DOI: https://doi.org/10.3389/fpsyg.2025.1701051
PMID: https://pubmed.ncbi.nlm.nih.gov/41646908
تاريخ النشر: 2026-01-21
المؤلف: Tongqiang Dong وآخرون
الموضوع الرئيسي: التقييم التعليمي والتحسين
نظرة عامة
تدرس هذه الدراسة دمج الذكاء الاصطناعي التوليدي (GAI) في البيئات التعليمية، مع التأكيد على أهمية السياق التنظيمي. وتقترح نموذجًا متعدد المستويات يستكشف العلاقة بين تطوير المعلم الفردي وعوامل مستوى المدرسة، مع التركيز بشكل خاص على كيفية تأثير الكفاءة الرقمية للمعلم والقيادة التربوية على العلاقة بين اعتماد GAI ودمجه العميق. وجدت الأبحاث، التي قامت بتحليل بيانات من 512 معلمًا عبر 45 مدرسة في الصين باستخدام نمذجة المعادلات الهيكلية متعددة المستويات (MSEM) والنمذجة الخطية الهرمية (HLM)، أن اعتماد GAI يعزز الكفاءة الرقمية، مما يعزز بدوره القيادة التربوية، مما يؤدي في النهاية إلى دمج أعمق لـ GAI في ممارسات التدريس. ومن الجدير بالذكر أن الدراسة حددت مناخ الابتكار المدرسي كعامل معتدل مهم عبر المستويات، حيث كان له تأثير إيجابي على العلاقة بين القيادة التربوية والدمج، وكان هذا التأثير أقوى في البيئات الداعمة (γ = 0.21، p < 0.01). تؤكد النتائج على أن الدمج الناجح لـ GAI في التعليم يعتمد على علاقة تآزرية بين كفاءات المعلم الفردية وبيئة تنظيمية ملائمة. تدعو الأبحاث صانعي السياسات وقادة التعليم إلى إعطاء الأولوية لزراعة مناخات داعمة للابتكار جنبًا إلى جنب مع مبادرات التدريب الفردية. في النهاية، تفترض الدراسة أن الدمج العميق لـ GAI ليس مجرد وظيفة للوصول إلى التكنولوجيا، بل هو نتيجة ناشئة للتفاعل الديناميكي بين تطوير المعلم والسياق المدرسي الأوسع، مما يبرز ضرورة استثمار الأنظمة التعليمية في "بنية تحتية للابتكار" تتميز بالثقة والدعم ورؤية مشتركة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي التوليدي (GAI) على التعليم، مع التأكيد على إمكانيته في أتمتة المهام الإدارية، وإنشاء مواد تعليمية مخصصة، وتعزيز الممارسات التعليمية. على الرغم من الحماس المحيط باعتماد GAI بين المعلمين، إلا أن هناك فجوة كبيرة بين الاستخدام الأولي للأدوات والدمج التربوي الشامل. بينما يستخدم العديد من المعلمين GAI من أجل الكفاءة، فإن القليل منهم يستفيد منه لإعادة تصميم تجارب التعلم بشكل جذري، مما يشير إلى أن الانتقال إلى الدمج الأعمق هو عملية معقدة تتأثر بالعوائق الفردية والنظامية.
لمعالجة هذه الفجوة، تستخدم الدراسة منظور أنظمة بيئية، وتقترح نموذجًا متعدد المستويات يفحص التفاعل بين الوكالة الفردية والسياق التنظيمي. تفترض أن اعتماد GAI الأولي يعزز الكفاءة الرقمية للمعلمين، مما يعزز بدوره القيادة التربوية الضرورية للدمج العميق. كما تفترض الأبحاث أن مناخ الابتكار في المدرسة – دعمه للمخاطرة والأفكار الجديدة – يعد عاملاً حاسمًا يمكن أن يعزز أو يعيق الجهود الفردية. تهدف الدراسة إلى اختبار هذه الديناميكيات تجريبيًا من خلال سؤالين بحثيين رئيسيين، باستخدام النمذجة الخطية الهرمية (HLM) لتحليل بيانات من 512 معلمًا عبر 45 مدرسة. في النهاية، تسعى الأبحاث إلى تقديم رؤى لقادة المدارس وصانعي السياسات حول تعزيز بيئة داعمة لتعظيم الإمكانات التعليمية لـ GAI.
الطرق
تحدد قسم المنهجية تصميم البحث الذي يهدف إلى استكشاف العوامل متعددة المستويات التي تؤثر على الدمج التربوي العميق للذكاء الاصطناعي التوليدي (GAI). يحدد تقنيات أخذ عينات المشاركين المستخدمة لضمان عينة تمثيلية، إلى جانب أدوات القياس المستخدمة لجمع البيانات ذات الصلة. علاوة على ذلك، يصف القسم عملية جمع البيانات، التي تم هيكلتها بدقة لتسهيل الاختبار المنهجي للفرضيات المقترحة. كما يتم توضيح الاستراتيجية التحليلية، مما يشير إلى النهج الصارم المتبع لتفسير البيانات واستخلاص استنتاجات ذات مغزى بشأن دمج GAI في السياقات التعليمية.
النتائج
توضح قسم النتائج النتائج الإحصائية المستمدة من تحليل البيانات، بدءًا من التحليلات الأولية التي تشمل الإحصائيات الوصفية، وتقييمات الارتباط، والتحقق من نموذج القياس. تؤسس هذه التحليلات الأولية فهمًا أساسيًا لخصائص البيانات والعلاقات بين المتغيرات.
بعد ذلك، يقدم القسم النتائج الرئيسية التي تم الحصول عليها من خلال النمذجة متعددة المستويات، والتي تم استخدامها لتقييم كل من الفرضيات المقترحة (H1-H5) بشكل صارم. يوفر هذا الاختبار المنهجي رؤى حول العلاقات المفترضة في الدراسة، مما يساهم في الفهم العام للأسئلة البحثية المعالجة.
المناقشة
في قسم المناقشة من الورقة البحثية، يحدد المؤلفون إطارًا نظريًا لنموذجهم متعدد المستويات، الذي يفحص العلاقة بين اعتماد الذكاء الاصطناعي التوليدي (GAI) والدمج التربوي العميق بين المعلمين. يقترحون عدة فرضيات بناءً على النظريات المعمول بها في تكنولوجيا التعليم وتطوير المعلمين. تفترض الفرضية الأولى (H1) أن اعتماد GAI يؤثر إيجابيًا على الدمج التربوي العميق، مع التأكيد على أن مجرد استخدام التكنولوجيا غير كافٍ دون تغيير تربوي تحويلي. يجادل المؤلفون بأن الانخراط الأولي مع GAI يوفر للمعلمين “تجربة ملموسة” ضرورية لاستكشاف فوائدها التربوية، مما يمهد الطريق للدمج الأعمق.
تستكشف الفرضيات اللاحقة العوامل الوسيطة: تشير H2 إلى أن الكفاءة الرقمية للمعلم تتوسط العلاقة بين اعتماد GAI والدمج العميق، حيث تمكن المهارات الرقمية المحسنة المعلمين من تحويل ميزات GAI إلى أنشطة تعلم فعالة. تفترض H3 أن القيادة التربوية، التي تتميز بمبادرة المعلمين ووكالتهم، تتوسط أيضًا هذه العلاقة. يقترح المؤلفون أيضًا مسار وساطة متسلسل (H4)، حيث تسبق الكفاءة الرقمية القيادة التربوية، مما يؤدي في النهاية إلى الدمج العميق. أخيرًا، تقدم H5 مفهوم مناخ الابتكار المدرسي كعامل معتدل، مؤكدة أن السياق التنظيمي الداعم يعزز الآثار الإيجابية للقيادة التربوية على الدمج العميق لـ GAI. يدمج هذا النموذج الشامل العوامل الفردية والسياقية، مما يوفر فهمًا دقيقًا للديناميكيات المعنية في اعتماد تكنولوجيا التعليم.
القيود
تسلط قيود هذه الدراسة الضوء على مجالات البحث المستقبلية، خاصة فيما يتعلق بتصميمها العرضي، الذي يحد من الاستنتاجات السببية. الدراسات الطولية ضرورية للتحقق من تسلسل السببية المقترح “الاعتماد → الكفاءة → القيادة → الدمج”. بالإضافة إلى ذلك، بينما تعتبر مقاييس التقرير الذاتي معيارية، فإن دمج البيانات الموضوعية من خلال ملاحظات الفصول الدراسية وتحليلات المحتوى لخطط الدروس التي تم إنشاؤها بواسطة GAI يمكن أن يعزز تقييم الدمج العميق. توضح الدراسة بنجاح مسارًا متسلسلًا من اعتماد GAI إلى الدمج العميق، كاشفة عن تأثير وساطة كبير (التأثير غير المباشر = 0.089، $p < 0.001$) يوضح كيف يعزز الاعتماد الأولي الكفاءة الرقمية، مما يعزز بدوره القيادة التربوية. علاوة على ذلك، قد يؤدي الاعتماد على تقرير مسؤول واحد لقياس مناخ الابتكار المدرسي إلى إدخال تحيز؛ يجب أن تأخذ الأبحاث المستقبلية في الاعتبار تجميع تصورات من معلمين متعددين لإنشاء متغير مناخ أكثر شمولاً. أجريت الدراسة في شرق الصين، وقد تتأثر النتائج أيضًا بالعوامل الثقافية، مما يشير إلى الحاجة إلى تكرارها في سياقات غربية أكثر فردية لاختبار قابلية تعميم النموذج. أخيرًا، يمكن أن توفر دمج الأساليب النوعية، مثل دراسات الحالة والمقابلات المتعمقة، رؤى أعمق حول آليات القيادة التربوية ومسار "الكفاءة إلى الوكالة"، مما يثري النموذج بإرشادات عملية حساسة للسياق للمعلمين.
DOI: https://doi.org/10.3389/fpsyg.2025.1701051
PMID: https://pubmed.ncbi.nlm.nih.gov/41646908
Publication Date: 2026-01-21
Author(s): Tongqiang Dong et al.
Primary Topic: Educational Assessment and Improvement
Overview
This study investigates the integration of Generative AI (GAI) in educational settings, emphasizing the importance of organizational context. It proposes a multilevel model that explores the relationship between individual teacher development and school-level factors, particularly focusing on how teacher digital literacy and pedagogical leadership mediate the connection between GAI adoption and its deep integration. The research, which analyzed data from 512 teachers across 45 schools in China using multilevel structural equation modeling (MSEM) and hierarchical linear modeling (HLM), found that GAI adoption enhances digital literacy, which in turn fosters pedagogical leadership, ultimately leading to deeper integration of GAI in teaching practices. Notably, the study identified school innovation climate as a significant cross-level moderator, with a positive impact on the relationship between pedagogical leadership and integration being stronger in supportive environments (γ = 0.21, p < 0.01). The findings underscore that the successful integration of GAI in education is contingent upon a synergistic relationship between individual teacher competencies and a conducive organizational environment. The research advocates for policymakers and educational leaders to prioritize the cultivation of innovation-supportive climates alongside individual training initiatives. Ultimately, the study posits that deep integration of GAI is not merely a function of access to technology but rather an emergent outcome of the dynamic interplay between teacher development and the broader school context, highlighting the necessity for educational systems to invest in an "infrastructure of innovation" characterized by trust, support, and a shared vision.
Introduction
The introduction of this research paper highlights the transformative impact of Generative Artificial Intelligence (GAI) on education, emphasizing its potential to automate administrative tasks, create personalized learning materials, and enhance educational practices. Despite the enthusiasm surrounding GAI adoption among educators, a significant gap exists between initial tool usage and comprehensive pedagogical integration. While many educators utilize GAI for efficiency, fewer leverage it to fundamentally redesign learning experiences, indicating that the transition to deeper integration is complex and influenced by both individual and systemic barriers.
To address this gap, the study employs an ecological systems perspective, proposing a multilevel model that examines the interplay between individual agency and organizational context. It theorizes that initial GAI adoption enhances teachers’ digital literacy, which in turn fosters pedagogical leadership crucial for deep integration. The research also posits that a school’s innovation climate—its support for risk-taking and new ideas—serves as a critical factor that can amplify or hinder individual efforts. The study aims to empirically test these dynamics through two primary research questions, utilizing Hierarchical Linear Modeling (HLM) to analyze data from 512 teachers across 45 schools. Ultimately, the research seeks to provide insights for school leaders and policymakers on fostering a supportive environment to maximize the educational potential of GAI.
Methods
The methodology section delineates the research design aimed at exploring the multilevel factors that affect the deep pedagogical integration of Generative AI (GAI). It specifies the participant sampling techniques employed to ensure a representative sample, alongside the measurement instruments utilized to gather relevant data. Furthermore, the section describes the data collection process, which was meticulously structured to facilitate the systematic testing of the proposed hypotheses. The analytical strategy is also outlined, indicating the rigorous approach taken to interpret the data and draw meaningful conclusions regarding the integration of GAI in educational contexts.
Results
The results section details the statistical outcomes derived from the data analysis, commencing with preliminary analyses that encompass descriptive statistics, correlation assessments, and the validation of the measurement model. These initial analyses establish a foundational understanding of the data characteristics and relationships among variables.
Subsequently, the section presents the principal findings obtained through multilevel modeling, which was employed to rigorously evaluate each of the proposed hypotheses (H1-H5). This systematic testing provides insights into the relationships posited in the study, contributing to the overall understanding of the research questions addressed.
Discussion
In the discussion section of the research paper, the authors outline a theoretical framework for their multilevel model, which examines the relationship between Generative AI (GAI) adoption and deep pedagogical integration among educators. They propose several hypotheses based on established theories in educational technology and teacher development. The first hypothesis (H1) posits that GAI adoption positively influences deep pedagogical integration, emphasizing that mere usage of technology is insufficient without transformative pedagogical change. The authors argue that initial engagement with GAI provides educators with the necessary “concrete experience” to explore its pedagogical benefits, setting the stage for deeper integration.
The subsequent hypotheses explore mediating factors: H2 suggests that teacher digital literacy mediates the relationship between GAI adoption and deep integration, as enhanced digital skills enable teachers to translate GAI features into effective learning activities. H3 posits that pedagogical leadership, characterized by teachers’ initiative and agency, also mediates this relationship. The authors further propose a sequential mediation pathway (H4), where digital literacy precedes pedagogical leadership, ultimately leading to deep integration. Finally, H5 introduces the concept of school innovation climate as a moderating factor, asserting that a supportive organizational context amplifies the positive effects of pedagogical leadership on deep GAI integration. This comprehensive model integrates individual and contextual factors, providing a nuanced understanding of the dynamics at play in educational technology adoption.
Limitations
The limitations of this study highlight areas for future research, particularly regarding its cross-sectional design, which restricts causal inferences. Longitudinal studies are necessary to validate the proposed causal sequence of “Adoption → Literacy → Leadership → Integration.” Additionally, while self-report measures are standard, incorporating objective data through classroom observations and content analyses of GAI-generated lesson plans could enhance the assessment of deep integration. The study successfully articulates a sequential pathway from GAI adoption to deep integration, revealing a significant mediation effect (Indirect Effect = 0.089, $p < 0.001$) that illustrates how initial adoption enhances digital literacy, which subsequently fosters pedagogical leadership. Moreover, the reliance on a single administrator's report for measuring School Innovation Climate may introduce bias; future research should consider aggregating perceptions from multiple teachers to create a more comprehensive climate variable. Conducted in Eastern China, the findings may also be influenced by cultural factors, suggesting the need for replication in more individualistic Western contexts to test the model's generalizability. Finally, integrating qualitative methods, such as case studies and in-depth interviews, could provide deeper insights into the mechanisms of pedagogical leadership and the "competence-to-agency" pathway, enriching the model with context-sensitive practical guidance for educators.