Teachers' Attitudes and Perceptions of the Usefulness of AI in Academia: How should universities respond to a changing Educational Landscape?

Abstract

Gervigreind (AI) er hratt að umbreyta háskólamenntun og kallar á að háskólar endurskoði kennslufræðilega umgjörð, stuðningskerfi og siðareglur. Þrátt fyrir aukna notkun gervigreindarverkfæra í fræðilegu samhengi hafa háskólar oft brugðist við á viðbragðsfrekan hátt og einblínt þröngt á fræðilegan heiðarleika í stað heildrænna innleiðingarstefna. Í þessari rannsókn eru könnuð viðhorf, notkunarmynstur og stuðningsþarfir kennara við Háskóla Íslands í tengslum við notkun gervigreindar í kennslu og niðurstöðurnar veita grunnupplýsingar sem nýtast til framtíðarstefnumótunar og þróunar kennarastuðnings. Vorið 2025 var lagður fyrir spurningalisti með 79 atriðum og sex opnum spurningum til 2.003 háskólakennara, þar á meðal stundakennara. Alls bárust 339 svör (17% svarhlutfall; 33% meðal fastráðinna kennara). Megindleg gögn voru greind með lýsandi tölfræði og eigindleg svör með þemagreiningu með ályktandi nálgun. Niðurstöður sýna að þótt meirihluti þátttakenda hafi jákvætt viðhorf til gervigreindar er samþætting hennar í kennslufræði enn lítil. Flestir nota gervigreind til stuðningsverkefna, svo sem til að fá hugmyndir að verkefnum (39%), þróa kennsluefni (35%), búa til prófspurningar (30%) eða hanna matsviðmið (24%). Fáir kennarar nota gervigreind í flókin verkefni á borð við hermilíkön, gagnaúrvinnslu eða þjálfun spjallvéla. ChatGPT var langalgengasta verkfærið (62%), næst á eftir komu Copilot (29%) og Gemini (14%). Hæsta áskriftartíðni var einnig hjá ChatGPT (12%), síðan Claude (3%) og bæði Scite og Copilot 365 með 2%. Helstu hindranir í innleiðingu voru áhyggjur af misnotkun nemenda (89%), fleipri gervigreindar (76%), siðferðilegum álitaefnum (71%), persónuvernd (69%) og hlutdrægni í svörum (68%). Kennarar bentu einnig á skort á leiðbeiningum og upplýsingum frá stofnun (62%), skort á stuðningi (49%) og takmarkaða eigin þekkingu (48%). Í opnum svörum kom skýrt fram þörf fyrir heildstæðar þjálfunaráætlanir, faggreinasértækan og persónubundinn stuðning, háskólagreiddan aðgang að gervigreindarverkfærum og skýrar reglur um siðferðilega og kennslufræðilega notkun. Kennarar voru varfærnislega bjartsýnir á möguleika gervigreindar til að auka skilvirkni og skapandi nálganir í kennslu en lögðu áherslu á mikilvægi mannlegra þátta í námi. Rannsóknin varpar ljósi á mikilvægt bil milli áhuga og raunverulegrar innleiðingar og bendir til þess að háskólar þurfi að stíga út fyrir viðbragðsmiðuð skref og þróa trausta, þverfaglega umgjörð fyrir samþættingu gervigreindar. Þessi frumrannsókn veitir grunnupplýsingar um reynslu kennara við Háskóla Íslands og undirstrikar brýna þörf fyrir aðgerðir af hálfu skólans. Háskólinn þarf að forgangsraða verklegri þjálfun, siðferðilegri leiðsögn og stuðningi við innviði til að tryggja að kennarar séu vel undirbúnir til að starfa í hratt breytilegu menntunarlandslagi. Framhaldsrannsóknir ættu að kanna mun á viðhorfum milli fræðigreina, aldurshópa og starfshlutfalla, auk þess að fylgjast með langtímaþróun eftir því sem gervigreind verður meira samþætt fræðastarfi.Artificial intelligence (AI) is rapidly transforming the landscape of higher education, prompting universities to reconsider their pedagogical frameworks, support systems, and ethical guidelines. Despite the growing presence of AI tools in academic settings, institutional responses have often been reactive, focusing narrowly on academic integrity rather than on comprehensive integration strategies. This study investigates university teachers’ attitudes, usage patterns, and support needs related to AI in teaching at the University of Iceland, offering baseline data to inform future policy and faculty development initiatives. In spring 2025, a 79-item survey and six open-ended questions were distributed to 2,003 university teachers, including sessional staff. A total of 339 responses were received (17% response rate; 33% among tenure-track faculty). Quantitative data were analyzed using descriptive statistics, while qualitative responses underwent thematic analysis using an inductive approach. Findings reveal that while the majority of respondents hold positive attitudes toward AI, its integration into teaching remains limited. Most teachers use AI for supplementary tasks such as generating ideas for assignments (39%), developing course materials (35%), creating questions for exams (30%) and creating assessment rubrics (24%). Advanced applications—such as simulations, analytics, and chatbot training—were reported by a small minority. ChatGPT was the most widely used tool (62%), followed by Copilot (29%) and Gemini (14%). The highest subscription rate was for ChatGPT (12%), followed by Claude (3%), and both Scite and Copilot 365 at 2% each. Key barriers to adoption include concerns about student misuse (89%), AI hallucinations (76%), ethical issues (71%), data privacy (69%) and bias in responses (68%). Teachers also cited a lack of institutional guidelines and information (62%), lack of support (49%) and limited personal knowledge (48%) as significant challenges. Open-ended responses emphasized the need for comprehensive training programs, discipline-specific, personalized support, university-funded access to AI tools, and clear policies on ethical and pedagogical use. Teachers expressed cautious optimism about AI’s potential to enhance teaching efficiency and creativity but stressed the importance of preserving human elements in education. The study highlights a critical gap between interest and implementation, suggesting that universities must move beyond ad hoc responses and develop robust, interdisciplinary frameworks for AI integration. This pilot study provides foundational insights into faculty experiences with AI at the University of Iceland and underscores the urgency of institutional action. Faculty development teams must prioritize hands-on training, ethical guidance, and infrastructure support to ensure educators are equipped to navigate the evolving educational landscape. Future research should explore variations in attitudes across disciplines, age groups, and employment status, and monitor longitudinal changes as AI tools become more embedded in academic practice.