DOI: https://doi.org/10.3389/feduc.2025.1710992
تاريخ النشر: 2025-10-23
المؤلف: Diana Carolina Fajardo-Ramos وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه المراجعة نطاق تأثير الذكاء الاصطناعي (AI) على ممارسات التقييم في التعليم العالي الإيبرو-أمريكي، مع التركيز على التدريب الضروري للمعلمين والاعتبارات الأخلاقية للتنفيذ المسؤول. وفقًا لإرشادات PRISMA واستخدام إطار مؤهلات PPCDO، قام المؤلفون بتحليل 76 دراسة محكمة نُشرت بين عامي 2015 و2025 باللغات الإنجليزية والإسبانية والبرتغالية. استخدمت التركيبة تحليلًا نوعيًا موضوعيًا إلى جانب أوصاف كمية، مما أدى إلى تطوير تصنيف حسب الغرض يميز بين تكنولوجيا المعلومات والاتصالات التقليدية وآليات التقييم الخاصة بالذكاء الاصطناعي، مثل الإبداع، والتكيف، والتغذية الراجعة الخوارزمية.
تسلط النتائج الضوء على أن الدمج الفعال للذكاء الاصطناعي في التقييم يعتمد على إنشاء أفضل الممارسات، بما في ذلك القابلية للتفسير، وإدارة البيانات، ومسارات التدقيق، والتواصل الواضح حول قيود الذكاء الاصطناعي. تحدد المراجعة خمسة مجموعات كفاءات أساسية لتعليم المعلمين: (1) معرفة التغذية الراجعة مع الذكاء الاصطناعي، (2) التحقق من صحة المعايير/العناصر وقابلية التتبع، (3) تفسير البيانات والعدالة، (4) النزاهة والشفافية في التقييم المدعوم بالذكاء الاصطناعي، و(5) تنسيق المنصات والاعتدال في التقييم. يستنتج المؤلفون أنه بينما تمتلك الأنظمة التعليمية الإيبرو-أمريكية القدرة التقنية على دمج الذكاء الاصطناعي، هناك حاجة إلى تحسين بيداغوجي. يقدم المقال تصنيفًا يمكن تكراره، وأهداف تدريب قابلة للتنفيذ، وأجندة بحث تهدف إلى تعزيز ممارسات التقييم المعززة بالذكاء الاصطناعي الموثوقة.
مقدمة
تناقش مقدمة ورقة البحث التأثير العميق للثورة الصناعية الرابعة على مختلف القطاعات، وخاصة التعليم. تتميز هذه الثورة بدمج التقنيات الرقمية والفيزيائية والبيولوجية، مدفوعة بالتقدم في الذكاء الاصطناعي (AI)، والروبوتات، وإنترنت الأشياء، والواقع المعزز. تتطلب هذه التغييرات إعادة تقييم المهارات المطلوبة للأجيال المستقبلية، حيث يجب على المؤسسات التعليمية التكيف لإعداد الطلاب لبيئة رقمية وآلية مع الاستفادة من هذه التقنيات لتعزيز عملية التعليم والتعلم.
يسلط المؤلفون الضوء على التحدي المزدوج الذي يواجه قطاع التعليم: تعديل الممارسات البيداغوجية لتلبية متطلبات بيئة تكنولوجية تتطور بسرعة واستغلال تكنولوجيا المعلومات والاتصالات (ICT) لتعزيز تجارب التعلم الشخصية، والوصول إليها، والتعاونية. على مدى العقود الثلاثة الماضية، حولت منصات التعلم عبر الإنترنت والأدوات التفاعلية تقديم التعليم، مما أدى إلى بيئات تعلم أكثر ديناميكية. تقترح الورقة أن الزيادة الحالية في تنفيذ التقنيات المدمرة، وخاصة الذكاء الاصطناعي في التعليم، تحمل إمكانيات كبيرة للتحول التعليمي تتجاوز التحسينات التي شهدتها التقنيات الرقمية السابقة.
الطرق
في هذه المراجعة، استخدم المؤلفون منهجية تدمج الإطار المقترح من قبل Page et al. (2021) مع المكونات الأساسية لبيان PRISMA (عناصر التقرير المفضلة للمراجعات المنهجية والتحليلات التلوية). يضمن هذا النهج عملية منهجية وشفافة لمراجعة الأدبيات. يتم تمثيل سير العمل المنهجي، بما في ذلك المراحل الرئيسية والعناصر الأساسية، بصريًا في الشكل 2، مما يوفر نظرة عامة واضحة على الخطوات المتخذة لتحقيق أهداف المراجعة.
النتائج
تحدد قسم النتائج في الدراسة تأثير الذكاء الاصطناعي على ممارسات التقييم في التعليم العالي الإيبرو-أمريكي من خلال مقارنة تكنولوجيا المعلومات والاتصالات (ICT) قبل الذكاء الاصطناعي مع الأدوات المدعومة بالذكاء الاصطناعي. يؤكد على أن إدخال الذكاء الاصطناعي يغير ليس فقط أنواع الأدوات المستخدمة – مثل الأنظمة التوليدية والتحليلات التنبؤية – ولكن أيضًا الآليات البيداغوجية الأساسية، بما في ذلك التكيف الديناميكي والتوجيه المدعوم بالوكيل. يوضح المؤلفون أن ميزات الذكاء الاصطناعي تُعترف بها فقط عندما يتم الإبلاغ عنها بشكل صريح في الدراسات الأولية، مما يضمن فهمًا دقيقًا لدور الذكاء الاصطناعي في السياقات التعليمية. تسلط النتائج الضوء على الانتقال من طرق التقييم التقليدية إلى التغذية الراجعة المستمرة والخوارزمية، مما يتطلب من المعلمين تعديل استراتيجيات التصميم والتنفيذ الخاصة بهم لدمج الذكاء الاصطناعي بشكل فعال.
في معالجة أسئلة البحث، يصنف المؤلفون الأدوات الرقمية حسب وظائف التقييم الخاصة بها، كاشفين عن كل من الأساس قبل الذكاء الاصطناعي والتحسينات التي جلبها الذكاء الاصطناعي، مثل الإبداع والتكيف. يجادلون بأن الإشراف البشري هو جزء لا يتجزأ من الاستخدام الفعال للذكاء الاصطناعي في التقييمات، وليس مجرد تدبير أمان. تحدد الدراسة أيضًا عناصر جديدة قدمها الذكاء الاصطناعي – سواء كانت مفيدة أو مقلقة – يجب أن تُعلم برامج تدريب المعلمين. تشمل هذه الحاجة إلى القابلية للتفسير، وإدارة البيانات، وحدود مبدئية على المساعدة من الذكاء الاصطناعي. تؤكد النتائج على أهمية تعزيز الانخراط النقدي مع مخرجات الذكاء الاصطناعي بين الطلاب لتقليل الاعتماد غير النقدي على التكنولوجيا مع تعزيز الكفاءة. تلخص الجداول المشهد الخاص بالذكاء الاصطناعي وآثاره على تدريب المعلمين، مما يوضح المزيد من الفوائد الأساسية والمخاوف المرتبطة بالذكاء الاصطناعي في ممارسات التقييم.
المناقشة
في سياق المشهد الرقمي المتطور بسرعة، تؤكد المناقشة على ضرورة أن يطور كل من المعلمين والطلاب الكفاءات الأساسية اللازمة للتنقل في تحديات عصر الذكاء الاصطناعي. يبرز غونزاليس-بيريز وراميريز-مونتويا (2022) أن الكفاءات الرقمية تمتد إلى ما هو أبعد من المهارات التقنية لتشمل التقييم النقدي للموارد الرقمية وتصميم تجارب التعلم المعززة بالتكنولوجيا. علاوة على ذلك، يؤكد غونزاليس-سلامانكا وآخرون (2020) على أهمية تعزيز الإبداع، والتفكير النقدي، والتعاون، والمهارات الرقمية، وهي ضرورية لإعداد الأفراد لمتطلبات الصناعة 4.0 والقرن الحادي والعشرين. وبالتالي، يجب أن تتضمن برامج تدريب المعلمين مكونات تؤهل المعلمين بالمهارات اللازمة لدمج تقنيات رقمية متنوعة في ممارساتهم البيداغوجية (كابيرو ألمينارا ومارتينيز خيمينيو، 2019؛ ماريمن-مارتين وآخرون، 2022).
تفرق الورقة أيضًا بين تدريب المعلمين وتعليم المعلمين، حيث تعرف الأولى بأنها تطوير موجه نحو الممارسة يركز على اكتساب المهارات، بينما تشمل الثانية تدريبًا بيداغوجيًا وأخلاقيًا أوسع. يعتبر دمج التقنيات الرقمية في ممارسات التدريس أمرًا ضروريًا لتحسين جودة التعليم وإعداد الطلاب لمستقبل رقمي. كما لاحظ سيسنيروس-باراهونا وآخرون (2024)، يجب أن تشمل التدريب الفعال على تكنولوجيا المعلومات والاتصالات (ICT) كل من المهارات التقنية والفهم البيداغوجي. يؤكد إطار TPACK (ميشرا وكوهلر، 2006) على أهمية تطوير قدرة المعلمين على دمج التكنولوجيا في تقديم المحتوى. علاوة على ذلك، يمكن للمعلمين المدربين جيدًا معالجة عدم المساواة التعليمية من خلال تزويد جميع الطلاب بالمهارات الرقمية اللازمة، مما يعزز المواطنة الرقمية المسؤولة ويعزز ثقافة التعلم مدى الحياة. في النهاية، يُعتبر الاستثمار في تدريب معلمي تكنولوجيا المعلومات والاتصالات خطوة أساسية نحو إنشاء نظام تعليمي أكثر شمولاً وملاءمة في مواجهة التقدم التكنولوجي المستمر.
القيود
قد يؤدي الاعتماد على قاعدة بيانات واحدة إلى تقييد شمولية مراجعة الأدبيات، مما قد يؤدي إلى إغفال الدراسات ذات الصلة المتاحة في قواعد بيانات أخرى. قد تؤثر هذه القيود على قابلية تعميم النتائج، حيث قد لا تمثل الدراسات المختارة الطيف الكامل للبحث في الموضوع.
بالإضافة إلى ذلك، قد تقدم منهجية الدراسة تحيزات متأصلة في قاعدة بيانات Scopus، مثل تحيز النشر أو الاختلافات في ممارسات الفهرسة. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار دمج قواعد بيانات متعددة لتعزيز قوة النتائج وتوفير رؤية أكثر شمولية للموضوع.
DOI: https://doi.org/10.3389/feduc.2025.1710992
Publication Date: 2025-10-23
Author(s): Diana Carolina Fajardo-Ramos et al.
Primary Topic: Artificial Intelligence in Education
Overview
This scoping review investigates the impact of artificial intelligence (AI) on assessment practices in Ibero-American higher education, emphasizing the necessary teacher training and ethical considerations for responsible implementation. Following PRISMA guidelines and utilizing a PPCDO eligibility framework, the authors analyzed 76 peer-reviewed studies published between 2015 and 2025 in English, Spanish, and Portuguese. The synthesis employed qualitative thematic analysis alongside quantitative descriptors, leading to the development of a function-by-purpose taxonomy that differentiates between traditional ICT and AI-specific assessment mechanisms, such as generativity, adaptivity, and algorithmic feedback.
The findings highlight that the effective integration of AI in assessment is contingent upon the establishment of best practices, including explainability, data stewardship, audit trails, and clear communication of AI’s limitations. The review outlines five competency clusters essential for teacher education: (1) feedback literacy with AI, (2) rubric/item validation and traceability, (3) data interpretation and fairness, (4) integrity and transparency in AI-assisted assessment, and (5) orchestration of platforms and moderation in scoring. The authors conclude that while Ibero-American educational systems possess the technical capability for AI integration, there is a need for pedagogical refinement. The article presents a replicable taxonomy, actionable training objectives, and a research agenda aimed at fostering trustworthy AI-enhanced assessment practices.
Introduction
The introduction of the research paper discusses the profound impact of the Fourth Industrial Revolution on various sectors, particularly education. This revolution is marked by the integration of digital, physical, and biological technologies, driven by advancements in Artificial Intelligence (AI), Robotics, the Internet of Things, and Augmented Reality. These changes necessitate a reevaluation of the skills required for future generations, as educational institutions must adapt to prepare students for a digital and automated landscape while also utilizing these technologies to enhance the teaching and learning process.
The authors highlight the dual challenge faced by the education sector: adapting pedagogical practices to meet the demands of a rapidly evolving technological environment and leveraging Information and Communication Technologies (ICT) to foster personalized, accessible, and collaborative learning experiences. Over the past three decades, various online learning platforms and interactive tools have transformed educational delivery, leading to more dynamic learning environments. The paper suggests that the current surge in the implementation of disruptive technologies, particularly AI in education, holds the potential for significant educational transformation beyond the improvements seen with earlier digital technologies.
Methods
In this scope review, the authors employed a methodology that integrates the framework proposed by Page et al. (2021) with essential components of the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) statement. This approach ensures a systematic and transparent process for reviewing literature. The methodological workflow, including the main phases and key elements, is visually represented in Figure 2, providing a clear overview of the steps undertaken to achieve the review’s objectives.
Results
The results section of the study delineates the impact of AI on assessment practices in Ibero-American higher education by contrasting pre-AI information and communication technologies (ICT) with AI-enabled tools. It emphasizes that the introduction of AI alters not only the types of tools used—such as generative systems and predictive analytics—but also the underlying pedagogical mechanisms, including dynamic adaptation and agent-mediated tutoring. The authors clarify that AI features are only acknowledged when explicitly reported in primary studies, ensuring a precise understanding of AI’s role in educational contexts. The findings highlight a transition from traditional assessment methods to continuous, algorithmic feedback, necessitating educators to adapt their design and implementation strategies to incorporate AI effectively.
In addressing the research questions, the authors categorize digital tools by their assessment functions, revealing both the pre-AI baseline and the enhancements brought by AI, such as generativity and adaptivity. They argue that human oversight is integral to the effective use of AI in assessments, rather than merely a safety measure. The study also identifies new elements introduced by AI—both beneficial and concerning—that should inform teacher training programs. These include the need for explainability, data governance, and principled limits on AI assistance. The results underscore the importance of fostering critical engagement with AI outputs among students to mitigate uncritical reliance on technology while enhancing efficiency. Tables summarizing the AI landscape and its implications for teacher training further elucidate the core affordances and concerns associated with AI in assessment practices.
Discussion
In the context of the rapidly evolving digital landscape, the discussion emphasizes the necessity for both educators and students to develop key competencies essential for navigating the challenges of the AI era. González-Pérez and Ramírez-Montoya (2022) highlight that digital competencies extend beyond technical skills to include critical evaluation of digital resources and the design of technology-enhanced learning experiences. Furthermore, González-Salamanca et al. (2020) stress the importance of fostering creativity, critical thinking, collaboration, and digital literacy, which are vital for preparing individuals for the demands of Industry 4.0 and the 21st century. Consequently, teacher training programs must incorporate components that equip educators with the skills to effectively integrate diverse digital technologies into their pedagogical practices (Cabero Almenara and Martínez Gimeno, 2019; Marimon-Martí et al., 2022).
The paper also distinguishes between teacher training and teacher education, defining the former as practice-oriented development focused on skill acquisition, while the latter encompasses broader pedagogical and ethical training. The integration of digital technologies into teaching practices is deemed imperative for enhancing educational quality and preparing students for a digital future. As noted by Cisneros-Barahona et al. (2024), effective ICT training must encompass both technical skills and pedagogical understanding. The TPACK framework (Mishra and Koehler, 2006) further underscores the importance of developing educators’ ability to integrate technology into content delivery. Moreover, well-trained teachers can address educational inequalities by equipping all students with necessary digital skills, thereby fostering responsible digital citizenship and promoting a culture of lifelong learning. Ultimately, investment in ICT teacher training is framed as a foundational step toward creating a more inclusive and relevant education system in the face of ongoing technological advancements.
Limitations
the reliance on a single database may restrict the comprehensiveness of the literature review, potentially omitting relevant studies available in other databases. This limitation could affect the generalizability of the findings, as the selected studies may not represent the full spectrum of research on the topic.
Additionally, the study’s methodology may introduce biases inherent to the Scopus database, such as publication bias or variations in indexing practices. Future research should consider incorporating multiple databases to enhance the robustness of the findings and provide a more holistic view of the subject matter.