Между съпротива срещу технологиите и промяната в преподаването. Следващата стъпка за университетите?

Plamen MILTENOFF

Podcast

Подкаст

Two years ago, many discussions focused on tools. Which chatbot should students use? How accurate are large language models? Can AI detect AI? Today, the questions have become more complex.
Why are so many educators skeptical about AI? Why do discussions about generative AI quickly turn into debates about academic integrity, workload, screen time, trust, or the future of education itself?
In his recent article, Bridging the Gap Between Techlash and Instructional Redesig, Nick Potkalitsky looks beyond AI to resolve these concerns . The growing “techlash,” the public and institutional backlash against technology, reflects deeper issues that have been building for years. AI has simply made them impossible to ignore.
For universities, this shift has important implications.

AI is exposing problems that already existed
One of the strongest ideas in the article is that generative AI did not create many of today’s educational challenges. Instead, it exposed weaknesses that were already present.
Many assignments rewarded information retrieval or polished writing more than genuine understanding. Assessment often emphasized finished products instead of the thinking behind them. Technology was frequently added to teaching without redesigning learning.
When AI became capable of producing essays, summaries, programming code, and analyses within seconds, these weaknesses became visible.
The response, however, should not be to remove AI from education.
The response should be to rethink learning.
This changes the central question from:
“How do we stop students from using AI?”
to:
“What kinds of thinking should remain the student’s responsibility?”
That question places instructional design, rather than technology, at the center of educational change.
Instructional redesign is necessary, but not sufficient
Potkalitsky argues that redesigning teaching is one part of the solution. Assignments should ask students to analyze, justify, evaluate, compare, and make disciplinary decisions instead of simply producing text.
For example, economics students might use AI to summarize competing policy proposals, but they should explain which proposal they support, identify weaknesses in the AI analysis, and defend their conclusions with evidence.
Marketing students might generate campaign ideas with AI, but evaluate which strategy best fits a particular customer segment.
Accounting students might ask AI to interpret financial statements, then verify calculations and explain why they accept or reject the model’s conclusions.
These activities keep human judgment at the center of learning.
Yet the discussion that followed Potkalitsky’s LinkedIn post suggests that instructional redesign alone will not solve the broader challenges facing education.
The conversation expands beyond the classroom
Several educators responded by arguing that AI has become a symbol for wider concerns.
Danielle Mirliss observed that dissatisfaction with educational technology began before ChatGPT. Schools were already debating screen time, student wellbeing, and the role of technology after the pandemic. Recent decisions by school districts to reduce screen exposure show that many concerns are about wellness rather than AI itself.
This adds an important perspective.
A well-designed AI activity may still increase students’ time in front of a screen.
Good pedagogy and healthy technology use are related, but they are not identical goals.
Universities may therefore need two complementary strategies. One should improve AI-supported learning. The other should define when learning should happen without digital technologies.
Different groups see different problems
Another important contribution came from reading specialist Frances White.
She suggested that the disagreement is not simply about different opinions. Parents, teachers, policymakers, students, and technology companies often operate within different systems of meaning. They begin with different assumptions, different priorities, and different experiences.
The debate is therefore architectural rather than technological.
A new AI policy cannot resolve disagreements if stakeholders define educational success differently.
This observation broadens the discussion considerably.
Instructional redesign addresses classroom practice.
Institutional leadership must also address trust, communication, governance, and shared expectations.
Judgment may be the missing bridge
Perhaps the most thought-provoking comment came from international educator Chantelle Demicoli.
She suggested that the missing element between AI capability and educational wisdom is judgment.
Artificial intelligence can retrieve information, generate explanations, and perform increasingly complex tasks.
What it cannot replace is human judgment.
Students still need to decide whether an AI response is credible, whether evidence is sufficient, whether ethical considerations matter, and whether alternative interpretations deserve attention.
This idea aligns closely with recent discussions about AI literacy.
The future of AI education may depend less on teaching students how to write better prompts and more on helping them develop better judgment.
Instead of asking only:
“What did AI produce?”
students should also ask:
“Why do I believe this answer?”
“What evidence supports it?”
“What did AI overlook?”
“What responsibility remains mine?”
These questions are becoming essential learning outcomes across disciplines.
Accountability extends beyond students
Another interesting perspective challenged universities to look inward.
One commenter argued that educational institutions sometimes expect accountability from students while applying fewer expectations to technology decisions made by educators or institutional leaders.
Whether one agrees with this position or not, it raises an important question.
Who evaluates institutional decisions about AI adoption?
Who examines whether technology purchases improve learning?
Who decides whether AI policies support innovation or unintentionally discourage it?
Responsible AI governance should include accountability at every level, including students, instructors, administrators, and technology providers.
From technology adoption to institutional strategy
Taken together, the article and the subsequent discussion suggest that universities should avoid treating AI as an isolated educational technology initiative.
Instead, AI raises interconnected questions about:
• instructional design
• assessment
• student wellbeing
• academic integrity
• institutional governance
• faculty development
• professional judgment
• trust between stakeholders
Each of these areas influences the others.
A university can redesign assessments while overlooking faculty support.
It can create AI policies while neglecting student wellbeing.
It can invest in AI tools without helping instructors redesign learning.
None of these approaches is likely to produce lasting change on its own.
A conversation that must continue
One of the most encouraging aspects of Potkalitsky’s article is that it does not present a finished framework.
Instead, it invites conversation.
The responses from educators illustrate why this matters. They do not reject the article’s central argument. They expand it.
Instructional redesign remains essential.
At the same time, universities must also consider wellness, institutional trust, governance, stakeholder perspectives, accountability, and the development of human judgment.
For institutions such as the University of Economics, Varna, this conversation is especially timely. Every discipline, from economics and finance to marketing, management, tourism, informatics, and public administration, will face different questions about AI. Their answers should reflect disciplinary goals while contributing to a shared institutional vision.
The challenge is no longer deciding whether AI belongs in higher education.
The challenge is deciding what kind of higher education we want to build alongside AI.
That conversation has only begun. It deserves contributions from faculty, students, administrators, researchers, policymakers, and technology developers. The bridge between techlash and instructional redesign will not be built by a single article, policy, or framework. It will emerge through continued dialogue, thoughtful experimentation, and a shared commitment to improving learning in the age of artificial intelligence.

Преди две години много дискусии се фокусираха върху инструментите. Кой чатбот трябва да използват студентите? Колко точни са големите езикови модели? Може ли изкуственият интелект да разпознава текст, създаден от изкуствен интелект? Днес въпросите са по-сложни.
Защо толкова много преподаватели подхождат скептично към ИИ? Защо разговорите за генеративния ИИ бързо се превръщат в дебати за академичната почтеност, натоварването, времето пред екрана, доверието или бъдещето на образованието?
В статията си „Bridging the Gap Between Techlash and Instructional Redesign“ Ник Поткалински твърди, че не можем да разберем тези опасения, ако гледаме само към изкуствения интелект. Нарастващата критична реакция към технологиите отразява по-дълбоки проблеми, които се натрупват от години. ИИ ги направи по-видими.
За университетите тази промяна има важно значение.
ИИ разкрива проблеми, които вече съществуваха
Една от основните идеи в статията е, че генеративният ИИ не създаде много от настоящите образователни проблеми. Той разкри слабости, които вече присъстваха в преподаването и оценяването.
Много задания награждаваха намирането и възпроизвеждането на информация или добре оформения текст, вместо реалното разбиране. Оценяването често поставяше акцент върху крайния продукт, а не върху мисловния процес. Технологиите навлизаха в учебния процес, без преподавателите да променят дизайна на обучението.
Когато ИИ започна да създава есета, резюмета, програмен код и анализи за секунди, тези слабости станаха по-ясни.
Отговорът не трябва да бъде пълното премахване на ИИ от образованието.
Отговорът трябва да бъде преосмисляне на ученето.
Така централният въпрос се променя от:
„Как да спрем студентите да използват ИИ?“
към:
„Кои части от мисленето трябва да останат отговорност на студента?“
Този въпрос поставя учебния дизайн, а не технологията, в центъра на образователната промяна.
Преосмислянето на обучението е необходимо, но не е достатъчно
Поткалински разглежда промяната в дизайна на обучението като важна част от решението. Задачите трябва да изискват от студентите да анализират, обосновават, оценяват, сравняват и вземат решения в рамките на своята дисциплина, вместо само да произвеждат текст.
Например студентите по икономика могат да използват ИИ, за да обобщят различни предложения за икономическа политика. След това трябва да обяснят кое предложение подкрепят, да посочат слабости в анализа на ИИ и да защитят своята позиция с доказателства.
Студентите по маркетинг могат да генерират идеи за кампании, но трябва да оценят коя стратегия съответства най-добре на определен пазарен сегмент.
Студентите по счетоводство могат да помолят ИИ да интерпретира финансови отчети, но след това трябва да проверят изчисленията и да обяснят защо приемат или отхвърлят изводите на модела.
Такива задачи запазват човешката преценка като основна част от ученето.
Дискусията под публикацията на Поткалински в LinkedIn обаче показва, че промяната в учебния дизайн няма да реши всички проблеми.
Разговорът излиза извън рамките на учебната зала
Няколко участници в дискусията подчертават, че ИИ се е превърнал в символ на по-широки опасения.
Даниел Мирлис отбелязва, че недоволството от образователните технологии започва преди появата на ChatGPT. Училищата вече обсъждаха времето пред екрана, благосъстоянието на учениците и ролята на технологиите след пандемията. Решенията на някои училищни райони да ограничат времето пред екрана показват, че част от тревогите са свързани с физическото и психичното благосъстояние, а не конкретно с ИИ.
Тази перспектива е важна.
Добре проектирана учебна дейност с ИИ може да подкрепя ученето, но пак да увеличава времето, което студентите прекарват пред екран.
Качественото преподаване и здравословната употреба на технологии са свързани, но представляват различни цели.
Затова университетите се нуждаят от две взаимно допълващи се стратегии. Едната трябва да подобрява обучението с подкрепата на ИИ. Другата трябва да определя кога ученето е по-подходящо без цифрови технологии.
Различните групи виждат различни проблеми
Франсис Уайт предлага друга важна перспектива.
Според нея разногласията не произтичат само от различни мнения. Родители, преподаватели, студенти, политици и технологични компании често действат в различни системи от значения, очаквания и интереси. Те започват разговора от различни предположения, приоритети и житейски опит.
Проблемът следователно не е само технологичен. Той е свързан със структурата на отношенията между различните участници.
Една нова политика за ИИ няма да разреши конфликтите, ако заинтересованите страни имат различни представи за успеха в образованието.
Това разширява темата значително.
Учебният дизайн засяга работата в аудиторията.
Университетското ръководство трябва да работи и по въпросите на доверието, комуникацията, управлението и общите очаквания.
Преценката може да бъде липсващата връзка
Една от най-силните идеи в коментарите идва от Шантел Демиколи.
Тя поставя въпроса дали липсващият елемент между възможностите на ИИ и образователната мъдрост не е човешката преценка.
Изкуственият интелект може да намира информация, да създава обяснения и да изпълнява все по-сложни задачи.
Той не може да поеме човешката отговорност за дадено решение.
Студентите трябва да решават дали даден отговор е надежден, дали доказателствата са достатъчни, дали етичните аспекти са взети предвид и дали съществуват други възможни интерпретации.
Тази идея съответства на съвременните разбирания за грамотност в областта на ИИ.
Обучението по ИИ не трябва да се ограничава до писането на по-добри инструкции към чатбота. То трябва да развива по-добра преценка.
Вместо да питат само:
„Какво създаде ИИ?“
студентите трябва да питат:
„Защо вярвам на този отговор?“
„Какви доказателства го подкрепят?“
„Какво е пропуснал моделът?“
„Коя част от отговорността остава моя?“
Тези въпроси се превръщат във важни учебни резултати във всички дисциплини.
Отговорността не принадлежи само на студентите
Друг коментар насочва вниманието към самите образователни институции.
Университетите често изискват отчетност от студентите, но не винаги прилагат същите критерии към решенията на преподаватели, ръководители и доставчици на технологии.
Това поставя важни въпроси.
Кой оценява решенията за въвеждане на ИИ?
Кой проверява дали закупените технологии подобряват ученето?
Кой анализира дали политиките за ИИ подкрепят педагогическите цели или създават нови ограничения?
Отговорното управление на ИИ трябва да включва всички нива: студенти, преподаватели, ръководители и технологични компании.
От внедряване на технологии към институционална стратегия
Статията и последвалата дискусия показват, че университетите не трябва да разглеждат ИИ като отделна технологична инициатива.
ИИ поставя свързани въпроси за:
учебния дизайн;
оценяването;
благосъстоянието на студентите;
академичната почтеност;
университетското управление;
развитието на преподавателите;
професионалната преценка;
доверието между заинтересованите страни.
Всяка от тези области влияе върху останалите.
Един университет може да промени оценяването, но да не осигури подкрепа за преподавателите.
Може да приеме политика за ИИ, но да пренебрегне благосъстоянието на студентите.
Може да инвестира в инструменти, без да помага на преподавателите да променят обучението.
Нито един от тези подходи няма да доведе самостоятелно до устойчива промяна.
Разговорът трябва да продължи
Една от най-ценните страни на текста на Поткалински е, че той не предлага завършен модел.
Той отправя покана за разговор.
Коментарите на преподаватели и експерти показват защо този разговор е необходим. Те не отхвърлят основния аргумент на статията. Те го разширяват.
Преосмислянето на учебния дизайн е необходимо.
Университетите трябва също да обсъждат благосъстоянието, доверието, управлението, отчетността, различните гледни точки и развитието на човешката преценка.
За Университета по икономика, Варна този разговор е особено актуален. Икономиката, финансите, счетоводството, маркетингът, управлението, туризмът, информатиката и публичната администрация ще поставят различни въпроси към ИИ. Отговорите трябва да отразяват целите на всяка дисциплина и едновременно с това да допринасят за обща институционална посока.
Въпросът вече не е дали ИИ има място във висшето образование.
Въпросът е какъв тип висше образование искаме да развиваме в присъствието на ИИ.
Този разговор тепърва започва. Той изисква участие от преподаватели, студенти, ръководители, изследователи, политици и разработчици на технологии. Връзката между критиката към технологиите и преосмислянето на обучението няма да се изгради чрез една статия, една политика или една рамка. Тя ще се формира чрез продължаващ диалог, внимателно експериментиране и споделена отговорност за качеството на ученето.
:::