تحلیل برنامه های آموزش هوش مصنوعی برای دانش آموزان دوره دوم ابتدایی: مطالعه مروری دامنه ای (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پژوهش حاضر با هدف بررسی برنامه های آموزش هوش مصنوعی برای دانش آموزان دوره دوم ابتدایی، از طریق مرور دامنه ای مبتنی بر راهنمای پریزما انجام شد. تحلیل ۴۵ مطالعه انتخاب شده بین سال های ۲۰۱۸ تا ۲۰۲۴ نشان داد حجم پژوهش ها در سال ۲۰۲۴ نسبت به ۲۰۲۳ بیش از دو برابر افزایش یافته است. یافته ها نشان داد که آموزش هوش مصنوعی عمدتاً با هدف کلی ارتقاء سواد هوش مصنوعی دانش آموزان و در برخی موارد با تمرکز بر تقویت درک از کاربردهای هوش مصنوعی، یادگیری ماشین، اخلاق هوش مصنوعی یا رفع بدفهمی ها نسبت آن طراحی شده اند و چهار حوزه دانش پایه هوش مصنوعی، کاربردهای عملی، تعامل انسان و هوش مصنوعی و ملاحظات اخلاقی چهار حوزه محتوایی برنامه های آموزش را شکل داده اند. یادگیری مشارکتی و یادگیری تجربی به عنوان رویکردهای آموزشی غالب بوده و ابزارهای کمی و کیفی متنوعی برای جمع آوری داده استفاده شده اند. همچنین سازگاری محتوا با زمینه های فرهنگی-زبانی و تفاوت جنسیتی به عنوان چالش های مطرح در آموزش هوش مصنوعی شناسایی شدند.Analyzing Artificial Intelligence Education Programs for Upper Primary School Students: A Scoping Review
The present study aimed to examine artificial intelligence (AI) education programs for upper primary school students through a scoping review based on the PRISMA-SCR guidelines. Analysis of 45 selected studies published between 2018 and 2024 revealed that the volume of research in 2024 was more than twice that of 2023. The findings indicated that AI education programs were mainly designed with the general goal of enhancing students’ AI literacy, and in some cases with a focus on strengthening understanding of AI applications, machine learning, AI ethics, or addressing misconceptions about AI. Four main content domains of the programs were identified: fundamental AI knowledge, practical applications, human–AI interaction, and ethical considerations. Collaborative learning and experiential learning emerged as the predominant instructional approaches, and a variety of quantitative and qualitative tools were used for data collection. Furthermore, adapting content to cultural–linguistic contexts and addressing gender differences were identified as key challenges in AI education.
تبلیغات
