DOI: https://doi.org/10.3389/feduc.2025.1530721
تاريخ النشر: 2025-05-12
المؤلف: Abed Alkarim Ayyoub وآخرون
الموضوع الرئيسي: التعلم عبر الإنترنت والتحليلات
نظرة عامة
تستكشف هذه الدراسة العوامل التي تؤثر على معرفة المعلمين بالذكاء الاصطناعي، لا سيما في سياق التعليم العالي في فلسطين. باستخدام نهج مختلط متسلسل، جمعت الدراسة أولاً بيانات نوعية من خلال مجموعات التركيز والمقابلات مع أعضاء هيئة التدريس، تلاها جمع بيانات كمية عبر أداة استبيان. أظهر التحليل باستخدام Smart PLS أن العوامل الرئيسية التي تؤثر على معرفة الذكاء الاصطناعي تشمل كفاءات الذكاء الاصطناعي، الفائدة المدركة للذكاء الاصطناعي، سهولة الاستخدام، التنمية المهنية، ودعم المجتمع. ومن الجدير بالذكر أن الخبرة السابقة مع التكنولوجيا تسهم بشكل كبير في تطوير معرفة الذكاء الاصطناعي. ومع ذلك، فإن حجم العينة المحدود في المرحلة النوعية يمثل قيدًا للتعميمات الأوسع.
تخلص الدراسة إلى أن المعلمين يعززون معرفتهم بالذكاء الاصطناعي التوليدي من خلال مسارين رئيسيين: التنمية المهنية الرسمية ودعم المجتمع النشط. بينما يؤثر دعم المجتمع بشكل مباشر على معرفة الذكاء الاصطناعي ويؤثر بشكل غير مباشر على كفاءات الذكاء الاصطناعي والفائدة المدركة، تشكل التنمية المهنية بشكل أساسي المواقف تجاه الذكاء الاصطناعي دون تأثير مباشر على المعرفة. بالإضافة إلى ذلك، تعزز كفاءة المعلم من تأثيرات دعم المجتمع، مما يبرز أهمية استعداد الأفراد في الاستفادة من الدعم المؤسسي. تسهم هذه النتائج في الأدبيات الموجودة حول اعتماد التكنولوجيا من خلال توضيح العوامل الوسيطة والمعتدلة التي تشجع المعلمين على دمج الذكاء الاصطناعي التوليدي في ممارساتهم التعليمية.
مقدمة
تناقش مقدمة ورقة البحث التأثير التحويلي لأدوات الذكاء الاصطناعي التوليدي (GenAI) على التعليم والبحث، مع التأكيد على كل من الفوائد المحتملة والتحديات المرتبطة بدمجها في التعليم العالي. تمتد قدرات GenAI إلى توليد أشكال مختلفة من المحتوى، مما يمكن أن يعزز الإنتاجية للمعلمين ويسهل نتائج تعلم متنوعة. ومع ذلك، فإن اعتماد هذه التقنيات يتأثر بعدة عوامل، بما في ذلك استعداد الأفراد، ضغط التكنولوجيا، الثقة، سهولة الاستخدام، والفائدة المدركة. ومن الجدير بالذكر أن الطلاب قد اعتمدوا أدوات GenAI بشكل أسرع من المعلمين، مما يبرز الحاجة إلى تطوير المعلمين للمهارات والفهم اللازمة لتعليم بفعالية في هذا المشهد المتطور.
تسلط الورقة أيضًا الضوء على الطلب المستمر على دمج التكنولوجيا في التعليم، والذي تسارع بسبب جائحة COVID-19. بينما يمكن أن تعزز التكنولوجيا من دافع الطلاب وأدائهم الأكاديمي، فإن الدمج غير المتسق للأدوات الرقمية في التعليم العالي يمثل تحديات، لا سيما للمعلمين المبتدئين الذين قد يفتقرون إلى المهارات الرقمية اللازمة. لقد كشفت الجائحة عن فجوات في استعداد المعلمين لاستخدام التكنولوجيا بفعالية، لا سيما في التعليم عبر الإنترنت. يمثل ظهور GenAI تحديًا جديدًا يتطلب إعادة تقييم كفاءات التدريس في العصر الرقمي. تهدف الدراسة إلى التحقيق في العوامل التي تؤثر على استعداد أعضاء هيئة التدريس لاعتماد GenAI في التعليم العالي واقتراح نموذج يوضح هذه العناصر، مما يوجه صانعي القرار في تطوير سياسات لدمج GenAI. تركز أسئلة البحث على تطوير معرفة GenAI بين المعلمين والعلاقات بين العوامل المؤثرة.
النتائج
تشير نتائج الدراسة إلى صلاحية وموثوقية قوية للبنى التي تم تقييمها من خلال نموذج القياس. تجاوزت جميع تحميلات عوامل العناصر العتبة 0.7، مع عدم وجود تعدد خطي حيث كانت جميع قيم عامل التضخم التبايني (VIF) أقل من 10. تم تأكيد الموثوقية باستخدام ألفا كرونباخ وقيم الموثوقية المركبة (CR) التي كانت أكبر من 0.700، بينما تم تأسيس الصلاحية التقاربية بقيم متوسط التباين المستخرج (AVE) التي تجاوزت 0.500. كما تم دعم الصلاحية التمييزية، حيث كانت الجذر التربيعي لـ AVE لكل بنية أكبر من ارتباطاتها مع البنى الأخرى، وظلت نسبة الارتباطات بين الصفات المختلفة أقل من العتبة المحافظة 0.85.
كشف تقييم النموذج الهيكلي أن جميع قيم R² كانت فوق 0.1، مما يشير إلى قدرة تنبؤية كافية. أظهر النموذج صلة تنبؤية مع قيم Q² أكبر من 0، وتمت ملاحظة تأثيرات كبيرة لعدة فرضيات تم اختبارها. ومن الجدير بالذكر أن AID أثرت بشكل كبير على AIL وPU، بينما كان لـ OS تأثير كبير على AID وAIL وPU. وُجد أن PD تؤثر بشكل كبير على AID وPU، ولكن ليس على AIL. بالإضافة إلى ذلك، كانت ملاءمة النموذج مرضية، حيث كانت قيم الجذر التربيعي لمتوسط مربع البقايا (SRMSR) وقيمة جذر متوسط مربع خطأ التقريب (RMSEA) تلبي العتبات المطلوبة. بشكل عام، تؤكد النتائج على أهمية البنى وعلاقاتها المتبادلة، مما يدعم الفرضيات المقترحة في الدراسة.
المناقشة
تسلط المناقشة حول معرفة الذكاء الاصطناعي في التعليم العالي الضوء على دورها الحاسم في تجهيز الأفراد بالمهارات اللازمة للتفاعل بفعالية مع تقنيات الذكاء الاصطناعي. وفقًا لـ Annapureddy وآخرون (2025)، تشمل معرفة الذكاء الاصطناعي 12 كفاءة أساسية، تتراوح من المعرفة الأساسية إلى المهارات العملية مثل هندسة الطلب والوعي الأخلاقي. يجادل Kalantzis وCope (2024) أيضًا من أجل تحول في النموذج نحو “تعلم محو الأمية السيبرانية الاجتماعية”، حيث يُنظر إلى الذكاء الاصطناعي كأداة تعاونية، مما يتطلب إعادة تعريف مفاهيم محو الأمية التقليدية. على الرغم من الاعتراف بأهمية معرفة الذكاء الاصطناعي، فإن التحديات مثل المخاوف الأخلاقية، والعدالة في الوصول، واستعداد المعلمين تعيق اعتمادها على نطاق واسع (Bailey، 2024؛ Pelletier وآخرون، 2023؛ Khlaif وآخرون، 2025).
من ناحية أخرى، يقدم دمج الذكاء الاصطناعي في التعليم فرصًا كبيرة، بما في ذلك تجارب تعلم مخصصة وتعزيز مهارات التفكير النقدي (Khlaif وآخرون، 2024؛ Tzirides وآخرون، 2024). يمكن لأدوات الذكاء الاصطناعي التكيف مع احتياجات التعلم الفردية، مما يوفر تغذية راجعة مخصصة ويعزز المهارات التحليلية التي تمكن الطلاب من تقييم المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي بشكل نقدي. بالإضافة إلى ذلك، فإن قدرة الذكاء الاصطناعي على تبسيط العمليات الإدارية وتعزيز تقديم المحتوى من خلال التقنيات الغامرة تبرز تأثيره التحويلي على المشهد التعليمي (Zawacki-Richter وآخرون، 2019؛ Fitria، 2024). بينما تستكشف المؤسسات دمج الذكاء الاصطناعي، من الضروري معالجة التحديات الأخلاقية وضمان بقاء الروابط الإنسانية مركزية في تجربة التعلم، مما يعزز في النهاية بيئة تعليمية مرنة وشاملة تلبي احتياجات الطلاب المتنوعة.
DOI: https://doi.org/10.3389/feduc.2025.1530721
Publication Date: 2025-05-12
Author(s): Abed Alkarim Ayyoub et al.
Primary Topic: Online Learning and Analytics
Overview
This study investigates the factors influencing educators’ AI literacy, particularly in the context of higher education in Palestine. Utilizing a sequential mixed methods approach, the research first gathered qualitative data through focus groups and interviews with faculty members, followed by quantitative data collection via a survey instrument. Analysis using Smart PLS revealed that key factors impacting AI literacy include AI competencies, perceived usefulness of AI, ease of use, professional development, and community support. Notably, prior experience with technology significantly contributes to the development of AI literacy. However, the qualitative phase’s limited sample size presents a constraint for broader generalizations.
The study concludes that educators enhance their Generative AI literacy through two primary pathways: formal professional development and active community support. While community support directly influences AI literacy and indirectly affects AI competencies and perceived usefulness, professional development primarily shapes attitudes toward AI without a direct impact on literacy. Additionally, teacher efficacy amplifies the effects of community support, highlighting the importance of individual readiness in leveraging institutional support. These findings contribute to the existing literature on technology adoption by elucidating the mediating and moderating factors that encourage educators to integrate Generative AI into their teaching practices.
Introduction
The introduction of the research paper discusses the transformative impact of generative artificial intelligence (GenAI) tools on education and research, emphasizing both the potential benefits and challenges associated with their integration into higher education. GenAI’s capabilities extend to generating various forms of content, which can enhance productivity for educators and facilitate diverse learning outcomes. However, the adoption of these technologies is influenced by multiple factors, including individual readiness, technostress, trust, ease of use, and perceived usefulness. Notably, students have adopted GenAI tools more rapidly than educators, underscoring the need for educators to develop the necessary skills and understanding to effectively teach in this evolving landscape.
The paper also highlights the longstanding demand for technology integration in teaching, which has been accelerated by the COVID-19 pandemic. While technology can enhance student motivation and academic performance, the inconsistent integration of digital tools in higher education poses challenges, particularly for novice teachers who may lack the requisite digital skills. The pandemic has exposed gaps in teachers’ readiness for effective technology use, particularly in online instruction. The emergence of GenAI presents a new challenge that necessitates a reassessment of teaching competencies in the digital era. The study aims to investigate the factors influencing faculty members’ readiness to adopt GenAI in higher education and to propose a model that elucidates these elements, ultimately guiding decision-makers in developing policies for GenAI integration. The research questions focus on the development of GenAI literacy among educators and the relationships among the influencing factors.
Results
The results of the study indicate strong validity and reliability of the constructs assessed through the measurement model. All item factor loadings exceeded the threshold of 0.7, with no multicollinearity present as all Variance Inflation Factor (VIF) values were below 10. Reliability was confirmed with Cronbach’s alpha and composite reliability (CR) values greater than 0.700, while convergent validity was established with Average Variance Extracted (AVE) values exceeding 0.500. Discriminant validity was also supported, as the square root of AVE for each construct was greater than its correlations with other constructs, and the heterotrait-monotrait ratio of correlations remained below the conservative threshold of 0.85.
Structural model evaluation revealed that all R² values were above 0.1, indicating adequate predictive ability. The model demonstrated predictive relevance with Q² values greater than 0, and significant effects were observed for various hypotheses tested. Notably, AID significantly impacted AIL and PU, while OS had a substantial influence on AID, AIL, and PU. PD was found to significantly affect AID and PU, but not AIL. Additionally, the model fit was satisfactory, with standardized root mean square residual (SRMSR) and Root Mean Square Error of Approximation (RMSEA) values meeting the required thresholds. Overall, the findings underscore the significance of the constructs and their interrelationships, supporting the hypotheses proposed in the study.
Discussion
The discussion on AI literacy in higher education highlights its critical role in equipping individuals with the necessary skills to engage with AI technologies effectively. According to Annapureddy et al. (2025), AI literacy encompasses 12 core competencies, ranging from foundational knowledge to practical skills like prompt engineering and ethical awareness. Kalantzis and Cope (2024) further argue for a paradigm shift towards “cybersocial literacy learning,” where AI is viewed as a collaborative tool, necessitating a redefinition of traditional literacy concepts. Despite the recognition of AI literacy’s importance, challenges such as ethical concerns, equity in access, and educator preparedness hinder its widespread adoption (Bailey, 2024; Pelletier et al., 2023; Khlaif et al., 2025).
Conversely, the integration of AI in education presents significant opportunities, including personalized learning experiences and enhanced critical thinking skills (Khlaif et al., 2024; Tzirides et al., 2024). AI tools can adapt to individual learning needs, providing tailored feedback and fostering analytical skills that enable students to critically evaluate AI-generated content. Additionally, AI’s potential to streamline administrative processes and enhance content delivery through immersive technologies underscores its transformative impact on the educational landscape (Zawacki-Richter et al., 2019; Fitria, 2024). As institutions explore AI integration, it is essential to address ethical challenges and ensure that human connections remain central to the learning experience, ultimately fostering a flexible and inclusive educational environment that meets diverse student needs.