سنتزپژوهی چالش ها و فرصت های برنامه درسی تربیت معلم مبتنی بر هوش مصنوعی
آرشیو
چکیده
پیشینه و هدف: فناوری هوش مصنوعی ظرفیت هایی جدیدی برای ارتقای کیفیت یاددهی-یادگیری، ارزیابی های متناسب، بازطراحی تجربه های آموزشی و توانمندسازی معلمان آینده فراهم کرده است؛ با این حال، پیامدهای اخلاقی، سازمانی و آموزشی آن همچنان محل بحث و چالش است. بر همین اساس، هدف پژوهش حاضر سنتز نظام مند مطالعات موجود در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ به منظور شناسایی فرصت ها و چالش های ادغام هوش مصنوعی در برنامه درسی تربیت معلم بود. روش: این پژوهش به روش سنتزپژوهی و بر اساس دستورالعمل PRISMA انجام شد. بدین منظور، از میان مطالعات منتشرشده در بازه زمانی ۲۰۲۰ تا ۲۰۲۵، تعداد 30 مطالعه واجد شرایط انتخاب گردید و داده ها طی فرایند کدگذاری باز، محوری و انتخابی تحلیل شدند. یافته ها نشان دادند که هوش مصنوعی در تربیت معلم فرصت هایی همچون شخصی سازی یادگیری، بازخورد تکوینی فوری، تصمیم گیری داده بنیاد، نوآوری در طراحی درس و شبیه سازی آموزشی، کاهش بار اداری و توسعه شایستگی های فناورانه و حرفه ای فراهم می کند. در مقابل، چالش هایی نظیر ملاحظات اخلاقی و حقوقی، خطر سوگیری الگوریتمی و تهدید عدالت آموزشی، شکاف زیرساختی و نابرابری دسترسی، کمبود سواد هوش مصنوعی، مقاومت فرهنگی و تهدید اصالت ارزشیابی شناسایی شد. نتیجه گیری پژوهش بیانگر آن است که مقوله مرکزی «ظرفیت سازی نظام مند برای ادغام مسئولانه هوش مصنوعی در تربیت معلم» می باشد. تحقق این ظرفیت مستلزم سیاست گذاری شفاف، تقویت زیرساخت های فناورانه، توسعه حرفه ای مستمر معلمان و مدیریت تغییر فرهنگی است. بر این اساس، ادغام هوش مصنوعی در تربیت معلم تنها یک نوآوری فناورانه نیست، بلکه تغییری سیستمی و فرهنگی به شمار می آید که توجه هم زمان به ابعاد سیاستی، سازمانی و فردی را ضروری می سازد.A Research Synthesis of the Challenges and Opportunities of AI-Based Teacher Education Curriculum
Background and Purpose: Artificial intelligence (AI) has emerged as a transformative force in education, offering new possibilities for enhancing teaching and learning quality, enabling adaptive assessment, redesigning instructional experiences, and empowering future teachers. Despite these affordances, its adoption raises critical ethical, organizational, and pedagogical concerns. Against this backdrop, the present study aimed to systematically synthesize research published between 2020 and 2025 to identify key opportunities and challenges in integrating AI into teacher education curricula. Method: Guided by the PRISMA framework, this research synthesis examined thirty eligible studies. Data were analyzed through multi-stage coding, including open, axial, and selective coding, to extract themes and develop an integrative understanding. Findings: The synthesis highlighted substantial opportunities afforded by AI in teacher education, such as personalized learning, real-time formative feedback, data-driven decision-making, innovative lesson design and simulation-based training, reduction of administrative workload, and cultivation of technological and professional competencies. Challenges identified included ethical and legal concerns, algorithmic bias and threats to equity, infrastructural gaps and unequal access, limited AI literacy, cultural resistance, and questions regarding authenticity of AI-based assessment practices. Conclusion: The findings underscore the necessity of systematic capacity-building for responsible adoption of AI in teacher education. This requires transparent policy development, investment in technological infrastructure, continuous professional learning for teachers, and proactive cultural change management. Ultimately, integrating AI into teacher education represents not merely a technological advancement but a systemic and cultural transformation demanding attention to policy, institutional, and individual dimensions.
تبلیغات
