DOI: https://doi.org/10.21533/pen.v14.i1.1538
تاريخ النشر: 2026-02-27
المؤلف: Gulchohra Babali Aliyeva وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة اعتماد الذكاء الاصطناعي (AI) والذكاء الاصطناعي التوليدي (GenAI) داخل نظام التعليم العالي الأوكراني من 2019 إلى 2025، وهي فترة تميزت بأزمات كبيرة بما في ذلك جائحة COVID-19 والحرب المستمرة. باستخدام نهج مختلط طولي، شملت الأبحاث استبيانات لـ 200 معلم جامعي ومقابلات مع 20 مشاركًا. تكشف النتائج عن زيادة ملحوظة في اعتماد الذكاء الاصطناعي، مع تحولات كبيرة في العوامل المؤثرة من التقنية إلى السياقية بمرور الوقت. أظهرت التحليلات الإحصائية اختلافات ملحوظة في اعتماد الذكاء الاصطناعي/الذكاء الاصطناعي التوليدي عبر مراحل الأزمة (p < 0.05)، مع تحديد حواجز مثل مشكلات اللغة، وقيود البنية التحتية، وتوافر الموارد كأحد التحديات الكبيرة (p < 0.01). تقدم الدراسة نموذج الاعتماد المدفوع بالأزمات (CDAM)، الذي يبرز كيف يمكن أن تسرع الأزمات من اعتماد التكنولوجيا وإعادة تشكيل الدوافع والسلوكيات في السياقات التعليمية. تشير النتائج الرئيسية إلى أن العوامل التنظيمية، بما في ذلك التدريب والدعم المؤسسي، ضرورية لنجاح دمج الذكاء الاصطناعي، بينما تعمل العوامل السياقية مثل جائحة COVID-19 والحرب كمتنبئات قوية للاعتماد. بالإضافة إلى ذلك، تؤكد الأبحاث على ضرورة أن تقوم الجامعات بوضع سياسات وأطر أخلاقية لاستخدام الذكاء الاصطناعي، والاستثمار في البنية التحتية، وتطوير استراتيجية وطنية للذكاء الاصطناعي في التعليم لتعزيز الممارسات التعليمية ومعالجة القضايا المتعلقة بالنزاهة الأكاديمية والاستخدام الأخلاقي لأدوات الذكاء الاصطناعي.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للذكاء الاصطناعي (AI) على التعليم العالمي من 2019 إلى 2025، مع تسليط الضوء على دوره في إعادة تشكيل تقديم المعرفة والتقييم من خلال أدوات متنوعة مثل أنظمة إدارة التعلم (LMS)، ومنصات التعلم التكيفية، وتطبيقات الذكاء الاصطناعي التوليدي مثل ChatGPT. بحلول عام 2023، كانت أكثر من 40% من مؤسسات التعليم العالي في جميع أنحاء العالم قد دمجت أنظمة مدعومة بالذكاء الاصطناعي، مع توقعات تشير إلى أن التحليلات المعتمدة على الذكاء الاصطناعي ستؤثر على أكثر من 60% من عمليات التعلم الرقمي بحلول عام 2025. ومع ذلك، تأثر اعتماد الذكاء الاصطناعي في نظام التعليم الأوكراني بشكل فريد بالتحديات الصحية والاقتصادية والجيوسياسية، خاصة في سياق الحرب المستمرة.
تستعرض الورقة المرحلة الأولية من الرقمنة في أوكرانيا من 2019 إلى 2020، حيث تم اختبار البنية التحتية الأساسية وأنظمة إدارة التعلم، وظهرت أطر الكفاءة الرقمية لتعزيز استعداد المعلمين للتعليم الرقمي. سرعت جائحة COVID-19 الانتقال إلى التعلم عن بُعد، مما كشف عن فجوات في العدالة الرقمية واستعداد المعلمين. بدءًا من عام 2022، زادت الحرب من التحديات مثل تدمير البنية التحتية وعدم المساواة في الموارد، مما دفع المعلمين والمتعلمين إلى اعتماد نماذج هجينة مرنة مدعومة بأدوات الذكاء الاصطناعي. على الرغم من هذه الصعوبات، عملت الأزمة كعامل محفز للابتكار، مما أدى إلى تطوير منصات رقمية محلية وحلول ذكاء اصطناعي واعية بالسياق. تُعتبر الفترة من 2019 إلى 2025 لحظة حاسمة حيث لا يعيد الذكاء الاصطناعي تعريف طرق التدريس فحسب، بل يعزز أيضًا مرونة التعليم، خاصة في مواجهة الضعف النظامي في أوكرانيا.
الطرق
تستعرض قسم المنهجية النهج المنظم المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، بما في ذلك التجارب المنضبطة والاستبيانات، لجمع بيانات شاملة. تم إجراء تحليلات إحصائية باستخدام أدوات البرمجيات لتقييم دلالة النتائج، مما يضمن إمكانية استخلاص استنتاجات قوية.
بالإضافة إلى ذلك، تضمن تصميم البحث حساب حجم العينة لتحديد العدد المناسب من المشاركين اللازمين للحصول على نتائج موثوقة. تم تناول الاعتبارات الأخلاقية، بما في ذلك الموافقة المستنيرة وتدابير السرية لجميع المشاركين المعنيين في الدراسة. بشكل عام، تم هيكلة المنهجية لضمان صلاحية وموثوقية النتائج، مما يسهل فحصًا شاملاً للأسئلة البحثية المطروحة.
النتائج
تكشف نتائج الدراسة عن رؤى ديموغرافية كبيرة واتجاهات تتعلق باعتماد أدوات الذكاء الاصطناعي بين المعلمين الجامعيين في أوكرانيا من 2019 إلى 2025. تألفت مجموعة المشاركين من 200 معلم، معظمهم من الذكور (56%)، مع مجموعة متنوعة من الأعمار وخبرات التدريس. تشير النتائج إلى زيادة ملحوظة في تكرار وتنوع استخدام أدوات الذكاء الاصطناعي على مدى الفترات الملاحظة، مع تحولات ملحوظة في معدلات الاعتماد. على سبيل المثال، شهدت أنظمة إدارة التعلم المدعومة بالذكاء الاصطناعي (AI-LMS) زيادة من 22% إلى 68% بين 2020-2022، بينما ارتفعت أدوات الذكاء الاصطناعي التوليدي، مثل ChatGPT، من 22% إلى 89% في الفترة التالية (2022-2025). يبرز هذا الاتجاه الاعتماد المتزايد على تقنيات الذكاء الاصطناعي في البيئات التعليمية، مدفوعًا في البداية بجائحة COVID-19 ولاحقًا بالتقدم في الذكاء الاصطناعي التوليدي.
حددت الرؤى النوعية من مقابلات المشاركين ثلاثة مواضيع رئيسية في تطور استخدام أدوات الذكاء الاصطناعي: التكامل الأساسي، الانتقال، والتوسع الثوري. في البداية، كانت أدوات الذكاء الاصطناعي تُعتبر مساعدات إدارية أساسية؛ ومع ذلك، مع زيادة الثقة في هذه التقنيات، بدأت تلعب دورًا أكثر أهمية في العمليات التعليمية. كما سلطت الدراسة الضوء على عوامل مختلفة تؤثر على اعتماد الذكاء الاصطناعي، بما في ذلك العناصر التقنية والتنظيمية والسياقية، مع زيادة ملحوظة في استعداد المؤسسات والنضج الرقمي بمرور الوقت. تشير النتائج إلى أن الأزمات الخارجية، مثل الجائحة والحرب المستمرة، عملت كعوامل محفزة للتكامل السريع للذكاء الاصطناعي في التعليم، مما حوله من مجرد ضرورة إلى عنصر مرن وقابل للتكيف في تصميم التعليم. بشكل عام، تؤكد الأبحاث على أهمية العوامل البشرية والثقافية في الدمج المستدام لتقنيات الذكاء الاصطناعي في البيئات الأكاديمية.
المناقشة
تؤكد قسم المناقشة في الورقة البحثية على الدور التحويلي للذكاء الاصطناعي (AI) في التعليم الأوكراني، خاصة في سياق التكيف الرقمي المدفوع بالأزمات. يسلط الضوء على ثلاثة أطر نظرية—نموذج قبول التكنولوجيا (TAM)، النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، ونموذج SAMR—التي تقدم رؤى حول العوامل المؤثرة في اعتماد أدوات الذكاء الاصطناعي في البيئات التعليمية. يحدد نموذج TAM الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEOU) كعوامل حاسمة في قبول التكنولوجيا، مع دراسات تشير إلى أن التصورات الإيجابية لأدوات الذكاء الاصطناعي تتوافق مع معدلات اعتماد أعلى بين المعلمين. يجمع نموذج UTAUT النماذج السابقة للتنبؤ بقبول المستخدم، مع التأكيد على أهمية ظروف التيسير، التي كانت ذات صلة خاصة في المشهد التعليمي الأوكراني المتطور بسرعة خلال النزاع المستمر. يقيم نموذج SAMR تكامل التكنولوجيا في التعليم، موضحًا أن تطبيقات الذكاء الاصطناعي يمكن أن تعزز الانخراط المعرفي والابتكار التربوي.
كما تستعرض القسم الاتجاهات العالمية في الذكاء الاصطناعي والذكاء الاصطناعي التوليدي (GenAI) في التعليم من 2019 إلى 2025، مشيرة إلى زيادة في تطبيقات الذكاء الاصطناعي مثل التعلم التكيفي والتقييم الآلي، التي حسنت من كفاءة التدريس وانخراط المتعلمين. ومع ذلك، تثير المخاوف بشأن القضايا الأخلاقية والحاجة إلى الدعم المؤسسي لضمان الوصول العادل والتنفيذ الفعال. يتميز السياق الأوكراني بتحول رقمي كبير مدفوع بالحرب، حيث اعتمد المعلمون بسرعة أدوات الذكاء الاصطناعي للحفاظ على التعلم وسط الاضطرابات. على الرغم من التقدم، تبقى التحديات قائمة، بما في ذلك الوصول غير المتكافئ إلى التكنولوجيا والحاجة إلى تعزيز الكفاءات الرقمية بين المعلمين. تؤكد الأبحاث على ضرورة إجراء دراسات طولية لتتبع ديناميات اعتماد الذكاء الاصطناعي في التعليم، خاصة في حالات الأزمات، لإبلاغ السياسات والممارسات المستقبلية.
القيود
تحدد الدراسة عدة قيود قد تؤثر على صلاحية وعمومية نتائجها. أولاً، يثير الاعتماد على تقارير المشاركين الاسترجاعية مخاوف بشأن التحيز الاجتماعي المحتمل وعدم الدقة في تقييماتهم للتجارب السابقة. بالإضافة إلى ذلك، قد يؤدي استخدام العينة الغرضية إلى إدخال تحيز في العينة، مما يحد من قابلية تطبيق النتائج بشكل أوسع.
علاوة على ذلك، فإن تركيز الدراسة على إعادة بناء الأحداث يعني أنها لا تؤسس علاقات سببية نهائية بين المتغيرات. أخيرًا، لا تأخذ الأبحاث في الاعتبار العوامل الخارجية، مثل الحرب المستمرة في أوكرانيا، التي قد تؤثر بشكل أكبر على النتائج وتفسيرات نتائج الدراسة.
DOI: https://doi.org/10.21533/pen.v14.i1.1538
Publication Date: 2026-02-27
Author(s): Gulchohra Babali Aliyeva et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study investigates the adoption of Artificial Intelligence (AI) and Generative AI (GenAI) within the Ukrainian higher education system from 2019 to 2025, a period marked by significant crises including the COVID-19 pandemic and the ongoing war. Utilizing a longitudinal mixed-methods approach, the research involved surveys of 200 university instructors and interviews with 20 participants. Findings reveal a marked increase in AI adoption, with significant shifts in influencing factors from technical to contextual over time. Statistical analyses indicated notable differences in AI/GenAI adoption across crisis phases (p < 0.05), with barriers such as language issues, infrastructure limitations, and resource availability identified as significant challenges (p < 0.01). The study introduces the Crisis-Driven Adoption Model (CDAM), which highlights how crises can accelerate technological adoption and reshape motivations and behaviors in educational contexts. Key findings suggest that organizational factors, including training and institutional support, are crucial for successful AI integration, while contextual factors like the COVID-19 pandemic and war serve as strong predictors of adoption. Additionally, the research underscores the need for universities to establish policies and ethical frameworks for AI use, invest in infrastructure, and develop a National AI-in-Education Strategy to enhance educational practices and address concerns related to academic integrity and ethical use of AI tools.
Introduction
The introduction of this research paper discusses the transformative impact of artificial intelligence (AI) on global education from 2019 to 2025, highlighting its role in reshaping knowledge delivery and assessment through various tools such as learning management systems (LMS), adaptive learning platforms, and generative AI applications like ChatGPT. By 2023, over 40% of higher education institutions worldwide had integrated AI-supported systems, with projections indicating that AI-based analytics would influence over 60% of digital learning processes by 2025. However, the adoption of AI in Ukraine’s education system has been uniquely influenced by health, economic, and geopolitical challenges, particularly in the context of the ongoing war.
The paper outlines the initial phase of digitalization in Ukraine from 2019 to 2020, where foundational infrastructure and LMS were tested, and digital competence frameworks emerged to enhance teachers’ readiness for digital education. The COVID-19 pandemic accelerated the shift to distance learning, revealing gaps in digital equity and teacher preparedness. From 2022 onward, the war exacerbated challenges such as infrastructure destruction and resource inequality, prompting educators and learners to adopt flexible hybrid models supported by AI tools. Despite these adversities, the crisis has acted as a catalyst for innovation, leading to the development of localized digital platforms and context-aware AI solutions. The period from 2019 to 2025 is characterized as a pivotal moment where AI not only redefines instructional methods but also enhances educational resilience, particularly in the face of systemic vulnerabilities in Ukraine.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including controlled experiments and surveys, to gather comprehensive data. Statistical analyses were performed using software tools to evaluate the significance of the results, ensuring robust conclusions could be drawn.
In addition, the research design incorporated a sample size calculation to determine the appropriate number of participants needed for reliable outcomes. Ethical considerations were addressed, including informed consent and confidentiality measures for all participants involved in the study. Overall, the methodology was structured to ensure the validity and reliability of the findings, facilitating a thorough examination of the research questions posed.
Results
The results of the study reveal significant demographic insights and trends regarding the adoption of AI tools among university instructors in Ukraine from 2019 to 2025. The participant pool consisted of 200 instructors, predominantly male (56%), with a diverse age range and teaching experience. The findings indicate a marked increase in the frequency and diversity of AI tool usage over the observed periods, with notable shifts in adoption rates. For instance, AI Learning Management Systems (AI-LMS) saw an increase from 22% to 68% between 2020-2022, while generative AI tools, such as ChatGPT, surged from 22% to 89% in the subsequent period (2022-2025). This trend underscores the growing reliance on AI technologies in educational settings, driven initially by the COVID-19 pandemic and later by advancements in generative AI.
Qualitative insights from participant interviews identified three key themes in the evolution of AI tool usage: foundational integration, transition, and revolutionary expansion. Initially, AI tools were viewed as basic administrative aids; however, as trust in these technologies grew, they began to play a more significant role in educational processes. The study also highlighted various factors influencing AI adoption, including technical, organizational, and contextual elements, with a notable increase in institutional preparedness and digital maturity over time. The findings suggest that external crises, such as the pandemic and ongoing war, acted as catalysts for the rapid integration of AI in education, transforming it from a mere necessity to a resilient and adaptive component of instructional design. Overall, the research emphasizes the importance of human and cultural factors in the sustainable integration of AI technologies in academic environments.
Discussion
The discussion section of the research paper emphasizes the transformative role of Artificial Intelligence (AI) in Ukrainian education, particularly in the context of crisis-induced digital adaptation. It highlights three theoretical frameworks—Technology Acceptance Model (TAM), Unified Theory of Acceptance and Use of Technology (UTAUT), and the SAMR model—that provide insights into the factors influencing the adoption of AI tools in educational settings. TAM identifies perceived usefulness (PU) and perceived ease of use (PEOU) as critical determinants of technology acceptance, with studies indicating that positive perceptions of AI tools correlate with higher adoption rates among educators. UTAUT consolidates previous models to predict user acceptance, emphasizing the importance of facilitating conditions, which have been particularly relevant in the rapidly evolving Ukrainian educational landscape during the ongoing conflict. The SAMR model assesses the integration of technology in education, showing that AI applications can enhance cognitive engagement and pedagogical innovation.
The section also reviews global trends in AI and Generative AI (GenAI) in education from 2019 to 2025, noting an increase in AI applications such as adaptive learning and automated grading, which have improved instructional efficiency and learner engagement. However, it raises concerns about ethical issues and the need for institutional support to ensure equitable access and effective implementation. The Ukrainian context is characterized by a significant digital transformation driven by the war, with educators rapidly adopting AI tools to sustain learning amidst disruptions. Despite the progress, challenges remain, including unequal access to technology and the need for enhanced digital competencies among educators. The research underscores the necessity for longitudinal studies to track the dynamics of AI adoption in education, particularly in crisis situations, to inform future policy and practice.
Limitations
The study identifies several limitations that may affect the validity and generalizability of its findings. Firstly, the reliance on participants’ retrospective reporting raises concerns about potential social bias and inaccuracies in their assessments of past experiences. Additionally, the use of purposive sampling could introduce sampling bias, limiting the broader applicability of the results.
Moreover, the study’s focus on reconstructing events means it does not establish definitive causal relationships between variables. Lastly, the research does not account for extraneous factors, such as the ongoing war in Ukraine, which could further influence the outcomes and interpretations of the study’s findings.