شناسایی کاربردهای هوش مصنوعی در آموزش و بررسی میزان اهمیت آنها در ارتقاء کیفیت یادگیری دانش‌آموزان مقطع متوسطه

مرادی, سبحان; زارعی, محمدحسین

doi:10.22061/tej.2026.11317.3133

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه پیام نور، تهران، ایران

10.22061/tej.2026.11317.3133

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

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

COPYRIGHTS
© 2025 The Author(s). This is an open-access article distributed under the terms and conditions of the Creative Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) (https://creativecommons.org/licenses/by-nc/4.0/)

مراجع

[1] Judijanto L, Atsani MR, Chadijah S. Trends in The Deveopment of Artificial Intelegence- Based Technology in education. International Journal of Teachingand Learning (INJOTEL). 2024, 18, 2(6),1722-1733.

[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

[3] Xia Q, Chiu TKF, Lee M, Temitayo I, Dai Y, chai CS. A self- determination theory design approach for inclusive and diverse Artificial Intelligende (AI) k-12 education. Computers & Education. 2022, 189, 104582.

Doi:10.1016/j.compedu.2022.104582

[4] Mouta A, Torrecilla-Sanchez EM, Pinto- Llorente Am. Design of a future scenarios toolkit for an ethical implementation of artificial intelligence in eduvation. Education an Information Technologies. 2024, 29, 10473-10498.

https://doi.org/10.1007/s10639-023-12229-y

[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

[6] Russell SJ, Norvig P. Artificial intelligence: a modern approach. Pearson; 2016.

[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

[8] Chen X, Xie H, Zou D, Hwang GJ. Application and theoty gaps during the rise of artificial intelligence in education. Comput. educ. Artif. Intell. 2020, 1, 100002.

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

[13] Jafari D, Shah Mohammadi M, Qandali A. Artificial intelligence and new technologies in educational systems: opportunities and challenges. Electronic education and new educational technologies . 2024, 4(4), 129-139. [In persian]

[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

[15] Saputra I, Astuti M, Sayuti M, Kusumastuti D. Integration of Artificial Intelligence in Education: Opportunities, Challenges, Threats and Obstacles. A Literature Review. Indonesian Journal of Computer Science. 2023,12(4), 1590-1600.

[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

[18] Rezaei M, Pazouki E, Ebrahimpour R. Development of an Intelligent Mechanism for Comparing Personalized Education in the Context of an Interactive Educational System. Technology of Education Journal. 2024, 18 (3), 697-714.

[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

[20] Yim K H, Lee I. The Efffect if achievement motivation on the learning agility of nursing students: the mediating effect of self- leadership. Journal of the Korean Academic association of Nursing Education. 2021, 27 (1), 80-90.

https://doi.org/10.5977/jkasne.2021.27.1.80

[21] Hwang J G, Xie H, Wah B W, Gasevic D. Vision, Challenges, role and research issues of Artificial Intelligence in education. Comput. Educ. Artif.Intell. 2020, 1, 1-5.

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

[23] Miao F, Holmes W, Huang R, Zhang H. AI and education – Guidance for policy- mak-ers. United Nations Educational, Scientific and Cultural Organization.2021, Apr 8.

[24] Nguyen A, Ngo HN, Hong Y, Dang B, Nguyen BP. Ethical principles for artificial intelligence in education. Education and Information Technologies. 2023, 28(4),4221-4241.

[25] Liang W. Development trend and Thinking of Artificial Intelligence in Education. Paper presented at the 2020 International Wireless Communications and Mobile Computing (IWCMC). 2020, 15, 886-890.

DOI: 10.1109/IWCMC48107.2020.9148078

[26] Essaidi Y, Mouhoub L. A review of intelligent tutoring systems and the role of artificial intelligence. Education and Information Technologies. 2020, 25 (20, 741-771.

Doi:10.1007/s10639-019-09837-0

[27] Luckin R, Holmes W, Griffiths M, Forcier LB. Intelligence unleashed: An argument for AI in education. Pearson Education. 2016

[28] Abbasi H, Zaraii Zavaraki E, NiliAhmadabadi M. Investigating the use of new metaverse technology in teaching and learning: a systematic review. Technology of Education Journal. 2024, 18(2), 287-310.

[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

[32] Salimi M, Taleb Z, Masoudi Nadushan I. Evaluatining factors influential on Learning agility in e- learning. Educational Innovations. 2024, 23(1), 117-147.

[33] Zaman B U I. Transforming Education Through AI, Benefits, Risks, and Ethical Considerations. preprints2024, 2024070859. https://doi.org/10.20944/preprints202407.0859.v1

[34] Ouyang F, Zheng L, Jiao P. Artificial Intelligence in online higher education: A systematic review of empirical research from 2011 to 2020. Education and Information Technologies. 2022,27 (6), 1-33.

https://doi.org/10.1007/s10639-022-10925-9

[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

[37] Temitayo I, Sunday S, Olamide J. Exploring teachers’ preconceptions of teaching machine learning in high school: A preliminary insight from Africa. Computers and Education Open,2022,3,100072.

https://doi.org/10.1016/j.caeo.2021.100072

[38] Saputra I, Astuti M, Sayuti M, Kusumastuti D. Integration of Artificial Intelligence in Education: Opportunities, Challenges, Threats and Obstacles. A Literature Review. Indonesian Journal of Computer Science, 2023, 12(4), 1590-1600.

[39] Nguyen A, Ngan Ngo H, Hong Y, Dang B, Neguyen BT. Ethical principles for artificial intelligence in education. Education and Information Technologies, 2023, 28, 422`-4241.

https://doi.org/10.1007/s10639-022-11316-w

[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

[42] Miao F, Holmes W, Huang R, Zhang H. (2021). AI and education – Guidance for policy- mak-ers. United Nations Educational, Scientific and Cultural Organization, 2021, Apr 8.

[43] Decuypere M, Grimaldi E, Landri P. Introduction: critical studies of digital education platforms. Crit Stud Educ, 2021, 62(1), 1–16. https://doi.org/10.1080/17508487.2020.1866050

[44] Alam A, Hasan M, Raza MM. Impact of artificial intelligence (AI) on education: changing paradigms and approaches. Towards Excellence, 2022, 14(1), 281-289.

[45] Judijanto L, Atsani MR, Chadijah S. Trends In The Deveopment of Artificial Intelegence- Based Technology in education. International Journal of Teachingand Learning (INJO-TEL), 2024, 18, 2(6),1722-1733.

[46] Rodrigues R. Legal and human rights issues of AI: Gaps, dhallenges and vulnerabilities. Journal of Responsible Technology, 2020, 4, 100005.

https://doi.org/10.1016/h.hrt.2020.100005

نامه به سردبیر

سر دبیر نشریه فناوری آموزش، با تواضع انتشار نامه های واصله از نویسندگان و خوانندگان و بحث در سامانه نشریه را ظرف 3 ماه از تاریخ انتشار آنلاین مقاله در سامانه و یا قبل از انتشار چاپی نشریه، به منظور اصلاح و نظردهی امکان پذیر نموده است.، البته این شامل نقد در مورد تحقیقات اصلی مقاله نمی باشد.

توچه به موارد ذیل پیش از ارسال نامه به سردبیر لازم است در نظر گرفته شود:

[1]نامه هایی که شامل گزارش از آمار، واقعیت ها، تحقیقات یا نظریه ها هستند، لازم است همراه با منابع معتبر و مناسب باشند، اگرچه ارسال بیش از زمان 3 نامه توصیه نمی گردد

[2] نامه هایی که بجای انتقاد سازنده به ایده های تحقیق، مشتمل بر حملات شخصی به نویسنده باشند، توجه و چاپ نمی شود

[3] نامه ها نباید بیش از 300 کلمه باشد

[4] نویسندگان نامه لازم است در ابتدای نامه تمایل یا عدم تمایل خود را نسبت به چاپ نظریه ارسالی نسبت به یک مقاله خاص اعلام نمایند

[5] به نامه های ناشناس ترتیب اثر داده نمی شود

[6] شهر، کشور و محل سکونت نویسندگان نامه باید در نامه مشخص باشد.

[7] به منظور شفافیت بیشتر و محدودیت حجم نامه، ویرایش بر روی آن انجام می پذیرد.