DOI: https://doi.org/10.1007/s10639-026-13934-0
تاريخ النشر: 2026-03-07
المؤلف: Anjana Madhav Ram وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تقدم هذه الورقة البحثية إطارًا جديدًا يهدف إلى دمج الذكاء الاصطناعي (AI) في التعليم العالي لدعم الطلاب الذين يعانون من عسر القراءة، مستندًا إلى مبادئ التصميم الشامل للتعلم (UDL) والتوافق البنائي. يتكون الإطار من مكونين رئيسيين: طيف تفاعل الذكاء الاصطناعي، الذي ينقل المسؤولية عن الاستخدام الأخلاقي للذكاء الاصطناعي من الطلاب إلى المعلمين من خلال تصميم تعليمي استباقي، وسقالة الذكاء الاصطناعي، التي توفر سير عمل منظم للطلاب للتفاعل مع الذكاء الاصطناعي في مهام القراءة والكتابة والتخطيط الأكاديمي. تحدد الدراسة الحواجز الرئيسية التي يواجهها الطلاب، مثل overload المعلومات وعدم اليقين بشأن استخدام الذكاء الاصطناعي، وتقترح دليلًا خطوة بخطوة يتضمن نقاط تفتيش أخلاقية لتعزيز معرفة الذكاء الاصطناعي والحفاظ على النزاهة الأكاديمية.
تشير النتائج إلى أنه مع التصميم المناسب، يمكن أن يعمل الذكاء الاصطناعي كاستراتيجية دعم عادلة، تعزز استقلالية الطلاب بينما تعالج المخاوف المتعلقة بتآكل المهارات وتحميل المعرفي. تؤكد الورقة على أهمية نهج متوازن تجاه الذكاء الاصطناعي، متجاوزةً الآراء البسيطة إما بحظر التكنولوجيا أو احتضانها بالكامل. ستركز الأبحاث المستقبلية على التحقق من قابلية استخدام سقالة الذكاء الاصطناعي عبر الجامعة، واستكشاف الحاجة إلى تطبيقات ذكاء اصطناعي أكثر تفصيلاً، وإجراء دراسات طولية لتقييم تأثيرها على ثقة الطلاب والنتائج الأكاديمية. يهدف هذا العمل إلى إنشاء نموذج أساسي لاستخدام الذكاء الاصطناعي بشكل مسؤول في التعليم الشامل، مع معالجة تحديات الاستخدام غير المتسق للتقنيات المساعدة وضمان الالتزام بسير العمل المقترح في البيئات الأكاديمية الواقعية.
مقدمة
تتناول مقدمة هذه الورقة البحثية التحديات التي يواجهها الطلاب الذين يعانون من عسر القراءة في التعليم العالي، مشيرةً إلى أن حوالي 6.3 مليون فرد في المملكة المتحدة متأثرون. غالبًا ما يواجه هؤلاء الطلاب صعوبات في القراءة والكتابة وإدارة المهام الأكاديمية، مما قد يؤدي إلى انخفاض الأداء الأكاديمي وزيادة معدلات التسرب إذا لم يتم دعمهم بشكل كافٍ. يدعو المؤلفون إلى التحول من التسهيلات التفاعلية إلى نهج أكثر شمولية، مثل التصميم الشامل للتعلم (UDL)، الذي يعزز بيئات التعلم الشاملة. ومع ذلك، لا يزال تنفيذ UDL في التعليم العالي غير متسق، وعلى الرغم من أن الدراسات الأخيرة استكشفت تطبيقه في التعليم الذكي K-12، إلا أن هناك نقصًا في إطار عمل ملموس لاستخدامه في سياقات الجامعات.
تؤكد الورقة على إمكانيات أدوات الذكاء الاصطناعي التوليدية (GenAI)، مثل ChatGPT، لتوفير دعم أكاديمي مخصص للطلاب الذين يعانون من عسر القراءة من خلال العمل كدعائم معرفية. يمكن أن تساعد هذه الأدوات في القراءة والتخطيط والكتابة، مما يقلل من الحمل المعرفي ويعزز التعلم المستقل. على الرغم من وعد الذكاء الاصطناعي، لا تزال المخاوف بشأن سوء السلوك الأكاديمي والاستخدام الأخلاقي لهذه التقنيات قائمة، خاصة بالنسبة للطلاب الذين قد يشعرون بعدم اليقين بشأن تطبيقها. يقترح المؤلفون إطار “الممر الآمن” للتنقل عبر هذه التحديات، مع معالجة الفجوات في استخدام الذكاء الاصطناعي بين الطلاب من خلفيات مختلفة. يقدمون حلاً من جزئين يتكون من طيف تفاعل الذكاء الاصطناعي للمعلمين وسقالة الذكاء الاصطناعي للطلاب، بهدف إنشاء نهج منظم ومتوافق مع UDL لدمج الذكاء الاصطناعي بشكل مسؤول في البيئات الأكاديمية.
الطرق
استخدمت منهجية هذه الدراسة الاستكشافية تصميمًا مختلطًا يهدف إلى تطوير والتحقق من صحة إطار دمج الذكاء الاصطناعي. بدأت الأبحاث بجمع البيانات من خلال مقابلات نوعية مع فريق خدمات دعم الطلاب والرفاهية (SSWS)، مدعومةً باستطلاع للطلاب. قدم هذا النهج المزدوج فهمًا شاملاً لكل من رؤى الخبراء ووجهات نظر الطلاب، والتي تم تحليلها لاحقًا لإبلاغ إنشاء نظام تعليمي منظم لدمج الذكاء الاصطناعي.
لضمان قوة الإطار، تم تنفيذ طبقتين من فحوصات الصلاحية: تقييم من قبل خبراء دعم الطلاب وتقييم للتوافق مع المبادئ التعليمية المعمول بها. يعد هذا النهج المتمركز حول المستخدم فعالًا بشكل خاص في صياغة التدخلات العملية في المجالات التكنولوجية سريعة التطور، حيث لا تزال أفضل الممارسات قيد التأسيس. يتماشى مع مبادئ التصميم المشترك التي تؤكد على أهمية مدخلات أصحاب المصلحة في تطوير أدوات تعليمية شاملة. بالإضافة إلى ذلك، أكدت الدراسة على الاعتبارات الأخلاقية التي وجهت عملية البحث.
المناقشة
ت outlines قسم المناقشة في الورقة البحثية تطوير إطار يهدف إلى دمج أدوات الذكاء الاصطناعي في سير العمل الأكاديمي للطلاب الذين يعانون من عسر القراءة، مع معالجة كل من التحديات التي يواجهونها والآثار الأخلاقية لاستخدام الذكاء الاصطناعي. تسترشد الدراسة بثلاثة أسئلة بحثية رئيسية تركز على الصعوبات الأكاديمية التي يواجهها هؤلاء الطلاب، ووجهات نظرهم حول أدوات الذكاء الاصطناعي، وتصميم نظام تعليمي ذو مكونين يتضمن نموذجًا موجهًا للمعلم (طيف تفاعل الذكاء الاصطناعي) وسير عمل موجه للطلاب (سقالة الذكاء الاصطناعي). يهدف الإطار إلى دعم مهام القراءة والكتابة والتخطيط مع الحفاظ على النزاهة الأكاديمية، مما يساهم في سد الفجوة بين احتياجات الطلاب الذين يعانون من عسر القراءة والتبني الحذر لتقنيات الذكاء الاصطناعي.
تشمل المساهمات الرئيسية للدراسة تحليل احتياجات يحدد التحديات والقلق المحدد المرتبط بالذكاء الاصطناعي، وإنشاء نموذج مفاهيمي قابل للنقل (نموذج السقالة المتداخلة) الذي يوضح بنية متعددة المستويات لدمج الذكاء الاصطناعي بشكل مسؤول، وتوليف نظري قوي للتصميم الشامل للتعلم (UDL) والتوافق البنائي. تسلط مراجعة الأدبيات الضوء على الصراعات الأكاديمية التي يواجهها الطلاب الذين يعانون من عسر القراءة، وقيود التقنيات المساعدة الحالية، وإمكانيات الذكاء الاصطناعي التوليدي كوسيلة دعم جديدة. ومع ذلك، تثير أيضًا مخاوف بشأن تحميل المعرفي، حيث يمكن أن يؤدي الاعتماد المفرط على الذكاء الاصطناعي إلى إعاقة تطوير التفكير النقدي ومهارات حل المشكلات المستقلة. تشير النتائج إلى أنه بينما يكون الطلاب عمومًا متفائلين بشأن أدوات الذكاء الاصطناعي، فإن الاستخدام الفعال لها يعتمد على توجيه واضح، وتدريب، وإطار داعم يعزز الثقة والانخراط الأخلاقي مع هذه التقنيات.
القيود
تناقش قسم القيود التحديات المرتبطة بالتقنيات المساعدة الحالية للطلاب الذين يعانون من عسر القراءة. بينما أظهرت أدوات مثل برامج تحويل النص إلى كلام (TTS)، وبرامج تحويل الكلام إلى نص (STT)، ومدققات القواعد أنها تدعم المهام الأكاديمية ذات المستوى الأدنى، إلا أنها غالبًا ما تفشل في معالجة المهارات العليا مثل صياغة الحجج والمراجعة النقدية. تتفاقم هذه الفجوة بسبب عدم اتساق استخدام الطلاب، حيث يتخلى العديد من الطلاب عن هذه الأدوات بعد التعرض الأولي بسبب التدريب غير الكافي، أو صعوبة دمجها في سير عملهم، أو التصورات بأن الأدوات بسيطة للغاية للمهام المتقدمة. تشير الأدبيات إلى أنه حتى عندما تكون التقنيات المساعدة متاحة، فإن استخدامها الفعال يتعطل بسبب عوامل مثل عدم التكامل في المهام الأكاديمية الحقيقية والحمل المعرفي المرتبط بتعلم أدوات جديدة.
كما يبرز القسم الآثار العملية لخدمات الدعم الجامعي والأكاديميين في تنفيذ سير عمل منظم لاستخدام أدوات الذكاء الاصطناعي. يمكن أن يسهل هذا الإطار ورش عمل تدريبية ويوفر لغة مشتركة للمدربين ومستشاري دعم الإعاقة عند مساعدة الطلاب. ومع ذلك، تشمل قيود الدراسة اعتمادها على عينة صغيرة من مؤسسة واحدة، مما يتطلب مزيدًا من البحث للتحقق من صحة سقالة الذكاء الاصطناعي المقترحة عبر مجموعات طلابية متنوعة. بالإضافة إلى ذلك، يفترض سير العمل مستوى أساسي من المعرفة الرقمية والدافع، مما يثير مخاوف من أن الطلاب قد يسيئون استخدام أدوات الذكاء الاصطناعي كاختصارات، مما يبرز الحاجة إلى الالتزام الدقيق بالإطار في البيئات الأكاديمية.
DOI: https://doi.org/10.1007/s10639-026-13934-0
Publication Date: 2026-03-07
Author(s): Anjana Madhav Ram et al.
Primary Topic: Artificial Intelligence in Education
Overview
This research paper presents a novel framework aimed at integrating Artificial Intelligence (AI) into higher education to support students with dyslexia, grounded in Universal Design for Learning (UDL) principles and constructive alignment. The framework consists of two main components: the AI Engagement Spectrum, which shifts the responsibility for ethical AI use from students to instructors through proactive instructional design, and the AI Scaffold, which provides a structured workflow for students to engage with AI in reading, writing, and academic planning tasks. The study identifies key barriers faced by students, such as information overload and uncertainty regarding AI use, and proposes a step-by-step guide that includes ethical checkpoints to enhance AI literacy and maintain academic integrity.
The findings suggest that with appropriate design, AI can serve as an equitable support strategy, fostering student autonomy while addressing concerns related to skill atrophy and cognitive offloading. The paper emphasizes the importance of a balanced approach to AI, moving beyond simplistic views of either banning or fully embracing the technology. Future research will focus on validating the usability of the AI Scaffold across the university, exploring the need for more granular AI applications, and conducting longitudinal studies to assess its impact on student confidence and academic outcomes. This work aims to establish a foundational model for responsible AI use in inclusive education, addressing the challenges of inconsistent uptake of assistive technologies and ensuring adherence to the proposed workflow in real-world academic settings.
Introduction
The introduction of this research paper addresses the challenges faced by students with dyslexia in higher education, highlighting that approximately 6.3 million individuals in the UK are affected. These students often encounter difficulties with reading, writing, and managing academic tasks, which can lead to lower academic performance and higher dropout rates if not adequately supported. The authors advocate for a shift from reactive accommodations to a more comprehensive approach, such as Universal Design for Learning (UDL), which promotes inclusive learning environments. However, the implementation of UDL in higher education remains inconsistent, and while recent studies have explored its application in K-12 AI education, a concrete framework for its use in university contexts is lacking.
The paper emphasizes the potential of Generative Artificial Intelligence (GenAI) tools, such as ChatGPT, to provide personalized academic support for students with dyslexia by acting as cognitive scaffolds. These tools can assist with reading, planning, and writing, thereby reducing cognitive load and fostering independent learning. Despite the promise of AI, concerns regarding academic misconduct and the ethical use of these technologies persist, particularly for students who may feel uncertain about their application. The authors propose a “safe passage” framework to navigate these challenges, addressing the inequities in AI usage among students from different backgrounds. They introduce a two-part solution consisting of the AI Engagement Spectrum for instructors and the AI Scaffold for students, aiming to create a structured, UDL-aligned approach to responsibly integrate AI in academic settings.
Methods
The methodology of this exploratory study employed a mixed-methods design aimed at developing and validating an AI integration framework. The research commenced with data collection through qualitative interviews with the Student Support and Wellbeing Services (SSWS) team, complemented by a student survey. This dual approach provided a comprehensive understanding of both expert insights and student perspectives, which were subsequently analyzed to inform the creation of a structured AI integration pedagogical system.
To ensure the framework’s robustness, two layers of validity checks were implemented: an evaluation by student support experts and an assessment for alignment with established pedagogical principles. This user-centered approach is particularly effective for crafting practical interventions in rapidly evolving technological domains, where best practices are still being established. It aligns with co-design principles that emphasize the importance of stakeholder input in developing inclusive educational tools. Additionally, the study underscored the ethical considerations that guided the research process.
Discussion
The discussion section of the research paper outlines the development of a framework aimed at integrating AI tools into the academic workflows of students with dyslexia, addressing both the challenges they face and the ethical implications of AI use. The study is guided by three primary research questions focusing on the academic difficulties encountered by these students, their perceptions of AI tools, and the design of a dual-component pedagogical system that includes an instructor-facing model (the AI Engagement Spectrum) and a student-facing workflow (the AI Scaffold). The framework aims to support reading, writing, and planning tasks while maintaining academic integrity, ultimately bridging the gap between the needs of students with dyslexia and the cautious adoption of AI technologies.
Key contributions of the study include a needs analysis that identifies specific challenges and anxieties related to AI, the creation of a transferable conceptual model (the Nested Scaffolding Model) that outlines a multi-level architecture for responsible AI integration, and a robust theoretical synthesis of Universal Design for Learning (UDL) and constructive alignment. The literature review highlights the academic struggles faced by students with dyslexia, the limitations of existing assistive technologies, and the potential of generative AI as a new support modality. However, it also raises concerns about cognitive offloading, where excessive reliance on AI could hinder the development of critical thinking and independent problem-solving skills. The findings suggest that while students are generally optimistic about AI tools, their effective use hinges on clear guidance, training, and a supportive framework that fosters confidence and ethical engagement with these technologies.
Limitations
The section on limitations discusses the challenges associated with existing assistive technologies for students with dyslexia. While tools such as text-to-speech (TTS) software, speech-to-text (STT) dictation, and grammar checkers have been shown to support lower-level academic tasks, they often fall short in addressing higher-order skills like argument formulation and critical revision. This gap is compounded by inconsistent student uptake, as many students abandon these tools after initial exposure due to inadequate training, difficulty in integration into their workflow, or perceptions that the tools are overly simplistic for advanced tasks. The literature indicates that even when assistive technologies are available, their effective use is hindered by factors such as lack of integration into authentic academic tasks and the cognitive load associated with learning new tools.
The section also highlights practical implications for university support services and academics in implementing a structured workflow for using AI tools. Such a framework could facilitate training workshops and provide a common language for tutors and disability support advisors when assisting students. However, the study’s limitations include its reliance on a small sample from a single institution, necessitating further research to validate the proposed AI Scaffold across diverse student populations. Additionally, the workflow assumes a baseline level of digital literacy and motivation, raising concerns that students may misuse AI tools as shortcuts, underscoring the need for careful adherence to the framework in academic settings.