شناسایی، اولویت‌بندی و اعتباریابی اصول مدیریت، طراحی و توسعه و ترویج هوش مصنوعی در نظام‌های آموزشی

نوع مقاله : علمی - پژوهشی

نویسنده

استادیار گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه پیام نور، تهران، ایران

10.48308/mpes.2025.238571.1548

چکیده

هدف: نقش حیاتی فناوری در پیشرفت علم و غیرقابل پیش‌بینی بودن دستاوردهای آن در آینده، پذیرش فناوری در نظام‌های آموزشی را ضروری ساخته است. هوش ‌مصنوعی پیشرفته‌ترین فناوری است که توانسته دنیای امروز را متحول سازد. شاید درباره آینده توسعه و پیشرفت آن نتوانیم پیش‌بینی داشته باشیم؛ اما باید هوشمندانه و آگاهانه به طراحی و توسعه آن پرداخت و راهبردهای اصولی را برای مدیریت آن مد نظر قرار داد. توجه به اصول توسعه هوش‌ مصنوعی در هنگام طراحی و آگاهی از چگونگی مدیریت، زمینه را برای کاهش آسیب‌ها و چالش‌های این فناوری نوظهور و در مقابل، استفاده صحیح و آگاهانه، کاربردی و اثربخش فراهم می‌سازد. هدف از پژوهش حاضر نیز شناسایی، اعتباریابی و اولویت‌بندی اصول مدیریت، طراحی و توسعه و ترویج هوش‌مصنوعی در نظام‌های آموزشی است.
مواد و روش‌ها: این پژوهش از حیث هدف؛ کاربردی و از حیث رویکرد؛ آمیخته است که در آن از دو روش تحلیل محتوا و توصیفی پیمایشی بهره گرفته است. برای شناسایی اصول مدیریت، طراحی و توسعه و ترویج هوش مصنوعی در نظام‌های آموزشی با 19 نفر از متخصصان موضوعی مصاحبه نیمه‌ساختار یافته صورت گرفت و داده‌ها در نرم‌افزار MAXQDA به شیوه اشتراوس و کوربین تحلیل شدند. نمونه‌گیری در این بخش به صورت هدفمند و معیار انتخاب نمونه اشباع نظری داده‌ها بود و روایی اصالت داده‌ها توسط 6 نفر از متخصصان موضوعی تأیید شد. در بخش کمی به‌منظور اولویت‌بندی و اعتبارسنجی اصول شناسایی شده در ابتدا با روش تصادفی طبقه‌ای نسبی (%35 دانشگاه صنعتی و %65 دانشگاه شیراز) و سپس با روش تصادفی ساده تعداد 168 نفر از دانشجویان تحصیلات تکمیلی دانشکده کامپیوتر دانشگاه‌های شیراز و صنعتی شیراز (تعداد افراد جامعه 95 نفر در دانشگاه صنعتی و 194 نفر در دانشگاه شیراز) براساس جدول مورگان انتخاب شدند. ابزار این بخش پرسشنامه شامل تمام مؤلفه‌های شناسایی شده در بخش کیفی (34 مؤلفه) بود که پایایی آن با آلفای 95/0 تأیید شد. داده‌ها در این بخش در SPSS و AMOSE با آزمون فریدمن اولویت‌بندی و با تحلیل عامل تأییدی اعتبارسنجی شدند.
بحث و نتیجه‌گیری: یافته‌ها در بخش کیفی شامل 34 کد باز و 10 کد محوری و 3 کد انتخابی شامل اصول مدیریت (14 کد)، اصول طراحی و توسعه (14 کد) و اصول ترویج (6 کد) نیز بود. در اصول مدیریت ایجاد سیاست‌های لازم در جهت کاربرد اخلاقی هوش ‌مصنوعی، جلوگیری از تضعیف عاملیت و عملکرد یادگیرنده، هماهنگ‌سازی استانداردها در سه رتبه اول، در اصول طراحی و توسعه طراحی و توسعه و استقرار مبتنی بر اصل دسترسی و استفاده عادلانه، طراحی و توسعه و استقرار مبتنی بر تبعیت از اصول و ارزش‌های اخلاقی، سرمایه‌گذاری در جهت توسعه فناوری‌های هوش‌ مصنوعی داده‌محور در سه رتبه اول و در اصول ترویج  افزایش دانش و آگاهی کاربران از پیامدهای کاربرد غیراخلاقی هوش‌ مصنوعی، توسعه پشتیبانی‌های فنی توسط سیستم‌های آموزشی و مسئولان ذیربط در جهت کاربرد صحیح، پرورش اعتماد در میان کاربران و ایجاد ذهنیت مثبت در این زمینه در سه رتبه اول قرار دارند. اما با توجه به این که میانگین تمام مؤلفه‌ها از میانگین فرضی 4 بالاتر است، از همین رو تمام اصول از اهمیت بالایی برخوردار است و توجه به آن‌ها موجب بهبود وضعیت موجود مدیریت، طراحی و توسعه و ترویج هوش ‌مصنوعی در نظام‌های آموزشی خواهد شد. علاوه ‌بر این، براساس نتایج تحلیل عامل تأییدی تمام اصول از برازش عالی برخوردار است (RMSEA=0.000). آنچه از نتایج بر می‌آید توسعه‌دهندگان هوش مصنوعی همواره باید در طول چرخه طراحی و توسعه، مدیریت و ترویج آن دقت، نظارت و مسئولیت‌پذیری لازم را داشته باشند و در جهت کسب اطمینان از استحکام و ایمنی این فناوری دستورالعمل‌ها و اصول دقیقی را محور فعالیت‌های خود قرار دهند تا بتوانند اعتماد کاربران هوش مصنوعی در آموزش (یاددهندگان و یادگیرندگان) را جلب کرده و امکان بهره‌مندی عادلانه و مطمئن را فراهم سازند. از همین رو، با در نظر داشتن اصول شناسایی شده در این پژوهش‌ می‌توان سیستم‌های هوش مصنوعی را طراحی نمود که علاوه‌ برحفظ ارزش‌های جامعه و در نظر داشتن چشم‌اندازهای پیشرفت و توسعه کشور، از پتانسیل‌های تحول‌آفرین این فناوری نهایت بهره را برد و با استقرار آن در نظام‌های آموزشی شرایط پیشرفت و توسعه در تمام بخش‌های جامعه را فراهم ساخت.

کلیدواژه‌ها

عنوان مقاله [English]

Identifying, Validating, and Prioritizing the Principles of Management, Design & Development and Promotion of AI in Educational Systems

نویسنده [English]

  • MohammadHossein Zarei
Assistant Professor, Department of Educational Sciences, Payame Noor University, Tehran Iran
چکیده [English]

Objectives: The vital role of technology in the advancement of science and the unpredictability of its achievements in the future has made technology acceptance in educational systems necessary. Artificial intelligence is the most advanced technology that has been able to transform today's world. We may not be able to predict the future of its development and progress; but we must design and develop it intelligently and consciously, and consider principled strategies for its management. Paying attention to the principles of artificial intelligence development during design and being aware of how to manage it will pave the way for reducing the harms and challenges of this emerging technology and, on the contrary, for its correct and conscious, practical, and effective use. Therefore, it must be intelligently and consciously managed, designed, developed and promoted, and consider basic strategies for it.The purpose of the present study is to identify, validate and prioritize the principles of management,design and development and promotion of AIED.
 Materials and Methods: This was an applied research with a mixed method and used two content analysis and descriptive approaches.To identify the principles of management,design,development and promotion of AIED,19 subject experts were conducted,and data were analyzed in Maxqda according to Strauss and Corbin method. Sampling in this section was purposeful and the criterion for selecting the sample was theoretical saturation of the data, and the validity of the originality of the data was confirmed by 6 subject matter experts. In the quantitative section, in order to prioritize and validate the identified principles, 168 postgraduate students of the Computer Science Faculty of Shiraz and Shiraz Universities of Technology (95 people in the University of Technology and 194 people in Shiraz University) were selected based on the Morgan table using a relative stratified random method (35% in the University of Technology and 65% in the University of Shiraz) and then using a simple random method.The instrument of this questionnaire included all the components identified in the qualitative section (34 components) whose reliability was confirmed with the Alpha for0.95.The data in this section  in SPSS and AMOSE were preceded by the Friedman test and validated by CFA.
Discussion and Conclusion: The findings in the qualitative section included 3 selected codes and 8 core codes and 34 open codes included management principles (14 codes),design and development principles (14 codes) and promotion principles (6 code) .In the principles of managing the necessary policies for ethical application of AI, preventing the weakening of the learner's performance and performance, the coordination of standards in the first three ranks, in the principles of design and development of design and development based on the principle of access and use of fair use, design and development and deployment Based on adherence to ethical principles and values, investment in developing data intelligence technologies in the first three ranks and in the principles of promoting knowledge and awareness of users' awareness of the consequences of unethical use of AI,development of technical support by colleges and authorities for proper application, cultivation Trust among users  and create a positive mentality in this area are at the top three. But given that the average of all components is higher than the hypothetical average,so all the principles are of great importance and attention to them will improve the status of management, design and develop and promote AI in educational systems. In addition,based on the results of the CFA,all the principles have excellent fit (RMSEA = 0.000). The results show that AI developers must always be careful, vigilant, and responsible throughout the design, development, management, and promotion cycle, and in order to ensure the robustness and safety of this technology, they must focus their activities on precise guidelines and principles so that they can gain the trust of AI users in education (teachers and learners) and enable fair and secure benefits. Therefore, by keeping in mind the principles identified in this study, AI systems can be designed that, in addition to preserving the values ​​of society and considering the country's progress and development prospects, take full advantage of the transformative potential of this technology, and by deploying it in educational systems, create conditions for progress and development in all sectors of society.

کلیدواژه‌ها [English]

  • Artificial Intelligence
  • Management Principles
  • Design and Development Principles
  • Promotion Principles
  • Educational Systems

مراجع

Abbasi, H., Zaraii Zavaraki, E., NiliAhmadabadi, M. (2024). Investigating the use of new metaverse technology in teaching and learning: a systematic review, Technology of Education Journal, 18(2), 287-310. [persian] https://jte.sru.ac.ir/article_1992_3c0a069989efdb3060da59fd645a8e22.pdf 
Alier, M., Pereira, J., García-Peñalvo, F. J., Casañ, M. J., & Cabré, J. (2025). LAMB: An open-source software framework to create artificial intelligence assistants deployed and integrated into learning management systems, Computer Standards & Interfaces, 92, 103940. ‏ https://doi.org/10.1016/j.csi.2024.103940       
Ashok, M., Madan, R., Joha, A., & Sivarajah, U. (2022). Ethical framework for Artificial Intelligence and Digital technologies, Intervational Journal  of Information Management, 62, 102433. https://doi.org/10.1016/j.ijinfomgt.2021.102433
Benjamins, R., Barbado, A., & Sierra, D. (2019). Responsible AI by design in practice, arXiv preprint arXiv:1909,12838.‏ https://doi.org/10.48550/arXiv.1909.12838 
Borenstein, J., & Howard, A. (2021). Emerging challenges  in AI and the need for AI ethics education, AI and Ethics,1(1), 61-65. https://doi.org/10.1007/s43681-020-00002-7 
Bryson, J. J., & Theodorou, A. (2019). How society can maintain human-centric artificial intelligence , In Human-centered digitalization and services,19,305-323. https://doi.org/10.1007/978-981-13-7725-9_16   
Chen, L,. Chen, P.,& Lin, Z. (2020). Artificial intelligence in education: A review, IEEEAccess, 8, pp:75264-75278. Doi:10.1109/ACCESS.2020.2988510 
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., Cheng, M. (2023). systemativ Literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education, computer and education: Artificial Intelligenc, 4, 100118. https://doi.org/10.1016/j.caeai.2022.100118 
Corba, W. F., Bennasar, F. N. (2024). Techniques and applications of Machin Learning and Artificial Intelligence in education: a systematic review, RIDE- Revista Iberoamericana de education a distancia, 27 (1). https://doi.org/10.5944/ried.27.1.37491  
Doroudi, Sh. (2023). The Inertwined Histories of Artificial Intekkigence and Education, International Journal of Artificial Intelligence in Education, 33, 885-928. https://doi.org/10.1007/s40593-022-00313-2 
Fagan, F,. & Levmore, S. (2019). The impact of artificial intelligence on rules, standards, and judicial discretion, S Cal L Rev, 93, 1. https://doi.org/10.2139/ssrn.3362593 
Farris, A. B., Vizcarra, J., Amgad, M., Cooper, L. A., Gutman, D., & Hogan, J. (2021). Artificial intelligence and algorithmic computational pathology: an introduction with renal allograft examples, Histopathology, 78(6), 791–804. https://doi.org/10.1111/his.14304 
Fedele, A., Punzi, C., & Tramacere, S. (2024). The ALTAI checklist as a tool to asses ethical and legal implications for a trustworthy AI development in education, Computer Law & Security, The International Journal of technology Law and Practice, 53, 105986. https://doi.org/10.1016/j.clsr.2024.105986     
Ferhataj, A., Memaj, F., Sahatcija, R., Ora, A. and Koka, E. (2025). "Ethical concerns in AI development: analyzing students’ perspectives on robotics and society", Journal of Information, Communication and Ethics in Society, Vol. ahead-of-print No, ahead-of-print. https://doi.org/10.1108/JICES-08-2024-0111 
Floridi, L. (2018). Soft Ethics and the Governance of the Digital, Philosophy & Technology, 31(1), 1–8. https://doi.org/10.1007/s13347-018-0303-9
Gartner, S.,& Krasna, M.(2023). Artificial Intelligence in education ethical framework, Mediterranean Conference on Embedded Computing (MECO). 06-10 Hune, Budva, Montenegro, Doi: 10.1109/MECO58584.2023.10155012 
Greer, S. L. (2018). Organization and governance: Stewardship and governance in health systems. Health Care Systems and Policies. New York, NY: Health Services Research. Springer. https://doiorg/10.1007/978-1-4614-6419-8_22-1 
Hwang, G.J., Xie, H., Wah, B.W., & Gasevic, D.(2020). Vision, Challenges, roles and research issues of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, 1, 100001. https://doi.org/10.1016/j.caeai.2020.100001 
Jafari, D., Shah Mohammadi, M., Qandali, A.(2024). Artificial intelligence and new technologies in educational systems: opportunities and challenges. Electronic education and new educational technologies . 4(4), 129-139. https://esjournal.ir/fa/paper.php?pid=153 [persian]
Jhurani, J., Choudhuri, S.S., & Reddy, P.(2023). Fostering a safe, secure, and Trustworthy Artificialintelligence ecosystem in the United States. International Journal of Applied Engineering & Technology. 5 (S2). 21-27. https://www.researchgate.net/profile/Jayesh-Jhurani/publication/378964424 
Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Computers and Education: Artificial Intelligence, 8, 100348.‏ https://doi.org/10.1016/j.caeai.2024.100348 
Kamalov, F., Calonge, D.S., Gurrib, I. (2023).New Era of Artificial Intelligence in Education: Towards a Sustainable MultifacetedRevolution.Sustainability, 15, 12451. https://doi.org/10.3390/su151612451   
Karaca, O., Caliskan, S. A., & Demir, K. (2021). Medical artificial intelligence readiness scale for medical students (MAIRS-MS) - development, validity and reliability study. BMC Medical Education, 21(1). https://doi.org/10.1186/s12909-021-02546-6
Kaur, D,. Uslu, S,. Rittichier, K.J,. & Durresi, A.(2022). Trustworthy artificial intelligence: A review. ACM Computing Surveys. https://doi.org/10.1145/3491209 
Kohanhoosh Nejad, R.(2024). Governance with Artificial Intelligence. Iranian Journal of Public Policy, 10(2), 173-186. doi: 10.22059/jppolicy.2024.98290 [persian]
Kuhl, P. K., Lim, S.-S., Guerriero, S., & Damme, D.v. (2019). Developing minds in the digital age. https://doi.org/10.1787/562a8659-en 
Malgieri, G.,&  Pasquale, F.(2024). Licensing high- risk artificial intelligence: toward ex ante justification for a disruptive tecjnology. Comput Law Secur Rev.52, 105899. https://dx.doi.org/10.1016/j.clsr.2023.105899 
Mousavi, R,. &  Abedian Azarkhavarani, N.(2023). The Impact of Artificial Intelligence and Metaverse Innovations on Modern Banking. Journal of New Research Approaches in Management and Accounting, 7,90, pp: 1389-1405. https://majournal.ir/index.php/ma/article/view/2197 [persian]
Mouta, A., Torrecilla-Sanchez, E.M., Pinto- Llorente, A.m.(2024). Design of a future scenarios toolkit for an ethical implementation of artificial intelligence in eduvation. Education an Information Technologies, 29, 10473-10498. https://doi.org/10.1007/s10639-023-12229-y  
Natalia, D.R., Javier, D.S., Mark, C., Prado, M.K., Enrique, H.V., & Francisco, H.(2023). Connecting the dots in trustworthy Artificial Intelligence: from AI principles ethics, and ley requirements to responsible AI systems and regulation. Information Fusion,99, 101896. https://doi.org/10.1016/j.inffus.2023.101896  
Nguyen A., Ngan Ngo, H., Hong, Y,. Dang, B., & Neguyen, B.T.(2023). Ethical principles for artificial intelligence in education. Education and Information Technologies. 28, pp: 422`-4241. https://doi.org/10.1007/s10639-022-11316-w 
Paramole, O. C. (2025). The Impact Of Artificial Intelligence On Educational Leadership: Theoretical Frameworks For Measurement And Evaluation. Journal Saintifik (Multi Science Journal), 23(1), 47-72. https://doi.org/10.58222/js.v23i1.389 
Rezaei, M., Pazouki, E., Ebrahimpour, R.(2024). Development of an Intelligent Mechanism for Comparing Personalized Education in the Context of an Interactive Educational System. Technology of Education Journal.18 (3), 697-714. https://creativecommons.org/licenses/by-nc/4.0/ [persian]
Richards, D., & Dignum, V. (2019). Supporting and challenging learners through pedagogical agents: Addressing ethical issues through designing for values. British Journal of Educational Technology, 50(6), 2885–2901. https://doi.org/10.1111/bjet.12863.
Rodrigues, R.(2020). Legal and human rights issues of AI: Gaps, dhallenges and vulnerabilities. Journal of Responsible Technology, 4, 100005. https://doi.org/10.1016/h.hrt.2020.100005
Sacharidis, D., Mukamakuza, C. P., & Werthner, H. (2020). Fairness and diversity in social-based  recommender systems. In Adjunct Publication of the 28th ACM Conference on User Modeling, Adaptation and Personalization (pp. 83–88). https://doi.org/10.1145/3386392.3397603
Salimi, M,. Taleb, Z,. Masoudi Nadushan, I. (2024). Evaluatining factors influential on Learning agility in e- learning. Educational Innovations. 23(1), 117-147. https://creativecommons.org/licenses/by-nc/4.0/ [persian]
Saputra, I., Astuti, M., Sayuti, M., Kusumastuti, D.(2023). Integration of Artificial Intelligence in Education: Opportunities, Challenges, Threats and Obstacles. A Literature Review. Indonesian Journal of Computer Science.12(4), 1590-1600. http://ijcs.net/ijcs/index.php/ijcs/article/view/3266 
Schiff, D.(2021). Out of the laboratory and into the classroom: the future of artificial intelligence in education, AI SOC. 36(1):331-348. https://doi.org/10.1007/s00146-020-01033-8  
Temitayo, I., Sunday, S., & Olamide, J.(2022). Exploring teachers’ preconceptions of teaching machine learning in high school: A preliminary insight from Africa. Computers and Education Open,3,100072. https://doi.org/10.1016/j.caeo.2021.100072 
Wagner, B.,&  Muller-Birn, C. (2022). Responsible and accountable data science. Patterns Journal advisory board. patterns3, 11. https://doi.org/10.1016/j.patter.2022.100629 
Wang, C., Li, T., Lu, Z., Wang, Z., Alballa, T., Alhabeeb, S. A., ... & Khalifa, H. A. E. W. (2025). Application of artificial intelligence for feature engineering in education sector and learning science. Alexandria Engineering Journal, 110, 108-115.‏ https://doi.org/10.1016/j.aej.2024.09.100 
Zafari, M. , esmaeily, A. and Sadeghi-Niaraki, 
Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., & Li, Y. (2021). A Review of Artificial Intelligence (AI) in Education from 2010 to 2020. Complexity, 2021(1), 8812542.‏
 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار