DOI: https://doi.org/10.1007/s10791-025-09861-2
تاريخ النشر: 2026-01-27
المؤلف: Ben Kei Daniel وآخرون
الموضوع الرئيسي: الاستدامة في التعليم العالي
نظرة عامة
تقدم هذه القسم نظرة عامة على مفهوم الاستدامة، خاصة في سياق الأعمال، حيث يتم تعريفها على أنها القدرة على تلبية الاحتياجات الحالية دون jeopardizing قدرة الأجيال القادمة على تلبية احتياجاتها. يؤكد على دمج المسؤوليات البيئية والاجتماعية والاقتصادية في عمليات المنظمات، مع تسليط الضوء على ضرورة تحقيق التوازن بين الربحية والعدالة الاجتماعية ورعاية البيئة. كما تحدد المناقشة ثلاثة أعمدة رئيسية لاستدامة الأعمال، مع التركيز على الاستدامة البيئية، التي تهدف إلى حماية النظم البيئية وتقليل انبعاثات غازات الدفيئة.
تتناول خاتمة مراجعة النطاق تقاطع الذكاء الاصطناعي (AI) والاستدامة في التعليم العالي، موضحة مسارين: الذكاء الاصطناعي المستدام والذكاء الاصطناعي من أجل الاستدامة. تكشف النتائج عن فجوات في البحث، خاصة هيمنة الدراسات من الشمال العالمي، مع مساهمات محدودة من الجنوب العالمي. تؤكد المراجعة على أهمية توسيع البحث ليشمل وجهات نظر عالمية متنوعة، خاصة في المناطق ذات السياقات الاجتماعية والاقتصادية والبيئية الفريدة. كما توضح الفرق بين مراجعات النطاق والمراجعات المنهجية، مشيرة إلى أن هذه المراجعة تهدف إلى رسم خريطة للأدبيات الموجودة وتحديد المجالات الحرجة للبحث المستقبلي دون تقييم جودة الدراسات الفردية.
مقدمة
في هذا القسم، يعرف المؤلفون الذكاء الاصطناعي (AI) على أنه تطوير أنظمة قادرة على أداء المهام التي تتطلب عادةً الذكاء البشري، بما في ذلك التفكير، والتعلم، وحل المشكلات، والإدراك، وفهم اللغة. تتميز أنظمة الذكاء الاصطناعي الحديثة بدرجات متفاوتة من الاستقلالية وقدرتها على التعلم والتكيف مع مرور الوقت من خلال الوصول إلى البيانات. يحدد المؤلفون أربع قدرات أساسية للذكاء الاصطناعي: الإدراك، والتفكير، والعمل، والتعلم، والتي تمكّن هذه الأنظمة من استشعار بيئتها، واتخاذ القرارات، وتنفيذ الإجراءات، وتعزيز أدائها من خلال الخبرة.
تفرق الأدبيات بين بعدين رئيسيين للذكاء الاصطناعي: الأول يركز على إنشاء أنظمة تحاكي السلوك البشري، مثل أدوات معالجة اللغة الطبيعية، والمساعدين الافتراضيين، والدردشة الآلية، وأنظمة التعرف على الصوت. لا تسهل هذه التقنيات فقط التفاعلات الأكثر حدسية بين الإنسان والآلة، ولكنها تلعب أيضًا دورًا كبيرًا في معالجة تحديات الاستدامة. تشمل الأمثلة استخدام الذكاء الاصطناعي لمراقبة المناخ من خلال تحليل صور الأقمار الصناعية، وتتبع الحياة البرية لمكافحة الصيد الجائر، وتحسين استخدام الموارد الزراعية، وتعزيز كفاءة الطاقة عبر الشبكات الذكية وأنظمة الطاقة المتجددة.
الطرق
يستعرض هذا القسم المنهجيات المستخدمة في إجراء مراجعات الأدبيات، مؤكدًا على أهمية المراجعات المنهجية ومراجعات النطاق في تعزيز الشفافية والصرامة المنهجية. غالبًا ما تعاني مراجعات الأدبيات التقليدية من التحيزات وتفتقر إلى الشمولية، مما يمكن أن يعيق تحديد فجوات المعرفة وتبرير البحث الجديد. بالمقابل، توفر المراجعات المنهجية إطارًا منظمًا وقابلًا للتكرار يقلل من التحيز من خلال اختيار وتقييم وتجميع الدراسات بشكل شفاف.
تشمل الميزات الرئيسية لمراجعة الأدبيات المنهجية إنشاء معايير شمول واستبعاد واضحة، والتي توجه اختيار الدراسات ذات الصلة وتضمن الشفافية. تتقدم المنهجية من خلال أهداف محددة بوضوح، وعمليات اختيار منهجية، وتصل إلى شكلين من التحليل: وصف الموضوعات الرئيسية وتجميع ونقد النتائج. لا تساعد هذه الطريقة المنظمة الباحثين فقط في صياغة أسئلة البحث والأطر المفاهيمية، ولكنها تعزز أيضًا فائدة الأدلة لصانعي القرار. توضح الشكل 2 هذه المنهجية المنظمة، مع تسليط الضوء على التفاعل بين أسئلة البحث والأدبيات الموجودة في تشكيل عملية المراجعة.
النتائج
حددت المراجعة المنهجية ما مجموعه 1783 سجلًا يتعلق بتقاطع الذكاء الاصطناعي (AI) والاستدامة، مما أدى في النهاية إلى تضييق نطاقها إلى 100 دراسة استوفت معايير الشمول بعد عملية فحص صارمة. تكشف النتائج عن مجال متنامٍ يعالج الأبعاد البيئية والأخلاقية للذكاء الاصطناعي، مصنفة إلى موضوعين رئيسيين: “الذكاء الاصطناعي من أجل الاستدامة” و”الذكاء الاصطناعي المستدام.” يستكشف الأول كيف يمكن أن تعزز تقنيات الذكاء الاصطناعي أهداف الاستدامة، مثل تحسين كفاءة الطاقة وتسهيل مراقبة المناخ، بينما يركز الثاني على تقليل الآثار البيئية والأخلاقية لأنظمة الذكاء الاصطناعي، بما في ذلك استهلاك الطاقة والعدالة الخوارزمية.
تشير المراجعة إلى أنه على الرغم من وجود العديد من المبادرات التي تستخدم الذكاء الاصطناعي لدعم الاستدامة، إلا أن هذه الجهود غالبًا ما تكون محدودة في نطاقها وتكون استكشافية في الأساس، تفتقر إلى التكامل في استراتيجيات مؤسسية أوسع. علاوة على ذلك، فإن الكثير من الأبحاث الحالية نظرية، مع أدلة تجريبية غير كافية بشأن الآثار طويلة الأجل أو الاعتماد الواسع. اتجاه ملحوظ داخل التعليم العالي هو التركيز المتزايد على “الذكاء الاصطناعي الأخضر”، الذي يعطي الأولوية لكفاءة الطاقة وممارسات البيانات المسؤولة. يعكس هذا اعترافًا متزايدًا بضرورة مواءمة تطوير الذكاء الاصطناعي مع أهداف الاستدامة، مما يضمن أن تكون ابتكارات الذكاء الاصطناعي مسؤولة أخلاقيًا ومستدامة بيئيًا.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الأبعاد المزدوجة للذكاء الاصطناعي فيما يتعلق بالاستدامة: “الذكاء الاصطناعي من أجل الاستدامة”، الذي يركز على استغلال تقنيات الذكاء الاصطناعي لتحقيق الأهداف البيئية والاجتماعية، و”الذكاء الاصطناعي المستدام”، الذي يؤكد على الحاجة إلى تقليل الأثر البيئي لأنظمة الذكاء الاصطناعي نفسها. تؤكد الورقة على إمكانية الذكاء الاصطناعي في تعزيز اتخاذ القرار عبر مختلف القطاعات، بما في ذلك التعليم وإدارة البيئة، بينما تعالج أيضًا الآثار الأخلاقية لنشر الذكاء الاصطناعي، مثل التحيز الخوارزمي ومخاوف الخصوصية. يجادل المؤلفون بأن مؤسسات التعليم العالي تلعب دورًا حاسمًا في تشكيل الأطر الأخلاقية والتطبيقات العملية لتقنيات الذكاء الاصطناعي، ومع ذلك تظل العديد من المبادرات استكشافية ومحددة السياق، تفتقر إلى تقييم شامل لآثارها طويلة الأجل.
تكشف النتائج عن فهم مجزأ للعلاقة بين الذكاء الاصطناعي والاستدامة، مع فجوات كبيرة في البحث بشأن دمج مبادئ الاستدامة في المناهج الدراسية للذكاء الاصطناعي والاستراتيجيات المؤسسية. تدعو الورقة إلى مراجعة منهجية لرسم خريطة للأدبيات الموجودة، وتحديد فجوات المعرفة، وإبلاغ اتجاهات البحث المستقبلية. تهدف هذه المراجعة إلى توضيح الأطر المفاهيمية، وتتبع تطور البحث في هذا المجال، واستكشاف كيفية دمج التعليم العالي بشكل فعال للذكاء الاصطناعي في مبادرات الاستدامة. في النهاية، يدعو المؤلفون إلى نهج متوازن ينسجم مع التقدم التكنولوجي مع الاعتبارات الأخلاقية والمسؤوليات البيئية، مؤكدين على الحاجة إلى التعاون بين التخصصات لمعالجة التحديات التي يطرحها الذكاء الاصطناعي في سياق الاستدامة.
DOI: https://doi.org/10.1007/s10791-025-09861-2
Publication Date: 2026-01-27
Author(s): Ben Kei Daniel et al.
Primary Topic: Sustainability in Higher Education
Overview
The section provides an overview of the concept of sustainability, particularly in a business context, where it is defined as the ability to meet present needs without jeopardizing future generations’ capacity to meet theirs. It emphasizes the integration of environmental, social, and economic responsibilities into organizational operations, highlighting the necessity of balancing profitability with social equity and environmental stewardship. The discussion also identifies three main pillars of business sustainability, with a focus on environmental sustainability, which aims to protect ecosystems and mitigate greenhouse gas emissions.
The conclusion of the scoping review addresses the intersection of artificial intelligence (AI) and sustainability in higher education, delineating two pathways: sustainable AI and AI for sustainability. The findings reveal gaps in research, particularly the predominance of studies from the Global North, with limited contributions from the Global South. The review underscores the importance of expanding research to include diverse global perspectives, especially in regions with unique socio-economic and environmental contexts. It also clarifies the distinction between scoping and systematic reviews, noting that this scoping review aims to map existing literature and identify critical areas for future research without assessing the quality of individual studies.
Introduction
In this section, the authors define artificial intelligence (AI) as the development of systems capable of performing tasks that typically require human intelligence, including reasoning, learning, problem-solving, perception, and language understanding. Modern AI systems are characterized by their varying degrees of autonomy and their ability to learn and adapt over time through data access. The authors identify four core capabilities of AI: perceiving, reasoning, acting, and learning, which collectively enable these systems to sense their environment, make decisions, execute actions, and enhance their performance through experience.
The literature distinguishes two primary dimensions of AI: the first emphasizes the creation of systems that mimic human behavior, such as natural language processing tools, virtual assistants, chatbots, and voice recognition systems. These technologies not only facilitate more intuitive human-machine interactions but also play a significant role in addressing sustainability challenges. Examples include the use of AI for climate monitoring through satellite imagery analysis, wildlife tracking to combat poaching, optimizing agricultural resource use, and enhancing energy efficiency via smart grids and renewable energy systems.
Methods
The section outlines the methodologies employed in conducting literature reviews, emphasizing the importance of systematic and scoping reviews in enhancing methodological transparency and rigor. Traditional literature reviews often suffer from biases and lack comprehensiveness, which can hinder the identification of knowledge gaps and the justification for new research. In contrast, systematic reviews provide a structured and replicable framework that minimizes bias through transparent selection, evaluation, and synthesis of studies.
Key features of a systematic literature review include the establishment of explicit inclusion and exclusion criteria, which guide the selection of relevant studies and ensure transparency. The methodology progresses through clearly defined objectives, systematic selection processes, and culminates in two forms of analysis: the description of key themes and a synthesis and critique of the findings. This structured approach not only aids researchers in formulating research questions and conceptual frameworks but also enhances the utility of the evidence for decision-makers. Figure 2 illustrates this structured methodology, highlighting the interplay between research questions and existing literature in shaping the review process.
Results
The systematic review identified a total of 1783 records related to the intersection of artificial intelligence (AI) and sustainability, ultimately narrowing down to 100 studies that met the inclusion criteria after a rigorous screening process. The findings reveal a burgeoning field that addresses both environmental and ethical dimensions of AI, categorized into two primary themes: “AI for sustainability” and “sustainable AI.” The former explores how AI technologies can advance sustainability objectives, such as enhancing energy efficiency and facilitating climate monitoring, while the latter focuses on minimizing the environmental and ethical repercussions of AI systems, including energy consumption and algorithmic fairness.
The review indicates that while there are numerous initiatives employing AI to support sustainability, these efforts are often limited in scope and primarily exploratory, lacking integration into broader institutional strategies. Furthermore, much of the existing research is theoretical, with insufficient empirical evidence regarding long-term impacts or widespread adoption. A notable trend within higher education is the increasing emphasis on “Green AI,” which prioritizes energy efficiency and responsible data practices. This reflects a growing recognition of the necessity to align AI development with sustainability goals, ensuring that AI innovations are both ethically responsible and environmentally sustainable.
Discussion
The discussion section of the research paper highlights the dual dimensions of AI in relation to sustainability: “AI for Sustainability,” which focuses on leveraging AI technologies to achieve environmental and social goals, and “Sustainable AI,” which emphasizes the need to minimize the environmental impact of AI systems themselves. The paper underscores the potential of AI to enhance decision-making across various sectors, including education and environmental management, while also addressing the ethical implications of AI deployment, such as algorithmic bias and privacy concerns. The authors argue that higher education institutions play a crucial role in shaping the ethical frameworks and practical applications of AI technologies, yet many initiatives remain exploratory and context-specific, lacking comprehensive evaluation of their long-term impacts.
The findings reveal a fragmented understanding of the relationship between AI and sustainability, with significant gaps in research regarding the integration of sustainability principles into AI curricula and institutional strategies. The paper calls for a systematic scoping review to map existing literature, identify knowledge gaps, and inform future research directions. This review aims to clarify conceptual frameworks, track the evolution of research in this area, and explore how higher education can effectively integrate AI into sustainability initiatives. Ultimately, the authors advocate for a balanced approach that aligns technological advancements with ethical considerations and environmental responsibilities, emphasizing the need for interdisciplinary collaboration to address the challenges posed by AI in the context of sustainability.