DOI: https://doi.org/10.3389/feduc.2026.1761602
تاريخ النشر: 2026-04-15
المؤلف: Matthew Christian Agustin
الموضوع الرئيسي: طرق التدريس والتعلم المبتكرة
نظرة عامة
تستكشف المخطوطة التأثير التحويلي للذكاء الاصطناعي (AI) على التعلم الذاتي المنظم (SRL) في السياقات التعليمية وسياقات العمل. تفترض أن الذكاء الاصطناعي لا يحل محل العمليات الدورية للتخطيط، والمراقبة، والتعديل الاستراتيجي، والتفكير التي تتضمنها SRL، بل يغير الظروف التي تحدث فيها هذه العمليات. من خلال تعزيز وضوح الإشارات، وتقديم إرشادات جديدة، ومعالجة التحديات بشكل استباقي، يقدم الذكاء الاصطناعي فجوة مفاهيمية في فهم دوره في الدورات التنظيمية دون تقويض استقلالية المتعلم. لسد هذه الفجوة، يقترح المؤلفون نموذجًا موحدًا للذكاء الاصطناعي كمنظم مشترك في SRL، استنادًا إلى بنية COPES لوين وهادوين، مع التأكيد على الاحتكاك الميتامعرفي المنتج للحفاظ على تنظيم يقوده المتعلم.
تؤكد الخاتمة على أن الذكاء الاصطناعي يجب ألا يحسن التعلم للمتعلمين، بل يجب أن يشارك في الدورات التنظيمية التي تدعم الوكالة وتعزز الممارسات التأملية. الإطار المقترح يعمل كأساس لمزيد من الاستكشاف حول كيفية تأثير الذكاء الاصطناعي على ديناميات التعلم عبر إعدادات مختلفة. يبرز الحاجة إلى البحث التجريبي لفهم تجارب المتعلمين مع الذكاء الاصطناعي، واستدامة التحديات، والديناميات العلائقية التي تؤثر على التطور التنظيمي. يدعو المؤلفون إلى جهود تعاونية بين المعلمين، والمصممين، والتقنيين، والباحثين لضمان أن تدعم أنظمة الذكاء الاصطناعي SRL بشكل فعال وعادل، مع التأكيد على أهمية الشفافية والممارسات التأملية في بيئات التعلم المدعومة بالذكاء الاصطناعي. في النهاية، تدعو المخطوطة إلى عملية تطوير مشتركة في SRL تتشكل من خلال التفاعلات المستمرة بين البشر والذكاء الاصطناعي، مما يبرز الحاجة إلى رعاية جماعية لأنظمة الذكاء الاصطناعي التي تحترم استقلالية المتعلمين وإمكاناتهم.
مقدمة
تسلط المقدمة الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في بيئات التعلم، مع التأكيد على تكامله في العمليات التي يتعلم من خلالها الأفراد، ويعملون، ويتعاملون مع المهام المعقدة. توفر أدوات الذكاء الاصطناعي الآن مساعدة فورية—مثل توليد الشروحات، وتنظيم المعلومات، واقتراح الاستراتيجيات—مما يغير ديناميات كيفية تفاعل المتعلمين مع مهامهم. لا يعزز هذا التحول فقط توفر الموارد، بل يؤثر أيضًا على توقيت ووضوح الإشارات التي توجه تفكير المتعلمين، مما يدفع إلى إعادة تقييم كيفية تنقلهم في فهمهم.
تفترض المخطوطة أنه يجب أن يتحول التركيز من مجرد اعتماد أدوات الذكاء الاصطناعي إلى فهم كيفية تأثير هذه الأنظمة على التعلم الذاتي المنظم (SRL) للمتعلمين. تثير أسئلة حاسمة حول كيفية تأثير الدعم الفوري من الذكاء الاصطناعي على عمليات اتخاذ القرار لدى المتعلمين، بما في ذلك متى يتوقفون للتفكير، وكيف يفسرون التحديات، واستعدادهم لاستكشاف استراتيجيات مختلفة قبل اتخاذ إجراء. من خلال تأطير النقاش حول SRL، تهدف المؤلفون إلى توضيح الآثار التعليمية وسياقات العمل لوجود الذكاء الاصطناعي المتطور في نظم التعلم (مولينار، 2022).
نقاش
في قسم النقاش هذا، يجادل المؤلفون بضرورة وضع التعلم الذاتي المنظم (SRL) كإطار أساسي لفهم دور الذكاء الاصطناعي (AI) في السياقات التعليمية. يؤكدون أن SRL هو عملية ديناميكية تتضمن التخطيط، والمراقبة، والسيطرة، والتفكير، مما يمكّن المتعلمين من مواءمة أهدافهم واستراتيجياتهم بمرور الوقت. مع تكامل تقنيات الذكاء الاصطناعي في بيئات التعلم، تتفاعل مع هذه العمليات التنظيمية، مما يؤثر على كيفية ملاحظة المتعلمين للاختلافات، وتقييم تقدمهم، واتخاذ القرارات. يبرز المؤلفون أن الذكاء الاصطناعي يجب ألا يُنظر إليه كبديل لوكالة المتعلم، بل كعامل مشترك في التنظيم يشكل الظروف التي يحدث فيها التنظيم الذاتي. يسلط هذا المنظور الضوء على أهمية الحفاظ على الوضوح وقابلية التفسير في تدخلات الذكاء الاصطناعي لدعم، بدلاً من تقويض، استقلالية المتعلم ونموه التطوري.
يحدد المؤلفون فجوة كبيرة في الأبحاث الحالية، التي ركزت بشكل أساسي على قدرات الذكاء الاصطناعي ونتائج الأداء، متجاهلة كيف يعمل الذكاء الاصطناعي ضمن الآليات التنظيمية للتعلم الذاتي. يقترحون إطارًا مفاهيميًا يضع الذكاء الاصطناعي كمنظم مشترك، مع التأكيد على دوره في تشكيل الإشارات والظروف التي تسهل أو تعيق عمليات SRL. يهدف هذا الإطار إلى توفير فهم دقيق حول متى يعزز الذكاء الاصطناعي قدرات المتعلمين التنظيمية ومتى يخاطر بإزاحتها من خلال حل الصعوبات بشكل استباقي أو إخفاء الإشارات التقييمية. تحدد المخطوطة خارطة طريق لمزيد من الاستكشاف، بما في ذلك مبادئ التصميم للذكاء الاصطناعي التي تعطي الأولوية لوكالة المتعلم والانخراط الميتامعرفي، مما يساهم في فهم أكثر شمولاً لتأثير الذكاء الاصطناعي على التعلم الذاتي المنظم عبر السياقات التعليمية وسياقات العمل.
DOI: https://doi.org/10.3389/feduc.2026.1761602
Publication Date: 2026-04-15
Author(s): Matthew Christian Agustin
Primary Topic: Innovative Teaching and Learning Methods
Overview
The manuscript explores the transformative impact of artificial intelligence (AI) on self-regulated learning (SRL) within educational and workplace contexts. It posits that AI does not replace the cyclical processes of planning, monitoring, strategic adjustment, and reflection inherent in SRL, but rather alters the conditions under which these processes occur. By enhancing visibility of cues, providing new guidance, and preemptively addressing challenges, AI introduces a conceptual gap in understanding its role in regulatory cycles without undermining learner autonomy. To bridge this gap, the authors propose a unified model of AI as a co-regulator in SRL, based on Winne and Hadwin’s COPES architecture, emphasizing productive metacognitive friction to maintain learner-driven regulation.
The conclusion emphasizes that AI should not optimize learning for learners but should engage in regulatory cycles that uphold agency and enhance reflective practices. The proposed framework serves as a foundation for further exploration into how AI influences learning dynamics across various settings. It highlights the necessity for empirical research to understand learners’ experiences with AI, the sustainability of challenges, and the relational dynamics that affect regulatory development. The authors call for collaborative efforts among educators, designers, technologists, and researchers to ensure that AI systems support SRL effectively and equitably, emphasizing the importance of transparency and reflective practices in AI-supported learning environments. Ultimately, the manuscript advocates for a shared developmental process in SRL shaped by ongoing human-AI interactions, underscoring the need for collective stewardship of AI systems that respect learners’ autonomy and potential.
Introduction
The introduction highlights the transformative role of artificial intelligence (AI) in learning environments, emphasizing its integration into the processes by which individuals learn, work, and tackle complex tasks. AI tools now provide immediate assistance—such as generating explanations, organizing information, and suggesting strategies—thereby altering the dynamics of how learners engage with their tasks. This shift not only enhances resource availability but also influences the timing and clarity of cues that guide learners’ thinking, prompting a reevaluation of how they navigate their understanding.
The manuscript posits that the focus should shift from merely adopting AI tools to understanding how these systems affect learners’ self-regulated learning (SRL). It raises critical questions about how immediate AI support influences learners’ decision-making processes, including when they pause to reflect, how they interpret challenges, and their willingness to explore different strategies before taking action. By framing the discussion around SRL, the authors aim to elucidate the educational and workplace implications of AI’s evolving presence in learning ecosystems (Molenaar, 2022).
Discussion
In this discussion section, the authors argue for the necessity of situating Self-Regulated Learning (SRL) as a foundational framework for understanding the role of Artificial Intelligence (AI) in educational contexts. They emphasize that SRL is a dynamic process involving planning, monitoring, control, and reflection, which collectively enable learners to align their goals and strategies over time. As AI technologies become integrated into learning environments, they interact with these regulatory processes, influencing how learners notice discrepancies, evaluate their progress, and make decisions. The authors highlight that AI should not be seen as a replacement for learner agency but rather as a co-regulatory influence that shapes the conditions under which self-regulation occurs. This perspective underscores the importance of maintaining clarity and interpretability in AI interventions to support, rather than undermine, learner autonomy and developmental growth.
The authors identify a significant gap in existing research, which has primarily focused on AI’s capabilities and performance outcomes, neglecting how AI functions within the regulatory mechanisms of self-directed learning. They propose a conceptual framework that positions AI as a co-regulator, emphasizing its role in shaping the cues and conditions that facilitate or hinder SRL processes. This framework aims to provide a nuanced understanding of when AI enhances learners’ regulatory capacities and when it risks displacing them by preemptively resolving difficulties or obscuring evaluative cues. The manuscript outlines a roadmap for further exploration, including design principles for AI that prioritize learner agency and metacognitive engagement, ultimately contributing to a more comprehensive understanding of AI’s impact on self-regulated learning across educational and workplace contexts.