arrow
返回

Evaluation indicator system for AI certificate programs

delete2026-06-22
delete0
delete
OA
AI
Z
Zijing Wu
李
李强 (Qiang Li) *
DOI:10.1186/s41239-026-00604-xdelete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
尽管人工智能(AI)证书项目在高等教育中迅速普及,但对其教学转型潜力的系统性评估框架仍付之阙如——这与关于AI工具采纳的丰富文献形成对比,后者很少探讨证书如何重塑课程层面的教学——且现有评估依赖单向方法,忽视了专家判断和文化差异。基于技术—教学—内容知识(TPACK)框架,我们采用混合层次分析法(AHP)和模糊层次分析法(FAHP)方法,辅以蒙特卡罗(MC)模拟(N=10,000)进行稳健性验证,并借鉴来自中国18所大学18位领域专家的结构化成对评分和模糊评估。我们识别并优先排序五个维度——课程设计、教学实施、师资专长、技术支持和文化适应性——并量化其相对权重和感知表现。我们发现专家优先级存在明显层级:学生AI能力达成(权重=0.1438,排序稳定性=99.8%)和课程与AI前沿的契合度(权重=0.1056,排序稳定性=98.5%)是首要战略杠杆,而文化适应性权重最低(0.0735),表明早期证书开发存在技术优先偏见。值得注意的是,师资专业能力在感知重要性(权重=0.1976)与当前满意度(得分=3.2171)之间存在最大差距——这一发现挑战了技术基础设施是AI教育主要障碍的普遍假设。通过揭示内容知识(CK)优于整合教学能力的非对称发展特征,这些研究将TPACK理论扩展至证书评估领域,并提供一个稳健、专家主导的战略路线图,包含明确的国际化适应指导。
Keyword:
Artificial Intelligence certificate programs
Higher education transformation
AHP-FAHP hybrid model
TPACK framework
Monte Carlo simulation
Strategic evaluation
China
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

International Journal of Educational Technology in Higher Education 封面图
International Journal of Educational Technology in Higher Education
IF:
16.7
论文数:
632
被引数:
5.7K

机构

G
Guangzhou College of Technology and Business
学者数:
204
论文数: 147
被引数: 7
引用论文

引用论文

学者 查看更多内容