus from passive themes to active verbs, we make student performance measurable.

Break these down into concrete transformations:

  • Broad Topic: Research with → Observable Skill: Ask AI for three options, select the best one, and write a paragraph justifying your choice.
  • Broad Topic: Use AI responsibly → Observable Skill: Spot one error or hallucination in an AI response and provide a verified source to correct it.
  • Broad Topic: Understand how AI works → Observable Skill: Clear explicitly what part of the assignment the AI generated versus your own original contribution.

The Six Pillars of Fluency

True AI fluency comprises six core competency areas: Explore & Find, Evaluate & Check, Understand & Explain, Communicate & Justify, Observe & Assess, and Focus & Achieve. When students only generate prompts and copy the answers, they build dependency, not literacy. Fluency is developed when students actively critique the tool.

[AI Output Generated] ➔ [Student Evaluates & Checks] ➔ [Student Communicates & Justifies Decision]

Practical Implications for Faculty and Students

For our faculty, this simplifies assignment design. Before introducing an AI-assisted task, ask yourself: Can I watch the student do this, and can I assess it by the end of the class? If a marketing student uses AI to generate target personas, do not grade the AI’s prose. Grade the student’s strategic evaluation of those personas.

For students, this shifts the metric of success. Excellence is no longer about generating a flawless first-pass essay from a prompt. It is about demonstrating clear judgment, rigorous fact-checking, and human oversight in response to what the AI produces.

If you can observe a skill in a single lesson, you can teach it, practice it, and grade it. By anchoring AI fluency to visible evidence, we prepare our students for a rapidly evolving economic landscape where critical thinking remains our ultimate competitive advantage.

Отвъд клишетата: Превръщане на темите за ИИ в наблюдаеми умения в класната стая

В предишната ни публикация посветена на 6 популярни проекта за ИИ грамотност, разгледахме практически учебни мисии като „Една грешка“ (One Wrong Thing) и „Спасителна мисия за промпти“ (Prompt Rescue). Тези проекти споделяха една основна цел: да направят мисленето на студентите видимо. За да мащабираме тези инициативи в учебните програми на Икономически университет – Варна, трябва да си отговорим на един по-дълбок въпрос, представен от Филип Алкок: Какво всъщност дефинира едно умение за работа с ИИ и как то се различава от общата тема?

Проблемът с абстрактните теми

Като преподаватели често включваме в учебните си програми цели като „разбиране как работи ИИ“, „проучвания с ИИ“ или „отговорно използване на ИИ“. Алкок обаче отбелязва, че това са абстрактни теми, а не подлежащи на преподаване действия. Трудно е директно да наблюдаваме как един студент „разбира“ една невронна мрежа по време на лекция, нито можем лесно да оценим общата „отговорност“. Когато целите останат неясни, оценяването се превръща в нагласяне.

Златното правило: Специфично, наблюдаемо, преподавано в един час

Рамката на Алкок предлага изключително практична алтернатива. Умението за работа с ИИ трябва да бъде специфично, наблюдаемо и възможно за преподаване в рамките на едно занятие. Като изместим фокуса си от пасивни теми към активни глаголи, правим представянето на студентите измеримо.

Подходът на Алкок разбива тези цели на конкретни трансформации:

  • Обща тема: Проучване с ИИ → Наблюдаемо умение: Поискайте от ИИ три варианта, изберете най-добрия от тях и напишете абзац, обосноваващ избора ви.
  • Обща тема: Отговорно използване на ИИ → Наблюдаемо умение: Открийте една грешка или халюцинация в отговора на ИИ и посочете проверен източник, за да я коригирате.
  • Обща тема: Разбиране как работи ИИ → Наблюдаемо умение: Опишете ясно коя част от задачата е генерирана от ИИ и коя е вашият собствен оригинален принос.

Шестте стълба на практическата ИИ оперативност (Ai Fluency)

Истинската компетентност в областта на ИИ включва шест основни области: Изследване и откриване, Оценяване и проверка, Разбиране и обяснение, Комуникация и обосноваване, Наблюдение и оценяване, и Фокус и постигане. Когато студентите само генерират промпти и копират отговорите, те изграждат зависимост, а не грамотност. Тя се развива тогава, когато студентите активно критикуват инструмента.

[Генериран ИИ резултат] ➔ [Студентът оценява & проверява] ➔ [Студентът комуникира & обосновава решението]

Практически ползи за преподаватели и студенти

За нашите преподаватели това опростява проектирането на задачите. Преди да въведете задача, подпомогната от ИИ, се запитайте: Мога ли да наблюдавам как студентът прави това и мога ли да го оценя до края на часа? Ако студент по маркетинг използва ИИ за генериране на потребителски персони, не оценявайте текста на ИИ. Оценете стратегическия анализ и коментар на студента върху тези персони.

За студентите това променя критерия за успех. Отличният резултат вече не се изразява в генерирането на перфектно есе от първия опит чрез промпт. Той се състои в демонстрирането на ясна критична мисъл, строга проверка на фактите и човешки контрол върху това, което ИИ произвежда.

Ако едно умение може да бъде наблюдавано в рамките на едно занятие, то може да бъде преподавано, практикувано и оценявано. Чрез обвързването на ИИ грамотността с видими доказателства, ние подготвяме нашите студенти за бързо развиващия се икономически пейзаж, където критичното мислене остава нашето най-важно конкурентно предимство.