DOI: https://doi.org/10.12973/eu-jer.15.2.579
تاريخ النشر: 2026-02-17
المؤلف: Meng-Yu Chen وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة نموذجًا تعليميًا قائمًا على السرد يجمع بين التفكير التصميمي والذكاء الاصطناعي التوليدي لتحسين الثقافة الجمالية والانغماس السردي بين طلاب الماجستير. باستخدام نموذج تفسيري ونهج بحث تصميم تعليمي نوعي (IDBR)، تم إجراء البحث في دورة ثقافة رقمية على مستوى الدراسات العليا. شملت جمع البيانات مخرجات الطلاب الإبداعية، وتوثيق العمليات، وملاحظات الفصول الدراسية، وتأملات مكتوبة، ومقابلات شبه منظمة، تم تحليلها من خلال تحليل موضوعي مع التثليث. تكشف النتائج أن الذكاء الاصطناعي التوليدي يقلل الحواجز التقنية أمام الإبداع، ويسهل التصور السريع، ويعزز الانغماس السردي والانخراط العاطفي. تفترض الدراسة نموذجًا تعليميًا يمكن تكراره يضع الذكاء الاصطناعي كشريك إبداعي متمركز حول الإنسان في التعليم العالي.
تساهم الاستنتاجات المستخلصة من هذا البحث في عدة مجالات ناشئة عند تقاطع التعليم الجمالي، والتفكير التصميمي، والبيداغوجيا المعززة بالذكاء الاصطناعي. تبرز نموذج بيداغوجيا تفكير تصميم هجين حيث يسرع الذكاء الاصطناعي التوليدي من عملية النمذجة مع الحفاظ على الوكالة البشرية. بالإضافة إلى ذلك، تستكشف نظرية النقل السردي، مشيرة إلى أن الصور التي ينتجها الذكاء الاصطناعي يمكن أن تعزز الانغماس العاطفي ولكن قد تعطل تماسك السرد دون توجيه مناسب. تدعم الدراسة أيضًا فكرة الذكاء الاصطناعي كشريك إبداعي تعاوني، مع التأكيد على دوره في تعزيز الإبداع عند اقترانه بالتفكير النقدي والاعتبارات الأخلاقية. علاوة على ذلك، كانت نتيجة غير متوقعة هي تطوير الثقافة المتعلقة بالذكاء الاصطناعي بين الطلاب، مما يعزز استخدامًا أكثر تمييزًا لأدوات الذكاء الاصطناعي. بشكل جماعي، تشير هذه النتائج إلى إطار تعليمي بين التخصصات يدمج الابتكار التكنولوجي مع الأهداف التعليمية السردية والثقافية والجمالية، مما يستدعي مزيدًا من البحث عبر سياقات متنوعة ومستويات مختلفة من دعم الذكاء الاصطناعي.
مقدمة
تؤكد مقدمة ورقة البحث على الأهمية المتزايدة للثقافة الجمالية في ثقافة رقمية مشبعة بالصور، مما يبرز الحاجة إلى استراتيجيات بيداغوجية فعالة لتعزيز التفسير البصري المعنى وبناء السرد. التعليم الفني التقليدي، الذي ركز بشكل أساسي على المهارات التقنية، أصبح غير كافٍ بشكل متزايد لمعالجة تعقيدات السرد البصري المعاصر والتفسيرات الثقافية. مع انخفاض الحواجز أمام الإبداع البصري بفضل تقنيات الذكاء الاصطناعي التوليدي، تقدم هذه التقنيات فرصًا للتعبير الإبداعي المحسن وتحديات تتعلق بالأصالة والحكم الجمالي.
تجادل الورقة بأنه بدون توجيه بيداغوجي متمركز حول الإنسان، قد يتفاعل الطلاب مع المخرجات التي ينتجها الذكاء الاصطناعي بشكل غير نقدي، مما يؤدي إلى أنماط بصرية متجانسة وانخفاض في الحكم الإبداعي. وهذا يبرز ضرورة وجود أطر تعليمية متعمدة تعزز التعلم العميق والتفسير الثقافي. يقترح المؤلفون التفكير التصميمي كنهج قابل للتطبيق لدمج التقنيات الناشئة في التعليم الجمالي، داعين إلى عملية تأملية وتكرارية تعزز إدراك الطلاب الجمالي وتقديرهم للموارد الثقافية الرقمية. تحدد الدراسة ثلاثة أهداف رئيسية، بما في ذلك تنفيذ وحدات تعليمية تجمع بين سيناريوهات السرد وأدوات الذكاء الاصطناعي، وتعزيز تجارب جمالية أصيلة من خلال النقد والتقييم من الأقران بناءً على معايير تقييم جمالية محددة.
الطرق
تحدد قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. يوضح التصميم التجريبي، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لضمان موثوقية وصدق النتائج.
استخدمت الدراسة نهجًا كميًا، مستفيدة من الأدوات الإحصائية لتحليل البيانات المجمعة من عينة سكانية. تم تطبيق تقنيات محددة، مثل تحليل الانحدار واختبار الفرضيات، لتقييم العلاقات بين المتغيرات ولتقديم استنتاجات ذات مغزى من النتائج. كما تؤكد المنهجية على الالتزام بالمعايير الأخلاقية طوال عملية البحث، مما يضمن سرية المشاركين والموافقة المستنيرة.
بشكل عام، أسست الإطار المنهجي أساسًا قويًا للبحث، مما يمكّن الباحثين من استخلاص رؤى مهمة والمساهمة في المعرفة الموجودة في هذا المجال.
النتائج
تكشف نتائج الدراسة عن تقدم كبير في ثقافة الذكاء الاصطناعي وتصميم السرد لدى الطلاب، كما تم تأكيده من خلال مقابلات مجموعات التركيز وتحليل الموضوعات للمشاريع الإبداعية. وصف الطلاب الذكاء الاصطناعي بأنه “شريك إبداعي”، مما يبرز أهمية التحفيز التكراري، وتعليقات الأقران، والممارسة الموجهة في التغلب على التحديات الأولية المتعلقة بكتابة المحفزات والاتساق البصري. عزز دمج نظرية النقل السردي مع المهام التصميمية العملية مغزى تجارب تعلمهم، مما مكن الطلاب من صياغة قصص تتردد عاطفيًا مع الجماهير بشكل فعال. بالإضافة إلى ذلك، أغنت Exposure to real-world applications of AI through guest speakers فهمهم لديناميات صناعة الإبداع. ومع ذلك، واجه بعض الطلاب صعوبات في الحفاظ على تماسك السرد وترجمة الأفكار إلى صور، مما يشير إلى الحاجة إلى مزيد من التوجيه حول هيكل السرد في الدورات المستقبلية.
استخدم التحليل أربع استراتيجيات تثليث لضمان فحص قوي لتأثير التعلم السردي المدعوم بالذكاء الاصطناعي. أظهر تثليث البيانات وجود علاقة بين النمو المبلغ عنه في السرد ونتائج المشاريع، بينما كشف تثليث المنهجية أن الانخراط العاطفي أثناء المقابلات يتماشى مع التحسينات السردية في محافظ الطلاب. أكد التثليث النظري على ضرورة تحقيق التوازن بين منطق السرد والغنى البصري لتعزيز الانغماس، خاصة في المجموعات التي تواجه مشكلات في التماسك. أخيرًا، شمل تثليث المحقق مراجعات خبراء خارجيين للتخفيف من التحيز والتحقق من التحليل الموضوعي. بشكل جماعي، عززت هذه الاستراتيجيات موثوقية النتائج، موضحة كيف أثرت استراتيجيات السرد المختلفة على انغماس الطلاب ونتائج التعلم عبر مجموعات مختلفة، كما هو مفصل في جدول الملخص المرافق.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على دمج أدوات الذكاء الاصطناعي في التعليم لتعزيز الإنتاج الإبداعي للطلاب ومهارات التفكير التصميمي. تدعو إلى توجيه الطلاب في استخدام أدوات الرسم والتوليد المتعددة الوسائط للذكاء الاصطناعي لترجمة عناصر السرد إلى إبداعات بصرية وسمعية، مما يشجع على التجريب التكراري وتنقيح أعمالهم. تشمل مؤشرات التقييم تقييم الجدة والتعقيد للمخرجات التي ينتجها الذكاء الاصطناعي من خلال معايير الإبداع وجمع المحافظ والتأملات لقياس الابتكار وتجارب التعلم. كما تبرز الورقة أهمية التفكير التصميمي كإطار بيداغوجي، الذي يعزز التعاطف، وتوليد الأفكار، وحل المشكلات من خلال عملية منظمة وتكرارية.
علاوة على ذلك، تنتقد القسم التعليم الجمالي التقليدي، داعية إلى التحول نحو نهج موجه نحو التجربة يركز على الإبداع، والتفسير النقدي، والوعي الثقافي. تشير إلى تطور التفكير التصميمي في التعليم، مشيرة إلى جذوره في أبحاث الإبداع وتطبيقه عبر مختلف التخصصات. تؤكد المناقشة على الإمكانات التحويلية للذكاء الاصطناعي التوليدي في تعزيز الإبداع والتفكير النقدي، مع التحذير من الاعتماد المفرط على التكنولوجيا. تتبنى الدراسة نموذجًا تفسيريًا-بناءً، مع التركيز على التفسيرات الذاتية لعمليات الطلاب الإبداعية والتنقيح التكراري للتدخلات التعليمية في بيئات الفصول الدراسية الحقيقية.
القيود
تعترف الدراسة بعدة قيود قد تؤثر على موثوقية وعمومية نتائجها. أولاً، تم إجراء عملية الترميز من قبل باحث واحد، مما منع إنشاء موثوقية بين المقيمين وقد يقدم تحيزًا ذاتيًا في تفسير البيانات النوعية. لمعالجة ذلك، استخدم الباحثون استراتيجيات تعزيز المصداقية، بما في ذلك تثليث البيانات ومراجعات الخبراء الخارجيين، لتعزيز موثوقية النتائج على الرغم من عدم وجود إحصائيات موثوقية رسمية.
بالإضافة إلى ذلك، كانت الدراسة قائمة على عينة صغيرة محددة بالسياق من دورة دراسات عليا واحدة، مما يحد من عمومية النتائج. يوصي المؤلفون بأن تستخدم الدراسات المستقبلية عينات أكبر وأكثر تنوعًا لتعزيز الصلاحية الخارجية. يحد الاعتماد على البيانات النوعية والتحليل الموضوعي دون مقاييس كمية من القدرة على تقييم أحجام التأثير أو مكاسب التعلم بمرور الوقت. يمكن أن تستفيد الأبحاث المستقبلية من نهج مختلط لتثليث الرؤى النوعية مع البيانات الكمية. علاوة على ذلك، لم يتم التحكم بشكل منهجي في تباين تجارب الطلاب السابقة وألفتهم مع الأدوات الرقمية، مما قد يؤثر على التفاعل مع مهام الذكاء الاصطناعي التوليدي. أخيرًا، تعتمد فعالية النموذج التعليمي على خبرة المعلم في بيداغوجيا الجماليات والتعليم المدعوم بالذكاء الاصطناعي، مما يشير إلى أن الدراسات المستقبلية يجب أن تحقق في نماذج تطوير المهني لضمان التنفيذ المتسق عبر سياقات تعليمية متنوعة.
DOI: https://doi.org/10.12973/eu-jer.15.2.579
Publication Date: 2026-02-17
Author(s): Meng-Yu Chen et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study investigates a narrative-based instructional model that combines design thinking and generative AI to improve aesthetic literacy and narrative immersion among master’s students. Utilizing an interpretivist paradigm and a qualitative Instructional Design-Based Research (IDBR) approach, the research was conducted in a graduate-level Digital Culture course. Data collection involved students’ creative outputs, process documentation, classroom observations, written reflections, and semi-structured interviews, analyzed through thematic analysis with triangulation. The findings reveal that generative AI reduces technical barriers to creativity, facilitates rapid visualization, and enhances narrative immersion and emotional engagement. The study posits a replicable instructional model that positions AI as a human-centered creative partner in higher education.
The conclusions drawn from this research contribute to several emerging areas at the intersection of aesthetic education, design thinking, and AI-enhanced pedagogy. It highlights a hybrid design thinking pedagogy where generative AI accelerates prototyping while maintaining human agency. Additionally, it explores narrative transportation theory, noting that AI-generated imagery can enhance emotional immersion but may disrupt narrative coherence without proper guidance. The study also supports the notion of AI as a collaborative creative partner, emphasizing its role in enhancing creativity when paired with critical reflection and ethical considerations. Furthermore, an unexpected outcome was the development of AI literacy among students, fostering a more discerning use of AI tools. Collectively, these findings suggest an interdisciplinary instructional framework that integrates technological innovation with narrative, cultural, and aesthetic learning objectives, warranting further research across diverse contexts and varying levels of AI scaffolding.
Introduction
The introduction of the research paper emphasizes the growing importance of aesthetic literacy in a digital culture saturated with images, highlighting the need for effective pedagogical strategies to foster meaningful visual interpretation and narrative construction. Traditional art education, which has primarily focused on technical skills, is increasingly inadequate for addressing the complexities of contemporary visual narratives and cultural interpretations. As generative AI technologies lower barriers to visual creation, they present both opportunities for enhanced creative expression and challenges related to originality and aesthetic judgment.
The paper argues that without proper human-centered pedagogical guidance, students may engage with AI-generated outputs uncritically, leading to homogenized visual styles and diminished creative judgment. This underscores the necessity for intentional instructional frameworks that promote deep learning and cultural interpretation. The authors propose design thinking as a viable approach to integrate emerging technologies into aesthetic education, advocating for a reflective and iterative process that enhances students’ aesthetic perception and appreciation of digital cultural resources. The research outlines three main objectives, including the implementation of instructional modules that combine narrative scenarios with AI tools, fostering authentic aesthetic experiences through peer critique and assessment based on established aesthetic evaluation rubrics.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized to ensure the reliability and validity of the findings.
The study employed a quantitative approach, utilizing statistical tools to analyze the data collected from a sample population. Specific techniques, such as regression analysis and hypothesis testing, were applied to assess the relationships between variables and to draw meaningful conclusions from the results. The methodology also emphasizes adherence to ethical standards throughout the research process, ensuring participant confidentiality and informed consent.
Overall, the methodological framework established a robust foundation for the research, enabling the researchers to derive significant insights and contribute to the existing body of knowledge in the field.
Results
The results of the study reveal significant advancements in students’ AI literacy and narrative design, as confirmed by focus group interviews and thematic analysis of creative projects. Students characterized AI as a “creative partner,” highlighting the importance of iterative prompting, peer feedback, and guided practice in overcoming initial challenges related to prompt writing and visual consistency. The integration of narrative transportation theory with practical design tasks enhanced the meaningfulness of their learning experiences, enabling students to craft emotionally resonant stories that effectively engaged audiences. Additionally, exposure to real-world applications of AI through guest speakers enriched their understanding of the creative industry’s dynamics. However, some students faced difficulties in maintaining narrative coherence and translating ideas into visuals, suggesting a need for more guidance on narrative structure in future courses.
The analysis employed four triangulation strategies to ensure a robust examination of the impact of AI-supported narrative learning. Data triangulation demonstrated a correlation between reported storytelling growth and project outcomes, while methodological triangulation revealed that emotional engagement during interviews aligned with narrative improvements in student portfolios. Theoretical triangulation underscored the necessity of balancing narrative logic with visual richness to enhance immersion, particularly in groups experiencing coherence issues. Finally, investigator triangulation involved external expert reviews to mitigate bias and validate the thematic analysis. Collectively, these strategies reinforced the reliability of the findings, illustrating how various narrative strategies influenced student immersion and learning outcomes across different groups, as detailed in the accompanying summary table.
Discussion
The discussion section of the research paper emphasizes the integration of AI tools in education to enhance students’ creative production and design thinking skills. It advocates for guiding students in using AI drawing and multimedia generation tools to translate narrative elements into visual and auditory creations, encouraging iterative experimentation and refinement of their work. Assessment indicators include evaluating the novelty and complexity of AI-generated outputs through creativity rubrics and collecting portfolios and reflections to gauge innovation and learning experiences. The paper also highlights the importance of design thinking as a pedagogical framework, which fosters empathy, ideation, and problem-solving through a structured, iterative process.
Moreover, the section critiques traditional aesthetic education, advocating for a shift towards experience-oriented approaches that emphasize creativity, critical interpretation, and cultural awareness. It references the evolution of design thinking in education, noting its roots in creativity research and its application across various disciplines. The discussion underscores the transformative potential of generative AI in fostering creativity and critical thinking, while cautioning against over-reliance on technology. The study adopts a constructivist-interpretivist paradigm, focusing on the subjective interpretations of students’ creative processes and the iterative refinement of instructional interventions in real classroom settings.
Limitations
The study acknowledges several limitations that may impact the reliability and generalizability of its findings. Firstly, the coding process was conducted by a single researcher, which precluded the establishment of inter-rater reliability and may introduce subjective bias in the qualitative data interpretation. To address this, the researchers employed credibility-enhancing strategies, including data triangulation and external expert reviews, to bolster the trustworthiness of the findings despite the lack of formal reliability statistics.
Additionally, the research was based on a small, context-specific sample from a single graduate-level course, limiting the generalizability of the results. The authors recommend that future studies should utilize larger and more diverse samples to enhance external validity. The reliance on qualitative data and thematic analysis without quantitative measures restricts the ability to assess effect sizes or learning gains over time. Future research could benefit from mixed-methods approaches to triangulate qualitative insights with quantitative data. Furthermore, variability in students’ prior experiences and familiarity with digital tools was not systematically controlled, which may have influenced engagement with generative AI tasks. Lastly, the effectiveness of the instructional model is contingent upon teacher expertise in aesthetic pedagogy and AI-supported instruction, suggesting that future studies should investigate professional development models to ensure consistent implementation across various teaching contexts.