.svg)
Liujie Zhang, Vadībzinātnes maģistre (Mg.man.)
Sičuaņas Mākslas un zinātnes universitātes
Akadēmisko lietu pārvalde
Dažou, Ķīna
Studiju programmas “Vadībzinātne” doktorante
Daugavpils Universitāte, Latvija
e-pasts: 448154968@qq.com
Anita Kokarēviča, Zinātnes doktore (Ph.D.) ekonomikā un uzņēmējdarbībā
Sabiedrības veselības institūta docente
Rīgas Stradiņa universitāte, Latvija
e-pasts: anita.kokarevica@rsu.lv
Citēšanai: Zhang L., Kokarēviča A. (2026) Paradigmu maiņa augstākās izglītības studiju programmu konstruēšanā: mākslīgā intelekta atbalstošās lomas teorētiska analīze. Sociālo Zinātņu Vēstnesis = Social Sciences Bulletin, 42(1), 110–124. https://doi.org/10.59893/szv.2026.1(8)
Rakstā analizēta paradigmu maiņa augstākās izglītības studiju programmu konstruēšanā mākslīgā intelekta (MI) attīstības apstākļos. Raksts teorētiski precizē, kā MI maina studiju programmu konstruēšanas loģiku: no statiska kursu un satura sakārtojuma uz dinamiskas, bet institucionāli pārvaldītas akadēmiskas arhitektūras veidošanu, kurā jāsaskaņo zināšanas, kompetences, mācīšanās rezultāti, vērtēšana, digitālā un MI pratība un kvalitātes nodrošināšana. Raksts balstās uz integratīvu literatūras analīzi, kurā klasiskās un procesuālās studiju programmu konstruēšanas pieejas sasaistītas ar kompetenču pieeju, MI pratības pētījumiem, vērtēšanas validitātes diskusijām un augstākās izglītības pārvaldības skatījumu. Analīzē nošķirtas trīs literatūrā nostiprinātas programmu konstruēšanas loģikas: satura paradigma, kompetenču paradigma un digitālā un datos orientētā paradigma. Uz šī pamata rakstā izstrādāts autoru teorētisks studiju programmu pārvaldības modelis ar MI atbalstu. Rakstā pamatots, ka MI nav autonoms studiju programmas veidotājs, bet analītisks un modelējošs atbalsts cilvēka akadēmiskajam spriedumam. Tas var palīdzēt identificēt kompetenču plaisas, analizēt mācīšanās rezultātus, modelēt programmas konstruēšanas un pārvaldības scenārijus, stiprināt vērtēšanas validitāti un atbalstīt kvalitātes nodrošināšanu. Vienlaikus algoritmiski ģenerēti priekšlikumi nevar aizstāt docētāju profesionālo atbildību, institucionālo kontekstu, ētisku izvērtējumu un izpratni par studentu vajadzībām. Īpaša uzmanība pievērsta riskam, ka MI integrācija var kļūt deklaratīva, ja tā netiek sasaistīta ar absolventa profilu, vērtēšanas pierādījumiem, docētāju kapacitāti un kvalitātes kultūru. Raksta ieguldījums ir autoru teorētiskais modelis, kurā tehnoloģiskā analīze tiek savienota ar cilvēkcentrētu pedagoģiju, akadēmisko spriedumu, vērtēšanas ticamību un institucionālo atbildību. Modelis arī precizē robežu starp literatūrā aprakstītajām programmu konstruēšanas loģikām un autoru piedāvāto hibrīdo pārvaldības risinājumu, tādējādi novēršot risku uztvert MI atbalstu kā jau gatavu paradigmu. Tas ļauj skaidrāk pamatot raksta novitāti un izmantot modeli turpmākai programmu pašnovērtēšanai, akreditācijas dokumentu analīzei un docētāju komandu diskusijām. Secināts, ka MI nozīme augstākajā izglītībā jāvērtē ne tikai mācīšanas un mācīšanās, bet arī studiju programmu konstruēšanas, MI pratības integrācijas, dokumentēta kvalitātes izvērtēšanas cikla un pārvaldības līmenī.
Atslēgvārdi: augstākā izglītība, studiju programmu konstruēšana, paradigmu maiņa, mākslīgais intelekts (MI), MI pratība.
Paradigm shifts in higher education curriculum construction: A theoretical analysis of the supporting role of artificial intelligence
The article analyses a paradigm shift in higher education curriculum construction under the conditions of artificial intelligence (AI) development. It theoretically clarifies how AI changes the logic of curriculum construction: from arranging a static set of courses and content towards designing a dynamic but institutionally governed academic architecture in which knowledge, competences, learning outcomes, assessment, digital and AI literacy and quality assurance must be coherently aligned. The article is based on an integrative literature analysis in which classical and process-oriented approaches to curriculum construction are linked with the competence-based approach, AI literacy research, debates on assessment validity and higher education governance. Three literature-based logics of curriculum construction are distinguished: the content paradigm, the competence paradigm and the digital and data-oriented paradigm. On this basis, the article develops the authors’ theoretical model of AI-supported curriculum governance. The article argues that AI is not an autonomous author of study programmes, but an analytical and modelling support for human academic judgement. AI can help identify competence gaps, analyse learning outcomes, model curriculum construction and governance scenarios, strengthen assessment validity and support quality assurance. At the same time, algorithmically generated proposals cannot replace teachers’ professional responsibility, institutional context, ethical evaluation or understanding of students’ needs. Particular attention is paid to the risk that AI integration may remain declarative if it is limited to separate tools and is not connected with the graduate profile, assessment evidence, teachers’ capacity and a culture of quality. The contribution of the article lies in developing the authors’ theoretical model, in which technological analysis is combined with human-centred pedagogy, academic judgement, assessment credibility and institutional responsibility. The model also clarifies the boundary between literature-based curriculum logics and the authors’ proposed governance solution, which is important for avoiding the interpretation of AI support as an already established paradigm. It therefore strengthens the article’s novelty and provides a basis for future programme self-evaluation, accreditation document analysis and discussions within teaching teams. It is concluded that the role of AI in higher education should be assessed not only at the level of teaching and learning, but also at the level of curriculum construction, AI literacy integration, a documented quality-evaluation cycle and governance.
Keywords: higher education, curriculum construction, paradigm shift, artificial intelligence (AI), AI literacy.
