DOI: https://doi.org/10.1371/journal.pone.0327696
PMID: https://pubmed.ncbi.nlm.nih.gov/41533645
تاريخ النشر: 2026-01-14
المؤلف: Jianjun Chen وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تدرس هذه الدراسة آثار الأجهزة التعليمية المدعومة بالذكاء الاصطناعي على العدالة التعليمية في الصين، مع التركيز بشكل خاص على التباين بين المناطق الاقتصادية المتطورة وغير المتطورة على طول خط هو هوانيونغ. باستخدام نهج مختلط، شملت الأبحاث تحليلًا مقارنًا لثماني مدارس عبر أربع مدن، وجمعت بيانات من 247 معلمًا من خلال استبيان عبر الإنترنت، وحللت 620 درجة امتحان للطلاب. تشير النتائج إلى تحسين كبير في فعالية التدريس في المناطق غير المتطورة، حيث تحسنت أداء الطلاب بنسبة تتراوح بين 7% إلى 20%. على الرغم من الاستقبال الإيجابي لأجهزة الذكاء الاصطناعي من قبل المعلمين في هذه المناطق، إلا أن التحديات مثل عدم كفاية المعرفة بالتكنولوجيا ونقص آليات الدعم أعاقت التكامل الفعال في ممارسات التدريس.
تؤكد الدراسة على إمكانيات تكنولوجيا الذكاء الاصطناعي في سد الفجوات التعليمية من خلال توفير موارد عالية الجودة للمناطق ذات الموارد المحدودة. ومع ذلك، تؤكد على أن مجرد توفير الأجهزة غير كافٍ للتنمية التعليمية المستدامة. تعتبر تدابير الدعم الشاملة، بما في ذلك تدريب المعلمين، والمساعدة التقنية، وتطوير المناهج الثقافية المناسبة، ضرورية لضمان توافق تكامل أجهزة الذكاء الاصطناعي مع الأهداف التعليمية طويلة الأجل. يجب أن تركز الأبحاث المستقبلية على التأثيرات طويلة الأجل لاستثمارات الموارد التعليمية وتكيف تكنولوجيا الذكاء الاصطناعي لتعزيز العدالة والاستدامة في التعليم بشكل أكبر.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التحديات الملحة التي تواجه قطاع التعليم العالمي في إطار التنمية المستدامة، مع التركيز بشكل خاص على الفجوات الواضحة في تخصيص الموارد التعليمية بين المناطق المتطورة والنامية. تكشف بيانات منظمة التعاون والتنمية الاقتصادية (OECD) أنه في عام 2022، خصصت الدول المتطورة من 3% إلى 5% من ميزانياتها التعليمية لتكنولوجيا الذكاء الاصطناعي، بينما استثمرت الدول النامية أقل من 1%. تعزز هذه الفجوة التمويلية عدم المساواة التعليمية الإقليمية، كما هو الحال في الصين، حيث يمكن للمناطق الغنية مثل شنغهاي أن تستثمر بشكل كبير في أدوات التعليم المدعومة بالذكاء الاصطناعي، بينما تكافح المناطق الأقل تطورًا مثل تشينغهاي مع ميزانيات ضئيلة، مما يؤدي إلى دورة من الاستثمار المنخفض وفعالية التعليم المنخفضة.
تحدد الورقة ثلاث تناقضات حاسمة تنبع من هذا الاختلال: الفجوة في استثمار معدات الذكاء الاصطناعي، وانخفاض فعالية التكنولوجيا في المناطق غير الممولة بشكل كافٍ، ونقص التكيف الثقافي في الموارد التعليمية. تتمتع المناطق الشرقية من الصين بتغطية تزيد عن 85% من معدات الذكاء الاصطناعي، بينما تتخلف المناطق الغربية بأقل من 40%. لا يعيق هذا الانقسام التكنولوجي جودة التعليم في المناطق غير المتطورة فحسب، بل يحد أيضًا من معرفة الطلاب الرقمية وقدرات الابتكار، مما يعمق الفجوات الاجتماعية والاقتصادية. يجادل المؤلفون بأن إنشاء آليات تمويل عادلة وتحسين تخصيص الموارد أمران أساسيان لتحقيق العدالة التعليمية وتعزيز التنمية المستدامة، مما يعزز في النهاية العدالة الاجتماعية والتناغم.
الطرق
تستقصي هذه الدراسة تخصيص الموارد التعليمية من خلال عدسة أجهزة التدريس الذكية المدعومة بالذكاء الاصطناعي، وخاصة على طول خط هو هوانيونغ، الذي يفصل بين المناطق الاقتصادية المتطورة وغير المتطورة في الصين. تهدف الأبحاث إلى تحليل الفجوات في الاستثمار في الموارد التعليمية المدعومة بالذكاء الاصطناعي بين هذه المناطق واستكشاف الإمكانيات لتعزيز العدالة التعليمية في المناطق الغربية غير المتطورة. من خلال تقديم رؤى قائمة على الأدلة، تسعى الدراسة إلى إبلاغ صانعي السياسات حول الانتقال من توازن الموارد إلى عدالة القدرات في التعليم، مما يساهم في التنمية المستدامة والتقدم الاجتماعي.
لتحقيق أهدافها، تستخدم الدراسة نهجًا مختلطًا، وتحديدًا تصميم متوازي متقارب، يتضمن جمع بيانات كمية ونوعية. تم اختيار ثماني مدارس تمثيلية من أربع مدن في كل منطقة، مع استبيان يقيم مواقف المعلمين تجاه أجهزة الذكاء الاصطناعي وتصميم شبه تجريبي يقيس تأثير هذه الأجهزة على أداء الطلاب. تشير النتائج إلى أن طرق التدريس المدعومة بالذكاء الاصطناعي تتفوق بشكل كبير على الطرق التقليدية، خاصة في المناطق غير المتطورة، مما يعزز جودة التعليم وكفاءته. لا يوفر إدخال تكنولوجيا الذكاء الاصطناعي وصولًا عادلًا إلى موارد عالية الجودة فحسب، بل يسهل أيضًا تجارب التعلم الشخصية، مما يعيد تعريف دور المعلم من مزود المعرفة إلى ميسر التعلم. يعزز هذا التحول الدعم المستهدف للطلاب ويعزز التطوير المهني المستمر للمعلمين، بهدف في النهاية سد الفجوة في الإنجازات بين الحضر والريف وتحويل المشهد التعليمي.
المناقشة
تسلط قسم المناقشة في هذه الورقة البحثية الضوء على ابتكارات رئيسية في نهج تمويل التعليم: منظور أوسع لاستثمار الموارد في إطار التنمية المستدامة وإدخال استراتيجيات مستهدفة خاصة بالمناطق. تؤكد الدراسة على التأثيرات طويلة الأجل للاستثمارات التعليمية على النمو الاقتصادي الإقليمي، والعدالة الاجتماعية، وزراعة المواهب، مما يعالج فجوة كبيرة في الأدبيات الحالية. بالنسبة للمناطق غير المتطورة، تدعو إلى آليات مالية ديناميكية لتعزيز أدوات التدريس المدعومة بالذكاء الاصطناعي، وتدريب المعلمين المستهدف، والتعاون الدولي. من ناحية أخرى، يجب على المناطق المتطورة التركيز على تحسين تخصيص الموارد وتعزيز التعاون الإقليمي لتقديم أفضل الممارسات. يهدف هذا النهج المخصص إلى تعزيز اعتماد عادل لتكنولوجيا التعليم ودعم التنمية المتوازنة والمستدامة.
تضع الورقة أيضًا نتائجها في سياق النقاش الأوسع حول التنمية المستدامة، الذي يدمج الأبعاد البيئية والاقتصادية والاجتماعية. تؤكد على الدور الحاسم للتعليم في تعزيز الوعي بالقضايا البيئية والعدالة الاجتماعية، بينما تعالج أيضًا عدم المساواة في تخصيص الموارد التعليمية التي تفاقمت بسبب الفجوات الاجتماعية والاقتصادية الإقليمية. تستند الأبحاث إلى مجموعة متنوعة من الأطر النظرية، بما في ذلك نموذج قبول التكنولوجيا (TAM) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، لتحليل العوامل التي تؤثر على اعتماد تكنولوجيا التعليم. تختتم الدراسة بالقول إن معالجة الفجوات التعليمية من خلال تخصيص الموارد المتطابقة مع الطلب أمر ضروري لتحقيق الهدف الرابع من أهداف التنمية المستدامة (التعليم الشامل) واستغلال الإمكانات التحويلية للذكاء الاصطناعي في التعليم.
القيود
تقدم الدراسة حول أجهزة التدريس المدعومة بالذكاء الاصطناعي إمكانيات كبيرة لتعزيز العدالة التعليمية عبر خط هو هوانيونغ؛ ومع ذلك، فهي تخضع لعدة قيود وعوامل مشوشة يجب الاعتراف بها. من الجدير بالذكر أن الفجوات في محتوى المناهج بين الرياضيات الموحدة والتاريخ المصمم محليًا قد تكون قد شوهت التحسينات الملحوظة في درجات العلوم الطبيعية. على سبيل المثال، زادت درجات الرياضيات في المدن الغربية بمقدار 19.2 نقطة، بينما ارتفعت درجات التاريخ بمقدار 8.9 نقطة فقط. بالإضافة إلى ذلك، قد تؤدي انتشار الدروس الخصوصية في المناطق الشرقية الأكثر ثراءً إلى تضخيم الدرجات الأساسية، مما يعقد تقييم تأثير الذكاء الاصطناعي. تعيق مشاكل البنية التحتية، مثل عدم موثوقية الوصول إلى الإنترنت في 63% من المدارس الغربية، فعالية تدخلات الذكاء الاصطناعي، على الرغم من جهود العشوائية. تشير تحليلات الانحدار المتعدد المتغيرات إلى أن هذه العوامل المشوشة تقلل من فجوة الدرجات الإقليمية بحوالي 20%، مما يبرز الحاجة إلى تفسير حذر لتأثير الذكاء الاصطناعي السببي.
لزيادة قوة الأبحاث المستقبلية، يُوصى باستخدام بيانات على مستوى الأفراد من العينة الكاملة المكونة من 620 طالبًا وتنفيذ مطابقة درجات الميل لعزل تأثيرات الذكاء الاصطناعي بشكل أفضل عن المتغيرات المشوشة الأخرى مثل الدروس الخصوصية واختلافات المناهج. يمكن أن تساعد الدراسات الطولية التي تتماشى مع استراتيجية إحياء الريف في الصين في تحسين نشر الذكاء الاصطناعي في البيئات التعليمية الغربية. علاوة على ذلك، فإن تطوير أجهزة الذكاء الاصطناعي التي تدعم لغات عرقية متعددة ومحتوى ثقافي ذي صلة، خاصة للغات الأقليات في مناطق مثل تشينغهاي، سيحسن من قابلية التطبيق الإقليمي. أخيرًا، فإن إنشاء برامج تدريب شاملة للمعلمين أمر بالغ الأهمية، خاصة في الغرب، حيث أدت مشاكل المعرفة التقنية إلى معدل بطالة يبلغ 60% من المعدات التعليمية. تتماشى هذه المبادرات مع رؤية الهدف الرابع من أهداف التنمية المستدامة (SDG4) للتعليم الشامل وتهدف إلى تقليل الفجوات التعليمية وتعزيز التنمية المستدامة.
DOI: https://doi.org/10.1371/journal.pone.0327696
PMID: https://pubmed.ncbi.nlm.nih.gov/41533645
Publication Date: 2026-01-14
Author(s): Jianjun Chen et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study examines the effects of AI-enabled teaching devices on educational equity in China, particularly contrasting economically developed and underdeveloped regions along the Hu Huanyong Line. Utilizing a mixed-methods approach, the research involved a comparative analysis of eight schools across four cities, collecting data from 247 teachers through an online questionnaire and analyzing 620 student exam scores. The findings indicate a significant enhancement in teaching effectiveness in underdeveloped regions, with student performance improving by 7% to 20%. Despite the positive reception of AI devices by teachers in these areas, challenges such as insufficient familiarity with the technology and lack of support mechanisms hindered effective integration into teaching practices.
The study underscores the potential of AI technology to bridge educational disparities by providing high-quality resources to under-resourced areas. However, it emphasizes that mere provision of hardware is inadequate for sustainable educational development. Comprehensive support measures, including teacher training, technical assistance, and the development of culturally appropriate curricula, are essential to ensure that the integration of AI devices aligns with long-term educational objectives. Future research should focus on the long-term impacts of educational resource investments and the adaptation of AI technologies to further enhance equity and sustainability in education.
Introduction
The introduction of the research paper highlights the pressing challenges faced by the global education sector under the sustainable development framework, particularly emphasizing the stark disparities in educational resource allocation between developed and developing regions. Data from the OECD reveals that in 2022, developed countries allocated 3% to 5% of their educational budgets to AI technologies, while developing countries invested less than 1%. This funding gap exacerbates regional educational inequalities, as seen in China, where affluent areas like Shanghai can invest significantly in AI educational tools, while less developed regions like Qinghai struggle with minimal budgets, leading to a cycle of low investment and low educational effectiveness.
The paper identifies three critical contradictions stemming from this imbalance: the disparity in AI equipment investment, the diminished effectiveness of technology in underfunded areas, and the lack of cultural adaptation in educational resources. The eastern regions of China enjoy over 85% coverage of AI equipment, while western areas lag behind with less than 40%. This technological divide not only hampers the quality of education in underdeveloped regions but also limits students’ digital literacy and innovation capabilities, further entrenching socio-economic disparities. The authors argue that establishing equitable funding mechanisms and optimizing resource allocation are essential for achieving educational equity and fostering sustainable development, ultimately promoting social fairness and harmony.
Methods
This study investigates the allocation of educational resources through the lens of AI smart teaching devices, particularly along the Hu Huanyong Line, which separates economically developed and underdeveloped regions in China. The research aims to analyze the disparities in investment in AI educational resources between these regions and to explore the potential for enhancing educational equity in the underdeveloped western areas. By providing evidence-based insights, the study seeks to inform policymakers on transitioning from resource balance to capability fairness in education, thereby contributing to sustainable development and social progress.
To achieve its objectives, the study employs a mixed-methods approach, specifically a Convergent Parallel Design, involving both quantitative and qualitative data collection. Eight representative schools from four cities in each region were selected, with a questionnaire assessing teacher attitudes towards AI devices and a quasi-experimental design measuring the impact of these devices on student performance. The findings indicate that AI-assisted teaching methods significantly outperform traditional methods, particularly in underdeveloped regions, thereby enhancing educational quality and efficiency. The introduction of AI technology not only provides equitable access to high-quality resources but also facilitates personalized learning experiences, redefining the teacher’s role from knowledge provider to learning facilitator. This shift promotes targeted support for students and fosters continuous professional development for educators, ultimately aiming to bridge the urban-rural achievement gap and transform the educational landscape.
Discussion
The discussion section of this research paper highlights two primary innovations in the approach to educational funding: a broader perspective on resource investment framed within sustainable development and the introduction of targeted, region-specific strategies. The study emphasizes the long-term impacts of educational investments on regional economic growth, social equity, and talent cultivation, addressing a significant gap in existing literature. For underdeveloped regions, it advocates for dynamic fiscal mechanisms to enhance AI-powered teaching tools, targeted teacher training, and international cooperation. Conversely, developed regions should focus on optimizing resource allocation and fostering regional cooperation to exemplify best practices. This tailored approach aims to promote equitable adoption of educational technology and support balanced, sustainable development.
The paper also contextualizes its findings within the broader discourse on sustainable development, which integrates ecological, economic, and social dimensions. It underscores the critical role of education in fostering awareness of ecological issues and social equity, while also addressing the inequities in educational resource allocation exacerbated by regional socio-economic disparities. The research draws on various theoretical frameworks, including the Technology Acceptance Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT), to analyze factors influencing the adoption of educational technologies. The study concludes that addressing educational inequalities through demand-matched resource allocation is essential for achieving Sustainable Development Goal 4 (inclusive education) and leveraging the transformative potential of AI in education.
Limitations
The study on AI-enabled teaching devices presents significant potential for enhancing educational equity across the Hu Huanyong Line; however, it is subject to several limitations and confounding factors that must be acknowledged. Notably, disparities in curriculum content between standardized mathematics and regionally tailored history may have skewed the observed improvements in natural science scores. For instance, mathematics scores in western cities increased by 19.2 points, while history scores rose by only 8.9 points. Additionally, the prevalence of extracurricular tutoring in wealthier Eastern regions could inflate baseline scores, complicating the assessment of AI’s impact. Infrastructure issues, such as unreliable internet access in 63% of Western schools, further hindered the effectiveness of AI interventions, despite randomization efforts. Multivariate regression analysis indicates that these confounding factors reduce the regional score gap by approximately 20%, emphasizing the need for cautious interpretation of AI’s causal influence.
To enhance the robustness of future research, it is recommended to utilize individual-level data from the complete sample of 620 students and implement propensity score matching to better isolate the effects of AI from other confounding variables like tutoring and curriculum differences. Longitudinal studies that align with China’s rural revitalization strategy could optimize AI deployment in Western educational settings. Furthermore, developing AI devices that support multiple ethnic languages and culturally relevant content, particularly for minority languages in regions like Qinghai, would improve regional applicability. Finally, establishing comprehensive teacher training programs is crucial, especially in the West, where technical literacy issues have led to a 60% idling rate of educational equipment. These initiatives align with the Sustainable Development Goal 4 (SDG4) vision for inclusive education and aim to further mitigate educational disparities while promoting sustainable development.