DOI: https://doi.org/10.1186/s41239-026-00602-z
تاريخ النشر: 2026-05-22
المؤلف: Helen Crompton وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تقدم ورقة البحث إطارًا شاملاً لحوكمة دمج تقنيات الذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي (HE)، تم تطويره من خلال تقنية دلفي التي تشمل خبراء من 22 دولة عبر ست قارات. يشمل الإطار ثمانية مجالات أساسية: (1) النزاهة الأكاديمية، (2) الاستخدام الأخلاقي والمسؤول، (3) الخصوصية والحماية، (4) الوصول العادل، (5) معرفة GenAI، (6) استراتيجية الدمج، (7) الإشراف البشري والمساءلة، و(8) الدعم المؤسسي والبنية التحتية. بالإضافة إلى ذلك، يتم اقتراح نموذج إجرائي مكون من ستة أجزاء لضمان استمرار ملاءمة هذه السياسات، والذي يتضمن إنشاء لجنة مخصصة لـ GenAI، وإجراء مراجعات دورية للسياسات، وتوفير التنمية المهنية، وإشراك أصحاب المصلحة، وتقييم تأثير GenAI، ومراقبة التطورات الخارجية.
تشدد الدراسة على ضرورة وجود إرشادات قابلة للتكيف ومحددة بالسياق بدلاً من الأوامر الصارمة، مما يبرز أهمية تحقيق التوازن بين الابتكار والنزاهة الأكاديمية والوصول العادل. تدعو إلى تضمين وجهات نظر الطلاب في تعديلات السياسات لتعزيز الصلاحية البيئية. تشير النتائج إلى أنه لكي يتمكن GenAI من تحويل التعليم العالي بشكل فعال، يجب على المؤسسات تبني استراتيجيات مرنة وشاملة تستند إلى الأدلة تتماشى مع المشهد التكنولوجي والتربوي المتطور.
مقدمة
تناقش مقدمة ورقة البحث التكامل السريع لتقنيات الذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي، وتأثيرها على التدريس والتعلم والتقييم وأعمال البحث. بينما يقدم GenAI فوائد محتملة مثل المساعدة في الكتابة الآلية والدروس الخصوصية المخصصة، فإنه يثير أيضًا مخاوف كبيرة بشأن النزاهة الأكاديمية، والتفكير النقدي، وخصوصية البيانات. تختلف استجابات المؤسسات لهذه التحديات بشكل كبير، من الحظر التام إلى التدابير الداعمة. يؤكد العلماء على الحاجة إلى البحث المستمر وإقامة أطر حوكمة فعالة لإدارة استخدام GenAI في السياقات التعليمية.
تهدف الدراسة إلى تطوير توافق منهجي حول حوكمة GenAI في التعليم العالي، مع التركيز على ما إذا كان ينبغي اعتماد سياسات رسمية أو إرشادات مرنة. تحدد ست عمليات رئيسية ضرورية للحفاظ على تحديث سياسات GenAI، بما في ذلك إنشاء لجنة حوكمة مخصصة، ودورات مراجعة السياسات المنتظمة، والتنمية المهنية المستمرة لأعضاء هيئة التدريس، والتواصل الشفاف مع أصحاب المصلحة، والتقييمات المستندة إلى الأدلة لتأثير GenAI، ومراقبة التطورات الخارجية في هذا المجال. هذه العمليات ضرورية لضمان بقاء السياسات ذات صلة وفعالة في مواجهة تقنيات وممارسات GenAI المتطورة بسرعة.
النتائج
تم تنظيم قسم النتائج والمناقشة في الدراسة حول ثلاثة أسئلة توجيهية تشكل إطار البحث. كل سؤال يعمل كنقطة تركيز لتقديم النتائج، مما يسمح باستكشاف منهجي للبيانات المجمعة. يهدف التحليل إلى توضيح الرؤى الرئيسية المستمدة من النتائج، مما يساهم في فهم أعمق لموضوع البحث.
يؤكد القسم على أهمية النتائج فيما يتعلق بالأسئلة المطروحة، مما يسهل مناقشة شاملة تدمج بين الآثار النظرية والتطبيقات العملية. هذه الطريقة المنظمة لا تبرز فقط النتائج الرئيسية ولكن أيضًا تضعها في سياق النقاش الأكاديمي الأوسع.
المناقشة
في قسم المناقشة من ورقة البحث، يعرف المؤلفون الذكاء الاصطناعي التوليدي (GenAI) كفرع من الذكاء الاصطناعي يركز على إنشاء المحتوى، مستخدمين تقنيات التعلم الآلي المتقدمة مثل نماذج اللغة الكبيرة والشبكات التنافسية التوليدية. مع انتشار تقنيات GenAI، تصبح الحاجة إلى سياسات مؤسسية شاملة أمرًا حاسمًا للحفاظ على النزاهة الأكاديمية، ودعم الممارسات العادلة، وإعداد الطلاب لمستقبل متكامل مع GenAI. ومع ذلك، يشير المؤلفون إلى أن استجابات مؤسسات التعليم العالي كانت غير متسقة وغالبًا ما كانت تفاعلية، حيث أن أقل من نصف أفضل 50 جامعة لديها سياسات متاحة للجمهور. يمكن فهم هذه اللامساواة من خلال نظرية المؤسسات، التي تقترح أن المنظمات تعدل سياساتها استجابةً للضغوط الخارجية بدلاً من التقدم التكنولوجي البحت.
يدعو المؤلفون إلى نموذج حوكمة هجين يجمع بين السياسات الرسمية والإرشادات المرنة لإدارة GenAI بشكل فعال في التعليم العالي. يسمح هذا النهج للمؤسسات بالحفاظ على المساءلة أثناء التكيف مع الطبيعة المتطورة بسرعة لتقنيات GenAI. تحدد الدراسة ثمانية مجالات موضوعية أساسية للحوكمة، مع ظهور النزاهة الأكاديمية كأهم القضايا. يؤكد المؤلفون على أهمية تحديد الاستخدام المقبول لـ GenAI وتعزيز الممارسات الأخلاقية، والشفافية، والانخراط المسؤول مع التكنولوجيا. يجادلون بأن السياسات يجب أن لا تمنع فقط السلوك غير الصحيح ولكن أيضًا تعزز الفهم والامتثال من خلال المبادرات التعليمية. بشكل عام، تؤكد الورقة على ضرورة وجود إطار حوكمة دقيق يدعم الابتكار مع حماية القيم الأكاديمية، مما يدعو في النهاية إلى نهج استباقي وتأملي لدمج GenAI في السياقات التعليمية.
القيود
تقدم الدراسة حول حوكمة الذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي (HE) رؤى مهمة ولكنها تخضع لعدة قيود. أولاً، بينما تحدد الكفاءات الأساسية لـ GenAI في HE، فإنها تمتنع عمدًا عن تفصيل سياسات وإرشادات محددة، معترفة بأن مثل هذه التفاصيل قد تصبح بسرعة غير ذات صلة بسبب التطور السريع للتكنولوجيا وآثارها الأخلاقية (Le، 2024). وبالتالي، تعكس النتائج وجهات نظر الخبراء في لحظة معينة، بدلاً من تقديم إطار شامل أو دائم.
بالإضافة إلى ذلك، على الرغم من أن البحث استخدم طريقة دلفي ونهج الكتابة الجماعية لضمان الصرامة المنهجية والشمولية، إلا أن مجموعة المشاركين كانت مقصورة على خبراء التعليم العالي. تستثني هذه القيود وجهات نظر أصحاب المصلحة الآخرين المهمين، مثل الطلاب، وصانعي السياسات، وأرباب العمل، ومطوري التكنولوجيا، الذين كان من الممكن أن تعزز رؤاهم الفهم للآثار العملية والتأثيرات المؤسسية لاعتماد GenAI.
DOI: https://doi.org/10.1186/s41239-026-00602-z
Publication Date: 2026-05-22
Author(s): Helen Crompton et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The research paper presents a comprehensive framework for governing the integration of Generative AI (GenAI) technologies in higher education (HE), developed through a Delphi technique involving experts from 22 countries across six continents. The framework encompasses eight core areas: (1) academic integrity, (2) ethical and responsible use, (3) privacy and protection, (4) equitable access, (5) GenAI literacy, (6) integration strategy, (7) human oversight and accountability, and (8) institutional support and infrastructure. Additionally, a six-part procedural model is proposed to ensure the ongoing relevance of these policies, which includes establishing a dedicated GenAI committee, conducting regular policy reviews, providing professional development, engaging stakeholders, evaluating GenAI’s impact, and monitoring external developments.
The study emphasizes the necessity for adaptable and context-specific guidance rather than rigid mandates, highlighting the importance of balancing innovation with academic integrity and equitable access. It advocates for the inclusion of student perspectives in policy adaptations to enhance ecological validity. The findings suggest that for GenAI to effectively transform HE, institutions must embrace flexible, inclusive, and evidence-based strategies that align with evolving technological and pedagogical landscapes.
Introduction
The introduction of the research paper discusses the rapid integration of Generative AI (GenAI) technologies into higher education, impacting teaching, learning, assessment, and research workflows. While GenAI offers potential benefits such as automated writing assistance and personalized tutoring, it also raises significant concerns regarding academic integrity, critical thinking, and data privacy. Institutional responses to these challenges vary widely, from outright bans to supportive measures. Scholars emphasize the need for ongoing research and the establishment of effective governance frameworks to manage GenAI’s use in educational contexts.
The study aims to develop a systematic consensus on GenAI governance in higher education, focusing on whether formal policies or flexible guidelines should be adopted. It identifies six key processes necessary for keeping GenAI policies current, including the establishment of a dedicated governance committee, regular policy review cycles, ongoing professional development for faculty, transparent communication with stakeholders, evidence-based evaluations of GenAI’s impact, and monitoring external developments in the field. These processes are essential for ensuring that policies remain relevant and effective in the face of rapidly evolving GenAI technologies and practices.
Results
The findings and discussion section of the study is structured around three guiding questions that frame the research inquiry. Each question serves as a focal point for presenting the results, allowing for a systematic exploration of the data collected. The analysis aims to elucidate key insights derived from the findings, contributing to a deeper understanding of the research topic.
The section emphasizes the significance of the results in relation to the posed questions, facilitating a comprehensive discussion that integrates theoretical implications and practical applications. This structured approach not only highlights the main findings but also contextualizes them within the broader academic discourse.
Discussion
In the discussion section of the research paper, the authors define Generative AI (GenAI) as a subset of artificial intelligence focused on content creation, utilizing advanced machine learning techniques like large language models and generative adversarial networks. As GenAI technologies proliferate, the need for comprehensive institutional policies becomes critical to uphold academic integrity, support equitable practices, and prepare students for a future integrated with GenAI. However, the authors note that responses from higher education institutions have been inconsistent and often reactive, with less than half of the top 50 universities having publicly available policies. This unevenness can be understood through institutional theory, which suggests that organizations adapt their policies in response to external pressures rather than purely technological advancements.
The authors advocate for a hybrid governance model that combines formal policies and flexible guidelines to effectively manage GenAI in higher education. This approach allows institutions to maintain accountability while adapting to the rapidly evolving nature of GenAI technologies. The study identifies eight core thematic areas for governance, with academic integrity emerging as the paramount concern. The authors emphasize the importance of defining acceptable GenAI use and fostering ethical practices, transparency, and responsible engagement with the technology. They argue that policies should not only prevent misconduct but also promote understanding and compliance through educational initiatives. Overall, the paper underscores the necessity for a nuanced governance framework that supports innovation while safeguarding academic values, ultimately calling for a proactive and reflective approach to GenAI integration in educational contexts.
Limitations
The study on the governance of Generative AI (GenAI) in higher education (HE) presents significant insights but is subject to several limitations. Primarily, while it identifies core competencies for GenAI in HE, it intentionally refrains from detailing specific policies and guidelines, recognizing that such specifics may quickly become irrelevant due to the rapid evolution of technology and its ethical implications (Le, 2024). Consequently, the findings reflect expert perspectives at a particular moment, rather than providing a comprehensive or enduring framework.
Additionally, although the research employed the Delphi method and a collective writing approach to ensure methodological rigor and inclusivity, the participant pool was restricted to HE experts. This limitation excludes the viewpoints of other essential stakeholders, such as students, policymakers, employers, and technology developers, whose insights could have enriched the understanding of the practical implications and institutional impacts of GenAI adoption.