DOI: https://doi.org/10.32674/ndvc6674
تاريخ النشر: 2026-05-26
المؤلف: Johanathan Woodworth وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف ورقة البحث آثار الذكاء الاصطناعي التوليدي (AI) في التعليم العالي، وخاصة في مجالات STEM، من خلال دراسة حالة مختلطة في جامعة كندية. تم جمع تصورات أعضاء هيئة التدريس عبر الاستطلاعات ومجموعات التركيز، مما كشف عن استخدام محدود حالي للذكاء الاصطناعي ولكن توقع أقوى للتكامل المستقبلي. ظهرت مخاوف بشأن النزاهة الأكاديمية، والثقة، والعبء العمل، والأصالة، والحاجة إلى الدعم المهني. تشير النتائج إلى أن الأبعاد العلائقية والعاطفية تؤثر بشكل كبير على تفسير وتنفيذ سياسات الذكاء الاصطناعي في البيئات الأكاديمية، مما يقترح أن الأطر الحالية قد تستفيد من دمج هذه الجوانب.
تخلص الدراسة إلى أن الذكاء الاصطناعي التوليدي مستعد للعب دور أكثر بروزًا في التعليم العالي، ومع ذلك لا يزال تكامله مثيرًا للجدل. اعترف أعضاء هيئة التدريس بالمزايا المحتملة في الكفاءة والتطبيقات التربوية بينما أعربوا عن مخاوف مستمرة بشأن العدالة وتآكل العلاقات التعليمية. تؤكد الأبحاث على أن ردود السياسة يجب ألا تركز فقط على التنفيذ الفني ولكن يجب أيضًا أن تأخذ في الاعتبار الديناميات العلائقية التي تشكل تجارب أعضاء هيئة التدريس والطلاب مع الذكاء الاصطناعي. تدعو إلى تعزيز إطار سياسة التعليم البيئي للذكاء الاصطناعي لـ Chan (2023) من خلال معالجة هذه الظروف العلائقية والعاطفية بشكل صريح، خاصة في سياقات STEM حيث تتداخل الإشراف الفني والعلاقات الإنسانية. بينما تستند النتائج إلى مؤسسة واحدة وتستدعي تفسيرًا حذرًا، فإنها تؤكد على ضرورة أن تأخذ سياسات الذكاء الاصطناعي في التعليم العالي في الاعتبار السياق الأوسع للحكم، والمسؤولية، والثقة بين أعضاء هيئة التدريس والطلاب.
مقدمة
تناقش مقدمة ورقة البحث التأثير التحويلي لتقنيات الذكاء الاصطناعي التوليدي (AI)، مثل ChatGPT وClaude وGemini، على التعليم العالي، وخاصة في مجالات STEM. تسلط الضوء على الحاجة إلى سياسات تكيفية لا تنظم الذكاء الاصطناعي فحسب، بل تعزز أيضًا الممارسات العادلة والأخلاقية والمستدامة، كما أكد Miao وآخرون (2021). يشير المؤلفون إلى أنه بينما تمحور الكثير من النقاش حول العلوم الإنسانية والاجتماعية، فإن تأثير الذكاء الاصطناعي التوليدي يتضح بشكل متزايد في سياقات STEM، بما في ذلك تصميم الهندسة، والتدريب الطبي، وتعليم الرياضيات.
تجادل الورقة بأن دمج الذكاء الاصطناعي في STEM يقدم تحديات فريدة تتعلق بموثوقية المحاكاة، وحوكمة البيانات التعليمية، والتقييم الخوارزمي، ومعايرة الحكم البشري جنبًا إلى جنب مع الأنظمة الآلية. تتطلب هذه التعقيدات التركيز على الأبعاد العلائقية والعاطفية، مثل الثقة في الجهود التعاونية والمساءلة في التفكير المدعوم بالذكاء الاصطناعي. على الرغم من أن الدراسة لا تجري تحليلًا مقارنًا رسميًا عبر التخصصات، إلا أنها تدعو إلى تضمين هذه المخاوف العلائقية في تطوير سياسات الذكاء الاصطناعي المسؤولة في التعليم العالي.
النتائج
تكشف نتائج الدراسة عن وجهة نظر دقيقة بين أعضاء هيئة التدريس بشأن دمج الذكاء الاصطناعي التوليدي في البيئات التعليمية. بينما يكون الاستخدام الحالي لمثل هذه التقنيات محدودًا، هناك توقع كبير للاعتماد المستقبلي، مشروطًا بدعم مؤسسي وإرشاد معززين. استخدمت الأبحاث تصميمًا مختلطًا تسلسليًا تفسيريًا، يجمع بين بيانات الاستطلاع الكمية ورؤى نوعية من مجموعات التركيز والاستجابات المفتوحة. سمح هذا النهج بتقديم موضوعي للنتائج، مما يبرز كل من التقارب والتوتر بين الخيوط الكمية والنوعية.
ظهر نمط متسق من البيانات: يعترف أعضاء هيئة التدريس بالمزايا المحتملة للذكاء الاصطناعي التوليدي، مثل تقديم المساعدة الفورية للطلاب وتعزيز الكفاءة الرقمية، ومع ذلك يعبرون أيضًا عن مخاوف تتعلق بجودة الكتابة، والتفاعل الاجتماعي، والعدالة، ومخاطر الاعتماد المفرط على التكنولوجيا. كان هناك توافق قوي بين أعضاء هيئة التدريس على ضرورة التخطيط المؤسسي والحوكمة لمعالجة هذه المخاوف. تشمل أولويات التطوير المهني التي حددها المستجيبون الأخلاقيات، والتحيز، وتصميم التقييم، والتنفيذ المحدد للتخصص. بشكل عام، تعكس وجهات نظر أعضاء هيئة التدريس تفاوضًا معقدًا حول الفرص التربوية ضمن سياق من عدم اليقين في الحوكمة والتحديات التشغيلية.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التردد المحيط بدمج الذكاء الاصطناعي التوليدي في التعليم العالي، وخاصة من منظور أعضاء هيئة التدريس في جامعة كندية. يؤكد المؤيدون على الفوائد المحتملة للذكاء الاصطناعي، مثل أتمتة المهام الروتينية وتقديم ملاحظات شخصية، بينما يثير النقاد مخاوف بشأن تآكل الكفاءات الأساسية، والدافع، ومخاطر تعزيز عدم المساواة التعليمية. تؤكد الورقة على أن أنظمة الذكاء الاصطناعي ليست محايدة اجتماعيًا، وغالبًا ما تعزز التحيزات التي تضر بالمجموعات المهمشة، وتؤكد الحاجة إلى سياسات تعالج هذه الفجوات، خاصة في مجالات STEM حيث يكون الحكم الفني والمساءلة أمرين حاسمين.
تكشف الدراسة أن أعضاء هيئة التدريس يظهرون اهتمامًا حذرًا بالذكاء الاصطناعي، معترفين بإمكاناته لتعزيز الممارسات التعليمية ولكنهم يعبرون أيضًا عن مخاوف أخلاقية كبيرة بشأن النزاهة الأكاديمية والآثار على تأليف الطلاب. أفاد أعضاء هيئة التدريس بوجود طلب على التطوير المهني للتنقل في هذه التحديات بشكل فعال، مما يشير إلى الحاجة إلى سياسات مؤسسية أوضح وأنظمة دعم. تشير النتائج إلى أنه بدون تأصيل حوكمة الذكاء الاصطناعي في تجارب أعضاء هيئة التدريس ومعالجة الديناميات العلائقية والعاطفية، قد تفشل السياسات في التوافق مع واقع الممارسات الصفية، مما قد يؤدي إلى تفاقم التوترات القائمة المتعلقة بالتأليف، والعدالة، والثقة في البيئات التعليمية.
القيود
تسلط قيود هذه الدراسة الضوء على عدة عوامل قد تؤثر على عمومية وموثوقية نتائجها. أجريت في جامعة كندية واحدة وتركزت فقط على وجهات نظر أعضاء هيئة التدريس، قد لا تكون التحليلات ممثلة للاتجاهات الأوسع عبر القطاع الأكاديمي. تثير نسبة الاستجابة المنخفضة للاستطلاع البالغة 15% مخاوف بشأن تحيز الاختيار الذاتي، خاصة إذا كان أولئك الذين لديهم آراء أقوى حول الذكاء الاصطناعي أكثر ميلًا للمشاركة. بالإضافة إلى ذلك، فإن المكون النوعي، الذي شمل مجموعات تركيز صغيرة منظمة حسب حالة العقد بدلاً من التنوع التخصصي، يقيّد المقارنات النظامية عبر المجالات. بينما شملت الدراسة مشاركين من تخصصات متنوعة، لم تكن مصممة لتسهيل مقارنات تجريبية قوية، خاصة في سياقات STEM، مما يحد من الطبيعة التفسيرية للنتائج.
تُقترح اتجاهات البحث المستقبلية لمعالجة هذه القيود. يمكن أن تعزز الدراسات متعددة المؤسسات عبر بيئات كندية متنوعة فهم الأبعاد العلائقية والعاطفية للذكاء الاصطناعي في الأكاديميا، خاصة في المؤسسات البحثية المكثفة والمؤسسات التقنية، وكذلك في السياقات التي تخدم المجتمعات الأصلية. ستكون الدراسات المقارنة عبر الأنظمة الوطنية مفيدة أيضًا، نظرًا للاختلافات في الحوكمة والالتزامات السياسية. يُوصى باستخدام مناهج طولية وإثنوغرافية لالتقاط تصورات أعضاء هيئة التدريس المتطورة مع نضوج أدوات الذكاء الاصطناعي وتطور المعايير المؤسسية. سيوفر توسيع نطاق البحث ليشمل الطلاب، ومطوري التعليم، والمكتبيين، والإداريين رؤية أكثر شمولاً حول كيفية تفسير وتنفيذ سياسات الذكاء الاصطناعي عبر أدوار مؤسسية متنوعة، مما قد يعيد تشكيل إطار الفهم في هذا المجال.
DOI: https://doi.org/10.32674/ndvc6674
Publication Date: 2026-05-26
Author(s): Johanathan Woodworth et al.
Primary Topic: Artificial Intelligence in Education
Overview
The research paper investigates the implications of generative artificial intelligence (AI) in higher education, particularly within STEM disciplines, through a mixed-methods case study at a Canadian university. Faculty perceptions were gathered via surveys and focus groups, revealing limited current AI usage but a stronger anticipated future integration. Concerns emerged regarding academic integrity, trust, workload, authenticity, and the need for professional support. The findings indicate that the relational and affective dimensions significantly influence the interpretation and enactment of AI policies in academic settings, suggesting that existing frameworks may benefit from incorporating these aspects.
The study concludes that generative AI is poised to play a more prominent role in higher education, yet its integration remains contentious. Faculty acknowledged potential advantages in efficiency and pedagogical applications while expressing ongoing worries about equity and the erosion of educational relationships. The research emphasizes that policy responses should not solely focus on technical implementation but must also consider the relational dynamics that shape faculty and student experiences with AI. It advocates for the enhancement of Chan’s (2023) AI Ecological Education Policy Framework by explicitly addressing these relational and affective conditions, particularly in STEM contexts where technical oversight and human relationships are intertwined. While the findings are based on a single institution and warrant cautious interpretation, they underscore the necessity for AI policies in higher education to account for the broader context of judgment, responsibility, and trust among faculty and students.
Introduction
The introduction of the research paper discusses the transformative impact of generative artificial intelligence (AI) technologies, such as ChatGPT, Claude, and Gemini, on higher education, particularly in STEM fields. It highlights the need for adaptive policies that not only regulate AI but also promote equitable, ethical, and sustainable practices, as emphasized by Miao et al. (2021). The authors note that while much discourse has centered on the humanities and social sciences, the influence of generative AI is increasingly evident in STEM contexts, including engineering design, medical training, and mathematics education.
The paper argues that the integration of AI in STEM introduces unique challenges related to simulation reliability, governance of educational data, algorithmic assessment, and the calibration of human judgment alongside automated systems. These complexities necessitate a focus on relational and affective dimensions, such as trust in collaborative efforts and accountability in AI-assisted reasoning. Although the study does not conduct a formal comparative analysis across disciplines, it advocates for the inclusion of these relational concerns in the development of responsible AI policies in higher education.
Results
The results of the study reveal a nuanced perspective among faculty regarding the integration of generative AI in educational settings. While current usage of such technologies is limited, there is significant anticipation for future adoption, contingent upon enhanced institutional support and guidance. The research employed an explanatory sequential mixed-methods design, combining quantitative survey data with qualitative insights from focus groups and open-ended responses. This approach allowed for a thematic presentation of findings, highlighting both convergence and tension between the quantitative and qualitative strands.
A consistent pattern emerged from the data: faculty members recognize the potential benefits of generative AI, such as providing students with immediate assistance and fostering digital competence, yet they also express concerns related to writing quality, social interaction, fairness, and the risk of over-reliance on technology. The strongest consensus among faculty was the necessity for institutional planning and governance to address these concerns. Professional development priorities identified by respondents included ethics, bias, assessment design, and discipline-specific implementation. Overall, faculty perspectives reflect a complex negotiation of pedagogical opportunities within a context of governance uncertainty and operational challenges.
Discussion
The discussion section of the research paper highlights the ambivalence surrounding the integration of generative AI in higher education, particularly from the perspective of faculty at a Canadian university. Advocates emphasize the potential benefits of AI, such as automating routine tasks and providing personalized feedback, while critics raise concerns about the erosion of essential competencies, motivation, and the risk of reinforcing educational inequalities. The paper underscores that AI systems are not socially neutral, often perpetuating biases that disadvantage marginalized groups, and stresses the need for policies that address these inequities, particularly in STEM disciplines where technical judgment and accountability are critical.
The study reveals that faculty members exhibit a guarded interest in AI, recognizing its potential for enhancing educational practices but also expressing significant ethical concerns regarding academic integrity and the implications for student authorship. Faculty reported a demand for professional development to navigate these challenges effectively, indicating a need for clearer institutional policies and support systems. The findings suggest that without grounding AI governance in faculty experiences and addressing relational-affective dynamics, policies may fail to resonate with the realities of classroom practices, potentially exacerbating existing tensions related to authorship, fairness, and trust in educational settings.
Limitations
The limitations of this study highlight several factors that may affect the generalizability and robustness of its findings. Conducted at a single Canadian university and focusing solely on faculty perspectives, the analysis may not be representative of broader trends across the academic sector. The low survey response rate of 15% raises concerns about self-selection bias, particularly if those with stronger opinions on AI were more inclined to participate. Additionally, the qualitative component, which involved small focus groups organized by contract status rather than disciplinary diversity, restricts systematic comparisons across fields. While the study included participants from various disciplines, it was not designed to facilitate robust empirical comparisons, particularly in STEM contexts, thus limiting the interpretive nature of the findings.
Future research directions are suggested to address these limitations. Multi-institutional studies across diverse Canadian settings could enhance the understanding of the relational-affective dimensions of AI in academia, particularly in research-intensive and polytechnic institutions, as well as in contexts serving Indigenous communities. Comparative studies across national systems would also be beneficial, given the differences in governance and policy commitments. Longitudinal and ethnographic approaches are recommended to capture the evolving perceptions of faculty as generative AI tools mature and institutional norms develop. Expanding the research scope to include students, educational developers, librarians, and administrators would provide a more comprehensive view of how AI policies are interpreted and enacted across various institutional roles, potentially reshaping the framework of understanding in this area.