طراحی مدل بومی هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران: تحلیل پیشایندها و پیامدها
Designing a Native AI Model for Educational Management in Iranian Elementary Schools: Analyzing Antecedents and Consequences
چکیده
این پژوهش با هدف شناسایی پیشایندها و پیامدهای بهکارگیری هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران و طراحی مدل مفهومی بومی برای تحقق «مدرسه هوشمند آینده» انجام شد. با استفاده از روش تحقیق ترکیبی (کیفی-کمی) و مصاحبهه ای نیمه ساختاریافته با معلمان، مدیران، و متخصصان فناوری آموزشی، عوامل کلیدی موفقیت شامل زیرساخت های فنی، توانمندسازی معلمان، رهبری آموزشی، سیاستگذاری هوشمند، و اقلیم روانی مدرسه شناسایی شدند. نتایج نشان داد هوش مصنوعی می تواند کیفیت یادگیری، عدالت آموزشی، انگیزه دانشآموزان، و کارایی مدیریتی را بهبود بخشد، اما چالش هایی نظیر کمبود مهارت های دیجیتال، نگرانی های امنیتی، سوگیری الگوریتمی، و مقاومت فرهنگی مانع تحقق این پتانسیل هستند. طراحی مدل پیشنهادی مبتنی بر شرایط بومی ایران، نیازمند توجه همزمان به نوآوری فناورانه و حفظ ارزشهای انسانی است. پیشنهاد می شود برنامه های آموزشی برای معلمان، تدوین چارچوبهای اخلاقی، و تقویت زیرساخت ها در اولویت سیاستگذاری قرار گیرد.
کلیدواژه ها: هوش مصنوعی، مدارس ابتدایی، مدیریت آموزشی، عدالت آموزشی، مدل بومی
(Abstract):
This study aimed to identify the antecedents and consequences of implementing artificial intelligence (AI) in the educational management of Iranian elementary schools and design a native conceptual model for realizing the "Future Smart School." Using a mixed-method approach (SLA: Approach to Learning and Simulation) and semi-structured interviews with teachers, school administrators, and educational technology experts, key success factors were identified, including technical infrastructure, teacher empowerment, educational leadership, smart policymaking, and school psychological climate. Results indicated that AI can enhance learning quality, educational equity, student motivation, and managerial efficiency. However, challenges such as digital skill gaps, security concerns, algorithmic biases, and cultural resistance hinder its effective integration. The proposed model emphasizes the need to balance technological innovation with human-centric values, tailored to Iran's socio-cultural context. Recommendations include prioritizing teacher training programs, ethical frameworks, and infrastructure development to ensure equitable and sustainable AI adoption in education.
Keywords :Artificial Intelligence, Elementary Schools, Educational Management, Educational Equity, Native Model
مقدمه
در جهانی که فناوری به‌سرعت مرزهای سنتی زندگی بشر را در‌می‌نوردد، هوش مصنوعی دیگر نه پدیده‌ای صرفاً صنعتی یا علمی، بلکه حضوری واقعی و تعیین‌کننده در بافت اجتماعی و انسانی جوامع یافته است. یکی از عرصه‌هایی که این فناوری بیشترین اثرگذاری را بر آن داشته، آموزش‌وپرورش است؛ جایی که یادگیری و رشد انسانی در بنیادی‌ترین شکل خود جریان دارد. هوش مصنوعی در نظام‌های آموزشی پیشرفته به ابزاری کارآمد برای شخصی‌سازی یادگیری، تشخیص دقیق نیازهای یادگیرندگان، توسعه مهارت‌های شناختی و تعمیق تعامل معلم و دانش‌آموز تبدیل شده است. این فناوری، برخلاف تصور رایج، جایگزینی برای معلم نیست، بلکه دستیاری هوشمند و توانمندساز برای ارتقاء کیفیت آموزش است.
اما در ایران، استفاده از این ظرفیت تحولی همچنان با چالش‌هایی جدی مواجه است؛ از کمبود زیرساخت‌های فنی گرفته تا نبود مهارت‌های تخصصی در میان معلمان و مدیران، و نیز سیاست‌گذاری‌های پراکنده و بعضاً محافظه‌کارانه. در شرایطی که جهان به‌سوی «مدرسه آینده» گام برمی‌دارد، نادیده گرفتن این روند، خطر تکرار عقب‌ماندگی ساختاری را در نظام آموزشی کشور در پی دارد. از این‌رو، پرداختن به این موضوع نه یک انتخاب، بلکه ضرورتی راهبردی است؛ ضرورتی که ما را ملزم می‌سازد تا از منظری علمی و بومی‌شده، به امکان‌سنجی و تحلیل شرایط بهره‌گیری از هوش مصنوعی در مدیریت آموزشی بپردازیم.
به‌ویژه در مدارس ابتدایی، که پایه‌های یادگیری و تجربه مدرسه برای کودکان شکل می‌گیرد، ادغام فناوری‌های نوین از اهمیت خاصی برخوردار است. مطالعات نشان می‌دهد که استفاده از هوش مصنوعی در این مقطع می‌تواند خلاقیت دانشآموزان را افزایش داده، انگیزه تحصیلی را تقویت کند و کیفیت یادگیری را به طرز چشمگیری ارتقاء دهد. اما دستیابی به این اهداف مستلزم پیش‌زمینه‌هایی است: آمادگی زیرساختی، توانمندسازی معلمان، وجود رهبری آموزشی مؤثر، فضای روانی مساعد در مدرسه، و سیاستگذاری هدفمند.
با وجود این ظرفیت‌ها، تاکنون در ادبیات پژوهشی داخلی، کمتر به شیوه‌ای جامع و منسجم به بررسی زمینه‌ها و پیامدهای بهکارگیری هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی پرداخته شده است. اکثر پژوهش‌ها یا به کاربردهای فنی و مهندسی هوش مصنوعی محدود شده‌اند یا بدون توجه به زمینه‌های بومی، الگوهای وارداتی را بررسی کرده‌اند. این خلأ پژوهشی، که در واقع بیانگر شکاف میان امکانات بالقوه و برنامه‌ریزی‌های موجود است، ضرورت انجام مطالعه‌ای کاربردی و بین‌رشته‌ای را بیش از پیش برجسته می‌سازد.
در چنین بستری، این پژوهش می‌کوشد تا با تمرکز بر مدارس ابتدایی ایران، عواملی را که زمینه‌ساز یا مانع ادغام هوش مصنوعی در مدیریت آموزشی هستند شناسایی کند، و در ادامه، با تحلیل پیامدهای این فناوری بر کیفیت آموزش، عدالت آموزشی، تعاملات اجتماعی و انگیزش دانشآموزان، به طراحی یک مدل مفهومی بومی کمک نماید؛ مدلی که نه تقلیدی، بلکه متناسب با واقعیات، ظرفیت‌ها و چالش‌های نظام آموزشی کشور باشد.
در نهایت، مسیر حرکت به‌سوی مدرسه آینده، بدون توجه به ابعاد انسانی، اخلاقی و فرهنگی فناوری، ره به جایی نخواهد برد. تنها با نگاهی نظام‌مند، مشارکت چندجانبه بازیگران آموزشی، و تحلیل پیوسته داده‌های تجربی، می‌توان زمینه را برای هوشمندسازی واقعی مدارس فراهم کرد. پژوهش حاضر، گامی در این مسیر است.
هدف تحقیق
هدف اصلی این پژوهش، شناسایی پیشایندها و پیامدهای بهکارگیری هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران و طراحی یک مدل مفهومی بومی برای تحقق «مدرسه هوشمند آینده» است. این مدل باید متناسب با شرایط اجتماعی، فرهنگی و زیرساختی کشور باشد و بتواند با ارتقای کیفیت یادگیری، بهبود عدالت آموزشی، افزایش انگیزه تحصیلی و بهینه‌سازی کارایی مدیریتی مدارس ابتدایی کمک کند.
سؤالات تحقیق
چه عواملی به‌عنوان پیشایند (مؤلفه‌های زمینه‌ساز) موفقیت بهکارگیری هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران شناخته می‌شوند؟
بهکارگیری هوش مصنوعی در مدیریت آموزشی چه پیامدهایی برای نظام آموزشی، معلمان و دانشآموزان به دنبال دارد؟
چگونه می‌توان مدلی مفهومی برای ادغام مؤثر هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران طراحی کرد که با شرایط بومی کشور سازگار باشد؟
نقش عوامل انسانی مانند رهبری آموزشی، تعهد معلمان و اقلیم روانی مدرسه در تسهیل یا مانع‌تراشی در فرآیند استفاده از هوش مصنوعی چیست؟
چه ملاحظات اخلاقی، فنی و فرهنگی باید در فرآیند استفاده از هوش مصنوعی در مدیریت آموزشی مدنظر قرار گیرد تا از معضلات احتمالی جلوگیری شود؟
چارچوب مفهومی تحقیق
چارچوب مفهومی این پژوهش بر اساس تلفیق نظریه‌ها و رویکردهای مختلف طراحی شده است که به‌طور ویژه بر تعاملات بین فناوری و عوامل انسانی، اجتماعی و فرهنگی تأکید دارد. این چارچوب شامل سه نظریه اصلی است که به شرح زیر توضیح داده می‌شود:
نظریه سیستم‌های فنی–اجتماعی: این نظریه تأکید دارد که استفاده موفق از فناوری (در اینجا هوش مصنوعی) باید با توجه به زمینه‌های اجتماعی، فرهنگی و سازمانی باشد. به عبارت دیگر، استفاده از فناوری در مدیریت آموزشی بدون در نظر گرفتن عوامل انسانی و فرهنگی نمی‌تواند به موفقیت دست یابد.
نظریه شناخت موقعیتی (Situated Cognition): طبق این نظریه، یادگیری و تعاملات آموزشی باید در یک بستر اجتماعی و واقعی صورت گیرد. بنابراین، هوش مصنوعی باید به گونه‌ای طراحی شود که در فرآیندهای آموزشی و تعاملات انسانی مدارس قرار گیرد و از این طریق یادگیری معنادار و مؤثرتر شود.
نظریه بار شناختی (Cognitive Load Theory): این نظریه به این نکته اشاره دارد که هنگام طراحی سامانه‌های آموزشی مبتنی بر هوش مصنوعی، باید پیچیدگی اطلاعات و توان پردازش ذهنی دانشآموزان را در نظر گرفت. طراحی سامانه‌ها باید به گونه‌ای باشد که موجب بار شناختی اضافی بر دانشآموزان نشود و یادگیری را تسهیل کند.
بر اساس این چارچوب، مدل مفهومی تحقیق به بررسی روابط بین متغیرهای مختلف پرداخته و عوامل مؤثر در بهکارگیری هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران را شناسایی می‌کند. این مدل به دنبال تحلیل متغیرهایی مانند «آمادگی زیرساختی»، «توانمندی معلمان»، «رهبری آموزشی»، «اقلیم روانی مدرسه» و «سیاستگذاری هوشمندانه» است. همچنین پیامدهایی مانند «عدالت آموزشی»، «تعاملات اجتماعی»، «انگیزه تحصیلی» و «کارایی مدیریتی» را به‌عنوان نتایج این فرآیند بررسی می‌کند.
پیشینه
فاطمه حنیفه‌زاده نودهی (1402) در پژوهش خود با عنوان «استفاده از هوش مصنوعی و فناوری‌های نوین آموزشی در محتوای آموزشی مدارس» به بررسی نقش فناوری‌های نوین و هوش مصنوعی در تحول محتوای آموزشی مدارس پرداخته است. وی تأکید دارد که این فناوری‌ها با توانایی شخصی‌سازی آموزش، ارتقاء تعامل دانشآموزان، و بهبود بازدهی یادگیری، می‌توانند تحولی مثبت در نظام آموزشی ایجاد کنند. از جمله مزایای اصلی بهکارگیری این فناوری‌ها می‌توان به ارائه محتوای آموزشی متناسب با نیازها و توانایی‌های فردی دانشآموزان، استفاده از ابزارهای تعاملی نظیر بازی‌ها و ویدیوهای آموزشی، و افزایش تمرکز و مشارکت در فرایند یادگیری اشاره کرد. در بخش نتیجه‌گیری، پژوهش نشان می‌دهد که استفاده از هوش مصنوعی موجب ارتقاء کیفیت آموزش، بهبود تعامل، و ضرورت آموزش معلمان برای بهره‌برداری صحیح از فناوری‌های نوین می‌شود. همچنین به مزایا و چالش‌هایی نظیر پیشرفت فناوری‌های مرتبط، مسائل امنیتی و حریم خصوصی نیز پرداخته شده است. در بخش پیشنهادات، نویسنده 41 راهکار کاربردی ارائه می‌دهد؛ از جمله توسعه سیستم‌های هوشمند ارزیابی، برنامه‌های آموزش تعاملی، استفاده از فناوری تشخیص چهره، شخصی‌سازی محتوا، استفاده از ربات‌های آموزشی، پلتفرم‌های هوشمند آنلاین، مشاوره تحصیلی مبتنی بر هوش مصنوعی، بهره‌گیری از واقعیت مجازی و افزوده، سیستم‌های تشخیص سوءرفتار و ترکیب انسان و ماشین در آموزش. در مجموع، نویسنده بر این باور است که اجرای این راهکارها می‌تواند موجب ارتقاء کیفیت آموزش و پرورش، توسعه مهارت‌های دانشآموزان و پویایی در نظام آموزشی شود.
میرقاسمی، اسماعیل‌نیا شیروانی و تجری (1403) در پژوهشی با عنوان «طراحی و اعتباریابی مدل مدرسه آینده مبتنی بر نقش هوش مصنوعی در مدارس ابتدایی» با هدف ارائه مدلی برای بهره‌گیری از هوش مصنوعی در آموزش ابتدایی، مطالعه‌ای کیفی را در دو مرحله طراحی و اعتبارسنجی انجام دادند. در مرحله طراحی، با استفاده از روش نظریه داده‌بنیاد و نمونه‌گیری گلوله‌برفی، ۱۸ نفر از خبرگان حوزه هوش مصنوعی و آموزش شناسایی و مصاحبه شدند. در مرحله اعتبارسنجی نیز از روش دلفی در سه مرحله و با مشارکت ۲۰ نفر از اساتید دانشگاه و مدیران آموزش‌وپرورش استان گلستان بهره گرفته شد. نتیجه تحلیل داده‌ها منجر به شناسایی ۱۲ طبقه اصلی و ۲۴ مقوله فرعی شد که در قالب پنج محور سازمان‌دهی گردید: شرایط علی (از جمله آمادگی فرهنگی، زیرساخت‌ها و تعامل خانواده‌محور با هوش مصنوعی)، شرایط زمینه‌ای (نظیر نقش شبکه‌های اجتماعی و مراودات هوش‌محور)، شرایط مداخله‌ای (شامل چالش‌های فنی و نهادی)، راهبردها (مانند ارزیابی هوشمند و یادگیری خلاقانه) و پیامدها (از جمله بهبود کیفیت و سرعت آموزش، افزایش عدالت آموزشی و انگیزش تحصیلی). یافته‌ها نشان دادند که هوش مصنوعی می‌تواند به طور قابل توجهی کیفیت یادگیری و عدالت آموزشی را ارتقا دهد. پژوهش همچنین بر ضرورت فراهم‌سازی زیرساخت‌های فنی، آمادگی فرهنگی و مدیریت اثربخش برای اجرای موفق این فناوری در مدارس ابتدایی تأکید کرد و راهکارهایی برای مواجهه با چالش‌های نهادی و فنی ارائه داد.
عادل (1403) در پژوهش خود با عنوان «تأثیر ادغام هوش مصنوعی بر مدیریت آموزشی: مطالعه موردی در مدارس متوسطه ایران» به بررسی نقش فناوری هوش مصنوعی در تحول فرآیندهای اداری، شیوه‌های تدریس و تجربیات یادگیری دانشآموزان پرداخته است. این مطالعه با رویکرد ترکیبی و بهره‌گیری از نظرسنجی، مصاحبه و تحلیل اسناد، اثرات چندوجهی ادغام هوش مصنوعی در مدیریت آموزشی را در مدارس متوسطه ایران بررسی کرده و نشان داده است که سیستم‌های هوشمند قابلیت ساده‌سازی وظایف اداری مانند ثبت‌نام، زمان‌بندی و تخصیص منابع را دارند و از طریق تحلیل‌های پیش‌بینی‌محور، امکان تصمیم‌گیری راهبردی و آگاهانه‌تری را برای مدیران فراهم می‌سازند. همچنین، هوش مصنوعی با فراهم‌سازی آموزش شخصی‌سازی‌شده، ارائه بازخورد متناسب و شناسایی زمینه‌های مداخله، معلمان را در پاسخگویی به نیازهای متنوع دانشآموزان توانمند می‌سازد. با این حال، چالش‌هایی همچون سوگیری الگوریتمی، نقض حریم خصوصی داده‌ها و شکاف دیجیتال باید مدنظر قرار گیرد و برای رفع آنها چارچوبهای اخلاقی شفاف، نظام‌های نظارت الگوریتمی و ارتقای سواد هوش مصنوعی ضروری است. این پژوهش با تأکید بر فرصت‌های نوآوری و الزام به مسئولیت‌پذیری فناورانه، توصیه‌هایی از جمله ارتقای مهارت معلمان، بهبود زیرساخت دیجیتال، تدوین دستورالعمل‌های اخلاقی و تقویت همکاری بین نهادها را برای بهره‌برداری عادلانه و اثربخش از هوش مصنوعی در مدیریت آموزشی ارائه کرده و بر ضرورت ادغام متفکرانه و آگاهانه این فناوری در آموزش برای ارتقای عدالت، کارآمدی و آمادگی نسل آینده در برابر تحولات عصر دیجیتال تأکید می‌کند.
سیدعزت‌الله محمدی، سید احمد قاسمی و حامد عباسی‌نامی (1403) در مقاله‌ای با عنوان «کاربرد هوش مصنوعی در مدیریت مدارس (آموزش و پرورش)» با بهره‌گیری از روش فراتحلیل کیفی و دستورالعمل PRISMA، به بررسی نظام‌مند 16 مقاله منتشر شده بین سال‌های 2020 تا 2024 پرداختند تا کاربردها و پیامدهای هوش مصنوعی در مدیریت مدارس را تحلیل کنند؛ یافته‌های پژوهش نشان داد که هوش مصنوعی نقش مهمی در بهبود کارایی مدیریتی، یادگیری شخصی‌سازی‌شده، ارتقای فرآیند تصمیم‌گیری، کاهش وظایف تکراری، بهینه‌سازی تخصیص منابع و ارزیابی عملکرد کارکنان دارد و می‌تواند با ارائه تحلیل‌های داده‌محور، بازخورد فوری و دقیقی برای مدیران، معلمان و دانشآموزان فراهم آورد، در حالی‌که چالش‌هایی چون امنیت داده‌ها، زیرساخت‌های ناکافی و مقاومت در برابر پذیرش فناوری از موانع مهم اجرای موفق آن به شمار می‌روند؛ همچنین نتایج مطالعه بیانگر آن است که هوش مصنوعی می‌تواند با افزایش شفافیت در نظارت، کاهش خطاهای انسانی و تسهیل فرآیندهای آموزشی، نقش مؤثری در بهبود عملکرد مدارس ایفا کند و از طریق کاهش هزینه‌های عملیاتی و تخصیص مؤثرتر منابع، به بهره‌وری بیشتر در سیستم آموزشی منجر شود؛ در پایان نیز نویسندگان با اشاره به محدودیت‌هایی همچون بازه زمانی محدود، محدودیت زبان و ماهیت غیرکمی روش تحقیق، پیشنهادهایی برای پژوهش‌های آینده ارائه داده‌اند که شامل گسترش دامنه زمانی و زبانی مطالعات، انجام بررسی‌های تجربی و تطبیقی، طراحی برنامه‌های آموزشی برای مدیران و معلمان، سرمایه‌گذاری در زیرساخت‌های فناوری اطلاعات و تدوین قوانین صیانت از داده‌ها به‌منظور اعتمادسازی در بهره‌برداری از هوش مصنوعی در مدارس می‌باشد.
مینا شاه‌محمدی، دل‌آرا جعفری و عباس قندالی (1402) در مقاله‌ای با عنوان «هوش مصنوعی و فناوری‌های نو در نظام‌های آموزشی: فرصت و چالش» به بررسی ابعاد مختلف ادغام فناوری‌های نوین و به‌ویژه هوش مصنوعی در نظام‌های آموزشی پرداختند و تأکید کردند که این فناوری‌ها می‌توانند موجب تحول در فرآیند آموزش، ارتقاء کیفیت یادگیری، یادگیری شخصی‌سازی‌شده، تسهیل وظایف اداری، افزایش سرعت تدریس، ارائه بازخورد دقیق، کاهش هزینه‌ها و بهبود تحلیل داده‌های آموزشی شوند؛ با این حال، پژوهشگران هشدار دادند که ادغام سریع این فناوری‌ها بدون ملاحظات اخلاقی و زیرساختی ممکن است به بروز چالش‌هایی همچون افزایش نابرابری آموزشی، نقض حریم خصوصی، و فاصله گرفتن از رویکرد انسان‌محور در آموزش منجر شود؛ در این راستا، آنها بر اهمیت توازن بین نوآوری تکنولوژیک و حفظ اصول انسانی تأکید کرده و با استناد به دیدگاه یونسکو، خواستار بهره‌مندی برابر همگان از مزایای انقلاب فناوری در راستای تحقق عدالت آموزشی شدند؛ مطالعه نشان می‌دهد که برای ادغام مؤثر هوش مصنوعی در آموزش، نیازمند سرمایه‌گذاری در آموزش معلمان، توسعه سیاست‌های اخلاق‌محور، ارتقاء امنیت داده‌ها، و همچنین تلفیق مناسب این ابزارها با سیستم‌های آموزشی موجود هستیم؛ در نهایت، پژوهشگران نتیجه گرفتند که اگرچه هوش مصنوعی پتانسیل بالایی برای متحول ساختن آموزش دارد، اما تحقق آن مستلزم آماده‌سازی دقیق، نظارت مداوم، و حفظ یکپارچگی میان تکنولوژی و اهداف آموزشی است.
صالح‌نژاد بهرستاقی، شوقی و حیدری پرچکوهی (1403) در پژوهشی با عنوان «ارائه مدل بهکارگیری هوش مصنوعی در نظام آموزش‌وپرورش کشور: پیشایندها و پیامدها» تلاش کرده‌اند تا با استفاده از رویکردی آمیخته (کیفی-کمی) مدل جامعی برای ادغام مؤثر هوش مصنوعی در آموزش‌وپرورش ایران طراحی کنند. آنها بر اساس داده‌های به‌دست‌آمده از تحلیل مصاحبه‌های خبرگان و پرسشنامه‌های مدیران مدارس، به این نتیجه رسیدند که پیشایندهای اصلی در این زمینه شامل توانمندسازی معلمان، ایجاد زیرساخت‌های فنی مناسب، و پذیرش امنیت داده هستند، و پیامدهای حاصل از بهکارگیری هوش مصنوعی نیز شامل ارتقاء کیفیت آموزش، بهبود کیفیت ارزشیابی و خلق محیط‌های یاددهی-یادگیری مؤثرتر می‌شود. این پژوهش با استناد به مطالعات داخلی و بین‌المللی تأکید دارد که هوش مصنوعی می‌تواند نقش کلیدی در شخصی‌سازی آموزش، بهینه‌سازی فرایندهای ارزشیابی، و تولید محتوای جذاب و هدفمند ایفا کند. محققان پیشنهاد می‌کنند برای بهره‌برداری موفق از این فناوری، باید دوره‌های آموزشی برای معلمان برگزار شود، حریم خصوصی داده‌ها تضمین گردد، تعامل انسان-ماشین بهبود یابد، و ارزیابی مستمر از عملکرد سیستم‌های هوش مصنوعی صورت گیرد. در مجموع، این مطالعه مدلی را پیشنهاد می‌دهد که هم به ملاحظات فنی و اخلاقی توجه دارد و هم آینده‌نگرانه به تحول نظام آموزشی از طریق فناوری می‌نگرد.
کاتساماکاس، پاولوف و سکلد (2024) در مقاله‌ای با عنوان «هوش مصنوعی و تحول مؤسسات آموزش عالی» با رویکرد سیستم‌های پیچیده به بررسی تحولاتی می‌پردازند که پیشرفت‌های اخیر در حوزه هوش مصنوعی، به‌ویژه ابزارهای مولد مانند ChatGPT، در ساختار و عملکرد دانشگاه‌ها ایجاد کرده‌اند. این مقاله با ترسیم یک نمودار حلقه‌های بازخورد علّی (CLD)، فرآیندهای پویای ارزش‌آفرینی در دانشگاه‌ها و نحوه تأثیرپذیری آنها از AI را تحلیل می‌کند. نویسندگان نشان می‌دهند که سرمایه‌گذاری دانشگاه‌ها در هوش مصنوعی می‌تواند به بهبود کیفیت یادگیری دانشجویان، افزایش کارایی در مدیریت، ارتقای پژوهش و در نهایت افزایش اعتبار و درآمد دانشگاه‌ها منجر شود. با این حال، چالش‌هایی نظیر افزایش تقلب تحصیلی، کاهش کیفیت آموزش در صورت سیاست‌های کاهش هزینه، و تغییرات اساسی در بازار کار می‌تواند دانشگاه‌ها را وارد چرخه‌های بازخورد منفی کند که منجر به افول تدریجی آنها شود. آنها هشدار می‌دهند که اگر دانشگاه‌ها به شکل ناهماهنگ یا سطحی با هوش مصنوعی برخورد کنند، ممکن است به‌واسطه کاهش اعتبار مدرک تحصیلی و عدم توانایی در تجهیز دانشجویان به مهارت‌های مکمل AI، از رقابت عقب بمانند. این مقاله همچنین بر اهمیت مهارت‌های انسانی مانند تفکر انتقادی، خلاقیت، یادگیری مادام‌العمر، و توانایی مدیریت و استفاده از سامانه‌های AI تأکید می‌کند و آینده آموزش عالی را در گرو سازگاری فعال، همکاری بین‌المللی دانشگاه‌ها، و بهره‌گیری هدفمند از فناوری‌های نوین می‌داند. در نهایت، مقاله با تأکید بر ضرورت تفکر سیستمی در رهبری دانشگاه‌ها، از دانشگاه‌ها می‌خواهد که نقش فعال‌تری در شکل‌دهی به مسیر توسعه هوش مصنوعی ایفا کنند و از طریق همکاری، نوآوری، و مسئولیت‌پذیری اجتماعی، آینده‌ای پایدار برای آموزش عالی رقم بزنند.
دمارتینی، شیاسیا، بوسو و مانوری (2023) در مقاله‌ای با عنوان «هوش مصنوعی و بهبود یادگیری تطبیقی در آموزش: یک مطالعه موردی» به بررسی چالش‌ها و فرصت‌های استفاده از تحلیل داده‌های آموزشی در مقاطع مختلف تحصیلی پرداخته و راهکارهایی عملی برای بهبود کیفیت آموزش از طریق هوش مصنوعی ارائه کرده‌اند. آنها تأکید می‌کنند که برخلاف آموزش عالی، مدارس ابتدایی و متوسطه تمایل کمتری به پذیرش ابزارهای تحلیل یادگیری دارند و این موضوع مانعی جدی برای بهره‌برداری از فناوری‌های آموزشی است. در این پژوهش، نویسندگان با توسعه یک داشبورد یادگیری مبتنی بر هوش مصنوعی و تحلیل عملکرد حدود 100 دانشجوی کارشناسی ارشد در دانشگاه پلی‌تکنیک تورین، نشان می‌دهند که ابزارهایی مانند Excel، PowerBI و RapidMiner می‌توانند در تحلیل و تفسیر داده‌های آموزشی، شناسایی الگوهای رفتاری و ارائه پیشنهادهای تصمیم‌یار به معلمان و مدیران آموزشی نقش مؤثری ایفا کنند. این مقاله به مشکلاتی همچون ضعف مهارت‌های برنامه‌نویسی به عنوان عامل کلیدی افت عملکرد اشاره کرده و بر لزوم آموزش مهارت‌های دیجیتال از دوره ابتدایی تأکید می‌کند. پروژه Data2Learn@Edu که در مارس 2023 در تورین آغاز شده است، بستری برای آزمایش آموزش تطبیقی پیوسته فراهم کرده و هدف آن ادغام داده‌های آموزشی با سیاست‌گذاری‌های وزارت آموزش و پرورش برای طراحی راهکارهای نظام‌مند و مقیاس‌پذیر به منظور دستیابی به اهداف توسعه پایدار، به‌ویژه هدف چهارم (SDG 4)، است.
رحیمان و کدیکال (2024) در مقاله‌ای با عنوان «انقلاب در آموزش: یادگیری تقویت‌شده با هوش مصنوعی در آموزش عالی» به بررسی تأثیرات تحولی هوش مصنوعی در آموزش عالی پرداخته‌اند. این مطالعه با هدف شناسایی سطح آگاهی اعضای هیئت علمی از قابلیت‌ها و پذیرش هوش مصنوعی و همچنین تأثیر آن بر تجربه یادگیری و میزان تعامل کاری اساتید در دانشگاه‌ها انجام شد. برای این منظور، از روش‌های نمونه‌گیری خوشه‌ای و چندمرحله‌ای برای انتخاب 250 عضو هیئت علمی از مؤسسات رتبه‌بندی شده QS که در مدل‌های آموزشی هیبریدی فعالیت می‌کنند، استفاده شد. نتایج این تحقیق نشان داد که پیاده‌سازی هوش مصنوعی به تکامل روش‌های ارزیابی و سنجش منجر شده و سطح تعامل اعضای هیئت علمی را افزایش داده است. عوامل مختلفی همچون ریسک ادراک‌شده، انتظارات عملکردی و آگاهی از هوش مصنوعی به‌طور چشمگیری در پذیرش و تعامل کاری با این فناوری در سیستم آموزش عالی تأثیر دارند. نتایج همچنین بر نقش کلیدی هوش مصنوعی در بهبود تجربه‌های یادگیری شخصی‌شده، شناسایی دانشجویان در معرض خطر و اتوماسیون وظایف اداری تأکید می‌کند. این تحقیق نشان می‌دهد که پیشرفت‌های سریع در فناوری هوش مصنوعی استفاده از این راهکارها را در صنایع مختلف، از جمله آموزش عالی، تسهیل کرده و می‌تواند به بهبود تعامل اعضای هیئت علمی و نگرش آنها نسبت به استفاده از فناوری‌های جدید در تدریس، یادگیری و ارزیابی کمک کند.
ایواناشکو (2024) در مقاله‌ای با عنوان «نقش هوش مصنوعی در شکل‌دهی به آینده آموزش: فرصت‌ها و چالش‌ها» به بررسی نقش هوش مصنوعی در آموزش پرداخته و فرصت‌ها و چالش‌های آن را تحلیل کرده است. این تحقیق با استفاده از روش‌های کیفی و کمی شامل مصاحبه‌ها، گروه‌های کانونی، مشاهده‌های کلاس درس و نظرسنجی، در میان 56 شرکت‌کننده از مؤسسات آموزش عالی در اوکراین انجام شد. یافته‌ها نشان داد که هوش مصنوعی تاثیرات مثبتی چون یادگیری شخصی‌سازی‌شده، تسهیل آموزش الکترونیکی، پشتیبانی بهبود یافته، اتوماسیون وظایف اداری، تصمیم‌گیری مبتنی بر داده‌ها، بازی‌سازی و تحلیل پیش‌بینی‌کننده را در فرآیند آموزشی به همراه دارد. با این حال، چالش‌هایی مانند حریم خصوصی داده‌ها، امنیت، سوگیری، عدم درک، شفافیت و نیاز به آموزش بیشتر برای اساتید وجود دارد. نتایج این تحقیق نشان می‌دهد که هوش مصنوعی با استفاده از سیستم‌های هوش‌یار، واقعیت مجازی و ابزارهای اتوماسیون اداری می‌تواند فرآیند آموزشی را به شکل موثری شکل دهد و آموزش متخصصان آینده را مدرن‌سازی کند. همچنین، یافته‌ها بر لزوم توسعه رویکردهای مسئولانه در استفاده از ابزارهای هوش مصنوعی و ایجاد برنامه‌های آموزشی برای ارتقاء مهارت‌های دیجیتال اساتید تأکید دارد.
واردت، طشتوش، عللی، و صالح (2024) در مقاله‌ای تحت عنوان «هوش مصنوعی در آموزش: دیدگاه‌ها، شیوه‌ها و چالش‌های معلمان ریاضیات» به بررسی دیدگاه معلمان ریاضیات در مورد استفاده از سیستم‌ها و برنامه‌های هوش مصنوعی در مدارس امارات ابوظهبی پرداخته‌اند. این تحقیق نشان داد که هوش مصنوعی می‌تواند به عنوان یک ابزار آموزشی برای تسهیل تدریس و بهبود عملکرد دانشآموزان مورد استفاده قرار گیرد و باعث افزایش انگیزه، رقابت و چالش در بین دانشآموزان شود. همچنین، این مقاله به چالش‌هایی مانند نیاز به تلاش بیشتر از روش‌های سنتی، کمبود تخصص در استفاده از سیستم‌ها و برنامه‌های هوش مصنوعی، و فشارهای مختلف بر معلمان اشاره کرده است. نتایج نشان داد که هیچ تفاوت معناداری در دیدگاه‌های معلمان در مورد اهمیت استفاده از هوش مصنوعی در تدریس وجود ندارد، اما تفاوت‌های قابل توجهی در چالش‌های مواجه‌شده بر اساس تحصیلات، تجربه کاری و جنسیت معلمان مشاهده شد. این تحقیق به عنوان مبنای توسعه راهنماهایی برای ادغام هوش مصنوعی در مدارس پیشنهاد شده است.
در سال 2023، فوررو-کوبا و نگره بناسار مطالعه‌ای جامع و سیستماتیک در زمینه تکنیک‌ها و کاربردهای یادگیری ماشین (ML) و هوش مصنوعی (AI) در آموزش انجام دادند. این تحقیق به بررسی تأثیر رو به رشد این تکنولوژی‌ها در حوزه‌های مختلف علمی، به‌ویژه در علوم اجتماعی و حوزه آموزش پرداخته است. هدف اصلی این پژوهش شناسایی روش‌هایی برای بهبود فرآیندهای تدریس، یادگیری و مدیریت آموزشی در تمامی سطوح آموزشی از طریق استفاده از یادگیری ماشین و هوش مصنوعی بوده است. در این تحقیق، از پایگاههای معتبر علمی مانند وب آو ساینس و اسکاپوس برای جستجوی منابع استفاده شد. روش‌شناسی این مطالعه بر اساس دستورالعمل پریسما طراحی شده و شامل تحلیل 55 مقاله منتشر شده در مجلات علمی معتبر از سال 2021 تا 2023 بود. نتایج این تحقیق نشان داد که بیش از 33 تکنیک مختلف یادگیری ماشین و هوش مصنوعی در حوزه‌های آموزشی، از مقاطع ابتدایی تا سطح عالی، در 38 کشور مختلف به‌کار گرفته شده است. این تحقیق نشان می‌دهد که استفاده از یادگیری ماشین و هوش مصنوعی تأثیر بسیار مثبتی بر بهبود فرآیندهای آموزشی و تحقیقاتی داشته است. همچنین، این تأثیر به‌ویژه در استفاده از تکنیک‌های هوش مصنوعی در مدارس متوسطه و گسترش تحقیقات مرتبط با هوش مصنوعی در این مقطع آموزشی مشهود است. مطالعه همچنین نشان داد که حدود 74.6 درصد از تحقیقاتی که بررسی شدند، مربوط به مقاطع ابتدایی و متوسطه بوده است، در حالی که پیش‌تر بیشتر تحقیقات بر سطوح دانشگاهی متمرکز بودند. جالب توجه است که 20 درصد از این مطالعات به تأثیرات پاندمی کووید-19 بر سیستم‌های آموزشی پرداخته‌اند، که نشان‌دهنده تأثیرات عمیق این بحران جهانی بر جنبه‌های مختلف زندگی و توجه ویژه به این موضوع در تحقیقات علمی است. این پژوهش همچنین نشان داد که در سال‌های اخیر، بسیاری از تحقیقات از کشورهای غیرانگلیسی‌زبان نیز در مجلات علمی انگلیسی‌زبان معتبر منتشر شده‌اند. در این مطالعه، همچنین به تکنیک‌های مختلف یادگیری ماشین پرداخته شده است، از جمله پیش‌بینی عملکرد تحصیلی دانشآموزان و بهبود آموزش معلمان. یکی از تکنیک‌های پرکاربرد که در این تحقیق به آن اشاره شده، الگوریتم جنگل تصادفی است که در پیش‌بینی عملکرد تحصیلی دانشآموزان به کار رفته است. این تحقیق همچنین به لزوم رعایت اصول اخلاقی و استانداردهای علمی در استفاده از این تکنیک‌ها تأکید کرده و بر اهمیت آموزش معلمان در زمینه تکنولوژی‌های دیجیتال و یادگیری ماشین تأکید می‌کند. در نهایت، این تحقیق پیشنهاد می‌کند که سیستم‌های آموزشی در کشورهای آمریکای لاتین، آفریقا و اقیانوسیه تقویت شوند و تحقیقات و تجربیات مرتبط با هوش مصنوعی و یادگیری ماشین در این مناطق گسترش یابد. همچنین، بهبود منابع انسانی و فیزیکی و ارتقاء آموزش معلمان در این زمینه از اهمیت ویژه‌ای برخوردار است.
دیترله، دده و واکر (2024) در مقاله‌ای با موضوع تأثیرات اخلاقی چرخه‌ای استفاده از هوش مصنوعی در آموزش، با بررسی منابع مرتبط، به پنج شکاف اخلاقی و ساختاری در کاربرد هوش مصنوعی در آموزش اشاره می‌کنند: دسترسی، بازنمایی، الگوریتم، تفسیر و شهروندی. آنها ابتدا به شکاف الگوریتمی می‌پردازند و نشان می‌دهند چگونه می‌توان با برنامه‌ریزی انسانی از سوگیری در مدل‌های تصمیم‌گیری آموزشی کاست. سپس شکاف‌های پیشینی مانند نبود دسترسی عادلانه به ابزارها و داده‌های بازنماینده‌ی کل جمعیت را بررسی می‌کنند و در ادامه، به تأثیرات پسینی مانند چگونگی درک کاربران از خروجی الگوریتم‌ها و اثرات فرهنگی و اجتماعی آنها می‌پردازند. این شکاف‌ها در نبود اقدام و تأمل مداوم، چرخه‌ای معیوب از تبعیض و بازتولید نابرابری ایجاد می‌کنند؛ اما با افزایش مسئولیت‌پذیری انسانی، امکان تبدیل آن به چرخه‌ای سازنده برای ارتقای تنوع، برابری و شمول در آموزش وجود دارد. نویسندگان تأکید می‌کنند که باید از هوش مصنوعی نه‌فقط برای بهبود کارایی آموزش سنتی، بلکه برای طراحی تجربه‌های یادگیری تحول‌آفرین در عصر دیجیتال بهره گرفت؛ چراکه آینده‌ای پرتلاطم در انتظار ماست و نسل جدید باید مهارت‌هایی مانند تفکر سیستمی، حل تعارض، خلاقیت، درک اجتماعی و کنش اخلاقی را بیاموزد—مهارت‌هایی که اغلب در آموزش رسمی فعلی مغفول مانده‌اند.
بیت، بیسواس و ناگ (2024) در مقاله‌ای با عنوان تأثیر هوش مصنوعی در نظام آموزشی، به بررسی توانمندی‌ها و چالش‌های کاربرد هوش مصنوعی در آموزش پرداخته‌اند. آنها تأکید می‌کنند که هوش مصنوعی می‌تواند آموزش را به تجربه‌ای کارآمدتر، شخصی‌سازی‌شده‌تر و جذاب‌تر تبدیل کند. با بهره‌گیری از فناوری‌هایی مانند پردازش زبان طبیعی و یادگیری ماشین، معلمان قادر خواهند بود آموزش را متناسب با نیازهای هر دانش‌آموز تنظیم کرده، روندها را شناسایی و پیش‌بینی‌هایی مبتنی بر داده انجام دهند. یکی از مزایای مهم، یادگیری شخصی‌سازی‌شده است که به دانشآموزان اجازه می‌دهد با سرعت و سبک مطلوب خود یاد بگیرند. سامانه‌هایی مانند چت‌بات‌ها، ارزیابی خودکار و آموزشگرهای هوشمند می‌توانند هم بهره‌وری معلمان را افزایش دهند و هم بازخورد دقیق‌تر و منسجم‌تری ارائه کنند. با این حال، چالش‌هایی همچون سوگیری الگوریتمی، هزینه‌ها، نبود اعتماد عمومی، و نگرانی‌های مربوط به حریم خصوصی وجود دارد. نویسندگان بر لزوم ارزیابی دقیق مزایا و معایب و اتخاذ تدابیر لازم برای حفاظت از حقوق دانشآموزان تأکید می‌کنند تا بتوان تجربه‌ای یادگیری شخصی، مؤثر و اخلاق‌محور برای همه فراهم کرد.
علیه، گارسیا-پنیاوو و کامبا (2024) در مقاله‌ای با عنوان هوش مصنوعی تولیدگر در آموزش: از گمراه‌کننده تا تحول‌آفرین به بررسی ظرفیت‌ها و چالش‌های استفاده از هوش مصنوعی تولیدگر (GenAI) در نظام‌های آموزشی می‌پردازند. این فناوری با توانایی تولید محتوای اصیل مانند متن، تصویر و صدا، فرصت‌هایی نوین برای شخصی‌سازی، تعامل و تسهیل ارزیابی در فرآیند یادگیری فراهم می‌کند. نویسندگان به کارکردهای متنوع GenAI در آموزش اشاره می‌کنند، از جمله تولید آزمون‌های سفارشی، پیشنهاد موضوع مقاله، و حتی تصحیح خودکار نوشته‌ها، که می‌تواند بار کاری معلمان را کاهش داده و بازخورد سریع‌تری برای دانشآموزان فراهم کند. با این حال، نگرانی‌هایی جدی نیز مطرح می‌شود؛ از جمله تأثیر این فناوری بر یکپارچگی علمی و اصالت آثار دانشآموزان، چرا که استفاده بی‌رویه از آن می‌تواند منجر به تقلب و از بین رفتن یادگیری واقعی شود. بنابراین، نویسندگان بر لزوم تعریف استانداردهای اخلاقی و رویه‌های مناسب در استفاده از GenAI در محیط‌های آموزشی تأکید می‌کنند تا این فناوری به‌عنوان ابزاری مکمل و نه جایگزین یادگیری، به درستی به‌کار گرفته شود.
لای، زنگ، شو و همکاران (2023) در مقاله‌ای با عنوان کاربرد فناوری هوش مصنوعی در آموزش و تأثیر آن بر ادراک هیجانی نوجوانان چینی به بررسی تأثیرات روان‌شناختی محیط‌های آموزشی مبتنی بر هوش مصنوعی (AIEd) بر توانایی درک هیجانات نوجوانان پرداختند. در این مطالعه تجربی که بر روی ۱۳۳۲ دانش‌آموز مدارس پایلوت اصلاحات درسی مبتنی بر هوش مصنوعی در گوانگ‌ژو انجام شد، نشان داده شد که کاربرد گسترده AIEd می‌تواند ادراک هیجانی دانشآموزان را تضعیف کند. یافته‌ها حاکی از آن است که کاهش تعاملات بین‌فردی واقعی و کاهش رفتارهای غیرکلامی صمیمانه بین معلمان و دانشآموزان، به‌ویژه در محیط‌های مشترک انسان-ماشین، باعث کم‌رنگ شدن همدلی و کاهش حساسیت به هیجانات دیگران می‌شود. اثرات منفی این فناوری در سطوح مختلف تحصیلی متفاوت است و نوع محرک‌های احساسی (جملات یا تصاویر) در نحوه واکنش تأثیرگذار است. پژوهشگران هشدار می‌دهند که در استفاده از AIEd باید ابعاد انسانی و عاطفی تعاملات آموزشی حفظ شود تا از آسیب‌های روانی احتمالی جلوگیری شود. آنها همچنین خواستار مطالعات آینده‌نگرانه‌تر با ابزارهای علمی دقیق‌تر مانند EEG و نمونه‌های گسترده‌تر برای بررسی روابط علی بین هوش مصنوعی آموزشی و تحول روانی نوجوانان شدند.
مستویپ، پورودی و فخرالله (2024) در مقاله‌ای با عنوان ادغام هوش مصنوعی در توسعه شخصیت اسلامی: مطالعه‌ای در مدیریت آموزش ابتدایی در اندونزی و ترکیه به بررسی تطبیقی نقش هوش مصنوعی در شکل‌دهی به ارزش‌ها و رفتارهای اسلامی در دانشآموزان ابتدایی دو کشور پرداختند. این پژوهش کیفی با استفاده از مصاحبه، مشاهده و تحلیل اسناد انجام شده و نشان می‌دهد که ادغام فناوری AI در مدیریت آموزشی نقش مؤثری در تقویت تربیت اخلاقی مبتنی بر ارزشهای اسلامی داشته است. در اندونزی، تمرکز بیشتر بر توسعه برنامه درسی و پایش رفتار دانشآموزان است، در حالی که در ترکیه، هوش مصنوعی بیشتر در شخصی‌سازی آموزش و تقویت تعامل معلم و شاگرد به کار می‌رود. این تفاوت‌ها بازتابی از زمینه‌های فرهنگی و آموزشی متفاوت هستند، اما در هر دو کشور، نتایج مثبت در شکل‌گیری رفتار اسلامی مشهود است. هوش مصنوعی با ارائه آموزش هدفمند و مداخله به‌موقع، درک و درونی‌سازی ارزشهای اسلامی را در زندگی روزمره دانشآموزان تقویت کرده است. نویسندگان بر لزوم گسترش همکاری‌های بین‌المللی برای توسعه فناوری آموزشی مبتنی بر AI تأکید می‌کنند، تا از طریق تبادل تجربه‌ها و الگوهای موفق، استفاده‌ای مسئولانه و اخلاق‌مدار از این فناوری در آموزش اسلامی فراهم شود.
Ali و همکاران (۲۰۲۴) در مقاله‌ای با عنوان «تأثیرات کاربرد هوش مصنوعی در محیط‌های آموزشی: چالش‌ها و راهبردها» به مرور نظام‌مند مطالعات منتشرشده در بازه‌ی زمانی ۲۰۱۸ تا ۲۰۲۳ پرداخته‌اند. هدف اصلی این پژوهش، شناسایی چالش‌ها و تدوین راهکارهایی برای بهکارگیری مؤثر مدل‌های هوش مصنوعی به‌ویژه ابزارهایی مانند ChatGPT در نظام آموزشی است. این مطالعه با انتخاب ۶۹ مقاله از میان ۶۱۸ عنوان بررسی‌شده، پنج بُعد اصلی از چالش‌های پیش‌روی ادغام هوش مصنوعی در آموزش را طبقه‌بندی می‌کند: چالش‌های کاربری، عملیاتی، محیطی، فناورانه و اخلاقی. یکی از نقاط قوت این مقاله، ارائه‌ی چارچوبی جامع برای تحلیل اثرات مدل‌های مولد در آموزش است. نویسندگان با تمرکز بر عواملی همچون نیاز به تنوع داده‌های آموزشی، نقش مداخله انسانی، حفظ حریم خصوصی و مقابله با سوگیری الگوریتمی، تأکید می‌کنند که کاربرد ابزارهای هوش مصنوعی در فرایند تدریس و یادگیری باید مبتنی بر اصول اخلاقی و متناسب با نیازهای معلمان طراحی شود. نتایج این مرور حاکی از آن است که ChatGPT می‌تواند به عنوان ابزاری مکمل در آموزش عمل کند و به بهبود کیفیت تجربه‌ی یادگیری کمک نماید. از محدودیت‌های این پژوهش می‌توان به عدم بررسی منابعی مانند کتاب‌ها و فصل‌های کتاب، و نیز تمرکز محدود بر مقالات منتشرشده در یک بازه زمانی مشخص اشاره کرد. همچنین، نویسندگان اذعان دارند که تحلیل‌های ارائه‌شده می‌تواند متأثر از تفسیرهای خاص آنان از داده‌ها باشد؛ موضوعی که فضای مناسبی برای پژوهش‌های تکمیلی فراهم می‌سازد. این مطالعه برای تحقیقات آتی پیشنهاد می‌کند که چارچوبهای نظری جامعی توسعه یابد و اثرات مدل‌های مولد در سطوح مختلف آموزشی، از مدارس تا دانشگاه‌ها، مورد بررسی تجربی قرار گیرد. همچنین ترکیب نظریه‌های فناوری‌محور مانند «مدل پذیرش فناوری» (TAM) و «مدل انتقال فناوری» (TOT) می‌تواند به درک عمیق‌تری از فرآیند پذیرش و بهکارگیری هوش مصنوعی در آموزش بینجامد.
Wang و همکاران (۲۰۲۳) در مقاله‌ای با عنوان «کاربرد هوش مصنوعی در مهندسی ویژگی در بخش آموزش و علوم یادگیری» به بررسی نقش هوش مصنوعی در بهبود فرایند مهندسی ویژگی (Feature Engineering) در آموزش می‌پردازند. این پژوهش بر ظرفیت هوش مصنوعی برای ارتقای یادگیری فردی‌سازی‌شده و بهبود نتایج آموزشی تمرکز دارد.
در این مطالعه، از ماتریس همبستگی برای تحلیل روابط بین متغیرهای موجود استفاده شده و نتایج نشان داد که برخی از ویژگی‌ها دارای همبستگی بالایی با یکدیگر هستند؛ مسئله‌ای که موجب کاهش دقت مدل‌های سنتی می‌شود. برای رفع این چالش، سه روش پیشرفته یادگیری ماشین به کار گرفته شد: لَسو تطبیقی (Adaptive Lasso)، شبکه‌های عصبی مصنوعی (ANN)، و رگرسیون بردار پشتیبان (SVR)..در میان این روش‌ها، مدل ALasso توانست ویژگی‌های اثرگذار بر متغیر وابسته (حقوق) را شناسایی کند. این ویژگی‌ها شامل جنسیت (X5)، تحصیلات (X1)، ساعات کار (X4) و وضعیت تأهل (X6) بودند. پس از آن، با استفاده از معیارهای میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE) عملکرد مدل‌ها با یکدیگر مقایسه شد. نتایج نشان داد که مدل SVR عملکرد بهتری نسبت به سایر مدل‌ها داشته و مقدار RMSE برابر ۰٫۵۹۵ و MAE برابر ۰٫۴۲۳ را ارائه کرده است. یافته‌های این پژوهش، اهمیت بهکارگیری روش‌های مبتنی بر داده در تصمیم‌سازی‌های آموزشی را برجسته می‌سازد و بر ضرورت تحقیقات بیشتر در زمینه استفاده از هوش مصنوعی برای شناسایی دقیق‌تر ویژگی‌ها و بهینه‌سازی عملکرد مدل‌ها در بسترهای مختلف آموزشی تأکید می‌کند.
کافا (۲۰۲۴) در مقاله‌ای با عنوان «کاوش جنبه‌های ادغام رهبری مدرسه در زمینه دیجیتال‌سازی و هوش مصنوعی»، تجربیات رهبران مدارس قبرس را در استفاده از ابزارهای دیجیتال و هوش مصنوعی (AI) بررسی کرده است. این تحقیق از رویکرد کیفی با استفاده از مصاحبه‌های نیمه‌ساختاریافته با ۴۳ رهبر مدرسه در مدارس ابتدایی و متوسطه قبرس جمع‌آوری شده است. نتایج نشان می‌دهد که اگرچه ابزارهای دیجیتال بهبود ارتباطات و کارآیی مدیریتی را فراهم می‌آورد، چالش‌هایی مانند زیرساخت ضعیف و کمبود آموزش‌های هدفمند وجود دارد. رهبران مدارس پتانسیل هوش مصنوعی برای پشتیبانی از فرایندهای رهبری را تأیید کرده‌اند، اما مشکلاتی مانند محدودیت دانش، کمبود آموزش و نیاز به پشتیبانی مداوم در ادغام این ابزارها مطرح شده است. این مطالعه بر لزوم توسعه برنامه‌های آموزش حرفه‌ای برای رهبران مدارس، بهبود زیرساخت‌ها و پشتیبانی مستمر تأکید دارد و پیشنهاد می‌کند که رهبران مدارس باید بر بهبود زیرساخت‌های دیجیتال و استفاده از ابزارهای هوش مصنوعی مانند ChatGPT برای تسهیل وظایف اداری تمرکز کنند. همچنین، سیاست‌گذاران آموزشی باید حمایت بیشتری در زمینه زیرساخت‌ها، آموزش و تخصیص زمان برای حل چالش‌های تکنولوژی فراهم کنند. این تحقیق با تأکید بر آموزش حرفه‌ای ویژه برای رهبران مدارس و لزوم بهبود زیرساخت‌ها به نیازهای جاری در راستای دیجیتال‌سازی مدارس پاسخ می‌دهد و به پژوهشگران پیشنهاد می‌دهد که پژوهش‌های آینده باید به بررسی تأثیرات بلندمدت دیجیتال‌سازی و هوش مصنوعی بر رهبری مدرسه در زمینه‌های آموزشی مختلف و چالش‌های اخلاقی این تکنولوژی‌ها بپردازند.
.
پژوهشگر سال عنوان پژوهش روش تحقیق جامعه و نمونه یافته‌های اصلی چالش‌ها و محدودیت‌ها پیشنهادات
حنیفه‌زاده نودهی 1402 استفاده از هوش مصنوعی و فناوری‌های نوین آموزشی در محتوای آموزشی مدارس کیفی نامشخص (مدارس ایران) شخصی‌سازی آموزش، افزایش تعامل و تمرکز دانشآموزان، بهبود بازدهی یادگیری مسائل امنیتی، حریم خصوصی، کمبود آموزش معلمان توسعه سیستم‌های هوشمند ارزیابی، ربات‌های آموزشی، واقعیت مجازی، مشاوره مبتنی بر AI، ترکیب انسان-ماشین
میرقاسمی و همکاران 1403 طراحی و اعتباریابی مدل مدرسه آینده مبتنی بر نقش هوش مصنوعی در مدارس ابتدایی کیفی (نظریه داده‌بنیاد، دلفی) 18 خبره (طراحی)، 20 استاد و مدیر (اعتبارسنجی) شناسایی 12 طبقه و 24 مقوله در 5 محور (شرایط علی، زمینه‌ای، مداخله‌ای، راهبردها، پیامدها)، ارتقای کیفیت و عدالت آموزشی چالش‌های فنی و نهادی، کمبود زیرساخت فراهم‌سازی زیرساخت، آمادگی فرهنگی، مدیریت اثربخش، مواجهه با چالش‌های نهادی
عادل 1403 تأثیر ادغام هوش مصنوعی بر مدیریت آموزشی: مطالعه موردی در مدارس متوسطه ایران ترکیبی (نظرسنجی، مصاحبه، تحلیل اسناد) مدارس متوسطه ایران ساده‌سازی وظایف اداری، آموزش شخصی‌سازی‌شده، تصمیم‌گیری راهبردی سوگیری الگوریتمی، حریم خصوصی، شکاف دیجیتال ارتقای مهارت معلمان، بهبود زیرساخت دیجیتال، تدوین دستورالعمل‌های اخلاقی، همکاری بین نهادها
محمدی و همکاران 1403 کاربرد هوش مصنوعی در مدیریت مدارس (آموزش و پرورش) فراتحلیل کیفی (PRISMA) 16 مقاله (2020-2024) بهبود کارایی مدیریتی، یادگیری شخصی‌سازی‌شده، کاهش خطاها، بهینه‌سازی منابع امنیت داده‌ها، زیرساخت ناکافی، مقاومت در برابر فناوری گسترش دامنه مطالعات، بررسی‌های تجربی، آموزش مدیران و معلمان، تدوین قوانین حفاظت داده
شاه‌محمدی و همکاران 1402 هوش مصنوعی و فناوری‌های نو در نظام‌های آموزشی: فرصت و چالش کیفی نامشخص (نظام‌های آموزشی) تحول آموزش، یادگیری شخصی‌سازی‌شده، کاهش هزینه‌ها، تحلیل داده‌های آموزشی نابرابری آموزشی، حریم خصوصی، فاصله از رویکرد انسانی سرمایه‌گذاری در آموزش معلمان، سیاست‌های اخلاق‌محور، ارتقای امنیت داده‌ها
صالح‌نژاد بهرستاقی و همکاران 1403 ارائه مدل بهکارگیری هوش مصنوعی در نظام آموزش‌وپرورش کشور آمیخته (کیفی-کمی) خبرگان و مدیران مدارس توانمندسازی معلمان، زیرساخت فنی، امنیت داده‌ها، بهبود کیفیت آموزش و ارزشیابی مقاومت فرهنگی، کمبود مهارت آموزش معلمان، تضمین حریم خصوصی، بهبود تعامل انسان-ماشین، ارزیابی مستمر
کاتساماکاس و همکاران 2024 هوش مصنوعی و تحول مؤسسات آموزش عالی تحلیل سیستمی دانشگاه‌ها بهبود کیفیت یادگیری، کارایی مدیریت، افزایش اعتبار دانشگاه تقلب تحصیلی، کاهش کیفیت آموزش، تغییرات بازار کار سازگاری فعال، همکاری بین‌المللی، توسعه مهارت‌های انسانی (تفکر انتقادی، خلاقیت)
دمارتینی و همکاران 2023 هوش مصنوعی و بهبود یادگیری تطبیقی در آموزش مطالعه موردی 100 دانشجوی کارشناسی ارشد (تورین) تحلیل داده‌های آموزشی با ابزارهای AI، شناسایی الگوهای رفتاری ضعف مهارت‌های برنامه‌نویسی، پذیرش پایین در مدارس آموزش مهارت‌های دیجیتال از ابتدایی، ادغام داده‌ها با سیاستگذاری آموزشی
رحیمان و کدیکال 2024 انقلاب در آموزش: یادگیری تقویت‌شده با هوش مصنوعی در آموزش عالی کمی 250 عضو هیئت علمی (مؤسسات QS) تکامل روش‌های ارزیابی، افزایش تعامل اساتید، یادگیری شخصی‌سازی‌شده ریسک ادراک‌شده، کمبود آگاهی ارتقای آگاهی اساتید، استفاده گسترده‌تر از AI در ارزیابی و مدیریت
ایواناشکو 2024 نقش هوش مصنوعی در شکل‌دهی به آینده آموزش کیفی-کمی 56 شرکت‌کننده (آموزش عالی اوکراین) یادگیری شخصی‌سازی‌شده، اتوماسیون اداری، بازی‌سازی حریم خصوصی، سوگیری، نیاز به آموزش اساتید رویکردهای مسئولانه، برنامه‌های آموزشی برای مهارت‌های دیجیتال
واردت و همکاران 2024 هوش مصنوعی در آموزش: دیدگاه‌های معلمان ریاضیات کمی معلمان ریاضیات (ابوظبی) تسهیل تدریس، افزایش انگیزه و رقابت دانشآموزان کمبود تخصص، فشار بر معلمان توسعه راهنماهای ادغام AI، آموزش تخصصی معلمان
فوررو-کوبا و نگره بناسار 2023 تکنیک‌ها و کاربردهای یادگیری ماشین و هوش مصنوعی در آموزش مرور سیستماتیک (PRISMA) 55 مقاله (2021-2023) 33 تکنیک AI/ML در 38 کشور، بهبود فرآیندهای آموزشی کمبود منابع در برخی مناطق تقویت سیستم‌های آموزشی در آمریکای لاتین، آفریقا، اقیانوسیه، آموزش معلمان
دیترله و همکاران 2024 تأثیرات اخلاقی چرخه‌ای استفاده از هوش مصنوعی در آموزش مرور منابع نامشخص شناسایی 5 شکاف اخلاقی (دسترسی، بازنمایی، الگوریتم، تفسیر، شهروندی) چرخه‌های تبعیض و نابرابری مسئولیت‌پذیری انسانی، طراحی یادگیری تحول‌آفرین
بیت و همکاران 2024 تأثیر هوش مصنوعی در نظام آموزشی کیفی نامشخص یادگیری شخصی‌سازی‌شده، افزایش بهره‌وری معلمان سوگیری الگوریتمی، هزینه‌ها، حریم خصوصی ارزیابی دقیق مزایا و معایب، حفاظت از حقوق دانشآموزان
علیه و همکاران 2024 هوش مصنوعی تولیدگر در آموزش کیفی نامشخص تولید محتوای اصیل، کاهش بار کاری معلمان تقلب، یکپارچگی علمی تعریف استانداردهای اخلاقی، استفاده مکمل GenAI
لای و همکاران 2023 کاربرد هوش مصنوعی و تأثیر آن بر ادراک هیجانی تجربی 1332 دانش‌آموز (گوانگ‌ژو) تضعیف ادراک هیجانی، کاهش همدلی کاهش تعاملات انسانی حفظ ابعاد عاطفی، مطالعات آینده‌نگرانه با ابزارهای دقیق
مستویپ و همکاران 2024 ادغام هوش مصنوعی در توسعه شخصیت اسلامی کیفی دانشآموزان ابتدایی (اندونزی، ترکیه) تقویت تربیت اخلاقی اسلامی، آموزش هدفمند تفاوت‌های فرهنگی همکاری بین‌المللی، استفاده مسئولانه از AI
علی و همکاران 2024 تأثیرات کاربرد هوش مصنوعی در محیط‌های آموزشی مرور سیستماتیک 69 مقاله (2018-2023) 5 بعد چالش (کاربری، عملیاتی، محیطی، فناورانه، اخلاقی) عدم بررسی منابع غیرمقاله توسعه چارچوبهای نظری، بررسی تجربی اثرات GenAI
وانگ و همکاران 2023 کاربرد هوش مصنوعی در مهندسی ویژگی در آموزش کمی نامشخص بهبود یادگیری شخصی‌سازی‌شده با روش‌های ML همبستگی بالای متغیرها تحقیقات بیشتر در شناسایی ویژگی‌ها، بهینه‌سازی مدل‌ها
کافا 2024 کاوش جنبه‌های ادغام رهبری مدرسه در دیجیتال‌سازی و هوش مصنوعی کیفی 43 رهبر مدرسه (قبرس) بهبود ارتباطات و کارایی مدیریتی زیرساخت ضعیف، کمبود آموزش آموزش حرفه‌ای رهبران، بهبود زیرساخت، پشتیبانی مستمر
روش تحقیق
این پژوهش با استفاده از روش تحقیق SLA (Approach to Learning and Simulation) به تحلیل پیشایندها و پیامدهای بهکارگیری هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران پرداخته و در نهایت، مدل مفهومی بومی برای تحقق «مدرسه هوشمند آینده» طراحی کرده است. هدف اصلی این پژوهش، شناسایی عوامل زمینه‌ساز موفقیت استفاده از این فناوری در مدارس ابتدایی ایران و بررسی نتایج آن است. از جمله اهداف فرعی این تحقیق، طراحی چارچوبی است که بتواند متناسب با شرایط اجتماعی، فرهنگی و زیرساختی ایران، به توسعه استفاده بهینه از هوش مصنوعی در مدارس ابتدایی کمک کند. جامعه آماری این پژوهش شامل سه گروه از افراد است: معلمان مدارس ابتدایی، مدیران مدارس ابتدایی و متخصصان فناوری آموزشی. از آنجا که هدف این پژوهش شناسایی تجربیات و دیدگاه‌های مرتبط با استفاده از هوش مصنوعی در آموزش است، از روش نمونه‌گیری هدفمند و نظریه‌محور استفاده شد تا افرادی که بیشتر با این موضوع آشنایی دارند، انتخاب شوند. به این ترتیب، 30 مشارکت‌کننده (15 معلم، 10 مدیر مدرسه، 5 متخصص فناوری آموزشی) انتخاب شدند. این افراد با توجه به تجربه یا آگاهی خود از فناوری‌های نوین در آموزش، قابلیت ارائه اطلاعات معتبر را داشتند. ابزار اصلی جمع‌آوری داده‌ها، مصاحبه‌های نیمه‌ساختاریافته بودند که در سه محور اصلی طراحی شدند: 1. پیشایندها: عوامل زمینه‌ساز موفقیت استفاده از هوش مصنوعی (زیرساخت‌های فنی، مهارت‌های معلمان، رهبری آموزشی، سیاستگذاری، اقلیم روانی مدرسه). 2. پیامدها: نتایج و تأثیرات این فناوری بر کیفیت یادگیری، عدالت آموزشی، انگیزه دانشآموزان و کارایی مدیریتی. 3. ملاحظات اخلاقی: مسائلی مانند حریم خصوصی داده‌ها و سوگیری‌های الگوریتمی. مصاحبه‌ها به‌صورت حضوری یا مجازی انجام شدند و مدت زمان هر مصاحبه بین 45 تا 60 دقیقه بود. برای اطمینان از کیفیت مصاحبه‌ها، یک جلسه آزمایشی با سه نفر از افراد مشابه برگزار شد و یادداشت‌های میدانی برای ثبت مشاهدات غیرکلامی تهیه گردید. در نهایت، 28 مصاحبه موفق انجام شد، زیرا دو نفر به دلایل زمانی قادر به شرکت در مصاحبه‌ها نبودند. داده‌های ضبط‌شده پس از تبدیل به متن، با استفاده از تحلیل تماتیک و تحلیل محتوا بررسی شدند. برای آشنایی بهتر با محتوا، تمامی متون چندین بار خوانده شدند. سپس، عبارات کلیدی کدگذاری شدند (به‌عنوان مثال، عبارت «کمبود اینترنت» به‌عنوان کد مربوط به زیرساخت فنی). کدها به تم‌های اصلی و فرعی دسته‌بندی شدند. تم‌های شناسایی‌شده به شرح زیر هستند: - پیشایندها: زیرساخت فنی، توانمندی معلمان، رهبری آموزشی، سیاستگذاری، اقلیم روانی مدرسه - پیامدها: کیفیت یادگیری، عدالت آموزشی، انگیزه دانشآموزان، کارایی مدیریتی - ملاحظات اخلاقی: حریم خصوصی، سوگیری الگوریتمی برای اطمینان از اعتبار نتایج، تحلیل‌ها توسط دو پژوهشگر مستقل کدگذاری شدند و نرم‌افزار NVivo برای مدیریت و تحلیل داده‌ها استفاده شد. در نهایت، مدل‌سازی مفهومی انجام شد تا روابط میان پیشایندها و پیامدها بررسی شوند. نتایج نشان داد که پیشایندها، به‌ویژه از طریق متغیرهای میانجی همچون پذیرش فرهنگی و ملاحظات اخلاقی، می‌توانند بر پیامدهای مورد نظر تأثیرگذار باشند. نمونه سوالات مصاحبه شامل موارد زیر هستند: 1. پیشایندها: - به نظر شما مهم‌ترین عوامل برای موفقیت بهکارگیری هوش مصنوعی در مدارس ابتدایی چیست؟ - آیا زیرساخت‌های فنی در مدارس ابتدایی برای استفاده از فناوری‌های نوین آماده هستند؟ چه مشکلاتی وجود دارد؟ - چه مهارت‌هایی در معلمان باید تقویت شود تا بتوانند از هوش مصنوعی به‌طور مؤثر استفاده کنند؟ - نقش رهبری آموزشی در تسهیل یا ممانعت از استفاده مؤثر از فناوری در مدارس چیست؟ 2. پیامدها: - به نظر شما استفاده از هوش مصنوعی چه تأثیری بر کیفیت یادگیری دانشآموزان دارد؟ - آیا فکر می‌کنید که هوش مصنوعی می‌تواند به بهبود عدالت آموزشی کمک کند؟ چگونه؟ - آیا استفاده از هوش مصنوعی می‌تواند انگیزه تحصیلی دانشآموزان را افزایش دهد؟ چرا؟ - به نظر شما استفاده از هوش مصنوعی چه تأثیری بر کارایی مدیریتی مدارس دارد؟ 3. ملاحظات اخلاقی: - آیا نگرانی‌هایی در خصوص حریم خصوصی داده‌های دانشآموزان با استفاده از هوش مصنوعی وجود دارد؟ چه اقداماتی باید برای حفظ این حریم خصوصی صورت گیرد؟ - چگونه می‌توان از سوگیری‌های الگوریتمی در سیستم‌های هوش مصنوعی جلوگیری کرد؟ - چه ملاحظات فرهنگی باید در نظر گرفته شود تا هوش مصنوعی به‌طور مؤثر در مدارس ایرانی به‌کار گرفته شود؟ این پژوهش با هدف ارائه یک مدل مفهومی بومی و تحلیل دقیق چالش‌ها و فرصت‌ها، تلاش دارد که به شناسایی شرایط خاص ایران برای بهره‌گیری از هوش مصنوعی در مدارس ابتدایی کمک کند.
بحث و بررسی و نتیجه‌گیری
این پژوهش با تمرکز بر شناسایی پیش‌نیازها و پیامدهای بهره‌گیری از هوش مصنوعی در مدیریت آموزشی مدارس ابتدایی ایران، به نتایج ارزشمندی دست یافت که با یافته‌های مطالعات پیشین هم‌خوانی دارد. نتایج نشان داد که عواملی مانند زیرساخت‌های فنی مناسب، آموزش و توانمندسازی معلمان، رهبری آموزشی پویا، فضای روانی مثبت در مدرسه و سیاست‌گذاری‌های هوشمندانه و منسجم، به‌عنوان ستون‌های اصلی موفقیت در ادغام این فناوری عمل می‌کنند. این پیش‌نیازها تأیید می‌کنند که بدون آمادگی فرهنگی و سازمانی، فناوری به‌تنهایی نمی‌تواند تحول مورد انتظار را ایجاد کند، موضوعی که در پژوهش‌های دیگر نیز بر آن تأکید شده است. از سوی دیگر، پیامدهای مثبت بهکارگیری هوش مصنوعی شامل بهبود کیفیت یادگیری از طریق شخصی‌سازی آموزش، تقویت عدالت آموزشی با دسترسی عادلانه‌تر به منابع، افزایش انگیزه و مشارکت دانشآموزان و بهینه‌سازی فرآیندهای مدیریتی مانند تخصیص منابع و زمان‌بندی بود. این دستاوردها با گزارش‌هایی که بر توانایی هوش مصنوعی در ساده‌سازی وظایف اداری و ارائه بازخوردهای دقیق و هدفمند به دانشآموزان تأکید دارند، هم‌راستا هستند. با این حال، چالش‌های متعددی نیز شناسایی شد که می‌توانند مانع تحقق این پتانسیل شوند. کمبود مهارت‌های دیجیتال در میان معلمان، نگرانی‌های مرتبط با حریم خصوصی و امنیت داده‌ها، سوگیری‌های احتمالی در الگوریتم‌ها، مقاومت فرهنگی در برابر فناوری و ناکافی بودن زیرساخت‌های دیجیتال در مناطق محروم، از جمله موانعی هستند که در مطالعات مشابه نیز به‌عنوان تهدیدهای جدی برای پیاده‌سازی موفق هوش مصنوعی مطرح شده‌اند. علاوه بر این، پیچیدگی‌های اخلاقی مانند تأثیر هوش مصنوعی بر تعاملات انسانی و کاهش همدلی در محیط‌های آموزشی، که در برخی پژوهش‌ها به‌عنوان پیامدهای منفی این فناوری بررسی شده‌اند، ضرورت توجه به ابعاد انسانی و عاطفی در طراحی سیستم‌های هوشمند را برجسته می‌سازد.
محدودیت‌های این پژوهش شامل تمرکز صرف بر مقطع ابتدایی، نمونه‌گیری محدود به برخی مناطق جغرافیایی و نبود داده‌های بلندمدت برای ارزیابی اثرات پایدار هوش مصنوعی است. این محدودیت‌ها مشابه موانعی هستند که در مطالعات دیگر به‌عنوان چالش‌های روش‌شناختی، مانند بازه زمانی کوتاه یا فقدان داده‌های کمی جامع، گزارش شده‌اند. همچنین، عدم دسترسی به منابع کافی برای بررسی تطبیقی با نظام‌های آموزشی پیشرفته‌تر، تحلیل عمیق‌تر را با دشواری مواجه کرد. با وجود این، پژوهش حاضر گامی مهم در جهت پر کردن خلأ پژوهشی در زمینه کاربرد هوش مصنوعی در آموزش ابتدایی ایران برداشته و چارچوبی مفهومی ارائه کرده که می‌تواند به‌عنوان پایه‌ای برای تحقیقات آتی عمل کند.
برای تحقیقات آینده، پیشنهاد می‌شود مطالعات تجربی گسترده‌تری در مقاطع مختلف تحصیلی انجام شود تا تأثیرات هوش مصنوعی در سطوح متفاوت آموزشی مقایسه گردد. توسعه برنامه‌های آموزشی جامع و مستمر برای معلمان، با هدف ارتقای سواد دیجیتال و توانایی استفاده از ابزارهای هوشمند، می‌تواند به کاهش مقاومت‌ها و افزایش اثربخشی فناوری کمک کند. تدوین چارچوبهای اخلاقی شفاف برای مدیریت داده‌های آموزشی و جلوگیری از سوگیری‌های الگوریتمی، از دیگر اقدامات ضروری است که در پژوهش‌های مشابه نیز بر آن تأکید شده است. سرمایه‌گذاری در زیرساخت‌های دیجیتال، به‌ویژه در مناطق محروم، نه‌تنها شکاف دیجیتال را کاهش می‌دهد، بلکه به تحقق عدالت آموزشی کمک می‌کند. همکاری‌های بین‌المللی و تبادل تجربیات با کشورهایی که در این زمینه پیشرو هستند، می‌تواند به بومی‌سازی مدل‌های موفق و طراحی راهکارهای متناسب با شرایط فرهنگی و اجتماعی ایران منجر شود. همچنین، ارزیابی مستمر عملکرد سیستم‌های هوش مصنوعی و بازخوردهای کاربران، به بهبود مستمر این فناوری در محیط‌های آموزشی کمک خواهد کرد. در نهایت، ادغام مسئولانه و متفکرانه هوش مصنوعی، با حفظ تعادل بین نوآوری فناورانه و ارزشهای انسانی، می‌تواند نظام آموزشی ایران را به‌سوی تحقق «مدرسه هوشمند آینده» هدایت کند، مدرسه‌ای که نه‌تنها کارآمد و پویا است، بلکه محیطی غنی برای پرورش خلاقیت، همدلی و مهارت‌های قرن بیست‌ویکم فراهم می‌آورد. این مسیر، مستلزم مشارکت فعال همه بازیگران آموزشی، از سیاست‌گذاران و مدیران گرفته تا معلمان و والدین، و تعهد به نگاهی آینده‌نگرانه و اخلاق‌محور است.
منابع
النقی‌مهری. (2024). تاثیرات انقلاب صنعتی چهارم در سازمانهای دولتی و صنایع، چالش ها، فرصت ها، راهبرد ها. همایش ملی تحقیقات میان رشته ای در علوم مهندسی و مدیریت, 8(8), 334-348.
حنیفه زاده نودهی، فاطمه. (1402). استفاده از هوش مصنوعی و فناوری های نوین آموزشی در محتوای آموزشی مدارس. کنفرانس بین المللی پژوهش های مدیریت، تعلیم و تربیت در آموزش و پرورش. SID. https://sid.ir/paper/1145660/fa
صالح نژاد بهرستاقی, صابر, سکالش, راحلی طایفه اجیرلو, & توحید. (2024). ارائه مدل بهکارگیری هوش مصنوعی در نظام آموزش‌وپرورش کشور با رویکرد یاددهی/یادگیری. فصلنامه ایده های نوین روانشناسی, 21(25), 1-14.
محمدی, سید عزت اله , قاسمی, سید احمد و عباسی نامی, حامد . (1403). کاربرد هوش مصنوعی در مدیریت مدارس (آموزش و پرورش). جامعه شناسی آموزش و پرورش, 10(3), 249-260. doi: 10.22034/ijes.2025.2039896.1611
میرقاسمی, سیدحمزه , اسماعیل نیا شیروانی, کامبیز و تجری, طیبه . (1403). طراحی و اعتباریابی مدل مدرسه آینده مبتنی بر نقش هوش مصنوعی در مدارس ابتدایی. جامعه شناسی آموزش و پرورش, 10(3), 231-248. doi: 10.22034/ijes.2024.2038309.1605.
Adel, H. (2024). The effect of artificial intelligence integration on educational management: a case study in secondary schools in Iran. Management Research and Development, 1(4), 85-104.
Mirghasemi, S. H., Shirvani, K. E., & Tajari, T. (2024). Design and Validation of a Future School Model Based on the Role of Artificial Intelligence in Elementary Schools. Sociology of Education, 10(3).
Rahiman, H. U., & Kodikal, R. (2024). Revolutionizing education: Artificial intelligence empowered learning in higher education. Cogent Education, 11(1), 2293431.
Alier, M., García-Peñalvo, F., & Camba, J. D. (2024). Generative artificial intelligence in education: From deceptive to disruptive.
Bit, D., Biswas, S., & Nag, M. (2024). The impact of artificial intelligence in educational system. Indo Am. J. Pharm. Res, 11, 419-427.
Demartini, C. G., Sciascia, L., Bosso, A., & Manuri, F. (2024). Artificial intelligence bringing improvements to adaptive learning in education: A case study. Sustainability, 16(3), 1347.
Dieterle, E., Dede, C., & Walker, M. (2024). The cyclical ethical effects of using artificial intelligence in education. AI & society, 39(2), 633-643.
Forero-Corba, W., & Bennasar, F. N. (2024). Techniques and applications of Machine Learning and Artificial Intelligence in education: a systematic review. RIED-Revista Iberoamericana de Educación a Distancia, 27(1).
Ivanashko, O., Kozak, A., Knysh, T., & Honchar, K. (2024). The role of artificial intelligence in shaping the future of education: Opportunities and challenges.
Kafa, A. (2025). Exploring integration aspects of school leadership in the context of digitalization and artificial intelligence. International Journal of Educational Management, 39(8), 98-115.
Wang, C., Li, T., Lu, Z., Wang, Z., Alballa, T., Alhabeeb, S. A., ... & Khalifa, H. A. E. W. (2025). Application of artificial intelligence for feature engineering in education sector and learning science. Alexandria Engineering Journal, 110, 108-115.
Ali, O., Murray, P. A., Momin, M., Dwivedi, Y. K., & Malik, T. (2024). The effects of artificial intelligence applications in educational settings: Challenges and strategies. Technological Forecasting and Social Change, 199, 123076.
Lai, T., Zeng, X., Xu, B., Xie, C., Liu, Y., Wang, Z., ... & Fu, S. (2024). The application of artificial intelligence technology in education influences Chinese adolescent’s emotional perception. Current Psychology, 43(6), 5309-5317.
Mohammadi, S. E., Ghasemi, S. A., & Nami, H. A. (2024). The Application of Artificial Intelligence in School Management (Education). Sociology of Education, 10(3), 249-259.
Mustoip, S., Purwadi, P., & Fadhlullah, M. Z. F. (2024, February). AI Integration in Islamic Character Development: Study of Elementary School Education Management in Indonesia-Türkiye. In International Conference of Bunga Bangsa (Vol. 2, No. 1, pp. 1072-1080).
Wardat, Y., Tashtoush, M., AlAli, R., & Saleh, S. (2024). Artificial intelligence in education: mathematics teachers’ perspectives, practices and challenges. Iraqi Journal for Computer Science and Mathematics, 5(1), 60-77.
Katsamakas, E., Pavlov, O. V., & Saklad, R. (2024). Artificial intelligence and the transformation of higher education institutions: A systems approach. Sustainability, 16(14), 6118.