شناسایی الزامات و بسترهای کاربرد هوش مصنوعی در برنامه درسی علوم تجربی: تحلیل مضمون (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پژوهش حاضر با هدف شناسایی الزامات و بسترهای استفاده از هوش مصنوعی در برنامه درسی علوم تجربی دوره اول متوسطه انجام شد. این مطالعه با رویکرد کیفی و روش اکتشافی انجام گردید. مشارکت کنندگان شامل 16 دبیر علوم تجربی دوره اول متوسطه بودند که به صورت هدفمند و بر اساس ملاک هایی مانند حداقل 8 سال سابقه تدریس و آشنایی با فناوری های نوین آموزشی انتخاب شدند. داده ها از طریق مصاحبه های نیمه ساختاریافته گردآوری و با روش تحلیل مضمون کدگذاری و تحلیل گردید. نتایج پژوهش چهار محور اصلی را نشان داد: الزامات مدیریتی-نظارتی (حمایت و نظارت سازمانی، ارزیابی مستمر و همکاری بین نهادی)، الزامات تخصصی-پداگوژیک (توسعه سواد دیجیتال معلمان، بازطراحی محتوا، و آموزش تفکر علمی و انتقادی)، الزامات زیرساختی-فناورانه (تجهیز مدارس، دستیارهای هوشمند و شبکه های ابری) و بسترهای فرهنگی-اجتماعی (نقش خانواده، نگرش مثبت به فناوری و فرهنگ سازی). یافته ها نشان داد پیاده سازی موفق هوش مصنوعی در آموزش علوم تجربی نیازمند ترکیب اقدامات مدیریتی، پداگوژیک، زیرساختی و فرهنگی است تا بتواند کیفیت فرایند یاددهی-یادگیری را ارتقا دهد.Identifying The Requirements and Contexts for the Application of Artificial Intelligence in the Experimental Science Curriculum: Thematic Analysis
This study purposed to identify the requirements and contexts for integrating artificial intelligence (AI) into the science curriculum of lower secondary schools. The research employed a qualitative approach with an exploratory design. Participants consisted of 16 science teachers from lower secondary schools, selected purposefully based on criteria such as a minimum of eight years of teaching experience and familiarity with modern educational technologies. Data were collected through semi-structured individual interviews and analyzed using thematic analysis through coding and the identification of basic, organizing, and global themes. The results revealed four main categories: managerial–supervisory requirements (organizational support and supervision, continuous teacher evaluation, and inter-institutional collaboration); pedagogical–specialized requirements (developing teachers’ digital literacy, redesigning content, and fostering scientific and critical thinking); infrastructural–technological requirements (equipping schools, designing intelligent teaching assistants, and establishing cloud-based platforms); and cultural–social contexts (parental support, positive attitudes toward technology, and culture-building). The findings highlight that the effective implementation of AI in science education requires an integrated approach that combines managerial, pedagogical, infrastructural, and cultural measures to enhance the quality of teaching and learning.
تبلیغات
