DOI: https://doi.org/10.20897/ejsteme/18190
تاريخ النشر: 2026-03-24
المؤلف: Zhenyun Du
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تستكشف هذه الدراسة اتجاهات الذكاء الاصطناعي (AI) في التعليم STEM من خلال تحليل بيبليومتري لـ 171 وثيقة مأخوذة من قاعدة بيانات سكوبس، تغطي الفترة من 2015 إلى 2025. باستخدام طريقة PRISMA للاختيار وتوظيف أدوات مثل R وBiblioshiny وVOSviewer، تحدد البحث الموضوعات الرئيسية في تطبيقات الذكاء الاصطناعي، لا سيما التعلم الشخصي، وتعلم الآلة، والدور الناشئ لتقنيات الذكاء الاصطناعي التوليدية مثل ChatGPT. تشير النتائج إلى زيادة ملحوظة في الدراسات المتعلقة بالذكاء الاصطناعي ضمن التعليم STEM، مما يبرز إمكانيته في المساهمة بشكل كبير في هدف التنمية المستدامة (SDG) 4، الذي يركز على التعليم الجيد، بالإضافة إلى SDG 8، الذي يهدف إلى تعزيز العمل اللائق والنمو الاقتصادي من خلال مبادرات تطوير القوى العاملة.
تؤكد الدراسة على ريادة دول مثل الولايات المتحدة والصين وسنغافورة في هذا المجال، بينما تشير أيضًا إلى الشبكات التعاونية غير المتوازنة وخطر تفاقم الفجوات (SDG 10) بسبب تركيز البحث في الدول المتقدمة اقتصاديًا. وتؤكد على ضرورة اتباع نهج متنوع وشامل للذكاء الاصطناعي في التعليم، داعية إلى حوار مستمر بين أصحاب المصلحة لضمان توافق تطبيقات الذكاء الاصطناعي في التعليم STEM مع القيم التعليمية العادلة والمساهمة في ازدهار الإنسان. تدعو الدراسة إلى مراجعات منهجية مستمرة للتكيف مع الأولويات المتطورة وتؤكد على أهمية الاستثمار المستدام في البحث والتعاون الدولي لتحقيق الإمكانات التحويلية للذكاء الاصطناعي في التعليم.
مقدمة
تقدم مقدمة ورقة البحث تحليلًا بيبليومتريًا لمجال الذكاء الاصطناعي (AI) المتزايد في التعليم STEM، استنادًا إلى بيانات من SCOPUS. يغطي التحليل إطارًا زمنيًا من 2015 إلى 2025، مما يكشف عن اهتمام كبير في هذا المجال، كما يتضح من جمع 171 وثيقة من 105 مصادر ومعدل نمو سنوي مثير للإعجاب يبلغ 40.51%. العمر المتوسط المنخفض نسبيًا للوثائق البالغ 1.69 سنة، إلى جانب متوسط عدد الاقتباسات البالغ 7.713 لكل وثيقة، يبرز حداثة البحث، مما يشير إلى أن العديد من الدراسات لا تزال في مراحلها الأولى من التأثير.
علاوة على ذلك، يسلط التحليل الضوء على الاتجاهات التعاونية داخل المجال، مشيرًا إلى إجمالي 602 مؤلفًا بمتوسط 3.85 مؤلفًا مشاركًا لكل وثيقة. ومن الجدير بالذكر أن 18.71% من الوثائق تتميز بالتعاون الدولي، مما يدل على اهتمام عالمي بالموضوع. تشمل أنواع الوثائق 99 مقالة و72 ورقة مؤتمر، وعلى الرغم من أن العدد الإجمالي للوثائق متواضع، فإن معدل النمو الملحوظ يشير إلى إمكانية حدوث تأثير متزايد في جهود البحث المستقبلية.
الطرق
تستخدم منهجية البحث المعتمدة في هذه الدراسة تحليلًا بيبليومتريًا، والذي يخدم لاستكشاف الأنماط والاتجاهات المرتبطة بتطبيق الذكاء الاصطناعي في التعليم STEM. كما عرّف برادانا وآخرون (2023)، فإن التحليل البيبليومتري هو نهج منهجي لقياس ورصد وتقييم المنشورات الأكاديمية. تستخدم هذه الطريقة الكمية تقنيات إحصائية وحاسوبية لتحليل الأعمال العلمية المنشورة، مثل المجلات وأعمال المؤتمرات، مما يوضح العلاقات بين الموضوعات داخل المجال ويحدد المؤلفين الرئيسيين والمنشورات المهمة (زافروالله ورمضاني، 2024).
تعتبر الطريقة البيبليومترية أداة مهمة في تقييم نقاط القوة والقيود والفجوات داخل مجال بحث معين. تشمل تحليل الأداء، الذي يقيم المساهمات من مكونات البحث المختلفة، بما في ذلك المجلات والمؤلفين والمؤسسات والدول، بالإضافة إلى تقنيات رسم خرائط العلوم التي تستكشف العلاقات من خلال التعاون في التأليف، والترابط البيبليوغرافي، وتحليل الكلمات المشتركة، والاقتباس، وتحليل الاقتباسات المشتركة (سوسانتي وآخرون، 2022؛ زو وآخرون، 2022؛ دونتو وآخرون، 2021). تتيح هذه المنهجية الشاملة فهمًا دقيقًا للحالة الحالية للبحث في مجال الذكاء الاصطناعي في التعليم STEM.
النتائج
في قسم النتائج، أجرى الباحثون تحليلًا بيبليومتريًا شاملاً لاستكشاف مشهد الذكاء الاصطناعي (AI) في التعليم STEM. شمل هذا التحليل إحصاءات وصفية سلطت الضوء على الميزات الرئيسية للأدبيات، وتحديد المساهمات البحثية المؤثرة، وفحص الكتل الموضوعية والاتجاهات الناشئة ضمن المجال. توفر النتائج نظرة عامة منظمة عن الحالة الحالية للبحث، كاشفة عن أنماط ونقاط تركيز مهمة في دمج تقنيات الذكاء الاصطناعي في سياقات التعليم STEM.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على ضرورة إجراء تحليل بيبليومتري طويل الأمد لدمج الذكاء الاصطناعي في التعليم STEM، خاصة في ضوء التقدم السريع في تقنيات الذكاء الاصطناعي وتطبيقاتها التعليمية على مدار العقد الماضي. تهدف الدراسة إلى معالجة خمسة أسئلة بحثية رئيسية، بما في ذلك الميزات الوصفية لبحث الذكاء الاصطناعي في STEM، والدراسات المؤثرة، وتوافق هذه الاتجاهات مع أهداف التنمية المستدامة (SDGs). تستند الأسس النظرية إلى نظرية التعلم البنائية، التي تفترض أن الذكاء الاصطناعي يمكن أن يعزز التعلم التعاوني والتعليم الشخصي من خلال التكيف مع احتياجات الطلاب الفردية، مما يعزز بيئات التعلم الفعالة.
يكشف التحليل البيبليومتري عن أنماط زمنية ملحوظة في إنتاجية البحث، مع زيادة ملحوظة في المنشورات بعد عام 2020، تزامنًا مع جائحة COVID-19 وظهور تقنيات التعلم الرقمي. يشير التحليل، استنادًا إلى بيانات من قاعدة بيانات سكوبس، إلى هيكل مركزي-محوري في توزيع المنشورات، مع عدد قليل من المجلات التي تساهم بشكل كبير في المجال. تشمل المساهمات الرئيسية “أعمال مؤتمر – الحدود في التعليم” و”مؤتمر التعليم الهندسي العالمي IEEE”. علاوة على ذلك، تحدد الدراسة المؤلفين والمؤسسات الرائدة، مما يبرز تركيز إنتاج البحث بين جامعات معينة، خاصة في آسيا. تشير النتائج إلى اهتمام متزايد بالتعليم STEM المعزز بالذكاء الاصطناعي، مع تداعيات على اتجاهات البحث المستقبلية وإمكانية التعاون الدولي لمعالجة التحديات التعليمية والتوافق مع أهداف التنمية المستدامة.
القيود
تسلط قيود هذه الدراسة البيبليومترية الضوء على عدة مخاوف منهجية قد تؤثر على تفسير نتائجها. بشكل أساسي، قد يؤدي الاعتماد على قاعدة بيانات سكوبس والتركيز على المنشورات باللغة الإنجليزية إلى إدخال تحيزات، مما يؤدي إلى استبعاد مساهمات مهمة من المنشورات الإقليمية وغير الناطقة بالإنجليزية، خاصة تلك التي تتناول التحديات التعليمية في المناطق غير الناطقة بالإنجليزية حيث تظهر الابتكارات في الذكاء الاصطناعي والتعليم STEM. بالإضافة إلى ذلك، قد يغفل تركيز الدراسة على فئة “العلوم الاجتماعية” الأبحاث ذات الصلة من مجالات مثل علوم الكمبيوتر والهندسة والعلوم البحتة، والتي يمكن أن توفر رؤى قيمة حول التطبيقات التعليمية.
علاوة على ذلك، فإن استبعاد المواد غير المحكّمة، مثل الكتب والأدبيات الرمادية، بينما يهدف إلى الحفاظ على جودة المنشورات، يحد من تضمين التحليلات النقدية والأطر السياسية. كما أن استخدام المؤشرات البيبليومترية يقدم تحديات، حيث يمكن أن تتأثر أعداد الاقتباسات بعوامل مثل عمر المنشور وسمعة المؤلف، مما قد يقلل من قيمة الأبحاث الحديثة في الذكاء الاصطناعي. أخيرًا، قد يفشل التحليل الموضوعي القائم على تكرار الكلمات الرئيسية في التقاط تعقيد المفاهيم المتعلقة بأهداف التنمية المستدامة (SDGs)، مما يقلل من أهمية الأبحاث التي تركز على العدالة التعليمية والنمو الاقتصادي. بشكل عام، لا تقيم الطريقة البيبليومترية بشكل كافٍ جودة أو فعالية أو تطبيق البحث العملي، حيث إن كمية المنشورات لا تتوافق بالضرورة مع نتائج تعليمية ناجحة.
DOI: https://doi.org/10.20897/ejsteme/18190
Publication Date: 2026-03-24
Author(s): Zhenyun Du
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
This study investigates the trends of artificial intelligence (AI) in STEM education through a bibliometric analysis of 171 documents sourced from the Scopus Database, covering the period from 2015 to 2025. Utilizing the PRISMA method for selection and employing tools such as R, Biblioshiny, and VOSviewer, the research identifies key themes in AI applications, notably personalized learning, machine learning, and the emerging role of generative AI technologies like ChatGPT. The findings indicate a marked increase in AI-related studies within STEM education, highlighting its potential to contribute significantly to Sustainable Development Goal (SDG) 4, which focuses on quality education, as well as SDG 8, aimed at promoting decent work and economic growth through workforce development initiatives.
The research underscores the leadership of countries such as the USA, China, and Singapore in this field, while also pointing out the imbalanced collaboration networks and the risk of exacerbating inequalities (SDG 10) due to the concentration of research in economically advanced nations. It emphasizes the necessity for a diverse and inclusive approach to AI in education, advocating for ongoing dialogue among stakeholders to ensure that AI applications in STEM education align with equitable educational values and contribute to human flourishing. The study calls for continuous systematic reviews to adapt to evolving priorities and stresses the importance of sustained investment in research and international collaboration to fully realize the transformative potential of AI in education.
Introduction
The introduction of the research paper presents a bibliometric analysis of the burgeoning field of artificial intelligence (AI) in STEM education, based on data from SCOPUS. The analysis covers a time frame from 2015 to 2025, revealing a significant interest in this area, as evidenced by the collection of 171 documents from 105 sources and an impressive annual growth rate of 40.51%. The relatively low average document age of 1.69 years, coupled with a mean citation count of 7.713 per document, underscores the novelty of the research, suggesting that many studies are still in the early stages of impact.
Furthermore, the analysis highlights collaborative trends within the field, noting a total of 602 authors with an average of 3.85 co-authors per document. Notably, 18.71% of the documents feature international co-authorship, indicating a global interest in the subject matter. The document types include 99 articles and 72 conference papers, and while the total number of documents is modest, the observed growth rate suggests a potential for a snowballing effect in future research endeavors.
Methods
The research methodology employed in this study is a bibliometric analysis, which serves to investigate the patterns and trends associated with the application of artificial intelligence in STEM education. As defined by Pradana et al. (2023), bibliometric analysis is a systematic approach for measuring, monitoring, and evaluating scholarly publications. This quantitative method utilizes statistical and computational techniques to analyze published scientific works, such as journals and conference proceedings, thereby elucidating relationships among themes within the field and identifying key authors and significant publications (Zafrullah & Ramadhani, 2024).
The bibliometric approach is instrumental in assessing the strengths, limitations, and gaps within a specific research area. It encompasses performance analysis, which evaluates contributions from various research components, including journals, authors, institutions, and nations, as well as science mapping techniques that explore relationships through co-authorship, bibliographic coupling, co-word analysis, citation, and co-citation analysis (Susanty et al., 2022; Zou et al., 2022; Donthu et al., 2021). This comprehensive methodology allows for a nuanced understanding of the current status of research in the field of artificial intelligence in STEM education.
Results
In the section on results, the researchers conducted a comprehensive bibliometric analysis to explore the landscape of artificial intelligence (AI) in STEM education. This analysis included descriptive statistics that highlighted key features of the literature, identification of influential research contributions, and the examination of thematic clusters and emerging topic trends within the field. The findings provide a structured overview of the current state of research, revealing significant patterns and focal points in the integration of AI technologies in STEM educational contexts.
Discussion
The discussion section of the research paper emphasizes the necessity for a long-term bibliometric analysis of AI integration in STEM education, particularly in light of the rapid advancements in AI technologies and their educational applications over the past decade. The study aims to address five key research questions, including the descriptive features of AI research in STEM, influential studies, and the alignment of these trends with Sustainable Development Goals (SDGs). The theoretical foundations are rooted in constructivist learning theory, which posits that AI can enhance collaborative learning and personalized education by adapting to individual student needs, thereby fostering effective learning environments.
The bibliometric analysis reveals significant temporal patterns in research productivity, with a notable increase in publications post-2020, coinciding with the COVID-19 pandemic and the rise of digital learning technologies. The analysis, based on data from the Scopus database, indicates a core-periphery structure in publication distribution, with a small number of journals contributing significantly to the field. Key contributors include the “Proceedings – Frontiers in Education Conference” and the “IEEE Global Engineering Education Conference.” Furthermore, the study identifies leading authors and institutions, highlighting a concentration of research output among specific universities, particularly in Asia. The findings suggest a growing interest in AI-enhanced STEM education, with implications for future research directions and the potential for international collaboration to address educational challenges and align with the SDGs.
Limitations
The limitations of this bibliometric study highlight several methodological concerns that may affect the interpretation of its findings. Primarily, the reliance on the Scopus database and a focus on English-language publications may introduce biases, leading to the exclusion of significant contributions from regional and non-English publications, particularly those addressing educational challenges in non-English-speaking areas where innovations in AI and STEM education are emerging. Additionally, the study’s concentration on the “Social Sciences” category may overlook relevant research from fields such as computer science, engineering, and pure sciences, which could provide valuable insights into educational applications.
Furthermore, the exclusion of non-peer-reviewed materials, such as books and grey literature, while aimed at maintaining publication quality, limits the inclusion of critical syntheses and policy frameworks. The use of bibliometric indicators also presents challenges, as citation counts can be influenced by factors such as publication age and author prestige, potentially undervaluing recent research in artificial intelligence. Lastly, the thematic analysis based on keyword co-occurrence may fail to capture the complexity of concepts related to sustainable development goals (SDGs), thereby diminishing the significance of research focused on educational equity and economic growth. Overall, the bibliometric method does not adequately assess the quality, effectiveness, or practical application of the research, as the quantity of publications does not necessarily correlate with successful educational outcomes.