آمار

تعداد نشریات13
تعداد شماره‌ها238
تعداد مقالات2,418
تعداد مشاهده مقاله3,962,373
تعداد دریافت فایل اصل مقاله2,874,088
عبادی, موسی. (1404). شبیه سازی عددی مدل دینامیکی-کنترلی دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی. فناوری آموزش, 19(3), 799-810. doi: 10.22061/tej.2026.11312.3179
موسی عبادی. "شبیه سازی عددی مدل دینامیکی-کنترلی دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی". فناوری آموزش, 19, 3, 1404, 799-810. doi: 10.22061/tej.2026.11312.3179
عبادی, موسی. (1404). 'شبیه سازی عددی مدل دینامیکی-کنترلی دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی', فناوری آموزش, 19(3), pp. 799-810. doi: 10.22061/tej.2026.11312.3179
عبادی, موسی. شبیه سازی عددی مدل دینامیکی-کنترلی دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی. فناوری آموزش, 1404; 19(3): 799-810. doi: 10.22061/tej.2026.11312.3179

شبیه سازی عددی مدل دینامیکی-کنترلی دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی

فناوری آموزش
مقاله 13، دوره 19، شماره 3 - شماره پیاپی 75، تیر 1404، صفحه 799-810    اصل مقاله (979.31 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/tej.2026.11312.3179
نویسنده
موسی عبادی*
گروه آموزش ریاضی، دانشگاه فرهنگیان، تهران، ایران
تاریخ دریافت: 06 بهمن 1403،  تاریخ بازنگری: 08 فروردین 1404،  تاریخ پذیرش: 24 خرداد 1404 
چکیده
پیشینه و اهداف: توسعه حرفه‌ای معلمان در دنیای مبتنی بر هوش مصنوعی در کنار دیگر فناوری‌های نوین از مباحث بسیار مهم و کلیدی در آموزش است. دانش محتوایی پداگوژیکی فناورانه مبتنی بر هوش مصنوعی (AI-TPACK) امروزه مورد پژوهش پژوهشگران حوزه آموزش معلمان بوده است. بررسی تأثیر متقابل مؤلفه‌های دانش AI-TPACK از اهمیت بالایی برخوردار است. در این مقاله یک مدل دینامیکی کنترلی برای AI-TPACK ارائه شد و  با اعمال یک تابع کنترل بر دانش فناوری و هوش مصنوعی معلمان تغییرات دیگر مؤلفه‌ها بر هم بررسی شد. این مدل در تصمیم‌گیری سیاست‌گذاران توسعه حرفه‌ای معلمان مورد توجه و استفاده قرار خواهد گرفت.
روش‌ها‌: این پژوهش از نوع تحقیق کاربردی و توسعه‌ای است که در سال ۱۴۰۴ انجام گرفت و  به طراحی و شبیه‌سازی یک مدل دینامیکی-کنترلی برای دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی پرداخت. در این راستا، ابتدا داده‌های مرتبط از یک مقاله معتبر استخراج و تحلیل شد و مبنای طراحی مدل قرار گرفت. سپس با استفاده از روش‌های شبیه‌سازی عددی، مدل طراحی‌شده تجزیه‌وتحلیل انجام و عملکرد آن در شرایط مختلف بررسی شد. این فرآیند شامل مراحل مختلفی از جمله تعریف متغیرهای کلیدی، تعیین روابط بین آن‌ها و اجرای شبیه‌سازی برای ارزیابی کارایی مدل در دست‌یابی به اهداف آموزشی و فناورانه بود.
یافته‌ها: تجزیه‌وتحلیل مدل دینامیکی طراحی شده با نرم‌افزار متلب نشان داد که به‌دلیل وجود جواب برای مدل، ضرایب به‌کار رفته در معادلات حالت که براساس داده‌های تجربی به‌دست‌ آمده بود، بر صحت مدل تأکید داشت. برای حل مدل، از یک تابع کنترل برای مدیریت متغیر دانش فناورانه مبتنی بر هوش مصنوعی معلمان استفاده شد. همچنین، تأثیر متقابل مؤلفه‌های مبتنی بر هوش مصنوعی بر دانش محتوایی تربیتی فناورانه از طریق حل عددی مدل مشخص شد. نمودارهای مربوط به هر متغیر در طول زمان  به تفصیل ارائه شد.  این پژوهش نشان داد که برای توسعه صلاحیت‌های حرفه‌ای معلمان، توجه ویژه به متغیرهای کلیدی شناسایی شده ضروری است، که خود می‌تواند به بهبود کیفیت آموزش و یادگیری در زمینه فناوری‌های نوین کمک کند.
نتیجه‌گیری: هوش مصنوعی از طریق قابلیت‏های منحصر به‌فردی که دارد می‏تواند توسعه بهینه و کنترل شده دانش محتوایی تربیتی فناورانه مبتنی بر هوش مصنوعی معلمان را بهبود بخشد. بررسی دقیق صلاحیت‌های حرفه‌ای معلمان در عصر هوش مصنوعی، نیازمند طراحی مدل دینامیکی کنترلی و تجزیه‌وتحلیل رفتار مدل براساس روش‌های نوین  با دقت بیشتر است. این پژوهش یک مدل دینامیکی کنترلی برای تجزیه‌وتحلیل و کنترل مؤلفه‌های دانش محتوایی-  تربیتی فناورانه مبتنی بر هوش مصنوعی  براساس مؤلفه‌های مرتبط با فناوری و هوش مصنوعی ارائه داد. استفاده از یک تابع کنترل لجستیکی در دو حالت مختلف جهت بررسی رفتار دینامیکی مدل می‌تواند در  تعیین میزان سرمایه‌گزاری در کاربست هوش مصنوعی و تعیین میزان اثربخشی آن بر سایر مؤلفه‌های AI-TPACK  معلمان مورد استفاده قرار گیرد. این مدل در حقیقت  توسعه مطالعات میان رشته‌ای در آموزش معلمان را  نیز ممکن می‌سازد. 
کلیدواژه‌ها
AI-TPACK؛ فناوریآموزش؛ مساله کنترل؛ مدل دینامیکی
موضوعات
فناوری آموزش- تربیت معلم
عنوان مقاله [English]
Numerical Simulation of the Dynamic-Control Model of Technological Pedagogical Content Knowledge Based on Artificial Intelligence
نویسندگان [English]
M. Ebadi
Department of Mathematics Education, University of Farhangian, Tehran, Iran
چکیده [English]
Background and Objectives: Teacher professional development in a world based on artificial intelligence, alongside other modern technologies, is among the most critical and pivotal topics in education. Artificial Intelligence-based Technological Pedagogical Content Knowledge (AI-TPACK) has recently become a focus of research for scholars in the field of teacher education. Examining the interplay between the components of AI-TPACK holds significant importance. This paper presented a dynamic control model for AI-TPACK, where a control function is applied to teachers’ knowledge of technology and artificial intelligence to analyze the mutual effects on other components. This model is expected to play a key role in guiding policymakers in making informed decisions regarding teacher professional development.
Methods: This research was an applied and developmental study focused on the design and simulation of a dynamic-control model (AI-TPACK). In this context, a model based on relevant data was first used from a reputable article to serve as the foundation for the model design. Subsequently, using a numerical simulation method, the designed model was analyzed, and its performance under various conditions was examined. This process involved several stages, including defining key variables, establishing relationships among them, and executing simulations to assess the model’s effectiveness in achieving educational and technological objectives.
 
Findings: The analysis of the designed dynamic model by using MATLAB indicated that the existence of solutions for the model emphasized the accuracy of the coefficients used in the state equations, which were derived from empirical data. To solve the model, two control functions were employed to manage the variable of teachers’ technological knowledge based on artificial intelligence. Additionally, the mutual influence of AI-based components on technological pedagogical content knowledge was determined through numerical solutions of the model. Detailed graphs related to each variable over time were presented.
Conclusion:  Artificial intelligence, through its unique capabilities, can enhance the optimized and controlled development of AI-based technological pedagogical content knowledge (AI-TPACK) for teachers. A precise examination of teachers’ professional competencies in the age of artificial intelligence requires the design of a dynamic control model and the analysis of its behavior using advanced methods with higher accuracy. This research proposes a dynamic control model for analyzing and regulating the components of AI-based technological pedagogical content knowledge, grounded in factors related to technology and artificial intelligence. Employing a logistic control function in two distinct scenarios to examine the model’s dynamic behavior can be utilized to determine the level of investment in the application of artificial intelligence and to evaluate its effectiveness on other components of teachers’ AI-TPACK. This model, in essence, also facilitates the advancement of interdisciplinary studies in teacher.
کلیدواژه‌ها [English]
AI-TPACK, Technology, Education, Control Problems, Dynamical Modeling
مراجع

[1] Cleary, Yvonne. Fostering communities of inquiry and connectivism in online technical communication programs and courses. Journal of Technical Writing and Communications.  2021, 51(1): 11-30

https://doi.org/10.1177/0047281620977138

[2] Bakhshi Khilgavani V., Aliabadi K., Nili M.R., Borzoian S., Delavar A. Exploring the elements of the educational model for connectivism teaching-learning environment. Tech. Edu. J. 2023, 17(4): 837-848

http:// doi.org/10.22061/tej.2023.9623.2873

[3] Barnett, John, McPherson, Vance and Sandieson Rachel M., Connected teaching and learning: The uses and implications of connectivism in an online class. Australasian Journal of Educational Technology. 2013, 29(5): 685-698

[4] Seimens G. Connectivism: A learning theory for the digital age. International journal of Industrial Technology and Distance Learning. 2005; 2(1): 3-10

[5] Prensky M. Digital natives, digital immigrants’ Part 2: Do they really think differently? On horizon. 2001, Nov. 1; 9(6): 1-6.

http://doi.org/10.1108/10748120110424843  

[6] Garzón Artacho E, Martínez TS, Ortega Martín JL, Marín Marín JA, Gómez García G. Teacher training in lifelong learning—The importance of digital competence in the encouragement of teaching innovation. Sustainability. 2020, 12(7):2852. https://doi.org/10.3390/su12072852

[7] Instituto Nacional de Tecnologías Educativas y Formación del Profesorado (INTEF). Marco de Competencia Digital; Ministerio de Educación: Ciencia y Deportes, Madrid, Spain, 2017. [Google Scholar]

[8] Ferrari, A. Digital Competence in Practice: An Analysis of Frameworks; European Commission Joint Research Centre (JRC): Seville, Spain, 2012. [Google Scholar]

[9] Alizadehjamal M, Shahvarani A, Iranmanesh A, Tehranian A. [The effect of mathematical education based on TPACK model on changing teachers' beliefs]. Tech. Edu. J. 2020; 14(3): 591-602. http://dx.doi.org/10.22061/jte.2019.4990.2148

[10] Koehler, M. J. ‎‎& Mishra, P. Introducing technological pedagogical content knowledge. In AACTE committee on innovation and technology (Eds). Handbook of technological pedagogical content knowledge (TPCK) for ‎educators, 2008,‎ pp. 3-29. New York:  Routledge.‎

[11] Koehler, M., & Mishra, P. What is technological pedagogical content knowledge? Contemporary Issues in Technology and Teacher Education, 2009, 9(1), 60-70.

[12] Wijaya, T.T.; Weinhandl, R. Factors Influencing Students’ Continuous Intentions for Using Micro-Lectures in the Post-COVID-19 Period: A Modification of the UTAUT-2 Approach. Electronics 2022, 11, 1924.

[13] Luckin, R., George, K., & Cukurova, M. AI for school teachers. 2022, CRC Press.

[14] Luan, H., Geczy, P., Lai, H., Gobert, J., Yang, S. J., Ogata, H., … Tsai, C. C. Challenges and future directions of big data and artificial intelligence in education. Frontiers in Psychology,2020, 2748. https://doi.org/10.3389/fpsyg.2020.580820

[15] Chen, X., Zou, D., Xie, H., & Cheng, G. Twenty years of personalized language learning: Topic modeling and knowledge mapping. Educational Technology & Society, 2021, 24(1), 205–222.

[16] Jobirovich, Y.M. The Role of digital technologies in reform of the education system. Am. J.Soc. Sci. Educ. Innov. 2021, 3, 461–465.

[17] Yimin Ning , Cheng Zhang, Binyan Xu, Ying Zhou and Tommy Tanu Wijaya.Teachers’ AI-TPACK: Exploring the relationship between knowledge elements sustainability, 2024, 16, 978.

https://doi.org/10.3390/ su16030978

[18] Kong, S.-C.; Lai, M.; Li, Y. Scaling up a teacher development program for sustainable computational thinking education: TPACK surveys, concept tests and primary school visits. Comput. Educ. 2023, 194, 104707.

[19] Elmaadaway MAN, Abouelenein YAM. In-service teachers' TPACK development through an adaptive e-learning environment (ALE). Educ Inf Technol (Dordr). 2022, Dec 20:1-26.

doi: 10.1007/s10639-022-11477-8

[20] Ismail Celik, Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education, Computers in Human Behavior, 2023, Volume 138, 107468,

https://doi.org/10.1016/j.chb.2022.107468.

[21] Li, M., Li, B. Unravelling the dynamics of technology integration in mathematics education: A structural equation modelling analysis of TPACK components. Educ Inf Technol, 2024,  29, 23687–23715.

https://doi.org/10.1007/s10639-024-12805-w

[22] Voogt, J., Fisser, P., Pareja Roblin, N., Tondeur, J., & van Braak, J. Technological pedagogical content knowledge - a review of the literature. Journal of Computer Assisted Learning, 2013, 29(2), 109–121.

 https://doi.org/10.1111/j.1365-2729.2012.00487.x

[23] Mishra, P. Considering contextual knowledge: The TPACK diagram gets an upgrade. Journal of Digital Learning in Teacher Education, 2019, 35(2), 76–78.

https://doi.org/10.1080/21532974.2019.1588 611

[24] Mishra, P., & Koehler, M. J. Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 2006, 108(6), 1017–1054.

https://doi.org/10.1111/j.14679620.2006.00684.x.

[25] Mishra, P., Warr, M., & Islam, R. TPACK in the age of ChatGPT and generative AI. Journal of Digital Learning in Teacher Education, 2023, 39(4), 235–251.

https://doi.org/10.1080/21532974.2023.22 47480

[26] Amine El Bhih, Youssef Benfatah, Habib Hassouni, Omar Balatif, Mostafa Rachik, Mathematical modeling, sensitivity analysis, and optimal control of student awareness in mathematics education, Partial Differential Equations in Applied Mathematics, 2024, Volume 11, 100795,

https://doi.org/10.1016/j.padiff.2024.100795.

[27] Divya G., Athithan S., et al. Modeling and stability analysis of substance abuse in women with control policies Partial Differ Equ Appl Math, 2024, 2666-8181, 9,

[28] Ullah A., Sakidin H., Gul S., et al. Mathematical model with sensitivity analysis and control strategies for marijuana consumption Partial Differ Equ Appl Math, 2024, 2666-8181, 10.

[29] Brijesh P. Singh, Chapter 9 - Modeling and forecasting the spread of COVID-19 pandemic in India and significance of lockdown: A mathematical outlook, Editor(s): Arni S.R. Srinivasa Rao, C.R. Rao, Handbook of Statistics, Elsevier, Volume 44, 2021, Pages 257-289.

https://doi.org/10.1016/bs.host.2020.10.005.

[30] Eriksson, K., Johnson, C., Estep, D. (2004). Vector-valued functions of several real variables. In: Applied Mathematics: Body and Soul. Springer, Berlin, Heidelberg.

https://doi.org/10.1007/978-3-662-05800-8_1

[31] M‎. ‎Ebadi and M‎. ‎Y‎. ‎Gokhale‎,  Solving nonlinear parabolic PDEs via extended hybrid BDF methods, Indian J‎. ‎Pure Appl‎. ‎Math‎. ‎2014, 45(3)‎, ‎395-412‎.

‎[32] M‎. ‎Ebadi and M‎. ‎Y‎. ‎Gokhale‎, Class 2+1 hybrid BDF-like methods for the numerical solutions of ordinary differential equations, Calcolo, 2011, 48(4)‎, ‎273--291‎.

‎[33] M‎. ‎Ebadi and M‎. ‎Y‎. ‎Gokhale‎,  Hybrid BDF methods for the numerical solutions of ordinary differential equations, Numer‎. ‎Algorithms‎, 2010, ‎55‎, ‎1--17‎‎.‎‎

[34] Ebadi‎, ‎M.‎, ‎Shahriari‎, ‎M‎. A class of two stage multistep methods in solutions of time dependent parabolic PDEs. Calcolo, 2024, 61‎, ‎4‎.

‎https://doi.org/10.1007/s10092-023-00557-x‎

‎‎‎‎[35] Ebadi, M., Malih maleki, I., and Ebadian, A.  New class of hybrid explicit methods for numerical solution of optimal control ‎problems‎,‎ ‎IJNAO,‎ 1‎1‎(‎20‎) (2021), ‎283-304‎.‎‎

Doi:10.22067/ijnao.2021.67961.1005

‎‎‎‎[36] Ebadi, M., Malih maleki, I., Haghighi, A.R., and Ebadian, A.  FBSM solution of optimal control problems using hybrid Runge-Kutta based ‎methods‎,‎ ‎J. ‎Math. ‎Ext.‎,‎ , 2021, Vol. 15, No. 4(14)‎, ‎1-35‎.‎ https://doi.org/10.30495/JME.2021.1641

‎[37] Ebadi, M., Seraji, F., & Bakhtiari, A. Competencies in teaching math with an IT- based approach: A comparison between student-teachers and article 28 trainees. Quarterly Journal of Economics, 2023, 38(4), 29–48. URL. [In Persian]

[38] Ebadi, M. & Karami, Z. The impact of technology-based mathematics education on the development of pedagogical content knowledge (PCK) among elementary education student -teachers. Interdisciplinary Studies in Education, 2024, 3(4), p.5-34. https://doi.org/10.22034/ISE.2025.17935.1163

آمار
تعداد مشاهده مقاله: 14,469
تعداد دریافت فایل اصل مقاله: 444


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب