فائقه فقیه موسوی

با گسترش کاربرد هوش مصنوعی و به ویژه مدل های زبانی بزرگ در آموزش، این پرسش مطرح می شود که این فناوری ها چگونه می توانند عدالت آموزشی را تقویت یا تضعیف کنند. هدف این پژوهش، تبیین ابعاد سوگیری الگوریتمی در نظام های آموزشی و استخراج پیامدهای اجتماعی و راهکارهای سیاستی متناسب با بافت ایران است. پژوهش حاضر کیفی و از نوع تحلیل اسنادی تحلیلی است و با استفاده از تحلیل محتوای نظام مند گزارش های رسمی، مقالات علمی و مطالعات موردی بین المللی، براساس چک لیست مفهومی عدالت آموزشی، انجام شده است. چارچوب نظری مطالعه بر نظریه عدالت به مثابه انصافِ جان راولز و رویکرد قابلیت های آمارتیا سن استوار است. یافته ها نشان می دهد سوگیری در چهار سطح تعریف مسئله، داده، مدل سازی و تفسیر/ پیاده سازی می تواند نابرابری های آموزشی را بازتولید کند و در بافت متنوع و دارای شکاف دیجیتال ایران این نابرابری ها را تعمیق بخشد. بر این اساس، شش محور سیاستی شامل طراحی عدالت محور الگوریتم ها، پایش تنوع داده ها، آموزش اخلاق الگوریتمی به ذی نفعان، شفافیت و پاسخ گویی، توسعه مدل های بومی و کاهش شکاف دیجیتال پیشنهاد می شود. نوآوری مقاله در پیوند دادن نظریه های عدالت با ادبیات سوگیری الگوریتمی و بسط چارچوبی بومی برای سیاست گذاری عدالت آموزشی در عصر هوش مصنوعی در ایران است.