پیوندهای مفید
آمار
| تعداد نشریات | 13 |
| تعداد شمارهها | 238 |
| تعداد مقالات | 2,423 |
| تعداد مشاهده مقاله | 3,967,353 |
| تعداد دریافت فایل اصل مقاله | 2,877,724 |
نقش میانجی مهارت تلفیق فناوری در ارتباط بین میزان سواد هوش مصنوعی و عملکرد حرفهای معلمان دوره ابتدایی | ||
| فناوری آموزش | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 26 خرداد 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/tej.2026.12833.3344 | ||
| نویسندگان | ||
| مریم پورجمشیدی* ؛ محمدرضا وافی نیر | ||
| گروه علوم تربیتی، دانشکده علوم انسانی، دانشگاه بوعلی سینا، همدان، ایران | ||
| تاریخ دریافت: 29 آذر 1404، تاریخ بازنگری: 18 خرداد 1405، تاریخ پذیرش: 20 اردیبهشت 1405 | ||
| چکیده | ||
| پیشینه و اهداف: در عصر دیجیتال، معلمان به عنوان ارکان اصلی نظام آموزشی، با چالشهای نوظهوری در زمینه تلفیق فناوریهای نوین با شیوههای تدریس روبهرو هستند. با وجود تأکید اسناد بالادستی و استانداردهای جهانی بر ضرورت ارتقای عملکرد حرفهای معلمان، شواهد نشان میدهد که بسیاری از آنان هنوز در بهرهگیری مؤثر از ابزارهای هوشمند ناتواناند. ظهور هوش مصنوعی به عنوان یک فناوری تحولآفرین، نیازمند شکلگیری نوع جدیدی از سواد در میان معلمان است؛ سوادی که فراتر از مهارتهای فنی ساده بوده و شامل توانایی درک، ارزیابی و استفاده خلاقانه از هوش مصنوعی در فرایند یاددهی-یادگیری باشد. با این حال، مسئله اصلی این است که آیا صرف برخورداری از دانش نظری درباره هوش مصنوعی میتواند مستقیماً به بهبود عملکرد حرفهای معلمان منجر شود یا این تأثیر نیازمند متغیرهای میانجی است؟ پژوهشهای پیشین نشان دادهاند که شکافی میان دانش نظری و عمل آموزشی وجود دارد که ممکن است با متغیر «تلفیق فناوری» پر شود. بر این اساس، هدف اصلی پژوهش حاضر بررسی رابطه میان سواد هوش مصنوعی و عملکرد حرفهای معلمان دوره ابتدایی با تأکید بر نقش میانجی مهارت تلفیق فناوری به منظور ارتقای کیفیت آموزش در مدارس است. روشها: پژوهش حاضر از نظر هدف، کاربردی و از نظر ماهیت، کمی و از نوع توصیفی-همبستگی مبتنی بر مدلسازی معادلات ساختاری است. جامعه آماری پژوهش شامل کلیه معلمان شاغل در مدارس دوره ابتدایی شهرستان کبودراهنگ در سال تحصیلی ۱۴۰۵-۱۴۰۴ بود که تعداد آنها ۶۰۰ نفر گزارش شد. حجم نمونه با استفاده از جدول کرجسی و مورگان، ۲۳۴ نفر برآورد گردید و نمونهگیری به روش در دسترس انجام شد که در نهایت ۲۳۵ پرسشنامه کامل جمعآوری و تحلیل شد. دادهها با استفاده از سه ابزار شامل پرسشنامه استاندارد سواد هوش مصنوعی (نینگ، ۲۰۲۵)؛ پرسشنامه استاندارد عملکرد حرفهای معلمان (دارنده، ۱۳۸۹) و پرسشنامه تلفیق فناوری محققساخته بر اساس مدل SAMR جمع آوری شد. روایی ابزارها از منظر متخصصان موضوعی و پایایی ابزارها با استفاده از آلفای کرونباخ به ترتیب ۰.۹۳، ۰.۹۵ و ۰.۹۳ تایید گردید. تجزیه و تحلیل دادهها با استفاده از نرمافزارهای آماری SPSS و SmartPLS و با بهرهگیری از آزمونهای تی تکنمونهای، ضریب همبستگی پیرسون و مدلسازی معادلات ساختاری انجام شد. یافتهها: نتایج توصیفی نشان داد که میانگین نمرات سواد هوش مصنوعی (۲.۶۵) و تلفیق فناوری (۲.۸۳) پایینتر از حد متوسط و میانگین عملکرد حرفهای (۳.۷۶) بالاتر از حد متوسط است. در بخش یافتههای استنباطی، نتایج مدلسازی معادلات ساختاری حاکی از آن بود که رابطه مستقیم بین سواد هوش مصنوعی و عملکرد حرفهای معلمان معنادار نیست (ضریب مسیر ۰.۱۰۲، آماره تی ۱.۳۸۱). اما سواد هوش مصنوعی اثر مستقیم و مثبت قوی بر میزان تلفیق فناوری دارد (ضریب مسیر ۰.۴۸۹، آماره تی ۹.۷۷۸). همچنین، تلفیق فناوری اثر مستقیم و معناداری بر عملکرد حرفهای معلمان نشان داد (ضریب مسیر ۰.۴۰۲، آماره تی ۷.۰۱۴). مهمترین یافته پژوهش، تأیید نقش میانجیگری کامل متغیر «سطح تلفیق فناوری» در رابطه بین سواد هوش مصنوعی و عملکرد حرفهای بود (ضریب مسیر غیرمستقیم ۰.۱۹۷، آماره تی ۵.۶۵۸). ضریب تعیین مدل نیز نشان داد که حدود ۲۱ درصد از تغییرات عملکرد حرفهای توسط متغیرهای مدل تبیین میشود. نتیجهگیری: یافتههای پژوهش نشان میدهد که سواد هوش مصنوعی بهتنهایی و بدون واسطه، قادر به ارتقای عملکرد حرفهای معلمان نیست. این نتیجه بیانگر آن است که دانش نظری درباره هوش مصنوعی تنها زمانی به بهبود کیفیت تدریس، ارزشیابی و مدیریت کلاس منجر میشود که از مجرای «تلفیق عملی فناوری» عبور کند. به عبارت دیگر، تلفیق فناوری نقش موتور محرکی را دارد که پتانسیل شناختی (سواد) را به عملکرد بالفعل تبدیل میکند. با توجه به پایین بودن سطح سواد و تلفیق فناوری در جامعه مورد مطالعه، پیشنهاد میشود برنامههای توسعه حرفهای معلمان از تمرکز صرف بر دانشافزایی عبور کرده و بر کارگاههای عملی «نحوه تلفیق ابزارهای هوشمند در تدریس» متمرکز شوند. محدودیت اصلی این پژوهش، انجام آن در یک منطقه جغرافیایی خاص و استفاده از ابزارهای خودگزارشدهی بود که تعمیمپذیری نتایج را با احتیاط روبهرو میسازد. | ||
| کلیدواژهها | ||
| سواد هوش مصنوعی؛ عملکرد حرفهای؛ تلفیق فناوری؛ آموزش ابتدایی | ||
| موضوعات | ||
| فناوری آموزش- دوره ابتدایی | ||
| عنوان مقاله [English] | ||
| The Mediating Role of Technology Integration Skills in the Relationship Between Artificial Intelligence Literacy and Professional Performance of Primary School Teachers | ||
| نویسندگان [English] | ||
| M. Pourjamshidi؛ M.R. Vafi Nair | ||
| Department of Educational Sciences, Faculty of Human Sciences, Bu-Ali Sina University, Hamedan, Iran | ||
| چکیده [English] | ||
| Background and Objectives: In the digital age, teachers, as the pillars of the educational system, face emerging challenges in integrating modern technologies into teaching practices. Despite the emphasis of upstream documents and global standards on the necessity of improving teachers' professional performance, evidence suggests that many are still unable to effectively utilize smart tools. The emergence of artificial intelligence as a transformative technology necessitates the formation of a new type of literacy among teachers; a literacy that goes beyond simple technical skills and includes the ability to understand, evaluate, and creatively use artificial intelligence in the teaching-learning process. However, the main issue is whether possessing theoretical knowledge about artificial intelligence alone can directly lead to improved professional performance, or if this effect requires executive mediators. Previous studies have indicated a gap between theoretical knowledge and educational practice, which might be bridged by the variable of "technology integration." Accordingly, the main objective of this study is to investigate the relationship between artificial intelligence literacy and the professional performance of primary school teachers, emphasizing the mediating role of technology integration skills (based on the SAMR model), to provide a model for enhancing the quality of education in schools. Methods: The present study is applied in terms of purpose and descriptive-correlational based on structural equation modeling in terms of nature. The statistical population included all teachers working in primary schools of Kabudarahang County in the academic year 2024-2025, totaling 600 individuals. The sample size was estimated at 234 using the Krejcie and Morgan table, and sampling was conducted using the convenience method, resulting in the collection and analysis of 235 complete questionnaires. Data were collected using three standard instruments: the AI Literacy Questionnaire (Ning, 2025), a researcher-made Technology Integration Skills Questionnaire based on the SAMR model, and the Teachers' Professional Performance Questionnaire (Darandeh, 2010). The validity and reliability of the instruments were confirmed using Cronbach's alpha (0.93, 0.95, and 0.93, respectively). Data analysis was performed using SPSS and SmartPLS statistical software through one-sample t-tests, Pearson correlation coefficient, and structural equation modeling. Findings: Descriptive results showed that the mean scores of AI literacy (2.65) and technology integration skills (2.83) were lower than the average, while the mean of professional performance (3.76) was higher than the average. In the inferential findings section, the results of structural equation modeling indicated that the direct relationship between AI literacy and teachers' professional performance was not significant (path coefficient 0.102, t-statistic 1.381). However, AI literacy had a very strong positive direct effect on technology integration skills (path coefficient 0.489, t-statistic 9.778). Also, technology integration skills showed a significant direct effect on teachers' professional performance (path coefficient 0.402, t-statistic 7.014). The most important finding of the research was the confirmation of the full mediating role of the "technology integration skills" variable in the relationship between AI literacy and professional performance (indirect path coefficient 0.197, t-statistic 5.658). The coefficient of determination of the model also showed that approximately 21% of the changes in professional performance are explained by the model variables. Conclusion: The findings of the research indicate that artificial intelligence literacy alone and without mediation is not capable of enhancing teachers' professional performance. This result suggests that theoretical knowledge about artificial intelligence leads to improved teaching quality, evaluation, and classroom management only when it passes through the channel of "practical technology integration skills." In other words, technology integration acts as a driving engine that converts cognitive potential (literacy) into actual performance. Given the low level of literacy and integration skills in the studied population, it is suggested that teacher professional development programs move beyond merely focusing on knowledge enhancement and concentrate on practical workshops regarding "how to integrate smart tools into teaching." The main limitation of this study was its conduct in a specific geographical area and the use of self-reporting tools, which warrants caution in generalizing the results. | ||
| کلیدواژهها [English] | ||
| Artificial intelligence literacy, Professional performance, Technology integration, Primary education | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 7 |
||