DOI: https://doi.org/10.1186/s40561-026-00433-5
تاريخ النشر: 2026-01-21
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: تعليم وتعلم البرمجة
نظرة عامة
تستكشف هذه الدراسة العوامل التي تؤثر على معرفة المعلمين بالذكاء الاصطناعي (AI)، وهو أمر أساسي للتكامل الفعال والمسؤول للذكاء الاصطناعي في البيئات التعليمية. تم تقييم استبيان عبر الإنترنت أكمله 270 معلمًا لمجموعة متنوعة من الأبعاد، بما في ذلك معرفة الذكاء الاصطناعي، والقبول، والتفكير الحاسوبي، وقلق الذكاء الاصطناعي، والفجوة الرقمية. أشارت النتائج إلى أن جميع المتغيرات المتعلقة بقبول الذكاء الاصطناعي ترتبط إيجابيًا بمعرفة الذكاء الاصطناعي، حيث تم تحديد الدافع الهيدوني والاستعداد لاستخدام الذكاء الاصطناعي كأقوى المؤشرات. بالإضافة إلى ذلك، كان التفكير الحاسوبي، وقلق الذكاء الاصطناعي، والفجوة الرقمية مرتبطة بشكل كبير بمعرفة الذكاء الاصطناعي، مما يبرز أهمية مواقف المعلمين والعوامل التحفيزية على المتغيرات التقنية والديموغرافية.
تؤكد النتائج على ضرورة تعزيز معرفة الذكاء الاصطناعي بين المعلمين لتمكينهم من استخدام أدوات الذكاء الاصطناعي بفعالية، مما يحسن استراتيجياتهم التعليمية ويعد الطلاب لاستخدام الذكاء الاصطناعي بشكل مسؤول في مسيرتهم المهنية المستقبلية. تدعو الأبحاث إلى تطوير برامج تطوير مهني مستهدفة مصممة خصيصًا لخصائص المعلمين الفردية، ومستويات الخبرة، ومواقفهم تجاه تكنولوجيا الذكاء الاصطناعي. تهدف هذه المقاربة إلى تقديم دعم محدد يعزز مهارات المعلمين في الذكاء الاصطناعي، مما يسهل في النهاية التكامل الناجح لأدوات الذكاء الاصطناعي في الممارسات التعليمية وتحسين نتائج تعلم الطلاب.
مقدمة
تسلط المقدمة الضوء على الزيادة الكبيرة في استخدام روبوتات الدردشة المعتمدة على الذكاء الاصطناعي التوليدي (GenAI)، مثل ChatGPT، منذ أوائل عام 2023، مما يبرز الحاجة الملحة لمعرفه الذكاء الاصطناعي ككفاءة حاسمة في السياقات التعليمية والمهنية. تعتبر معرفة الذكاء الاصطناعي ضرورية بشكل خاص للمعلمين، مما يمكّنهم من دمج تكنولوجيا الذكاء الاصطناعي بفعالية أثناء التنقل في القضايا الأخلاقية المتعلقة بالتحيز والخصوصية والشفافية. يمكن للمعلمين الذين يمتلكون معرفة أعلى بالذكاء الاصطناعي الاستفادة من الذكاء الاصطناعي للتعلم الشخصي والتعليم القائم على البيانات، مما يجعل من الضروري أن تشمل برامج إعداد المعلمين تدريبًا منهجيًا على معرفة الذكاء الاصطناعي.
تهدف هذه الدراسة إلى سد الفجوة الحالية في فهم معرفة الذكاء الاصطناعي بين المعلمين، مع التركيز بشكل خاص على المعلمين الإسرائيليين. ستقوم بتقييم مستويات معرفة الذكاء الاصطناعي واستكشاف علاقاتها مع متغيرات مثل قبول الذكاء الاصطناعي، والتفكير الحاسوبي، وقلق الذكاء الاصطناعي، والفجوة الرقمية. من المتوقع أن تُعلم النتائج مبادرات التطوير المهني والسياسات التعليمية، مما يوفر رؤى لتعزيز كفاءات المعلمين في الذكاء الاصطناعي ومعالجة الحواجز أمام اعتماد الذكاء الاصطناعي. في النهاية، تسعى الأبحاث إلى تزويد المعلمين بالمهارات اللازمة لدمج أدوات الذكاء الاصطناعي بفعالية، مما يعزز بيئات التعلم الشاملة ويعد الطلاب لمستقبل مدفوع بالذكاء الاصطناعي.
الطرق
توضح قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. استخدم الباحثون مجموعة من التقنيات الكمية والنوعية لجمع البيانات، مما يضمن فهمًا شاملاً للظواهر قيد التحقيق. شملت المنهجيات المحددة التجارب المنضبطة، والتحليلات الإحصائية، وتقنيات النمذجة، التي تم تصميمها لاختبار الفرضيات التي تم صياغتها في بداية البحث.
شمل جمع البيانات أخذ عينات منهجية وتطبيق مقاييس موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية متقدمة، مما سمح بفحص العلاقات بين المتغيرات وتحديد الأنماط المهمة. يبرز القسم صرامة الأساليب المستخدمة، مشددًا على ملاءمتها لمعالجة أسئلة البحث المطروحة. بشكل عام، أسست الإطار المنهجي قاعدة صلبة لنتائج الدراسة واستنتاجاتها.
النتائج
تشير نتائج الدراسة إلى أنه لم يتم الكشف عن أي نقاط شاذة، حيث تقع جميع المتغيرات ضمن النطاقات المقبولة للانحراف والتفرطح، مما يؤكد طبيعة البيانات الطبيعية. ومن الجدير بالذكر أن المعلمين الحاصلين على درجات الماجستير أظهروا معرفة عامة أعلى بالذكاء الاصطناعي، مما يتماشى مع الأبحاث السابقة. ومع ذلك، وُجدت علاقة سلبية كبيرة بين توقع الجهد ومعرفة الذكاء الاصطناعي بين هؤلاء المعلمين، مما يشير إلى أن أولئك الذين يحملون درجات متقدمة قد يتبنون وجهة نظر أكثر نقدية بشأن الجهد المطلوب لتنفيذ الذكاء الاصطناعي، ربما بسبب المعايير الأكاديمية المرتفعة أو الوعي بالتحديات.
بالإضافة إلى ذلك، كشفت التحليلات أن المواد الدراسية التي يتم تدريسها تؤثر بشكل كبير على معرفة الذكاء الاصطناعي، حيث تفوق معلمو العلوم والتكنولوجيا على نظرائهم في الرياضيات واللغة والفنون. لوحظت هذه الميزة بشكل أساسي بين المعلمين الذكور، بينما لم تظهر المعلمات في العلوم والتكنولوجيا اختلافًا مشابهًا. قد تُعزى الفروق الملحوظة إلى السياق التعليمي، وظروف العمل، أو فرص التدريب بدلاً من السمات الجندرية الفطرية. علاوة على ذلك، أظهر المعلمون الذين استخدموا أدوات الذكاء الاصطناعي في العمل درجات أعلى بكثير في معرفة الذكاء الاصطناعي، مما يثبت أن هذا العامل هو أقوى مؤشر بين المتغيرات الخلفية. تؤكد هذه النتيجة على أهمية الخبرة العملية مع تقنيات الذكاء الاصطناعي في تعزيز الفهم، مما يؤكد الدراسات السابقة التي تبرز الانخراط النشط كوسيلة رئيسية لتحسين معرفة الذكاء الاصطناعي.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على مفهوم معرفة الذكاء الاصطناعي المتطور، الذي يتجاوز المعرفة التقليدية ليشمل المهارات النقدية اللازمة للتنقل في تقنيات الذكاء الاصطناعي في المجتمع المعاصر. تشمل معرفة الذكاء الاصطناعي فهمًا شاملاً لقدرات الذكاء الاصطناعي وقيوده، والاعتبارات الأخلاقية، والقدرة على التعاون بفعالية مع أنظمة الذكاء الاصطناعي. تصنف إطار عمل مقبول على نطاق واسع معرفة الذكاء الاصطناعي إلى أربعة أبعاد: المعرفة والفهم للذكاء الاصطناعي، التطبيق العملي لأدوات الذكاء الاصطناعي، تقييم وإنشاء أنظمة الذكاء الاصطناعي، والاعتبارات الأخلاقية المحيطة باستخدام الذكاء الاصطناعي. أدت هذه المقاربة متعددة الأبعاد إلى تطوير أدوات قياس موثوقة، مثل مقياس معرفة الذكاء الاصطناعي، الذي يلتقط هذه المكونات عبر سياقات تعليمية متنوعة.
يسلط القسم الضوء أيضًا على أهمية معرفة الذكاء الاصطناعي للمعلمين، مؤكدًا أنها ضرورية لدمج الذكاء الاصطناعي بفعالية في ممارسات التعليم. تشير الأبحاث إلى أن المعلمين الذين يمتلكون معرفة أعلى بالذكاء الاصطناعي أكثر ثقة في استخدام أدوات الذكاء الاصطناعي، مما يعزز مشاركة الطلاب ويعزز بيئات التعلم التكيفية. ومع ذلك، توجد تفاوتات في معرفة الذكاء الاصطناعي عبر مختلف الفئات الديموغرافية، تتأثر بعوامل مثل الخلفية التعليمية، وتخصص المادة، والعمر. تؤكد الورقة على ضرورة التدريب المنهجي على معرفة الذكاء الاصطناعي في برامج إعداد المعلمين لتزويد المعلمين بالمهارات اللازمة لدمج الذكاء الاصطناعي بشكل مسؤول في ممارساتهم التربوية، مما يعزز في النهاية النتائج التعليمية العادلة والفعالة في عالم مدفوع بالذكاء الاصطناعي.
القيود
تعترف الدراسة بعدة قيود يجب أخذها في الاعتبار عند تفسير نتائجها حول معرفة الذكاء الاصطناعي بين المعلمين. أولاً، تقدم رؤية ثابتة لمعرفه الذكاء الاصطناعي ومؤشراته، مما يحد من القدرة على ملاحظة تطور هذه العلاقات بمرور الوقت أو تقدم معرفة المعلمين بالذكاء الاصطناعي من خلال مراحل مختلفة من اعتماد التكنولوجيا. للتخفيف من ذلك، يمكن أن تنفذ الأبحاث المستقبلية دراسات طولية تتعقب تطوير معرفة الذكاء الاصطناعي بين المعلمين.
بالإضافة إلى ذلك، فإن الاعتماد على البيانات المبلغ عنها ذاتيًا بشأن معرفة الذكاء الاصطناعي والاستخدام يقدم تحيزات محتملة، حيث قد يبالغ المشاركون في تقدير كفاءتهم لتقديم صورة أكثر إيجابية عن قدراتهم التكنولوجية. يمكن أن تعزز التحقيقات المستقبلية من صلاحية النتائج من خلال دمج بيانات الملاحظة المباشرة حول استخدام المعلمين لأدوات الذكاء الاصطناعي في بيئات الفصول الدراسية الحقيقية، وبالتالي دمج كل من المقاييس المبلغ عنها ذاتيًا والسلوكية. قد يؤدي تكوين العينة، المأخوذ من لوحة بحث المستهلك من المعلمين الإسرائيليين، إلى انحراف نحو الأفراد الأكثر راحة مع التكنولوجيا، مما يشير إلى الحاجة إلى أخذ عينات أوسع عبر فئات ديموغرافية متنوعة. أخيرًا، بينما تركز الدراسة الحالية على متغيرات محددة تتعلق بمعرفة الذكاء الاصطناعي، يمكن أن تستفيد الأبحاث المستقبلية من استكشاف مجموعة أوسع من العوامل الشخصية والمعرفية، فضلاً عن دراسة معرفة الذكاء الاصطناعي في سياقات ثقافية مختلفة.
DOI: https://doi.org/10.1186/s40561-026-00433-5
Publication Date: 2026-01-21
Author(s): Zhenyun Du et al.
Primary Topic: Teaching and Learning Programming
Overview
This study investigates the factors influencing teachers’ Artificial Intelligence (AI) literacy, which is essential for the effective and responsible integration of AI in educational settings. An online survey completed by 270 teachers assessed various dimensions, including AI literacy, acceptance, computational thinking, AI anxiety, and the digital divide. The results indicated that all variables related to AI acceptance positively correlated with AI literacy, with hedonic motivation and willingness to use AI identified as the strongest predictors. Additionally, computational thinking, AI anxiety, and the digital divide were significantly associated with AI literacy, underscoring the importance of teachers’ attitudes and motivational factors over technical and demographic variables.
The findings emphasize the necessity of enhancing AI literacy among teachers to enable them to utilize AI tools effectively, thereby improving their teaching strategies and preparing students for responsible AI usage in their future careers. The research advocates for the development of targeted professional development programs tailored to individual teachers’ characteristics, experience levels, and attitudes toward AI technology. This approach aims to provide specific support that enhances teachers’ AI skills, ultimately facilitating the successful integration of AI tools in educational practices and improving student learning outcomes.
Introduction
The introduction highlights the significant rise in the use of Generative Artificial Intelligence (GenAI) chatbots, such as ChatGPT, since early 2023, emphasizing the urgent need for AI literacy as a critical competency in educational and professional contexts. AI literacy is particularly vital for teachers, enabling them to integrate AI technologies effectively while navigating ethical concerns related to bias, privacy, and transparency. Teachers with higher AI literacy can leverage AI for personalized learning and data-driven instruction, making it essential for teacher education programs to include systematic AI literacy training.
This study aims to fill the existing gap in understanding AI literacy among teachers, specifically focusing on Israeli educators. It will assess AI literacy levels and explore their relationships with variables such as AI acceptance, computational thinking, AI anxiety, and the digital divide. The findings are expected to inform professional development initiatives and educational policy, providing insights for enhancing teachers’ AI competencies and addressing barriers to AI adoption. Ultimately, the research seeks to equip educators with the necessary skills to integrate AI tools effectively, fostering inclusive learning environments and preparing students for an AI-driven future.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. The researchers utilized a combination of quantitative and qualitative techniques to gather data, ensuring a comprehensive understanding of the phenomena under investigation. Specific methodologies included controlled experiments, statistical analyses, and modeling techniques, which were designed to test the hypotheses formulated at the outset of the research.
Data collection involved systematic sampling and the application of standardized measures to ensure reliability and validity. The analysis was conducted using advanced statistical software, allowing for the examination of relationships between variables and the identification of significant patterns. The section emphasizes the rigor of the methods employed, highlighting their appropriateness for addressing the research questions posed. Overall, the methodological framework established a solid foundation for the study’s findings and conclusions.
Results
The results of the study indicate that no outliers were detected, with all variables falling within acceptable ranges for skewness and kurtosis, confirming the data’s normality. Notably, teachers holding master’s degrees exhibited higher overall AI literacy, aligning with previous research. However, a significant negative correlation was found between effort expectancy and AI literacy among these teachers, suggesting that those with advanced degrees may adopt a more critical perspective on the effort required to implement AI, potentially due to heightened academic standards or awareness of challenges.
Additionally, the analysis revealed that teaching subjects significantly influenced AI literacy, with Science and Technology teachers outperforming their counterparts in math, language, and arts. This advantage was predominantly observed among male teachers, while female Science and Technology teachers did not show a similar disparity. The observed differences may be attributed to educational context, working conditions, or training opportunities rather than inherent gender traits. Furthermore, teachers who utilized AI tools for work demonstrated markedly higher AI literacy scores, establishing this factor as the strongest predictor among the background variables. This finding underscores the importance of hands-on experience with AI technologies in enhancing understanding, corroborating earlier studies that emphasize active engagement as a key to improving AI literacy.
Discussion
The discussion section of the research paper emphasizes the evolving concept of AI literacy, which extends beyond traditional literacy to include critical skills necessary for navigating AI technologies in contemporary society. AI literacy encompasses a comprehensive understanding of AI’s capabilities and limitations, ethical considerations, and the ability to effectively collaborate with AI systems. A widely accepted framework categorizes AI literacy into four dimensions: knowledge and understanding of AI, practical application of AI tools, evaluation and creation of AI systems, and ethical considerations surrounding AI use. This multidimensional approach has led to the development of validated measurement tools, such as the AI Literacy Scale, which captures these components across various educational contexts.
The section further highlights the importance of AI literacy for educators, asserting that it is essential for effectively integrating AI into teaching practices. Research indicates that teachers with higher AI literacy are more confident in utilizing AI tools, which enhances student engagement and fosters adaptive learning environments. However, disparities in AI literacy exist across different demographics, influenced by factors such as educational background, subject specialization, and age. The paper underscores the necessity for systematic AI literacy training in teacher education programs to equip educators with the skills needed to responsibly integrate AI into their pedagogical practices, ultimately promoting equitable and effective educational outcomes in an AI-driven world.
Limitations
The study acknowledges several limitations that should be considered when interpreting its findings on AI literacy among teachers. Firstly, it offers a static view of AI literacy and its predictors, which restricts the ability to observe the evolution of these relationships over time or the progression of teachers’ AI literacy through various stages of technology adoption. To mitigate this, future research could implement longitudinal studies that track the development of AI literacy among educators.
Additionally, the reliance on self-reported data regarding AI literacy and usage introduces potential biases, as participants may overstate their proficiency to project a more favorable image of their technological capabilities. Future investigations could enhance the validity of findings by incorporating direct observational data on teachers’ use of AI tools in real classroom environments, thus integrating both self-reported and behavioral measures. The sample’s composition, drawn from a consumer research panel of Israeli teachers, may also skew towards individuals with higher technological comfort, suggesting a need for broader sampling across diverse demographics. Lastly, while the current study focuses on specific variables related to AI literacy, future research could benefit from exploring a wider array of personality and cognitive factors, as well as examining AI literacy in different cultural contexts.