DOI: https://doi.org/10.3389/feduc.2025.1505420
تاريخ النشر: 2025-02-20
المؤلف: Aigerim Abdulayeva وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تبحث هذه الدراسة في تأثير برنامج تدريب مستهدف على معرفة المعلمين الجدد في الفيزياء بالذكاء الاصطناعي ومواقفهم تجاه اعتماد الذكاء الاصطناعي في التعليم. مع الاعتراف بالتطور السريع لتقنيات الذكاء الاصطناعي، استخدمت الدراسة تصميمًا شبه تجريبي لمجموعة تحكم مع اختبار قبل وبعد، يتضمن تدخلًا لمدة خمسة أسابيع دمج المعرفة النظرية مع أنشطة التعلم العملي القائم على المشكلات التي تركزت على أدوات الذكاء الاصطناعي المختلفة.
أظهرت النتائج زيادة كبيرة في معرفة الذكاء الاصطناعي بين المشاركين بعد التدخل، مما يدل على فعاليته في تعزيز فهمهم وتطبيقهم للذكاء الاصطناعي في البيئات التعليمية. علاوة على ذلك، ظهرت الفائدة المتصورة للذكاء الاصطناعي كوسيط جزئي بين درجات المعرفة والنية في دمج حلول الذكاء الاصطناعي التوليدية في ممارسات التدريس. تؤكد الدراسة على ضرورة تضمين برامج شاملة لمحو الأمية في الذكاء الاصطناعي في مناهج إعداد المعلمين لتنمية قوة عمل تعليمية متمكنة تكنولوجيًا ومبتكرة، بينما تقترح أيضًا الحاجة إلى مزيد من البحث حول التأثيرات طويلة الأمد لمثل هذا التدريب على ممارسات التدريس ونتائج تعلم الطلاب.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير التحويلي للذكاء الاصطناعي (AI)، وخاصة الذكاء الاصطناعي التوليدي (GenAI)، الذي يستخدم نماذج التعلم العميق لإنشاء محتوى يشبه البشر. منذ ظهور ChatGPT في نوفمبر 2022، أصبح GenAI بسرعة تقنية محورية، خاصة في السياقات التعليمية، مما يتطلب من المعلمين تطوير كفاءات لدمجه بشكل فعال. يقدم الاعتماد السريع على GenAI فرصًا وتحديات، بما في ذلك القضايا الأخلاقية وخطر اعتماد المتعلمين، مما قد يؤدي إلى تفاقم الفجوات الموجودة في التعليم.
يؤكد المؤلفون على أهمية تجهيز المعلمين ليس فقط بالمهارات التقنية في الذكاء الاصطناعي ولكن أيضًا بأساليب تدريس رقمية قوية تشمل صياغة مطالبات فعالة لتطبيقات GenAI. تشير الأدبيات إلى أن الفهم العميق للذكاء الاصطناعي يرتبط بنتائج إيجابية في تطبيقه ضمن البيئات التعليمية. ومع ذلك، هناك نقص ملحوظ في الأدلة المتعلقة بالتدريب المستند إلى الذكاء الاصطناعي لكل من المعلمين الجدد والمعلمين في الخدمة، مما يبرز الحاجة إلى مبادرات تعليمية مستهدفة. تهدف الدراسة إلى معالجة هذه الفجوة من خلال التركيز على دمج أدوات مدعومة بالذكاء الاصطناعي بشكل خاص في فصول العلوم، مع التركيز على تعليم الفيزياء.
الطرق
استخدمت الدراسة تصميمًا شبه تجريبي مع مجموعة تحكم لاختبار ما قبل وما بعد لتقييم آثار التدخل. تم السماح للمشاركين بتوزيع أنفسهم في مجموعات، مما سهل بيئة أكثر طبيعية للبحث. تم استخدام طرق جمع البيانات الكمية لجمع المعلومات ذات الصلة، مما يضمن إمكانية تحليل النتائج إحصائيًا لتحديد فعالية التدخل. كان الهدف من هذا النهج المنهجي هو تقديم رؤى قوية حول نتائج الدراسة.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، موضحًا نتائج التجارب التي أجريت. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث كشفت التحليلات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود أدلة قوية ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسينات قابلة للقياس في النتائج المستهدفة، مع حساب أحجام التأثير لت quantifying حجم هذه التغييرات. تمثل الرسوم البيانية، مثل المخططات والجداول، الاتجاهات الملحوظة، مما يوفر ملخصًا بصريًا واضحًا للبيانات. بشكل عام، تسهم النتائج في الجسم المعرفي القائم من خلال تأكيد العلاقات المفترضة وتقديم رؤى حول التطبيقات المحتملة للبحث.
المناقشة
في قسم المناقشة من ورقة البحث، يؤكد المؤلفون على ضرورة معرفة الذكاء الاصطناعي لمعلمي الفيزياء الجدد لدمج أدوات الذكاء الاصطناعي بشكل فعال في ممارساتهم التعليمية. يقترحون إطارًا مخصصًا يشمل المهارات الأساسية مثل تقييم ملاءمة الذكاء الاصطناعي لحل المشكلات، وتوليد سيناريوهات تعليمية جذابة، وتبسيط المفاهيم الفيزيائية المعقدة، وتطوير خطط الدروس والتقييمات باستخدام الذكاء الاصطناعي. تهدف الدراسة إلى تقييم كيف يؤثر المشاركة في مبادرة تدريب الذكاء الاصطناعي على معرفة الذكاء الاصطناعي للمعلمين الجدد، مسترشدين بسؤال البحث حول التغييرات في معرفتهم بالذكاء الاصطناعي بعد التدريب.
يستند المؤلفون إلى نظرية انتشار الابتكار ونموذج قبول التكنولوجيا (TAM) لافتراض أن معرفة الذكاء الاصطناعي الأعلى ستعزز نوايا المعلمين الجدد السلوكية لاستخدام الذكاء الاصطناعي في تدريسهم المستقبلي. يقترحون عدة فرضيات: (H1) معرفة الذكاء الاصطناعي بعد الاختبار تتنبأ إيجابيًا بالنوايا السلوكية تجاه الذكاء الاصطناعي؛ (H2) تتنبأ إيجابيًا بالفائدة المتصورة للذكاء الاصطناعي؛ (H3) الفائدة المتصورة تتنبأ إيجابيًا بالنوايا السلوكية؛ (H4) الفائدة المتصورة تتوسط العلاقة بين معرفة الذكاء الاصطناعي والنوايا السلوكية؛ (H5) معرفة الذكاء الاصطناعي تتنبأ إيجابيًا بالتحكم السلوكي المتصور؛ (H6) التحكم السلوكي المتصور يتنبأ إيجابيًا بالنوايا السلوكية؛ و(H7) التحكم السلوكي المتصور يتوسط العلاقة بين معرفة الذكاء الاصطناعي والنوايا السلوكية. يهدف هذا الإطار إلى إلقاء الضوء على التفاعل بين المعرفة والمهارات والتصورات لدى المعلمين المحتملين بشأن الذكاء الاصطناعي، مما يساهم في النقاش الأوسع حول الذكاء الاصطناعي في التعليم.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات حاسمة للبحث المستقبلي في تدخلات معرفة الذكاء الاصطناعي للمعلمين الجدد. تثير مدة التدخل التي تبلغ 5 أسابيع فقط مخاوف بشأن الاحتفاظ طويل الأمد لمهارات الذكاء الاصطناعي والتحديات الشاملة التي قد يواجهها المعلمون عند دمج الذكاء الاصطناعي في بيئات الفصول الدراسية الحقيقية. بالإضافة إلى ذلك، يحد التركيز على مجموعة محدودة من أدوات الذكاء الاصطناعي والسياق المحدد لتعليم الفيزياء في دولة واحدة من إمكانية تعميم النتائج على مواد أخرى وبيئات تعليمية مختلفة. كما أن العينة التي تتكون في الغالب من الإناث تحد من قابلية تطبيق النتائج على المعلمين الجدد الذكور.
يجب أن تهدف الأبحاث المستقبلية إلى استكشاف التأثيرات طويلة الأمد لتدريب الذكاء الاصطناعي على ممارسات التدريس من خلال دراسات طولية تتبع المعلمين الجدد في مسيرتهم المهنية. يمكن أن يعزز التحقيق في تدخلات معرفة الذكاء الاصطناعي عبر مجالات موضوعية متنوعة وسياقات تعليمية فهم قابليتها للتطبيق الأوسع. علاوة على ذلك، قد يكشف فحص الفجوة بين السيطرة المتصورة والاستخدام الفعلي لأدوات الذكاء الاصطناعي، جنبًا إلى جنب مع العوامل السياقية مثل موارد المدرسة، عن الحواجز أمام دمج الذكاء الاصطناعي بشكل فعال. يمكن أن توفر دمج الطرق النوعية ضمن إطار مختلط رؤى أغنى حول وجهات نظر الطلاب والمعلمين حول التطبيقات التربوية للذكاء الاصطناعي. بشكل عام، بينما تقدم هذه الدراسة أدلة أولية على الفوائد المحتملة للتدريب القائم على التكنولوجيا التوليدية، فإن المزيد من التحقيق ضروري لتقييم فعالية وتأثيرات مبادرات معرفة الذكاء الاصطناعي في التعليم.
DOI: https://doi.org/10.3389/feduc.2025.1505420
Publication Date: 2025-02-20
Author(s): Aigerim Abdulayeva et al.
Primary Topic: Artificial Intelligence in Education
Overview
This research investigates the impact of a targeted training program on pre-service physics teachers’ AI literacy and their attitudes toward AI adoption in education. Recognizing the rapid evolution of AI technologies, the study employed a pre-post-test control group quasi-experimental design involving a five-week intervention that integrated theoretical knowledge with practical, problem-based learning activities focused on various AI tools.
The results demonstrated a significant increase in AI literacy among participants following the intervention, indicating its effectiveness in enhancing their understanding and application of AI in educational settings. Furthermore, the perceived usefulness of AI emerged as a partial mediator between literacy scores and the intention to incorporate generative AI solutions into teaching practices. The study underscores the necessity of embedding comprehensive AI literacy programs in teacher education curricula to cultivate a technologically proficient and innovative teaching workforce, while also suggesting the need for further research on the long-term impacts of such training on teaching practices and student learning outcomes.
Introduction
The introduction of the research paper highlights the transformative impact of artificial intelligence (AI), particularly generative AI (GenAI), which utilizes deep learning models to create human-like content. Since the debut of ChatGPT in November 2022, GenAI has rapidly become a pivotal technology, especially in educational contexts, necessitating that educators develop competencies for its effective integration. The swift adoption of GenAI presents both opportunities and challenges, including ethical concerns and the risk of learner dependency, which could exacerbate existing inequities in education.
The authors emphasize the importance of equipping teachers with not only technical AI skills but also a robust digital pedagogy that includes crafting effective prompts for GenAI applications. Literature indicates that a deep understanding of AI correlates with positive outcomes in its application within educational settings. However, there is a notable lack of evidence regarding AI-informed training for both pre-service and in-service teachers, underscoring the need for targeted educational initiatives. The study aims to address this gap by focusing on the integration of AI-powered tools specifically in science classrooms, with an emphasis on physics education.
Methods
The study employed a pre-test/post-test controlled quasi-experimental design to assess the effects of the intervention. Participants were allowed to self-allocate into groups, which facilitated a more naturalistic setting for the research. Quantitative data collection methods were utilized to gather relevant information, ensuring that the findings could be analyzed statistically to determine the effectiveness of the intervention. This methodological approach aimed to provide robust insights into the outcomes of the study.
Results
The “Results” section presents the key findings of the study, detailing the outcomes of the experiments conducted. The data indicate a significant correlation between the variables under investigation, with statistical analyses revealing p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the intervention applied led to measurable improvements in the target outcomes, with effect sizes calculated to quantify the magnitude of these changes. Graphical representations, such as charts and tables, illustrate the trends observed, providing a clear visual summary of the data. Overall, the findings contribute to the existing body of knowledge by confirming the hypothesized relationships and offering insights into potential applications of the research.
Discussion
In the discussion section of the research paper, the authors emphasize the necessity of AI literacy for pre-service physics teachers to effectively integrate AI tools into their educational practices. They propose a tailored framework that encompasses essential skills such as assessing the appropriateness of AI for problem-solving, generating engaging educational scenarios, simplifying complex physics concepts, and developing lesson plans and assessments using AI. The study aims to evaluate how participation in an AI training initiative influences the AI literacy of pre-service teachers, guided by the research question regarding changes in their AI literacy post-training.
The authors draw on the Innovation Diffusion Theory and the Technology Acceptance Model (TAM) to hypothesize that higher AI literacy will enhance pre-service teachers’ behavioral intentions to use AI in their future teaching. They propose several hypotheses: (H1) post-test AI literacy positively predicts behavioral intention toward AI; (H2) it positively predicts perceived usefulness of AI; (H3) perceived usefulness positively predicts behavioral intention; (H4) perceived usefulness mediates the relationship between AI literacy and behavioral intention; (H5) AI literacy positively predicts perceived behavioral control; (H6) perceived behavioral control positively predicts behavioral intention; and (H7) perceived behavioral control mediates the relationship between AI literacy and behavioral intention. This framework aims to illuminate the interplay between knowledge, skills, and perceptions of prospective teachers regarding AI, contributing to the broader discourse on AI in education.
Limitations
The limitations of this study highlight several critical areas for future research in AI literacy interventions for pre-service teachers. The intervention’s duration of only 5 weeks raises concerns about the long-term retention of AI skills and the comprehensive challenges teachers may encounter when integrating AI into real classroom settings. Additionally, the focus on a limited selection of AI tools and the specific context of physics education within a single country restricts the generalizability of the findings to other subjects and educational environments. The predominantly female sample further limits the applicability of results to male pre-service teachers.
Future research should aim to explore the long-term impacts of AI training on teaching practices through longitudinal studies that track pre-service teachers into their professional careers. Investigating AI literacy interventions across diverse subject areas and educational contexts could enhance the understanding of their broader applicability. Moreover, examining the disconnect between perceived control and actual use of AI tools, alongside contextual factors such as school resources, may reveal barriers to effective AI integration. Incorporating qualitative methods within a mixed-methods framework could provide richer insights into student-teachers’ perspectives on AI’s pedagogical applications. Overall, while this study offers preliminary evidence of the potential benefits of generative technology-based training, further investigation is essential to assess the efficacy and enduring effects of AI literacy initiatives in education.