თანამედროვე განათლების სისტემაში ციფრული ტექნოლოგიებისა და გენერაციული ხელოვნური ინტელექტის (GenAI) ინტეგრაცია ყოველდღიურობად იქცა. პედაგოგის როლი ტრანსფორმირდა – ის გახდა არა მხოლოდ ინფორმაციის გადამცემი, არამედ პრომპტ-ინჟინერიც, რომელიც AI-სთან თანამშრომლობით ქმნის პერსონალიზებულ და ადაპტურ სასწავლო გარემოს. ციფრულ ეპოქაში პოპულარული გახდა ცოდნის კონსტრუირების (KC) 4-ფაზიანი მოდელი, რომელიც წარმოადგენს სტრუქტურულ ჩარჩოს, რომელიც მასწავლებლებს ეხმარება, მაქსიმალურად ეფექტიანად გამოიყენონ AI საკუთარი სასწავლო გეგმების დახვეწისა და ინოვაციური მიდგომების დანერგვისთვის.
კვლევები აჩვენებს, რომ მასწავლებლები, რომლებიც წარმატებით იყენებენ უფრო მაღალი ფაზის პრომპტებს (კონკრეტულად მე-3 და მე-4 ფაზებს), გაცილებით უფრო ეფექტურ, მოსწავლეზე ორიენტირებულ და მოქნილ სასწავლო მასალებს იღებენ (Celik et al., 2026). აღნიშნული პრომპტინგის სტრატეგიები პედაგოგს საშუალებას აძლევს, გენერაციული ხელოვნური ინტელექტის (GenAI) პოტენციალი სრულად აითვისონ და შექმნან ინდივიდუალურ საჭიროებებზე მორგებული საგანმანათლებლო კონტენტი.
კვლევის შედეგები ცხადყოფს პრომპტინგის თითოეული ფაზის გამოყენების განსხვავებულ სიხშირეს მასწავლებელთა პრაქტიკაში (Celik et al., 2026). მონაცემების თანახმად, პედაგოგები ყველაზე ხშირად მე-3 ფაზას – „მნიშვნელობების შეთანხმებას“ (37.1%) და პირველ ფაზას – „ინფორმაციის გაზიარებასა და შედარებას“ (32.1%) მიმართავდნენ, რაც მიუთითებს მათ მიერ ინფორმაციის გადამუშავებისა და პედაგოგიური მნიშვნელობის განსაზღვრის პროცესებზე ორიენტირებაზე. ამავდროულად, დისონანსის აღმოჩენისა და კვლევის (მე-2 ფაზა) და სინთეზის ტესტირებისა და მოდიფიკაციის (მე-4 ფაზა) წილი თითოეულ შემთხვევაში დაახლოებით 15%-ს შეადგენს, რაც მიანიშნებს ამ სტრატეგიების ნაკლებად ინტენსიურ, თუმცა მნიშვნელოვან როლზე ადაპტური სწავლების დიზაინში (Celik et al., 2026).
ამრიგად, პედაგოგის მზაობა, განივითაროს პრომპტ-ინჟინერის უნარები, პირდაპირპროპორციულად აისახება სწავლების იმ ხარისხზე, რომელსაც ის მოსწავლეებს სთავაზობს.
განვიხილოთ, ცოდნის კონსტრუირების 4 ფაზა საგნობრივი მაგალითების გამოყენებით
ფაზა 1: ინფორმაციის გაზიარება და შედარება
განმარტება: ეს საწყისი ეტაპი მოიცავს საბაზისო კითხვების დასმას და ხელოვნური ინტელექტისგან ფაქტობრივი ინფორმაციის ან სტანდარტული გეგმების გამოთხოვას.
მაგალითი (ბიოლოგია): მასწავლებელი სთხოვს AI-ს: „დამიგენერირე, ბიოლოგიის გაკვეთილის სტანდარტული გეგმა თემაზე – ფოტოსინთეზი მე-8 კლასისთვის“.
მაგალითი (ისტორია): პედაგოგი მიმართავს AI-ს: „მოიძიე საბაზისო ინფორმაცია და ქრონოლოგია დავით აღმაშენებლის რეფორმების შესახებ მე-7 კლასისთვის“.
მაგალითი (მათემატიკა): მასწავლებელი ითხოვს: „დამიგენერირე კვადრატული განტოლებების სტანდარტული ამოცანების კრებული მე-9 კლასისთვის“.
ფაზა 2: დისონანსის აღმოჩენა და კვლევა
განმარტება: ფაზა გულისხმობს AI-ს მიერ შემოთავაზებულ ვერსიაში ხარვეზების, წინააღმდეგობების ან შეუსაბამობების იდენტიფიცირებას.
მაგალითი (ბიოლოგია): პედაგოგი აანალიზებს მიღებულ გეგმას და ამჩნევს, რომ პრაქტიკული ექსპერიმენტის ნაწილი არ შეესაბამება ბიოლოგიის კაბინეტ-ლაბორატორიის რესურსებს და იწყებს ამ ხარვეზის კვლევას.
მაგალითი (ისტორია): მასწავლებელი აკვირდება, რომ AI-ს მიერ მოწოდებული მასალა ზედმეტად აკადემიურია და არ ითვალისწინებს მოსწავლეთა ინტერაქტიური ჩართულობის მეთოდებს.
მაგალითი (მათემატიკა): პედაგოგი ამჩნევს, რომ შემოთავაზებული ამოცანები ერთფეროვანია და არ შეიცავს რეალურ ცხოვრებასთან დაკავშირებულ კონტექსტუალურ ამოცანებს.
ფაზა 3: მნიშვნელობის შეთანხმება
განმარტება: ეტაპი მოიცავს იდეების დახვეწას და ხელოვნურ ინტელექტთან ერთად სასწავლო აქტივობების პედაგოგიურ დასაბუთებას.
მაგალითი (ბიოლოგია): მასწავლებელი უთანხმებს AI-ს ცვლილებებს: „შეცვალე ექსპერიმენტი ისე, რომ გამოყენებული იყოს ლაბორატორიაში არსებული ეს რესურსები და დაამატე ინტერაქტიული კითხვები“.
მაგალითი (ისტორია): პედაგოგი აზუსტებს: „დაამატე როლური დისკუსიის ელემენტი – წარმოიდგინონ, რომ ისინი XI საუკუნის დარბაზის წევრები არიან და დაასაბუთონ თავიანთი პოზიცია“.
მაგალითი (მათემატიკა): მასწავლებელი სთხოვს AI-ს: „შეადგინე ამოცანები, სადაც მოსწავლეები ბიუჯეტის დაგეგმვის მაგალითზე გამოთვლიან კვადრატული განტოლების ამონახსნებს“.
ფაზა 4: სინთეზის ტესტირება და მოდიფიკაცია
განმარტება: ბოლო ფაზაში ხდება შემუშავებული გეგმის კრიტიკული შეფასება და მისი ადაპტირება კონკრეტული მოსწავლეების საჭიროებებზე.
მაგალითი (ბიოლოგია): განახლებული გაკვეთილის გეგმა ინერგება პრაქტიკაში და საჭიროებისამებრ იცვლება მოსწავლეების ჩართულობის გასაზრდელად.
მაგალითი (ისტორია): იქმნება საბოლოო რუბრიკა, რომლითაც ფასდება მოსწავლეთა არგუმენტირებული მსჯელობა და ისტორიული ემპათია გაკვეთილის ბოლოს.
მაგალითი (მათემატიკა): ინდივიდუალური მიდგომისთვის, მასალა იყოფა სირთულის დონეებად (სკაფოლდინგი) და ხდება მისი მორგება სპეციალური საგანმანათლებლო საჭიროების მქონე მოსწავლეებზე.
ცოდნის აგების (KC) 4-ფაზიანი მოდელი ადასტურებს, რომ ეფექტიანი სწავლება ხელოვნურ ინტელექტთან თანამშრომლობით პროგრესულ ხასიათს ატარებს – „მაღალი ფაზები ნიშნავს უკეთეს შედეგს“. ამ პროცესის წარმატება სამ მთავარ ინდიკატორზეა დამოკიდებული: მოსწავლის აგენტობაზე, სკაფოლდინგის ეფექტურ სტრატეგიებსა და მოქნილ ციფრულ ინსტრუმენტებზე. აღნიშნული მიდგომა მასწავლებელს აძლევს შესაძლებლობას, შექმნას არა მხოლოდ სტანდარტიზებული, არამედ ადაპტური, მოსწავლეზე ორიენტირებული საგანმანათლებლო გამოცდილება, რაც აუცილებელია თანამედროვე განათლების გამოწვევებთან გასამკლავებლად.
გამოყენებული ლიტერატურა
Celik, I., Kontkanen, S., Laru, J., & Dolyanci, A. A. (2026). Co-constructing adaptive lesson plans with GenAI: Pre-service teachers’ Intelligent-TPACK and prompt engineering strategies. Computers & Education, 241, Article 105485. https://doi.org/10.1016/j.compedu.2025.105485
