Umahiri wa Ufundishaji wa Kidijitali (Digital Teaching Competencies, DTC), ni mkusanyiko wa maarifa, ujuzi, mitazamo na mikakati unaohusisha si tu uwezo wa mwalimu kutumia teknolojia za kidijitali, bali pia kuzichagua, kuzitathmini, kuzisimamia na kuzichunguza kwa ukosoaji kwa madhumuni ya kielimu. Mapitio haya ya kitaratibu yanachunguza uhusiano kati ya DTC na maadili ya kialgorithimu katika hali ambapo algorithimu zinahusika katika tathmini ya ujifunzaji ndani ya mazingira pepe ya elimu ya juu. Kwa kutumia mkabala wa PRISMA 2020, rekodi 262 zilizopatikana kutoka Web of Science na Scopus zilichunguzwa na, baada ya vigezo vikali vya ustahiki, tafiti sita za kimajaribio ziliingizwa katika usanisi. Usanisi unaonyesha kuwa ujuzi wa kiufundi na kiutendaji wa kidijitali wa walimu unaweza kuwa umeendelea kwa kiwango fulani, lakini umahiri wa juu wa ukosoaji, kama vile kuhoji upendeleo wa otomatiki, kukagua kutokuwa wazi kwa algorithimu, kulinda faragha ya data na kutambua matokeo yenye upendeleo, unaonekana kutofautiana zaidi. Hata hivyo, kwa kuwa korpasi ya mwisho ina tafiti sita pekee, matokeo hayapaswi kufasiriwa kama jumla madhubuti za kisababishi kwa mifumo yote ya elimu ya juu.

Maadili ya kialgorithimu, ni mfumo wa kinadharia na kiutendaji unaotathmini haki, uwazi, uwajibikaji, faragha na hatari za ubaguzi wakati wa kubuni, kufunza, kutumia na kufasiri matokeo ya mifumo ya kiotomatiki. Mtazamo mkuu wa mapitio haya ni kwamba uhalali wa kielimu wa uwekaji alama kiotomatiki, uchanganuzi wa ujifunzaji, akili bandia zalishi, usimamizi wa mitihani kwa mbali na mifumo ya utabiri hauwezi kuachwa kwa mafanikio ya kiufundi ya programu pekee. Mwalimu anachukuliwa kama msimamizi wa kibinadamu anayeweza kulinganisha matokeo ya algorithimu na muktadha wa kielimu na, inapohitajika, kuhoji uamuzi wa mashine.

Mpito kutoka kwenye ujanibishaji wa kidijitali wa tathmini hadi tathmini ya kialgorithimu

Mfumo wa fasihi wa mapitio unaeleza mabadiliko katika tathmini pepe kwa mstari wa maendeleo wa hatua tatu. Assessment 1.0 ni kuhamisha mitihani ya jadi ya karatasi kwenda mazingira ya kidijitali na kutumia majaribio yenye majibu funge kwa njia ya kielektroniki. Katika hatua hii, teknolojia hasa ni chombo cha kubeba aina iliyopo ya tathmini. Assessment 2.0, pamoja na kuenea kwa mifumo ya usimamizi wa ujifunzaji, inajumuisha mbinu shirikishi zaidi kama rubriki zinazobadilika, e-portfolios, tathmini ya wenzao na mrejesho endelevu wa ubora. Assessment 3.0 ni hatua ambayo mifumo kama uchanganuzi wa ujifunzaji, algorithimu zinazobadilika, modeli za utabiri, akili bandia zalishi na usimamizi wa mbali wa kibiometriki inakuwa sehemu ya moja kwa moja ya uamuzi wa tathmini.

Mabadiliko ya msingi katika Assessment 3.0 si tu kwamba zana ya tathmini imekuwa ya kidijitali. Tabia za mwanafunzi kwenye jukwaa, historia ya utendaji, mwingiliano na, katika baadhi ya mazingira, data za kibiometriki zinaweza kuwa viingizo vya modeli za kiotomatiki. Hivyo, tathmini huacha kuwa zoezi la kipimo la upande mmoja kati ya mwalimu na mwanafunzi na kuwa mchakato wa kijamii na kiteknolojia unaoamuliwa kwa pamoja na miundombinu ya data, algorithimu, sera ya taasisi, uamuzi wa mwalimu na haki za mwanafunzi.

Umahiri wa Ufundishaji wa Kidijitali katika Tathmini Inayopitia Algorithimu ni Nini?

Katika tathmini inayopitia algorithimu, Umahiri wa Ufundishaji wa Kidijitali si tu uwezo wa mwalimu kutumia mfumo wa akili bandia au uchanganuzi wa ujifunzaji; ni uwezo wa kuchagua ni zana gani inayofaa kwa lengo gani la kielimu, kuhoji viingizo na vigezo vya tathmini, kufasiri matokeo ya kiotomatiki, kusimamia hatari za upendeleo na faragha ya data, na kutokabidhi jukumu la mwisho la kielimu kwa mashine.

Kwa nini maeneo sita ya DigCompEdu ni muhimu?

Mapitio yanatumia mfumo wa DigCompEdu wa Tume ya Ulaya katika kueleza Umahiri wa Ufundishaji wa Kidijitali. Mfumo huu una maeneo sita ya msingi: ushiriki wa kitaaluma, rasilimali za kidijitali, ufundishaji na ujifunzaji, tathmini, kuwawezesha wanafunzi na kuwezesha umahiri wa kidijitali wa wanafunzi. Mchango wa utafiti chanzo ni kuunganisha maeneo haya ya jumla ya umahiri wa kidijitali na majukumu mahususi ya kimaadili katika tathmini ya kialgorithimu.

Kwa Nini Maadili ya Kialgorithimu Si Suala la Usalama wa Programu Pekee?

Katika mapitio haya, maadili ya kialgorithimu si suala la kuzuia hitilafu za programu pekee; yanajumuisha kwa pamoja maswali ya kielimu na yanayozingatia haki kuhusu mifumo ya tathmini kiotomatiki hukusanya data gani kutoka kwa nani, hufanya maamuzi kwa vigezo gani, iwapo uamuzi unaweza kuelezwa kwa mwanafunzi, iwapo modeli inaweka makundi fulani katika hali duni kwa utaratibu, na ni nani anayewajibika kwa uamuzi wenye makosa.

Kwa sababu hiyo, usahihi wa kiufundi na haki ya kielimu si kitu kilekile. Mfumo unaweza kufanya kazi kama ulivyopangwa, lakini data zinazotumika zinaweza kubeba upendeleo wa kihistoria. Modeli inaweza kuwa na uwezo mkubwa wa utabiri, lakini isiweze kueleza kwa nini mwanafunzi amewekwa katika aina fulani ya hatari. Mfumo wa usimamizi wa mitihani kwa mbali unaweza kuashiria kiotomatiki shaka ya udanganyifu, lakini usizingatie jinsi mifumo ya kitabia au ya kibiometriki inavyotofautiana katika makundi mbalimbali ya wanafunzi.

Akili bandia inayoelezeka na ufuatiliaji wa kielimu

Katika mfumo wa fasihi wa mapitio, Akili Bandia Inayoelezeka (Explainable AI, XAI) inachukuliwa kama mkabala muhimu wa kufanya maamuzi ya kiotomatiki yenye tabia ya kisanduku cheusi yaweze kuchunguzwa na binadamu. Katika muktadha wa elimu, maelezo ya kiufundi pekee hayatoshi. Mwanafunzi anapaswa pia kuelewa ni kigezo gani cha kielimu kilichotumika katika mrejesho au alama aliyopata. Kwa hiyo, uelezekaji wa kialgorithimu unaunganishwa na ufuatiliaji wa kielimu.

Upendeleo wa Otomatiki na Tatizo la Kisanduku Cheusi ni Nini?

Upendeleo wa otomatiki, ni mwelekeo wa mwalimu au mwanafunzi kukubali alama, pendekezo au uainishaji wa mfumo wa kiotomatiki kuwa sahihi bila kufanya uthibitishaji huru wa kutosha; tatizo la kisanduku cheusi ni hali ambapo haiwezi kuelezwa vya kutosha au kukaguliwa na mtumiaji ni kwa data gani na mantiki gani ya uamuzi mfumo ulifikia matokeo fulani. Tafiti katika mapitio haya zinaripoti kwamba matatizo haya mawili yanapoungana yanaweza kuongeza hatari ya kukabidhi hoja ya kielimu kwa otomatiki.

Hatari hii inaonyesha kwamba kutumia zana ya kidijitali mara kwa mara pekee hakutoshi. Mwalimu anaweza kutumia kwa ustadi wa kiufundi mfumo wa usimamizi wa ujifunzaji, zana ya kugundua wizi wa kazi za kitaaluma au programu ya tathmini inayosaidiwa na akili bandia, lakini asiweze kutathmini mfumo unafanya kazi kwa data gani, matokeo yana kutokuwa na uhakika gani, au upendeleo unaweza kuathiri kundi gani la wanafunzi. Hii ndiyo mvutano mkuu ambao mapitio yanaujadili kama “kitendawili cha kiutendaji”.

Kwa nini mwalimu anachukuliwa kama “msimamizi wa kielimu”?

Katika fasihi iliyopitiwa, jukumu la mwalimu linafafanuliwa kwa upana zaidi ya mwendeshaji asiye na ushiriki anayefuatilia tu utendaji wa teknolojia. Mwalimu anawekwa kama msimamizi wa kielimu anayechagua viingizo vya tathmini kiotomatiki, kulinganisha matokeo na muktadha wa kielimu, kuhoji matokeo yasiyo ya kawaida au yenye ubaguzi, na kumpa mwanafunzi mrejesho unaoweza kuelezwa. Jukumu hili huwa muhimu hasa katika mazingira ambako hakuna kanuni wazi za utawala wa kialgorithimu katika ngazi ya taasisi.

Mbinu na Matokeo ya Utafiti

Mapitio ya Kitaratibu Yalifikaje kutoka Rekodi 262 hadi Tafiti Sita?

Mapitio yalianza na rekodi 262 zilizopatikana katika utafutaji wa Scopus na Web of Science; marudio 3 yaliondolewa, vichwa na muhtasari wa rekodi 259 za kipekee zikachunguzwa, rekodi 172 zikaondolewa, maandishi kamili 87 yakatathminiwa kwa ustahiki, na tafiti 81 ambazo hazikutimiza vigezo vya muundo, idadi ya watu au matokeo zikaondolewa, hivyo tafiti 6 za kimajaribio zikaingizwa katika usanisi wa mwisho.

Mtiririko wa uteuzi wa PRISMA 2020

Mkakati wa utafutaji na vigezo vya ustahiki

Utafutaji ulifanywa tarehe 20 May 2026 kwenye Scopus na Web of Science. Mantiki ya utafutaji iliunganisha makundi manne ya dhana: ufundishaji wa kidijitali/ujuzi wa kidijitali, akili bandia au mifumo ya kialgorithimu, maadili/upendeleo/haki na tathmini/mrejesho. Kwenye Scopus ilitumika TITLE-ABS-KEY, na kwenye Web of Science ilitumika sehemu ya Topic (TS); waendeshaji AND/OR na alama ya nyota kama wildcard zilitumika kujumuisha tofauti za maneno.

Hoja ya Scopus: TITLE-ABS-KEY ((“digit* competenc*” OR “digit* literac*” OR “data literac*” OR “teacher* digit*” OR “e-competenc*” OR “ICT competenc*”) AND (algorithm* OR “artificial intelligence” OR AI OR “machine learning” OR “deep learning” OR automat* OR “generative AI” OR LLM*) AND (ethic* OR bias* OR fair* OR moral* OR responsib* OR accountab* OR discriminat*) AND (assess* OR evaluat* OR feedback OR grad* OR examin*))

Hoja ya Web of Science: TS = ((“digital competenc*” OR “teacher* digital” OR “pedagogical competenc*”) AND (“algorithmic ethic*” OR “algorithmic bias*” OR “ethical AI” OR “ethics of AI” OR “automated decision*”) AND (“assessment*” OR “evaluat*” OR “grading”))

Vigezo vya kuingiza vilikuwa: tafiti za kimajaribio za kiasi, ubora au mchanganyiko; wahadhiri au wahusika sawa wa elimu wenye jukumu la tathmini katika mazingira pepe, mseto au e-learning; tafiti zinazohusisha uchanganuzi wa ujifunzaji, usimamizi kiotomatiki, rubriki za akili bandia, uchimbaji wa data za kielimu au mifumo mingine ya tathmini ya kialgorithimu na zenye kipengele wazi cha kimaadili. Lugha iliwekewa kikomo kuwa Kiingereza au Kihispania, aina ya hati kuwa makala za majarida zilizopitiwa na wenzao, na ufikiaji kuwa maandishi kamili ya ufikiaji wazi.

Uchimbaji wa data na udhibiti wa ubora

Watathmini wawili waliingiza kwa kujitegemea katika matriki iliyopangwa ya Microsoft Excel vigezo kama kichwa cha utafiti, mwandishi, mwaka, nchi, muundo wa utafiti, sampuli, zana za kukusanya data na matokeo. Tofauti zilitatuliwa kwa majadiliano na makubaliano. Ukaguzi wa maandishi kamili pia ulifanywa mara mbili; uthabiti wa muundo, ufaafu wa zana zilizotumika, mbinu za uchanganuzi, uadilifu wa data za kimajaribio na ufuatiliaji wa matokeo vilikuwa sehemu ya tathmini ya ubora.

Muundo wa kimetodolojia wa tafiti sita za mwisho

RQ1: Walimu hutumia umahiri gani wa kidijitali?

Mapitio yanaripoti kwamba katika tathmini inayopitia algorithimu, walimu hutumia kwanza umahiri wa kiutendaji kama usakinishaji wa kiufundi, uratibu wa maudhui ya kidijitali, usimamizi wa kielimu wa wasaidizi pepe, ufuatiliaji wa uchanganuzi wa ujifunzaji na matumizi ya mrejesho wa kiotomatiki. Katika kiwango cha juu zaidi, inahitajika kukagua urekebishaji wa ugumu wa algorithimu, kuhoji kipimo cha utabiri, kutambua hatari ya ubaguzi katika mifumo ya data na kumwelekeza mwanafunzi kutathmini matokeo ya akili bandia kwa ukosoaji.

Tofauti muhimu katika mapitio ni kati ya kuweza kutumia mfumo na kuweza kutathmini mantiki ya uamuzi wa mfumo huo. Umahiri wa kiufundi ni sehemu muhimu lakini hautoshi peke yake katika umahiri wa maadili ya kialgorithimu.

RQ2: Ni hatari gani za kimaadili zinazoonekana zaidi?

RQ3: Umahiri wa kidijitali na maadili ya kialgorithimu huunganishwaje?

Usanisi wa tafiti sita unaonyesha kwamba umahiri wa juu wa kidijitali haumaanishi tu kutumia teknolojia zaidi. Ujuzi wa juu wa AI na data unatathminiwa pamoja na uwezo wa kuhoji jinsi kipimo cha kiotomatiki kinavyotengenezwa, kutambua uwezekano wa upendeleo na, inapohitajika, kuingilia vigezo vya programu. Ingawa baadhi ya tafiti zinaripoti uhusiano wa kitakwimu au wa utabiri kati ya vigezo hivi, hakuna utaratibu mmoja wa kisababishi wa ulimwengu wote ulioonyeshwa kwa korpasi nzima.

Hasa vipengele vya ushiriki wa kitaaluma na kuwawezesha wanafunzi vinahusishwa na upokeaji wa kimaadili zaidi wa mifumo ya akili bandia zalishi. Kinyume chake, kutumia zana ya kiteknolojia mara kwa mara hakumaanishi peke yake kuwa na unyeti mkubwa zaidi wa kimaadili. “Kitendawili cha kiutendaji” katika mjadala wa mapitio ndicho kinachoeleza tofauti hii.

RQ4: Ni mikakati gani ya suluhisho inayopendekezwa?

Usanisi hauachi suluhisho kwa ujuzi wa mwalimu binafsi pekee. Pendekezo la uingiliaji wa ngazi tatu linajitokeza. Katika ngazi ya taasisi kunahitajika sheria wazi za utawala wa data, ukaguzi wa kialgorithimu, faragha na uelezekaji. Katika ngazi ya mafunzo ya walimu ni lazima kuzidi kozi zinazofundisha tu jinsi ya kutumia programu na kufundisha pamoja ujuzi wa AI, ujuzi wa data, ufundishaji makini na maadili ya kialgorithimu. Katika muundo wa tathmini inapendekezwa kuhamia kutoka modeli zinazotegemea ufuatiliaji na adhabu kiotomatiki kwenda modeli za formative zenye kiwango cha juu cha fikra, kulinganisha, tathmini ya pamoja, utatuzi wa matatizo na mrejesho wazi.

Mpaka wa matokeo yanayoungwa na yasiyoungwa mkono na chanzo

Vikwazo

Kikwazo cha kwanza cha mapitio ni kwamba utafutaji uliwekewa mipaka ya Scopus na Web of Science pekee. Chaguo hili linatanguliza machapisho yaliyopitiwa na wenzao na yanayokidhi vigezo fulani vya ubora, lakini fasihi kijivu, baadhi ya makala za mikutano, hifadhidata za kikanda na matumizi ya kiufundi yanayokua haraka yanaweza kuwa yameachwa nje.

Kikwazo cha pili ni kwamba sehemu kubwa ya tafiti sita za mwisho ni za sehemu-mkato, za uhusiano au zinategemea taarifa binafsi. Miundo hii inaweza kuonyesha uhusiano wenye maana kati ya umahiri wa mwalimu na msimamo wa kimaadili, lakini haiwezi kuthibitisha peke yake mabadiliko kwa muda au usababisho. Paneli za wataalamu pia, ingawa hutoa makubaliano ya kitaalamu, zinaweza kuwa na vikwazo vinavyowezekana kama kufanana kwa maoni ndani ya kundi na kusogea kwa maoni kuelekea makubaliano.

Kikwazo cha tatu ni kwamba teknolojia za akili bandia zalishi hubadilika haraka kuliko mzunguko wa uchapishaji wa kisayansi. Kufikia wakati zana ya tathmini inafanyiwa utafiti na makala kuchapishwa, modeli ya mfumo, sera ya data au tabia ya mtumiaji inaweza kuwa imebadilika. Kwa hiyo, waandishi wanapendekeza tafiti za muda mrefu, uingiliaji unaodhibitiwa, tafiti zinazolenga makundi ya wanafunzi yaliyotengwa kihistoria na uundaji wa viashiria sanifu vya haki ya kialgorithimu vinavyolingana na DigCompEdu kama mwelekeo wa utafiti wa baadaye.

Matumizi ya akili bandia zalishi katika utafiti

Waandishi wameeleza wazi kwamba zana za akili bandia zalishi zilitumika kwa madhumuni ya usaidizi katika kuandaa mapitio ya kitaratibu. Scopus AI ilitumika kusaidia upanuzi wa kisemantiki wa hoja za fasihi na mchakato wa kutambua tafiti husika; Gemini ilitumika kuhamisha istilahi za kiufundi kutoka Kihispania kwenda Kiingereza na kuboresha lugha ya kitaaluma. Waandishi wanasema kuwa mikakati ya utafutaji, uchimbaji wa data, tathmini makini na tafsiri za mwisho zilifanywa na kuthibitishwa na wao wenyewe.

Maelezo ya Chanzo na Mbinu

Utafiti asilia: Digital Teaching Competencies and Algorithmic Ethics in Learning Assessments Within Virtual Environments: A Systematic Review

Waandishi: Wilson Alexander Zambrano Vélez; Elan Ignacio Delgado Cobeña; Cinthya Lisbeth Molina Santana; Carlos Alexy Lucas Mero.

Mwandishi anayewajibika: Wilson Alexander Zambrano Vélez.

Taasisi: Facultad de Ciencias Sociales y de la Salud, Universidad Estatal Península de Santa Elena, La Libertad, Ekvador; Departamento de Admisión y Nivelación, Universidad Técnica de Manabí, Portoviejo, Ekvador.

Jarida / mchapishaji: Education Sciences, MDPI. Juzuu / toleo / nambari ya makala: 16(7), 1066. Tarehe ya uchapishaji: 3 Julai 2026.

DOI: 10.3390/educsci16071066.

Aina ya chanzo: Mapitio ya kitaratibu. Mapitio ya wenzao: Version of Record iliyochapishwa katika jarida lililopitiwa na wenzao.

Leseni: Creative Commons Attribution 4.0 International (CC BY 4.0).

Itifaki ya mapitio: PRISMA 2020; DOI ya usajili wa OSF 10.17605/OSF.IO/RQKXM.

Hifadhidata: Scopus na Web of Science. Idadi ya awali ya rekodi 262; usanisi wa mwisho tafiti sita za kimajaribio.

Uchimbaji wa data: Uchimbaji huru wa data na watathmini wawili, matriki iliyopangwa ya Excel na majadiliano/makubaliano wakati wa tofauti.

Ufadhili: Universidad Estatal Península de Santa Elena, msimbo wa mradi/ufadhili 009.

Kamati ya maadili: Haitumiki. Ridhaa iliyoarifiwa: Haitumiki.

Upatikanaji wa data: Data zinazounga mkono utafiti zimesajiliwa kwenye OSF.

Mgongano wa maslahi: Waandishi hawakuripoti mgongano wa maslahi.

Michango ya waandishi: Uundaji wa dhana W.A.Z.V., E.I.D.C. na C.L.M.S.; metodolojia W.A.Z.V. na C.A.L.M.; uthibitishaji W.A.Z.V., E.I.D.C. na C.L.M.S.; uchanganuzi rasmi W.A.Z.V., C.L.M.S. na C.A.L.M.; utafiti waandishi wote wanne; rasilimali E.I.D.C. na C.A.L.M.; uratibu wa data W.A.Z.V. na C.L.M.S.; rasimu ya awali W.A.Z.V., E.I.D.C. na C.L.M.S.; mapitio/uhariri W.A.Z.V. na C.A.L.M.; uwasilishaji wa kuona W.A.Z.V. na C.L.M.S.; usimamizi na usimamizi wa mradi W.A.Z.V.

Dokezo la istilahi ndani ya chanzo: Katika maandishi ya Kiingereza, vifupisho DTC na, katika baadhi ya sehemu, TDC vinatumika kwa Digital Teaching Competencies. Pia, katika maelezo ya akili bandia zalishi, toleo la Gemini limeonyeshwa kama “1.5 Pro” katika sehemu ya mbinu na “1.5 Pro/Ultra” katika sehemu ya shukrani. Verianla haijarekebisha tofauti hizi kwa uhakika usiotokana na chanzo.

Mpaka mkuu wa tafsiri: Matokeo ni usanisi wa kitaratibu wa kiubora wa tafiti sita za kimajaribio. Kwa sababu ya utofauti wa miundo ya tafiti zilizopitiwa na udogo wa korpasi ya mwisho, matokeo hayapaswi kutumiwa kama ushahidi wa kisababishi wa ulimwengu wote kwa vyuo vikuu vyote au mifumo yote ya tathmini ya kialgorithimu.