DOI: https://doi.org/10.1007/s11528-025-01055-3
تاريخ النشر: 2025-02-17
المؤلف: Xinyue Ren وآخرون
الموضوع الرئيسي: التعلم عبر الإنترنت والتحليلات
نظرة عامة
تستعرض المراجعة المنهجية المقدمة في هذه الورقة البحثية دمج الذكاء الاصطناعي (AI) في التعليم العالي من خلال عدسة إطار المعرفة التكنولوجية والبيداغوجية والمحتوى (TPACK). من خلال تطبيق إرشادات PRISMA، حدد المؤلفون 23 دراسة ذات صلة نشرت بين عامي 2019 و2023. كشفت التحليلات عن أربع كفاءات رئيسية لدمج الذكاء الاصطناعي بشكل فعال: (1) معرفة واستعداد الذكاء الاصطناعي كمعرفة تكنولوجية أساسية، (2) بيداغوجيا مبتكرة مدعومة بالذكاء الاصطناعي تعزز من وجود المعلم الاجتماعي وتحول الديناميكية بين المعلم والطالب، (3) الذكاء الاصطناعي كشركاء تعلم أذكياء يعززون من تفاعل الطلاب ويعززون التعلم الذاتي ومهارات التفكير العليا، و(4) تصميم وتقديم تجارب التعلم المدفوعة بالذكاء الاصطناعي. ومع ذلك، تم تسليط الضوء أيضًا على التحديات مثل تأثير الجدة على المدى القصير، والفجوات الرقمية، والقصور الفني، والمخاوف الأخلاقية.
تؤكد النتائج على ضرورة تطوير المعلمين لمعرفتهم واستعدادهم في مجال الذكاء الاصطناعي للاستفادة بشكل فعال من تقنيات الذكاء الاصطناعي في ممارساتهم التعليمية. بينما يمتلك الذكاء الاصطناعي القدرة على إحداث ثورة في التجارب التعليمية، فإن مجرد تضمينه لا يضمن التحول. يدعو المؤلفون إلى تطوير هيكلي للهيئة التدريسية، ودعم مؤسسي، وإنشاء سياسات لضمان الاستخدام الأخلاقي للذكاء الاصطناعي في التعليم. ويؤكدون على أهمية الحفاظ على الإشراف البشري في دمج الذكاء الاصطناعي لتعزيز بيئة تعليمية شاملة ثقافيًا. في النهاية، تدعو الأبحاث إلى مزيد من الاستكشاف للتعاون الأمثل بين البشر والذكاء الاصطناعي لإعداد المعلمين والمتعلمين للتداعيات العميقة لتقدمات الذكاء الاصطناعي في سياقات اجتماعية متنوعة.
مقدمة
تستعرض مقدمة هذه الورقة البحثية تطور وأهمية الذكاء الاصطناعي (AI) في التعليم، مع التركيز بشكل خاص على إمكانياته التحويلية في التعليم العالي. تم صياغة مصطلح الذكاء الاصطناعي بواسطة جون مكارثي في عام 1955، ويشمل الأنظمة الذكية القادرة على تنفيذ مهام معقدة، بما في ذلك معالجة اللغة وتحليل البيانات. لقد برز مجال الذكاء الاصطناعي في التعليم (AIEd) كمنطقة بحث حيوية، تستكشف دمج تقنيات الذكاء الاصطناعي – مثل أنظمة التدريس الذكية ومنصات التعلم التكيفية – لتعزيز ممارسات التعليم والتعلم. يقدم ظهور الذكاء الاصطناعي التوليدي (GenAI) فرصًا وتحديات جديدة من خلال تمكين إنشاء محتوى تعليمي متعدد الوسائط.
على الرغم من وعود تقنيات الذكاء الاصطناعي، تسلط الورقة الضوء على تعقيدات التدريس، التي تتداخل فيها التكنولوجيا والبيداغوجيا والمحتوى. إن مجرد دمج الذكاء الاصطناعي لا يضمن جودة التعليم؛ غالبًا ما يفتقر المعلمون إلى المعرفة والتدريب اللازمين للاستفادة من هذه الأدوات بشكل فعال. يُقترح إطار المعرفة التكنولوجية والبيداغوجية والمحتوى (TPACK) الذكي كوسيلة لتوجيه الدمج الأخلاقي والفعال للذكاء الاصطناعي في السياقات التعليمية. تهدف هذه المراجعة المنهجية إلى معالجة الفجوة في البحث المتعلقة بكفاءات المعلمين في دمج الذكاء الاصطناعي، مع التركيز على تصميم الدورة، والتقديم، والاعتبارات الأخلاقية. من المتوقع أن تعزز النتائج من فهم المعلمين لكفاءات الذكاء الاصطناعي وتوجه الأبحاث والسياسات المستقبلية، وجهود تطوير الهيئة التدريسية في المشهد المتطور بسرعة لتكنولوجيا التعليم.
الطرق
تتضمن المنهجية المستخدمة في هذا البحث مراجعة منهجية، تُعرف أيضًا بتوليف البحث، والتي تهدف إلى تلخيص الدراسات التجريبية وتحديد القضايا غير المحلولة ضمن المجال، لا سيما فيما يتعلق بكفاءات وتحديات دمج الذكاء الاصطناعي في التعليم العالي (Cooper، 2017). يتم هيكلة المراجعة حول أسئلة بحث محددة وتستخدم إطار العناصر المفضلة للتقارير للمراجعات المنهجية والتحليلات التلوية (PRISMA) لتحديد الدراسات التجريبية ذات الصلة بشكل منهجي (Page et al.، 2020). في هذا السياق، تُعرف الدراسات التجريبية بأنها تلك التي تجمع وتحلل البيانات لمعالجة أسئلة البحث المطروحة، وبالتالي تساهم في فهم شامل للموضوع.
النتائج
تكشف نتائج الدراسة عن رؤى مهمة حول دمج الذكاء الاصطناعي في التعليم العالي. في معالجة سؤال البحث 1 (RQ1)، حدد التحليل أربعة مواضيع رئيسية تتعلق بكفاءات واستراتيجيات دمج الذكاء الاصطناعي: (1) معرفة واستعداد الذكاء الاصطناعي كعناصر من المعرفة التكنولوجية (TK)، (2) بيداغوجيا مبتكرة مدعومة بالذكاء الاصطناعي، (3) دور الذكاء الاصطناعي كشركاء تعلم أذكياء لتعزيز تفاعل الطلاب، و(4) تصميم وتقديم تجارب التعلم المدفوعة بالذكاء الاصطناعي.
استجابةً لسؤال البحث 2 (RQ2)، سلطت الدراسة الضوء أيضًا على مختلف القيود والتحديات التي تواجه تنفيذ ممارسات التدريس المدعومة بالذكاء الاصطناعي. تم تصنيف هذه التحديات إلى أربعة مجالات رئيسية: (1) تأثير الجدة على المدى القصير، الذي قد يتناقص مع مرور الوقت، (2) الفجوات الرقمية التي تفاقم عدم المساواة في الوصول إلى التكنولوجيا، (3) القصور الفني الذي يعيق الدمج الفعال، و(4) المخاوف الأخلاقية المحيطة باستخدام الذكاء الاصطناعي في السياقات التعليمية.
المناقشة
تسلط المناقشة حول دمج الذكاء الاصطناعي في التعليم العالي الضوء على الإمكانيات التحويلية لتقنيات الذكاء الاصطناعي عبر أبعاد تعليمية متنوعة، بما في ذلك تصميم الدورة، وطرق التدريس، وتفاعل الطلاب. لقد أظهرت تطبيقات الذكاء الاصطناعي، مثل أنظمة التدريس الذكية، وأدوات التقييم الآلي، والدردشة الآلية، أنها تعزز من تجارب التعلم الشخصية، وتقلل من أعباء المعلمين، وتعزز من بيئات التعلم المتمحورة حول المتعلم. إن وعي الهيئة التدريسية وقبولها للذكاء الاصطناعي أمران حاسمان، حيث تؤثر معرفة المعلمين بهذه التقنيات بشكل كبير على دمجها الفعال في ممارسات التدريس. ومع ذلك، قد تعيق التحديات مثل التدريب غير الكافي، ونقص الموارد، والمخاوف الأخلاقية اعتماد أدوات الذكاء الاصطناعي، مما يستلزم تطوير إرشادات شاملة وبرامج تدريبية لإعداد المعلمين للاستخدام المسؤول للذكاء الاصطناعي.
تلعب تصورات الطلاب حول الذكاء الاصطناعي أيضًا دورًا حيويًا في تشكيل تجاربهم التعليمية. بينما يدرك العديد من الطلاب فوائد أدوات الذكاء الاصطناعي في تعزيز اكتساب اللغة وتقديم ملاحظات شخصية، لا تزال المخاوف بشأن تراجع التفاعل البشري، وفقدان الوظائف، والتأثير السلبي المحتمل على التفكير النقدي والإبداع قائمة. تشير الأدبيات إلى الحاجة لمزيد من البحث لاستكشاف مواقف الطلاب تجاه تقنيات الذكاء الاصطناعي لتوجيه استراتيجيات الدمج الفعالة. يؤكد الإطار النظري لنموذج TPACK، وخاصة تكيفه ليشمل الاعتبارات الأخلاقية في دمج الذكاء الاصطناعي، على أهمية تطوير كل من الكفاءات التكنولوجية والبيداغوجية بين المعلمين للتنقل بفعالية في تعقيدات الذكاء الاصطناعي في التعليم.
القيود
تسلط قسم القيود الضوء على التحديات الكبيرة المرتبطة بدمج الذكاء الاصطناعي في التعليم العالي، لا سيما فيما يتعلق بالمخاوف الأخلاقية مثل الفجوات الرقمية، والتحيزات الخوارزمية، وقضايا العدالة في التقييم. تشكل هذه التحديات خطرًا على تفاقم عدم المساواة القائمة، خاصة بالنسبة للفئات الطلابية الممثلة تمثيلًا ناقصًا. يؤكد المؤلفون على ضرورة أن يتعامل المعلمون مع تقنيات الذكاء الاصطناعي بشكوك مستنيرة وأن يعدوا المعلمين المستقبليين للتفاعل النقدي مع هذه الأدوات. علاوة على ذلك، يتم التأكيد على القضايا الأخلاقية المتعلقة بخصوصية البيانات، والنزاهة الأكاديمية، والطبيعة الغامضة لأنظمة الذكاء الاصطناعي، التي يمكن أن تؤدي إلى معلومات مضللة، كمجالات حرجة تتطلب اهتمامًا.
بالإضافة إلى ذلك، يناقش القسم قيود البحث الحالي، مشيرًا إلى أن المراجعة المنهجية شملت بشكل أساسي مقالات تمت مراجعتها من قبل الأقران من قواعد بيانات EBSCOhost، مما قد يتسبب في تجاهل الدراسات ذات الصلة المنشورة خارج هذا الإطار الزمني. يدعو المؤلفون إلى مزيد من البحث لاستكشاف وجهات نظر المعلمين الذين لم يتبنوا الذكاء الاصطناعي، فضلاً عن تجارب مصممي التعليم، لتوجيه تطوير الهيئة التدريسية والدعم المؤسسي بشكل أفضل. يجب أن تحقق الدراسات المستقبلية أيضًا في التطبيقات المبتكرة للذكاء الاصطناعي في التدريس والتعلم عبر مختلف التخصصات، بهدف تطوير سياسات مسؤولة وأخلاقية لاستخدام الذكاء الاصطناعي في التعليم العالي.
DOI: https://doi.org/10.1007/s11528-025-01055-3
Publication Date: 2025-02-17
Author(s): Xinyue Ren et al.
Primary Topic: Online Learning and Analytics
Overview
The systematic review presented in this research paper investigates the integration of artificial intelligence (AI) in higher education through the lens of the Technological Pedagogical Content Knowledge (TPACK) framework. By applying the PRISMA guidelines, the authors identified 23 relevant studies published between 2019 and 2023. The analysis revealed four key competencies for effective AI integration: (1) AI literacy and readiness as essential technological knowledge, (2) AI-supported innovative pedagogy that enhances instructor social presence and transforms the instructor-student dynamic, (3) AI as intelligent learning partners that foster student engagement and promote self-regulated learning and higher-order thinking skills, and (4) AI-driven design and delivery of learning experiences. However, challenges such as the short-term novelty effect, digital divides, technical deficiencies, and ethical concerns were also highlighted.
The findings underscore the necessity for instructors to develop AI literacy and readiness to effectively leverage AI technologies in their teaching practices. While AI has the potential to revolutionize educational experiences, its mere inclusion does not guarantee transformation. The authors advocate for structured faculty development, institutional support, and the establishment of policies to ensure ethical AI use in education. They emphasize the importance of maintaining human oversight in AI integration to foster a culturally inclusive learning environment. Ultimately, the research calls for further exploration of optimal human-AI collaborations to prepare educators and learners for the profound implications of AI advancements in various societal contexts.
Introduction
The introduction of this research paper outlines the evolution and significance of artificial intelligence (AI) in education, particularly emphasizing its transformative potential in higher education. Coined by John McCarthy in 1955, AI encompasses intelligent systems capable of executing complex tasks, including language processing and data analysis. The field of AI in education (AIEd) has emerged as a vital area of research, exploring the integration of AI technologies—such as intelligent tutoring systems and adaptive learning platforms—to enhance teaching and learning practices. The recent advent of generative AI (GenAI) presents new opportunities and challenges by enabling the creation of multimedia educational content.
Despite the promise of AI technologies, the paper highlights the complexities of teaching, which intertwine technology, pedagogy, and content. The mere incorporation of AI does not ensure instructional quality; educators often lack the necessary knowledge and training to leverage these tools effectively. The intelligent Technological Pedagogical Content Knowledge (TPACK) framework is proposed as a means to guide the ethical and efficient integration of AI in educational contexts. This systematic review aims to address the gap in research regarding instructor competencies in AI integration, focusing on course design, delivery, and ethical considerations. The findings are expected to enhance educators’ understanding of AI-related competencies and inform future research, policy, and faculty development efforts in the rapidly evolving landscape of educational technology.
Methods
The methodology employed in this research involves a systematic review, also known as research synthesis, which aims to summarize empirical studies and identify unresolved issues within the field, particularly regarding AI integration competencies and challenges in higher education (Cooper, 2017). The review is structured around specific research questions and utilizes the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) framework to systematically locate relevant empirical studies (Page et al., 2020). In this context, empirical studies are defined as those that collect and analyze data to address the posed research questions, thereby contributing to a comprehensive understanding of the topic.
Results
The results of the study reveal significant insights into AI integration in higher education. Addressing Research Question 1 (RQ1), the analysis identified four key themes related to AI integration competencies and strategies: (1) AI literacy and readiness as components of technological knowledge (TK), (2) AI-supported innovative pedagogy, (3) the role of AI as intelligent learning partners to enhance student engagement, and (4) the design and delivery of AI-driven learning experiences.
In response to Research Question 2 (RQ2), the study also highlighted various limitations and challenges faced in the implementation of AI-assisted teaching practices. These challenges were categorized into four main strands: (1) the short-term novelty effect, which may diminish over time, (2) digital divides that exacerbate inequalities in access to technology, (3) technical deficiencies that hinder effective integration, and (4) ethical concerns surrounding the use of AI in educational contexts.
Discussion
The discussion on AI integration in higher education highlights the transformative potential of AI technologies across various educational dimensions, including course design, teaching methodologies, and student engagement. AI applications, such as intelligent tutoring systems, automated assessment tools, and chatbots, have been shown to enhance personalized learning experiences, reduce educators’ workloads, and foster learner-centered environments. Faculty awareness and acceptance of AI are crucial, as instructors’ familiarity with these technologies significantly influences their effective integration into teaching practices. However, challenges such as insufficient training, lack of resources, and ethical concerns may hinder the adoption of AI tools, necessitating the development of comprehensive guidelines and training programs to prepare educators for responsible AI use.
Students’ perceptions of AI also play a vital role in shaping their learning experiences. While many students recognize the benefits of AI tools in enhancing language acquisition and providing personalized feedback, concerns about diminished human interaction, job displacement, and the potential negative impact on critical thinking and creativity persist. The literature indicates a need for further research to explore students’ attitudes towards AI technologies to inform effective integration strategies. The theoretical framework of the TPACK model, particularly its adaptation to include ethical considerations in AI integration, underscores the importance of developing both technological and pedagogical competencies among educators to navigate the complexities of AI in education effectively.
Limitations
The section on limitations highlights significant challenges associated with the integration of AI in higher education, particularly concerning ethical concerns such as digital divides, algorithmic biases, and issues of assessment fairness. These challenges risk exacerbating existing inequalities, especially for underrepresented student populations. The authors emphasize the necessity for educators to approach AI technologies with informed skepticism and to prepare preservice teachers to critically engage with these tools. Furthermore, ethical issues related to data privacy, academic integrity, and the opaque nature of AI systems, which can lead to misinformation, are underscored as critical areas requiring attention.
Additionally, the section discusses the limitations of current research, noting that the systematic review primarily included peer-reviewed articles from EBSCOhost databases, potentially overlooking relevant studies published outside this timeframe. The authors call for further research to explore the perspectives of instructors who have not adopted AI, as well as the experiences of instructional designers, to better inform faculty development and institutional support. Future studies should also investigate innovative applications of AI in teaching and learning across various disciplines, aiming to develop responsible and ethical policies for AI use in higher education.