DOI: https://doi.org/10.1057/s41599-025-04583-8
تاريخ النشر: 2025-03-16
المؤلف: Yuqin Yang وآخرون
الموضوع الرئيسي: التعلم عبر الإنترنت والتحليلات
نظرة عامة
تتناول ورقة البحث الحاجة الملحة لتعزيز معرفة الذكاء الاصطناعي بين المتعلمين مع تزايد دمج الذكاء الاصطناعي في مجالات مختلفة. تقدم تحليلًا بيبليومتريًا شاملاً لأبحاث تعليم معرفة الذكاء الاصطناعي من 2014 إلى 2024، باستخدام Cite-Space لتصور البيانات. اختار البحث بشكل منهجي 335 مقالة ذات صلة من قواعد بيانات مثل Web of Science Core Collection وScopus وScience Direct، ملتزمًا بإرشادات PRISMA. من خلال رسم خرائط تكرار الكلمات الرئيسية، تتبع المؤلفون التطور الموضوعي ومسارات التطوير داخل هذا المجال، كاشفين عن اتجاهات ورؤى هامة.
تشير النتائج الرئيسية إلى أن أبحاث تعليم معرفة الذكاء الاصطناعي قد انتقلت من مرحلة استكشافية إلى نمو سريع، مع زيادة في المنشورات. تحدد التحليل أربع مسارات تطويرية متميزة، مما يبرز الطبيعة متعددة التخصصات لمعرفه الذكاء الاصطناعي وارتباطاتها بالمعلومات، والرقمية، والمعرفة الخوارزمية. علاوة على ذلك، تم تحديد تسعة مواضيع بحث بارزة، بما في ذلك معرفة البيانات، وتعلم الآلة، ومعرفة الذكاء الاصطناعي، ونموذج قبول التكنولوجيا، والتفكير الحاسوبي. تؤكد هذه المواضيع على الدور المتطور للذكاء الاصطناعي في التعليم وأولويات البحث المتغيرة. تقدم المراجعة في النهاية موردًا قيمًا للباحثين والمعلمين وصانعي السياسات الذين يتنقلون في التقاطع المعقد بين الذكاء الاصطناعي والمعرفة، مع التأكيد على الآثار المترتبة على التعليم والأخلاق والمجتمع.
الطرق
استخدمت الدراسة نهجًا تحليليًا بيبليومتريًا للتحقيق في الاتجاهات في أبحاث تعليم معرفة الذكاء الاصطناعي. يسمح هذا الأسلوب بتحديد مجالات البحث الجماعية داخل المجتمع الأكاديمي، خاصة مع توافق الاهتمامات مع التطورات العلمية الجارية (Mazov et al., 2020). يستخدم التحليل البيبليومتري تقنيات رياضية وإحصائية لتقييم الخصائص البيبليوغرافية بشكل كمي، كاشفًا عن الأنماط والاتجاهات في مجال بحث محدد (Hawkins, 2001; Pritchard, 1969). يقوم بتصور خصائص متنوعة مثل مجالات الموضوعات، والكلمات الرئيسية، والتركيزات الموضوعية، والمساهمين عبر الأبعاد الجغرافية، بما في ذلك البلدان والمؤسسات (Aktoprak & Hursen, 2022; Zou et al., 2022).
لتحليل البيانات، استخدم الباحثون CiteSpace، وهو أداة بارزة للتحليل البيبليومتري معروفة بقوتها ومرونتها (Rawat & Sood, 2021). تم تطويره بواسطة Chen (2004)، يسهل CiteSpace تصور وفحص الاتجاهات والأنماط داخل مجالات المعرفة، بما في ذلك تحديد حدود البحث ورسم خرائط التعاون وشبكات الاقتباس. يبرز تطبيقه في دراسات المراجعة المختلفة فعاليته في كشف تطور المعرفة في مجالات متنوعة (Chen et al., 2023; Chu et al., 2023; Liu et al., 2022; Rashid et al., 2021; Yang et al., 2024; Yin et al., 2023).
النتائج
توضح قسم النتائج في ورقة البحث تطور منشورات تعليم معرفة الذكاء الاصطناعي من 2014 إلى 2023، كاشفة عن تحول كبير في النشاط الأكاديمي. يمكن تصنيف الأدبيات إلى مرحلتين متميزتين: مرحلة استكشاف أولية (2014-2017) مع 7 منشورات فقط، بمتوسط حوالي 2 مقالة في السنة، ومرحلة تطوير سريعة (2018-2023) تتميز بزيادة دراماتيكية في الإنتاج، بإجمالي 315 مقالة ومتوسط حوالي 53 مقالة في السنة. ومن الجدير بالذكر أن عام 2023 وحده شهد 156 منشورًا، مما يمثل 46% من العينة الإجمالية، مما يشير إلى زيادة في الاهتمام الأكاديمي.
أظهر تحليل إضافي باستخدام نموذج ملاءمة الدالة الأسية (النموذج: $y = e^x$) قيمة R² تبلغ 0.9871، مما يشير إلى أن النمو في أبحاث تعليم معرفة الذكاء الاصطناعي يتماشى عن كثب مع اتجاه أسّي. تؤكد هذه النتيجة على الأهمية المتزايدة لمعرفه الذكاء الاصطناعي في الخطاب الأكاديمي وتقترح أن المسار التصاعدي لإنتاج الأبحاث من المحتمل أن يستمر، مما يعكس تأثير المجال المتوسع وأهميته.
المناقشة
توضح قسم المناقشة في ورقة البحث المنهجية والنتائج لتحليل بيبليومتري حول أبحاث تعليم معرفة الذكاء الاصطناعي من 2014 إلى 2024. باستخدام قواعد بيانات مثل Web of Science وScopus وScience Direct، التزمت الدراسة بإرشادات PRISMA لاختيار البيانات، مما أسفر عن 335 مقالة صالحة بعد فحص دقيق بناءً على معايير الإدراج والاستبعاد المحددة مسبقًا. استخدم التحليل CiteSpace لتصور رسم خرائط المعرفة المتكررة، كاشفًا عن اتجاهات هامة وتطورات موضوعية في أبحاث معرفة الذكاء الاصطناعي. ومن الجدير بالذكر أن البحث حدد أربع مسارات تطويرية رئيسية: دمج الذكاء الاصطناعي وتعلم الآلة في التعليم، أهمية المعرفة الخوارزمية ومعرفة البيانات، دور المعرفة الرقمية، وتأثير الذكاء الاصطناعي التوليدي.
تشير النتائج إلى زيادة ملحوظة في الاهتمام الأكاديمي بتعليم معرفة الذكاء الاصطناعي، خاصة من عام 2018 فصاعدًا، مما يشير إلى بروزها المتزايد كتركيز بحثي. ظهرت مواضيع رئيسية، بما في ذلك معرفة البيانات، وتعلم الآلة، ونموذج قبول التكنولوجيا، مما يعكس الطبيعة متعددة التخصصات للمجال. تؤكد الدراسة على ضرورة أن تتضمن الأطر التعليمية اعتبارات أخلاقية في معرفة الذكاء الاصطناعي، داعية إلى تطوير مناهج تعليمية تعالج كل من المهارات التقنية والوعي الأخلاقي. بشكل عام، تبرز الأبحاث التطور الديناميكي لتعليم معرفة الذكاء الاصطناعي وآثاره على الممارسات التعليمية المستقبلية وتطوير السياسات.
DOI: https://doi.org/10.1057/s41599-025-04583-8
Publication Date: 2025-03-16
Author(s): Yuqin Yang et al.
Primary Topic: Online Learning and Analytics
Overview
The research paper addresses the urgent need to enhance AI literacy among learners as artificial intelligence becomes increasingly integrated into various fields. It presents a comprehensive bibliometric analysis of AI literacy education research from 2014 to 2024, utilizing Cite-Space for data visualization. The study systematically selected 335 relevant articles from databases such as Web of Science Core Collection, Scopus, and Science Direct, adhering to PRISMA guidelines. Through keyword co-occurrence mapping, the authors trace the thematic evolution and development paths within the field, revealing significant trends and insights.
Key findings indicate that AI literacy education research has transitioned from an exploratory phase to rapid growth, marked by an increase in publications. The analysis identifies four distinct developmental trajectories, highlighting the interdisciplinary nature of AI literacy and its connections to information, digital, and algorithmic literacy. Furthermore, nine prominent research themes are identified, including data literacy, machine learning, AI literacy, the technology acceptance model, and computational thinking. These themes underscore the evolving role of AI in education and the shifting research priorities. The review ultimately provides a valuable resource for researchers, educators, and policymakers navigating the complex intersection of AI and literacy, emphasizing the implications for education, ethics, and society.
Methods
The study employed a bibliometric analytical approach to investigate trends in AI literacy education research. This method allows for the identification of collective research focuses within the academic community, particularly as interests align with ongoing scientific developments (Mazov et al., 2020). Bibliometric analysis utilizes mathematical and statistical techniques to quantitatively assess bibliographic attributes, revealing patterns and trends in a specific research domain (Hawkins, 2001; Pritchard, 1969). It visualizes various characteristics such as subject domains, keywords, thematic focuses, and contributors across geographic dimensions, including countries and institutions (Aktoprak & Hursen, 2022; Zou et al., 2022).
For the analysis, the researchers utilized CiteSpace, a prominent tool for bibliometric analysis known for its robustness and versatility (Rawat & Sood, 2021). Developed by Chen (2004), CiteSpace facilitates the visualization and examination of trends and patterns within knowledge domains, including the identification of research frontiers and the mapping of collaboration and citation networks. Its application in various review studies underscores its effectiveness in unveiling the development of knowledge in diverse fields (Chen et al., 2023; Chu et al., 2023; Liu et al., 2022; Rashid et al., 2021; Yang et al., 2024; Yin et al., 2023).
Results
The results section of the research paper outlines the evolution of AI literacy education publications from 2014 to 2023, revealing a significant shift in scholarly activity. The literature can be categorized into two distinct phases: an initial exploration stage (2014-2017) with only 7 publications, averaging about 2 articles per year, and a rapid development stage (2018-2023) characterized by a dramatic increase in output, totaling 315 articles and averaging approximately 53 articles per year. Notably, 2023 alone accounted for 156 publications, representing 46% of the total sample, indicating a surge in academic interest.
Further analysis using exponential function fitting (model: $y = e^x$) yielded an R² value of 0.9871, suggesting that the growth in AI literacy education research adheres closely to an exponential trend. This finding underscores the increasing significance of AI literacy in academic discourse and suggests that the upward trajectory of research output is likely to persist, reflecting the field’s expanding influence and relevance.
Discussion
The discussion section of the research paper outlines the methodology and findings of a bibliometric analysis on AI literacy education research from 2014 to 2024. Utilizing databases such as Web of Science, Scopus, and Science Direct, the study adhered to PRISMA guidelines for data selection, resulting in 335 valid articles after rigorous screening based on predefined inclusion and exclusion criteria. The analysis employed CiteSpace for visualizing co-occurrence knowledge mapping, revealing significant trends and thematic developments in AI literacy research. Notably, the research identified four primary developmental paths: the integration of AI and machine learning in education, the importance of algorithmic and data literacy, the role of digital literacy, and the impact of generative AI.
The findings indicate a marked increase in scholarly interest in AI literacy education, particularly from 2018 onwards, suggesting its growing prominence as a research focus. Key themes emerged, including data literacy, machine learning, and the technology acceptance model, reflecting the interdisciplinary nature of the field. The study emphasizes the necessity for educational frameworks to incorporate ethical considerations in AI literacy, advocating for collaborative curriculum development that addresses both technical skills and ethical awareness. Overall, the research highlights the dynamic evolution of AI literacy education and its implications for future educational practices and policy development.