پیوندهای مفید
آمار
| تعداد نشریات | 11 |
| تعداد شمارهها | 237 |
| تعداد مقالات | 2,398 |
| تعداد مشاهده مقاله | 3,830,612 |
| تعداد دریافت فایل اصل مقاله | 2,775,223 |
شناسایی کاربردهای هوش مصنوعی در آموزش و بررسی میزان اهمیت آنها در ارتقاء کیفیت یادگیری دانشآموزان مقطع متوسطه | ||
| فناوری آموزش | ||
| مقاله 11، دوره 19، شماره 3 - شماره پیاپی 75، تیر 1404، صفحه 761-778 اصل مقاله (964.68 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/tej.2026.11317.3133 | ||
| نویسندگان | ||
| سبحان مرادی؛ محمدحسین زارعی* | ||
| گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه پیام نور، تهران، ایران | ||
| تاریخ دریافت: 07 دی 1403، تاریخ بازنگری: 25 اسفند 1403، تاریخ پذیرش: 29 اردیبهشت 1404 | ||
| چکیده | ||
| پیشینه و اهداف: کاربردهای هوش مصنوعی در آموزش همه روزه در حال ظهور است و تمرکز تحقیقات بر شناسایی این فرصتها، جهت گیریهای آینده آموزشی را در جهت بهرهمندی از آموزشی عادلانه و فرصت برابر جهانی مشخص میسازد. از همین رو، هدف از پژوهش حاضر شناسایی کاربردهای هوش مصنوعی در آموزش از دیدگاه فعالان این حوزه و بررسی میزان تأثیر آن در ارتقاء کیفیت یادگیری فراگیران از دیدگاه معلمان نیز است. روشها: این پژوهش کاربردی، با روش آمیخته(کیفی- کمّی) از نوع متوالی تبدیلی با دو رویکرد تحلیل محتوا و توصیفی پیمایشی است. برای شناسایی کاربردهای هوش مصنوعی از مصاحبه نیمه ساختاریافته با 13نفر از متخصصان موضوعی که بهصورت هدفمند از نوع گلوله برفی با معیار انتخاب اشباع نظری دادهها انتخاب شده بودند و برای بررسی میزان تأثیر این کاربردها، 81 نفر معلمان مقطع متوسطه اول و دوم شهرستان لنده که بهصورت تصادفی ساده براساس جدول تعیین حجم نمونه کرجسی مورگان انتخاب شده بودند، به پرسشنامه محقق ساخته با 46 سؤال پاسخگو بودند. اصالت مصاحبهها و روایی محتوایی پرسشنامه توسط 4 نفر از متخصصان موضوعی تأیید و پایایی پرسشنامه با آلفای کرنباخ(94/0)سنجیده شد. دادههای بخش کیفی در MAXQDA به روش گرنددتئوری به شیوه اشتراوس و کوربین با پارادایم تفسیرگرایی بوریل و مورگان تحلیل و دادههای بخش کمّیدر spss26 با آمار توصیفی، آزمون فریدمن و t تکنمونه تحلیل شد. یافتهها: یافتههای بخش کیفی شامل 4 کد انتخابی، 21 کد محوری و 101 کد باز بود که عبارتند از کاربردهای هوش مصنوعی در آموزش با 8 کد محوری، مزایای کاربرد هوش مصنوعی با6 کد محوری، چالشهای کاربرد هوش مصنوعی با 5 کد محوری و اصول اساسی کاربرد هوش مصنوعی با 1 کد محوری. نتایج آزمون فریدمن نشان داد که «ارتباط با متخصصان و منابع خارجی و افزایش تعاملات در سطح جهانی، طراحی و ارائه محتواهای کاربردی، جذاب، اثربخش و متناسب با نیازهای دانشآموزان، ساماندهی شرایط در جهت بهبود مدیریت کلاس و کم کردن وظایف تکراری معلمان» بهعنوان کاربردهای دارای اولویت اول تا سوم در زمینه هوش مصنوعی و مؤلفههای «آزادسازی وقت معلمان و کم کردن وظایف تکراری او، مبارزه با تبعیض و ارتقای عدالت اجتماعی، توانایی تغییر در رشد اجتماعی دانشآموزان» در سه رتبه آخر قرار گرفته است. همچنین، میانگین تمام مؤلفهها از میانگین فرضی(5/3) بیشتر بوده که نشاندهنده مؤثر بودن تمام مؤلفهها در افزایش کیفیت یادگیری است. علاوه براین، نتایج آزمونt نشان داد که تمام مؤلفهها در افزایش کیفیت یادگیری فراگیران تأثیرگذار بوده و از دیدگاه معلمان دارای اهمیت است؛ زیرا میزان بهدست آمده مقدار t در تمام مؤلفهها بالاتر از 96/1 است. نتیجهگیری: در پژوهش حاضر علاوهبر شناسایی کاربردهای هوش مصنوعی در آموزش تمام مزایا، اصول و چالشها و نگرانیهای پیرامون کاربردهای هوش مصنوعی در آموزش را شناسایی و میزان تأثیر کاربردهای هوش مصنوعی در افزایش کیفیت یادگیری دانشآموزان مورد بررسی قرار گرفت. نتایج بخش کیفی نشان داد که متخصصان موضوعی و فعالان این حوزه مهمترین کاربردهای هوش مصنوعی را در افزایش دقت در ارزشیابیها و شخصیسازی آموزش میدانند و معتقدند که در صورت استفاده اصولی میتوان از مزایای این کاربردها بهره برد و چالشها را به حداقل رساند. نتایج بخش کمّی نیز نشان داد از دیدگاه معلمان، در کاربردها بخش شخصیسازی آموزش و بهبود مدیریت کلاس تأثیر بیشتری بر فرآیند یاددهی- یادگیری دانشآموزان و ارتقاء بیشتر آن دارد. | ||
| کلیدواژهها | ||
| هوش مصنوعی؛ آموزش؛ کاربرد؛ یادگیری؛ دانشآموزان | ||
| موضوعات | ||
| فناوری آموزش - هوش مصنوعی | ||
| عنوان مقاله [English] | ||
| Identifying the Aapplications of Aartificial I intelligence in Eeducation and Examining tTheir Importancei In Improving tThe Quality Of Hhigh School Students' Learning | ||
| نویسندگان [English] | ||
| S. Moradi؛ M. H. Zarei | ||
| Department of Education Sciences, Peyame Noor university, Tehran Iran | ||
| چکیده [English] | ||
| Background and Objectives: The applications of artificial intelligence in education (AIED) is emerging, and the focus of research on identifying these opportunities determines the future directions of education in order to benefit from fair education and equal opportunity globally. Therefore, the purpose of this research was to identify the applications of AIED from the point of view of the activists in this field and to examine its impact on improving the quality of learning from the point of view of teachers as well. Methods: This was applied research with a mixed-methods design (qualitative-quantitative) of sequential transformation type with two approaches of content analysis and descriptive survey. To identify the applications of AI from a semi-structured interview with 13 subject experts who were purposefully selected by snowball sampling with the selection criteria of theoretical data saturation and to check the effectiveness of these applications, 81 first and second secondary school teachers of the city. Lande, who were selected randomly based on the sample size Morgan’s determination table, responded to the researcher-made questionnaire with 46 items. The authenticity of the interviews and the content validity of the questionnaire were confirmed by 4 subject experts and the reliability of the questionnaire was measured via Cronbach's alpha (0.94). The data of the qualitative section were analyzed in MAXQDA by the Grounded Theory method of Strauss and Corbin with the interpretive paradigm of Burrill and Morgan, and the data of the quantitative section were analyzed in SPSS26 with descriptive statistics, Friedman test and t-test. Findings: The findings of the qualitative section included 4 selected codes, 21 central codes and 101 open codes, which include the applications of AIED with 8 central codes, the benefits of using AI with 6 central codes, the challenges of using AI with 5 central codes andtThe basic principles of using AI with 1 core code. The results of Friedman's test showed that "communicating with experts and external resources and increasing interactions at the global level, designing and presenting practical, attractive, effective and appropriate content based on the needs of students, organizing the conditions to improve classroom management and reducing the repetitive tasks of teachers" to the titles of the first to third priority applications in the field of AI and the components of "freeing up teachers' time and reducing their repetitive tasks, fighting discrimination and promoting social justice, the ability to change the social development of students" were ranked in the last three. Also, the average of all components was higher than the hypothetical average (3.5) and showed the effectiveness of all components in increasing the quality of learning. In addition, the results of the t-test showed that all the components were effective in increasing the quality of learning among the learners and it is important from the teachers' point of view because the t-value obtained in all the components was higher than 1.96. Conclusion: In this research, in addition to identifying the applications of AIED, all the advantages, principles, challenges and concerns considering the applications of AIED were identified and the extent of the impact of the applications of AI on increasing the quality of students' learning was investigated. The results of the qualitative part showed that subject experts and activists in this field considered the most important applications of AI in increasing the accuracy of evaluations and personalization of education and believed that if they were used properly, the benefits of these applications could be used and the challenges would be minimized. The results of the quantitative section also showed that from the teachers' point of view, in the applications of personalizing education and improving classroom management, it had a greater impact on the teaching-learning process of students and its further improvement. | ||
| کلیدواژهها [English] | ||
| Artificial Intelligence, Education, Application, Learning, Students | ||
| مراجع | ||
|
[2] chiu TKF. A holistic approach to Artificial Intelligence (AI) curriculum for K- 12 school. TechTrends. 2021, 65,796-807. https://doi.org/10.1007/s11528-021-00637-1
Doi:10.1016/j.compedu.2022.104582
[5] Kamalov F, Calonge DS, Gurrib I. New Era of Artificial Intelligence in Education: Towards a Sustainable MultifacetedRevolution.Sustainability. 2023, 15, 12451. https://doi.org/10.3390/su151612451
[7] Akgun S, Greenhow C. Artificial intelligence in education: Addressing ethical challenges in K-12 setting – PMC. AI Ethics. 2022, 2(3), 431-440. doi:10.1007/s43681-021-00096-7
Doi:10.1016/j.caeai.2020.100002
[9] Dai Y, Liu A, Qin J, guo Y, Jong M S Y, Chai C S, Lin Z. Collaborative construction of artificial intelligence curriculum in primary schools. Journal of Engineering education.2022, 23-42. https://doi.org/10.13187/ejced.2021.2.297
[10] Chiu T K F, Xia Q, Zhou X, Chai C S, Cheng M. systemativ Literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. computer and education: Artificial Intelligence. 2023, 4, 100118. https://doi.org/10.1016/j.caeai.2022.100118
[11] Corba W F, Bennasar F N. Techniques and applications of Machin Learning and Artificial Intelligence in education: a systematic review. RIDE- Revista Iberoamericana de education a distancia. 2024, 27 (1). https://doi.org/10.5944/ried.27.1.37491
[12] Dieterle E, Dede C, Walker M. The cyclical ethical effects of using artificial intelligence in education.AI & SOCIETY. 2024, 39, 633-643. https://doi.org/10.1007/s00146-022-01497-w
[14] Dignum V. The role and challenges of education for responsible AI. London Rev. Educ. 2021, 19(1), 1-11. Doi:10.14324/KRE.19.1.01
[16] Holmes W, Hui Z, Miao F, Ronghuai H. AI and education: A Guidance for poli-cymarlers. UNESCO Publishing, 2021.
[17] Mouta A, Torrecilla-Sanchez E M, Pinto- Llorente A M. Design of a future scenarios toolkit for an ethical implementation of artificial intelligence in eduvation. Education an Infor-mation Technologies, 2024, 29, 10473-10498. https://doi.org/10.1007/s10639-023-12229-y
[19] Zafari M, Esmaeily A, Sadegi Niaraki A. An Overview of the applications of Artifficial Intelligence and Virtual Reality in Education. Educational measurement and Evaluation Studies. 2021, 11 (36), 89-116. Doi:10.22034/EMES.2021.251559
Doi:10.1016/j.caeai.2020.100001
[22] Paek S, Kim N. Analysis of worldwide research trends on the impact of artificial intelligence in education. Sustainability. 2021, 13 (14),7941. https://doi.org/10.3390/su13147941
DOI: 10.1109/IWCMC48107.2020.9148078
Doi:10.1007/s10639-019-09837-0
[29] Nigam M, Pasricha R, Singh T, ChuriP. A systematic review an AI- based proctoring systems: Past, peresent and future. Education and Information Technologies. 2021, 26 (5), 6421-6445. https://doi.org/10.1007/s10639-021-10597-x
[30] Bogina V, Hartman A, Kuflik T, Shulner- Tal A. Educating Softwareand AI Stakeholders About Algorithmic Fairness, Accountability, Transparency and Ethics. International Journal of Arificial Intelligencein Education. 2022, 32(3), 808-833. https://doi.org/10.1007/s40593-021-00248-0
[31] Daniel BK. Big Data and data science: a critical review of issues for educational research. Br J Edu Technol. 2019, 50 (1), 101-113. https://doi.org/10.1111/bjet.12595
[33] Zaman B U I. Transforming Education Through AI, Benefits, Risks, and Ethical Considerations. preprints2024, 2024070859. https://doi.org/10.20944/preprints202407.0859.v1
[35] Xu W, Ouyang F. A Systematic review of AI role in the educational system based on a proposed conceptual framework. Education and Information Technologies.2022, 27(3),1-29. https://doi.org/10.1007/s10639-021-10774-y
[36] Chu ST, Hwang GJ, TU YF. Artificial Intelligence- based robots in education: A systematicc review of selected SSCI publications. Computers and education: Artificial intelligence. 2022,1(3), 100091. https://doi.org/10.1016/j.caeai.2022.100091
[40] Menard P, Bott GJ. Artificial intelligence misuse and concern for information privacy: New construct validation and future directions. Information Systems Journal, 2025, 35(1), 322-367. https://doi.org/10.1111/isj.12544
[41] Ridley M. Human‐centered explainable artificial intelligence: An Annual Review of Information Science and Technology (ARIST) paper. Journal of the Association for Information Science and Technology, 2025,76(1), 98-120. https://doi.org/10.1002/asi.24889
| ||
|
آمار تعداد مشاهده مقاله: 59 تعداد دریافت فایل اصل مقاله: 17 |
||