DOI: https://doi.org/10.1007/s10956-024-10159-z
تاريخ النشر: 2024-09-27
المؤلف: Umesh Ramnarain وآخرون
الموضوع الرئيسي: الألعاب التعليمية وت gamification
نظرة عامة
تستكشف هذه الدراسة نوايا معلمي العلوم في مرحلة ما قبل الخدمة لاستخدام الذكاء الاصطناعي التوليدي (AI) في التعليم القائم على الاستقصاء، في إطار نظرية السلوك المخطط لأجين. تم إجراء استبيان بين المعلمين في مرحلة ما قبل الخدمة في جامعة عامة في جنوب إفريقيا، مما كشف أن عوامل مثل معرفة الذكاء الاصطناعي، والمعايير الذاتية، والمواقف تجاه الذكاء الاصطناعي، والتحكم السلوكي المدرك، والفائدة المدركة تؤثر بشكل كبير على نيتهم لاستخدام الذكاء الاصطناعي في التعليم. بالمقابل، لم تؤثر المخاوف المتعلقة بالذكاء الاصطناعي التوليدي والاستعداد المهاري المدرك بشكل كبير على نواياهم. أكدت المقابلات النوعية هذه النتائج، مشددة على مواضيع تعكس كل من العوامل المساعدة والمعيقة لاستخدام الذكاء الاصطناعي في السياقات التعليمية.
تساهم الدراسة في فهم أعمق لدوافع معلمي ما قبل الخدمة لدمج الذكاء الاصطناعي في التعليم القائم على الاستقصاء، مع التأكيد على إمكانيات الذكاء الاصطناعي لتعزيز هذا النهج التربوي، الذي واجه صعوبة في اكتساب الزخم في العديد من الفصول الدراسية. ومن الجدير بالذكر أن المعايير الذاتية ظهرت كأقوى مؤشر على النوايا، مما يبرز تأثير معلمي المعلمين، والمعلمين المرشدين، والأقران على اعتماد الذكاء الاصطناعي. بينما تثري النتائج الأدبيات الموجودة حول الذكاء الاصطناعي في تعليم العلوم، تعترف الدراسة بالقيود وتقترح مزيدًا من البحث لمقارنة معلمي ما قبل الخدمة ومعلمي الخدمة لاستكشاف كيف يمكن أن تؤثر العوامل السياقية المتنوعة على نواياهم لاستخدام الذكاء الاصطناعي.
مقدمة
تناقش مقدمة ورقة البحث التأثير الواسع للذكاء الاصطناعي (AI) عبر مجالات مختلفة، مع التركيز بشكل خاص على دمجه في التعليم. يُعرف الذكاء الاصطناعي بأنه محاكاة عمليات الذكاء البشري بواسطة الآلات، وقد شهد اهتمامًا ملحوظًا داخل المؤسسات التعليمية، مدفوعًا بالتقدم في الذكاء الاصطناعي التوليدي (Gen AI). يركز هذا النوع من الذكاء الاصطناعي على إنشاء محتوى جديد من خلال تقنيات التعلم الآلي المتقدمة، كما يتضح من تقنيات مثل ChatGPT. يتم تسليط الضوء على إمكانيات Gen AI لتحويل التعليم، حيث يقدم تجارب تعلم شخصية ويقوم بأتمتة المهام الإدارية، مما يعزز الكفاءة والانخراط التعليمي.
تستعرض الورقة عدة تطبيقات للذكاء الاصطناعي في التعليم، بما في ذلك أنظمة التدريس الذكية، والدردشات الآلية، والتقييم الآلي، والتي تهدف مجتمعة إلى تخصيص التعلم من خلال تحليل نقاط القوة والضعف لدى الطلاب. يتم التأكيد على قدرة الذكاء الاصطناعي على تعديل المحتوى وتقديم تعليقات فورية، خاصة في تعليم العلوم، حيث يمكن أن تسهل المحاكيات التفاعلية والمختبرات الافتراضية التعلم العملي. علاوة على ذلك، يمكن للذكاء الاصطناعي تبسيط عملية التقييم، وتقديم تدخلات مستهدفة لمعالجة الفجوات التعليمية. يسمح استخدام معالجة اللغة الطبيعية للمساعدين الافتراضيين المدعومين بالذكاء الاصطناعي بالتفاعل مع الطلاب في الوقت الحقيقي، مما يعزز فهمهم للمفاهيم المعقدة. بشكل عام، تفترض المقدمة أن الذكاء الاصطناعي لديه القدرة على خلق بيئات تعلم أكثر تفاعلية وتعاونًا وجاذبية، مما يزود الطلاب بالمهارات الأساسية لسوق العمل الحديث.
النتائج
يتناول قسم النتائج النتائج المتعلقة بالسؤالين البحثيين الأولين المطروحين في الدراسة. تكشف التحليلات عن رؤى مهمة تساهم في فهم الظواهر الأساسية. تم إجراء تقييمات إحصائية مفصلة ومقارنات، مما أدى إلى تحديد أنماط وعلاقات رئيسية داخل البيانات.
لا تؤكد هذه النتائج فقط الفرضيات الأولية، بل توفر أيضًا أساسًا لمزيد من الاستكشاف في الأبحاث اللاحقة. يتم مناقشة تداعيات هذه النتائج فيما يتعلق بالأدبيات الموجودة، مما يبرز أهميتها وتأثيرها المحتمل على المجال.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على إمكانيات الذكاء الاصطناعي (AI) لتعزيز تعليم العلوم القائم على الاستقصاء (IBSE)، خاصة في سياقات مثل جنوب إفريقيا حيث غالبًا ما تفشل الممارسات التعليمية التقليدية. يتم التأكيد على التعليم القائم على الاستقصاء في الأطر التعليمية العالمية، ومع ذلك، فإن تنفيذه يعيقه تحديات مثل أحجام الفصول الكبيرة، والموارد غير الكافية، ووقت التدريس المحدود. يُعتبر دمج الذكاء الاصطناعي حلاً لهذه القيود، حيث تشير الدراسات إلى أن الذكاء الاصطناعي يمكن أن يوفر تعليقات شخصية، ويعزز التعاون، ويساعد في تحليل البيانات، مما يثري عملية الاستقصاء. ومع ذلك، تثار أيضًا مخاوف بشأن الخصوصية، والتحيز، والحد من التفاعلات بين المعلم والطالب، مما يستدعي نهجًا نقديًا لدمج الذكاء الاصطناعي في البيئات التعليمية.
تستخدم الدراسة نظرية السلوك المخطط (TPB) للتحقيق في نوايا معلمي ما قبل الخدمة لاستخدام الذكاء الاصطناعي في IBSE. تكشف النتائج أن المعايير الذاتية، والفائدة المدركة، والاستعداد المهاري المدرك تؤثر بشكل كبير على هذه النوايا، بينما لا تؤثر المواقف تجاه الذكاء الاصطناعي بشكل قوي. تحدد الدراسة أيضًا أن التحكم السلوكي المدرك ومعرفة الذكاء الاصطناعي يؤثران بشكل غير مباشر على نتائج التعلم الفعلية. توضح البيانات النوعية أيضًا أن معلمي ما قبل الخدمة يدركون دور الذكاء الاصطناعي في دعم مراحل الاستقصاء، وتعزيز استقلالية المتعلم، وتلبية احتياجات التعلم المتنوعة. بشكل عام، بينما يقدم الذكاء الاصطناعي فرصًا واعدة لتحسين تعليم العلوم، يبقى من الضروري النظر بعناية في تداعياته الأخلاقية وضرورة مشاركة المعلمين.
القيود
تنشأ قيود هذه الدراسة بشكل أساسي من حجم العينة الصغيرة والاعتماد على مؤسسة واحدة في جنوب إفريقيا، مما قد يعيق تعميم النتائج. بالإضافة إلى ذلك، تم الاعتراف بمخاوف أولية بشأن موثوقية وصلاحية أداة الاستبيان، على الرغم من أنه تم التخفيف من هذه المخاوف من خلال إزالة بعض العناصر. يثير محدودية خبرة معلمي ما قبل الخدمة مع تقنيات الذكاء الاصطناعي مزيدًا من الأسئلة حول صلاحية ردودهم. على الرغم من هذه القيود، تبرز الدراسة إمكانيات أدوات الذكاء الاصطناعي لتعزيز الممارسات التعليمية، مشددة على أن الخبرة السابقة مع الذكاء الاصطناعي ليست شرطًا مسبقًا للاعتراف بفوائده.
يجب أن تهدف الأبحاث المستقبلية إلى تضمين عينات أكبر وأكثر تنوعًا لتسهيل المقارنات عبر الدول لنوايا معلمي العلوم في مرحلة ما قبل الخدمة لاستخدام الذكاء الاصطناعي في التعليم القائم على الاستقصاء. سيكون من المفيد أيضًا التحقيق في الاختلافات في النوايا بين معلمي ما قبل الخدمة ومعلمي الخدمة، مع الأخذ في الاعتبار كيف يمكن أن تؤثر العوامل السياقية المختلفة على تصوراتهم واستخدامهم لتقنيات الذكاء الاصطناعي في تعليم العلوم. يمكن أن يوفر هذا النطاق الموسع رؤى أعمق حول دمج الذكاء الاصطناعي التوليدي في الممارسات التعليمية وتداعياته على النتائج التعليمية.
DOI: https://doi.org/10.1007/s10956-024-10159-z
Publication Date: 2024-09-27
Author(s): Umesh Ramnarain et al.
Primary Topic: Educational Games and Gamification
Overview
This research explores the intentions of pre-service science teachers to utilize generative artificial intelligence (AI) in inquiry-based teaching, framed within Ajzen’s Theory of Planned Behavior. A survey was conducted among pre-service teachers at a South African public university, revealing that factors such as AI literacy, subjective norms, attitudes towards AI, perceived behavioral control, and perceived usefulness significantly influence their intention to employ AI in teaching. In contrast, concerns regarding generative AI and perceived skill readiness did not significantly affect their intentions. Qualitative interviews corroborated these findings, highlighting themes that reflect both enablers and inhibitors of AI use in educational contexts.
The study contributes to a deeper understanding of pre-service teachers’ motivations for integrating AI into inquiry-based teaching, emphasizing the potential of AI to enhance this pedagogical approach, which has struggled to gain traction in many classrooms. Notably, subjective norms emerged as the strongest predictor of intentions, underscoring the impact of teacher educators, mentor teachers, and peers on the adoption of AI. While the findings enrich the existing literature on AI in science education, the study acknowledges limitations and suggests further research comparing pre-service and in-service teachers to explore how varying contextual factors may influence their intentions to use AI.
Introduction
The introduction of the research paper discusses the pervasive influence of artificial intelligence (AI) across various domains, particularly emphasizing its integration into education. AI, defined as the simulation of human intelligence processes by machines, has seen a notable rise in interest within educational institutions, driven by advancements in generative AI (Gen AI). This subset of AI focuses on creating new content through sophisticated machine learning techniques, exemplified by technologies like ChatGPT. The potential of Gen AI to transform education is highlighted, as it offers personalized learning experiences and automates administrative tasks, thereby enhancing educational efficiency and engagement.
The paper outlines several applications of AI in education, including intelligent tutoring systems, chatbots, and automated grading, which collectively aim to personalize learning by analyzing students’ strengths and weaknesses. AI’s ability to adapt content and provide immediate feedback is emphasized, particularly in science education, where interactive simulations and virtual laboratories can facilitate hands-on learning. Furthermore, AI can streamline the assessment process, offering targeted interventions to address learning gaps. The use of natural language processing allows AI-powered virtual assistants to engage with students in real time, enhancing their understanding of complex concepts. Overall, the introduction posits that AI has the potential to create more interactive, collaborative, and engaging learning environments, equipping students with essential skills for the modern workforce.
Results
The results section addresses the findings related to the first two research questions posed in the study. The analysis reveals significant insights that contribute to the understanding of the underlying phenomena. Detailed statistical evaluations and comparisons were conducted, leading to the identification of key patterns and relationships within the data.
These findings not only validate the initial hypotheses but also provide a foundation for further exploration in subsequent research. The implications of these results are discussed in relation to existing literature, highlighting their relevance and potential impact on the field.
Discussion
The discussion section of the research paper highlights the potential of artificial intelligence (AI) to enhance inquiry-based science education (IBSE), particularly in contexts like South Africa where traditional teaching practices often fall short. Inquiry-based teaching is emphasized in global educational frameworks, yet its implementation is hindered by challenges such as large class sizes, inadequate resources, and limited instructional time. The integration of AI is posited as a solution to these constraints, with studies indicating that AI can provide personalized feedback, foster collaboration, and assist in data analysis, thereby enriching the inquiry process. However, concerns regarding privacy, bias, and the potential reduction of teacher-student interactions are also raised, necessitating a critical approach to AI integration in educational settings.
The research employs the Theory of Planned Behavior (TPB) to investigate pre-service teachers’ intentions to use AI in IBSE. Findings reveal that subjective norms, perceived usefulness, and perceived skill readiness significantly influence these intentions, while attitudes towards AI do not have a strong impact. The study also identifies that perceived behavioral control and AI literacy indirectly affect actual learning outcomes. The qualitative data further elucidate that pre-service teachers recognize AI’s role in supporting inquiry phases, enhancing learner autonomy, and accommodating diverse learning needs. Overall, while AI presents promising opportunities for improving science education, careful consideration of its ethical implications and the need for teacher engagement remains crucial.
Limitations
The limitations of this study primarily stem from its small sample size and the reliance on a single institution in South Africa, which may hinder the generalizability of the findings. Additionally, initial reliability and validity concerns regarding the survey instrument were acknowledged, although these were mitigated through item removal. The limited experience of pre-service teachers with AI technologies raises further questions about the validity of their responses. Despite these limitations, the study highlights the potential of AI tools to enhance educational practices, emphasizing that prior experience with AI is not a prerequisite for recognizing its benefits.
Future research should aim to include larger and more diverse samples to facilitate cross-national comparisons of pre-service science teachers’ intentions to utilize AI for inquiry-based teaching. It would also be valuable to investigate the differences in intentions between pre-service and in-service teachers, considering how various contextual factors may influence their perceptions and use of AI technologies in science education. This expanded scope could provide deeper insights into the integration of generative AI in teaching practices and its implications for educational outcomes.