بررسی کاربرد هوش مصنوعی در تربیت معلم: یک مرور نظام مند
آرشیو
چکیده
مقدمه: ظهور هوش مصنوعی به عنوان نیرویی تحول آفرین، پارادایم های سنتی آموزش را دگرگون ساخته و به ویژه نظام های تربیت معلم را با فرصت ها و چالش های نوین روبه رو کرده است. هدف پژوهش حاضر بررسی تطبیقی کاربرد هوش مصنوعی در ارتقای روش ها و محتوای آموزشی دوره های تربیت معلم است. روش: این پژوهش با رویکرد مرور نظام مند و مبتنی بر دستورالعمل PRISMA انجام شد. پایگاه های اطلاعاتی ScienceDirect، Springer، IEEE و SID برای جست وجوی مقالات منتشرشده بین سال های ۲۰۲۰ تا ۲۰۲۵ مورد استفاده قرار گرفتند. پس از اعمال معیارهای ورود و خروج، ۲۷ مقاله مرتبط انتخاب و تحلیل شدند. یافته ها: تحلیل مطالعات منتخب نشان داد که کاربرد هوش مصنوعی در تربیت معلم در پنج محور اصلی قابل طبقه بندی است: ۱) توسعه سواد هوش مصنوعی و صلاحیت های دیجیتال معلمان، ۲) شخصی سازی یادگیری و بازخورد هوشمند، ۳) استفاده از هوش مصنوعی مولد در تولید محتوا و طراحی تدریس، ۴) ارزیابی عملکرد و شایستگی های تدریس با رویکرد داده محور، و ۵) چالش های اخلاقی و زیرساختی. نتایج تطبیقی نشان داد نظام های آموزشی پیشرو بر شایستگی های انتقادی و اخلاقی تمرکز دارند، در حالی که در کشورهایی مانند ایران توجه بیشتری به ابعاد فناورانه و زیرساختی معطوف است. نتیجه گیری: یافته ها بیانگر ظرفیت بالای هوش مصنوعی در بازآفرینی فرآیند تربیت معلم از طریق آموزش انطباقی، محتوای غنی و ارزیابی های دقیق است. با این حال، تحقق این ظرفیت نیازمند سرمایه گذاری در توسعه سواد هوش مصنوعی، تدوین چارچوب های اخلاقی و ایجاد زیست بوم آموزشی یکپارچه است. این پژوهش بر لزوم گذار از رویکرد ابزاری به رویکردی پداگوژیک و یکپارچه در سیاست گذاری های تربیت معلم تأکید دارد.Artificial Intelligence in Teacher Education: A Comparative Perspective
Background: Artificial Intelligence (AI) has become a transformative force, reshaping educational paradigms. Teacher education systems, as the foundation for preparing future educators, are directly impacted by these changes. This study explores the comparative applications of AI in enhancing teaching methods and instructional content in teacher training programs. Method: A systematic review was conducted based on PRISMA guidelines. Articles published between 2020 and 2025 were retrieved from ScienceDirect, Springer, IEEE, and SID databases. After applying inclusion and exclusion criteria, 27 studies were selected for analysis. Results: Findings were classified into five areas: (1) developing AI literacy and digital competencies of teachers, (2) personalizing learning and providing intelligent feedback, (3) employing generative AI in content creation and instructional design, (4) assessing teaching performance through data-driven analytics, and (5) addressing ethical and infrastructural challenges. The comparative analysis revealed that advanced systems emphasize critical and ethical competencies, while contexts such as Iran focus more on technological and infrastructural aspects. Conclusion: AI has strong potential to transform teacher education through adaptive instruction, enriched content, and accurate assessment. Achieving this potential requires investment in AI literacy, ethical frameworks, and integrated ecosystems. A holistic pedagogical approach, beyond instrumental use, is essential in shaping teacher education policies.
تبلیغات
