نقش هوش مصنوعی در بازتعریف دانش های مدرسان (TPACK): یافته هایی از نظریه داده بنیاد(مقاله علمی وزارت علوم)
حوزههای تخصصی:
پژوهش حاضر با هدف شناسایی ابعاد و مؤلفه های 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 داده بنیاد با الگوی اشتراس و کوربین انجام شد. مشارکت کنندگان شامل ۱۹ نفر از اساتید دانشگاه، متخصصان و معلمان باتجربه در حوزه آموزش و یادگیری با فناوری های نوین بودند. نمونه گیری به صورت هدفمند از نوع گلوله برفی انجام گرفت. داده ها از طریق مصاحبه های نیمه ساختاریافته و تحلیل داده ها 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 می کند. مؤلفه هایی چون شخصی سازی یادگیری، تسهیل تعامل آموزشی، بازنمایی مفاهیم دشوار و طراحی فعالیت های خلاقانه با مشارکت انسان و ماشین به عنوان عناصر اصلی تدریس اثربخش شناسایی شدند. علاوه بر این، چالش ها و نگرش های اخلاقی نظیر وابستگی بیش ازحد به فناوری، صحت محتوای تولیدی و ضرورت حفظ تعامل انسانی نیز برجسته شد. تحلیل داده ها نشان داد که تحقق تدریس اثربخش با بهره گیری از هوش مصنوعی منوط به سه شرط بنیادین است: توانمندسازی حرفه ای معلمان، هم افزایی فناوری با رویکردهای فعال یادگیری و طراحی چارچوب های اخلاقی و سیاست گذاری شفاف. این پژوهش با توسعه چارچوب TPACK در بافت هوش مصنوعی، ضمن ارائه بینش های نظری، راهبردهای عملی نیز برای ارتقای برنامه های تربیت معلم و سیاست گذاری آموزشی در زیست بوم های هوشمند فراهم می آورد.