نقش هوش مصنوعی در بازتعریف دانش‌های مدرسان (TPACK): یافته‌هایی از نظریه داده‌بنیاد

نویسندگان

1 دانشجو دکتری رشته برنامه ریزی درسی، دانشکده علوم تربیتی و روانشناسی، دانشگاه فردوسی مشهد، مشهد، ایران.

2 دانشیار گروه مطالعات برنامه درسی و آموزش، دانشکده علوم تربیتی و روانشناسی، دانشگاه فردوسی مشهد، مشهد، ایران

3 استاد، گروه مطالعات برنامه درسی و آموزش، دانشکده علوم تربیتی و روانشناسی، دانشگاه فردوسی مشهد، مشهد، ایران.

doi
10.30473/t-edu.2025.75670.1322
چکیده

پژوهش حاضر با هدف شناسایی ابعاد و مؤلفه‌های تدریس اثربخش مبتنی بر هوش مصنوعی در چارچوب مدل دانش محتوایی، پداگوژیکی و فناورانه (TPACK) و بر اساس تجارب اساتید و متخصصان آموزشی انجام شد. این مطالعه با رویکرد کیفی و بر اساس روش نظریه داده‌بنیاد با الگوی اشتراس و کوربین انجام شد. مشارکت‌کنندگان شامل ۱۹ نفر از اساتید دانشگاه، متخصصان و معلمان باتجربه در حوزه آموزش و یادگیری با فناوری‌های نوین بودند. نمونه‌گیری به‌صورت هدفمند از نوع گلوله‌برفی انجام گرفت. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته و تحلیل داده‌ها طی مراحل کدگذاری باز، محوری و انتخابی صورت گرفت. نتایج نشان داد که ادغام هوش مصنوعی در تدریس، ابعاد مختلف دانش معلم شامل دانش فناورانه (TK)، دانش پداگوژیکی (PK)، دانش محتوایی (CK) و همچنین تعاملات میان ‌بعدی مانند TPK، PCK و TCK را بازتعریف می‌کند. مؤلفه‌هایی چون شخصی‌سازی یادگیری، تسهیل تعامل آموزشی، بازنمایی مفاهیم دشوار و طراحی فعالیت‌های خلاقانه با مشارکت انسان و ماشین به‌عنوان عناصر اصلی تدریس اثربخش شناسایی شدند. علاوه بر این، چالش‌ها و نگرش‌های اخلاقی نظیر وابستگی بیش‌ازحد به فناوری، صحت محتوای تولیدی  و ضرورت حفظ تعامل انسانی نیز برجسته شد. تحلیل داده ها نشان داد که تحقق تدریس اثربخش با بهره‌گیری از هوش مصنوعی منوط به سه شرط بنیادین است: توانمندسازی حرفه‌ای معلمان، هم‌افزایی فناوری با رویکردهای فعال یادگیری  و طراحی چارچوب‌های اخلاقی و سیاست‌گذاری شفاف. این پژوهش با توسعه چارچوب TPACK در بافت هوش مصنوعی، ضمن ارائه بینش‌های نظری، راهبردهای عملی نیز برای ارتقای برنامه‌های تربیت معلم و سیاست‌گذاری آموزشی در زیست‌بوم‌های هوشمند فراهم می‌آورد.