Journal of New Advances in Educational Management

Journal of New Advances in Educational Management

The Four Areas of Artificial Intelligence Governance in Education: A Meta-Synthesis Study

Document Type : Original Article

Authors
1 Associate Professor of University of Tehran
2 Post PhD of University of Tehran
Abstract
This research was conducted qualitatively using the systematic review and meta-synthesis methods. Sandelowski and Barroso's seven-step technique was used to analyze the data. Out of 209 sources obtained from scientific databases, 58 were selected for final synthesis after removing irrelevant or low-quality sources. Based on this, 54 primary themes, 18 secondary themes, and 4 main themes were obtained. The findings of the current research indicate that in the dimension of the micro factors, the components are: participation and communication, ethics, responsibility and accountability, education and learning, in the dimension of the intermediate factors, the components are: knowledge management, human resources management, resource management and excellence, in In terms of the macro factors of the components: cohesion and integration, decentralization, flexibility, efficiency and effectiveness, educational justice, transparency, and in the dimension of the mega factors of the components: laws and regulations, stability, harmony and empathy, life skills and attention to welfare in governance Artificial intelligence is considered effective in education. It is concluded that for the governance of artificial intelligence in education, attention must be paid to four areas to lead to the establishment of comprehensive artificial intelligence governance in education.
Keywords

مقدمه

امروزه هوش مصنوعی[1] در صنایع مختلف، موجی از تحوّل را ایجاد کرده است و آموزش به طور کلی و حوزه آموزش و پروش به طور خاص نیز از این قاعده مستثنی نیست. درحال­حاضر استفاده از هوش مصنوعی در بخش آموزش[2] یکی از حوزه­های نوظهور در فنّاوری­های آموزشی است و کاربرد آن موضوع پژوهش­ها در30 سال گذشته بوده است. بسیاری از صاحب­نظران معتقدند هوش مصنوعی می­توانند به بهبود و ارتقای کیفیّت آموزش و یادگیری منجر شوند. استفاده از هوش مصنوعی در آموزش، مزایایی از قبیل یادگیری انفرادی(شخصی)، افزایش سرعت تدریس، ارائه بازخورد، کاهش هزینه­های نظام آموزشی را به همراه دارد. همچنین، هوش مصنوعی می­تواند در تحلیل داده­های آموزشی و پیش­بینی عملکرد فراگیران و دانش­آموزان مؤثر باشد. علیرغم مزایای زیادی که هوش مصنوعی دارد، خطرات و چالش­های متعدد و اجتناب­ناپذیری را به همراه دارد که می­تواند نه تنها بر سیاست­های آموزشی تاثیر گذارد، چه بسا از آن پیشی گیرد(Jafari et al, 2023).

همان­طور که هوش مصنوعی به پیشرفت و تغییر روش یادگیری دانش­آموزان و تدریس معلمان ادامه می­دهد، ایجاد چهارچوب­هایی ضروری است تا اطمینان حاصل شود که این فنّاوری از نظر اخلاقی، مسئولانه و موثر است. در این راستا بدون حکمرانیِ کارآمد، خطر عواقب ناخواسته، مانند تعصب، نگرانی‌های مربوط به حریم خصوصی و آسیب‌های احتمالی برای دانش‌آموزان مطرح می­باشد. حکمرانی می‌تواند با ایجاد خط‌مشی‌ها، استانداردها و دستورالعمل‌های هدفمند برای استفاده از هوش مصنوعی در آموزش(و پروش)، تضمین شفافیّت و پاسخگویی و شیوه‌های اخلاقی و مسئولانه به این آسیب­ها کمک کند. با اجرای حکمرانی مؤثر، می‌توان از پتانسیل کامل هوش مصنوعی در آموزش(وپرورش) بهره برده و اطمینان حاصل کرد که به نفع دانش‌آموزان و معلمان و نظام آموزشی است(Rahsepar et al, 2019 ).

باید در نظر داشت اگر بناست ابزارهای هوش مصنوعی به صورت گسترده­تری در کلاس­های درس استفاده شوند، لازم است معلمان، فراگیران(دانش­آموزان)، والدین و دیگر ذینفعان اعتماد داشته باشند که این ابزارها مفیدند، یادگیری را ارتقاء می­دهند و آسیبی را متوجه دانش­آموزان نخواهد کرد. درواقع گفت­وگوها پیرامون اعتماد ذینفعان به ابزارهای هوش مصنوعیِ مخصوص کلاس درس به­تازگی آغاز شده است، البته بسیاری­اوقات بار مسئولیت به دوش ذینفعان کلاس می­افتد که به ابزارهای هوش مصنوعی، به عنوان پشتیبان دانش­آموزان اعتماد کنند، نه به تأمین­کنندگانی که ابزارهای هوش مصنوعی را ارائه کنند. به عنوان مثال در مقاله­ای هشت عامل که بر اعتماد معلمان جهت استفاده از ابزارهای آموزشی مبتنی بر هوش مصنوعی تأثیر می­گذارند مورد بررسی قرار گرفت. تمام این عوامل متمرکز بر معلمان است و هیچ کدامشان طراحان هوش مصنوعی را ملزم به قابل اعتمادساختن ابزارهایشان نمی­کند (Nazaretsky et al., 2021).

آموزش­وپرورش به عنوان یکی از حقوق اساسی بشر و پایدارترین سرمایه­گذاری است که در راستای رهایی مردم، کاهش نابرابری­ها و تضمین توسعه پایدار فعالیت می­کند(Unesco, 2023). امروزه دولت­ها براساس پارادایم­های جدید با هدف کلی حفظ رقابت ملی یا منطقه­ای درصدد تغییر شکل اداره آموزشی هستند. در عصرپسامدرن، شاهد گسترش یک الگوی اداره کردن به نام حکمرانی هستیم. این تحول در الگوی اداره کردن، یک تغییر اساسی در نحوه تفکر و فرآیندهای سیاسی و تصمیم­گیری در جامعه است. دولت به جای اینکه مستقیماً فرایندهای سیاسی را هدایت کند، بیشتر نقش هماهنگی و تسهیل­گری را ایفاء می­کند. منظور از حکمرانی، نحوه اعمال قدرت از طریق جامعه اقتصادی، سیاسی، اجتماعی و مدنی برای استفاده از منابع کشور برای توسعه اجتماعی-اقتصادی است. از این­جهت باید در زمینه هوش مصنوعی در آموزش و پرورش به چارچوب و فرایندی دست یافت که در آن همه عناصر و ذینفعان آموزش­و­پرورش را در حوزه استفاده و به کارگیری هوش مصنوعی مورد توجه قرار داده و به عبارتی الگویی برای حکمرانی هوش مصنوعی در آموزش­وپروش ارائه دهد. برای حکمرانی در آموزش­وآموزش پرورش الگویی­هایی مطرح شده است که در کانون آن­ها مولفه های حکمرانی خوب قرار دارد(Pourkarimi et al, 2024).

نتایج مطالعات نشان می­دهد که پیاده­سازی مدلِ حکمرانی خوب در آموزش­وپرورش می­تواند این نظام را به سمت کارآیی و اثربخشی هرچه بیشتر سوق داده(Lewis & Pettersson, 2009) و سطح کیفیّت خدمات آموزشی که در آن مسئولیّت­پذیری، اطمینان، همدلی و تسلط مدیران و معلمان و زیر ساخت­های آموزشی از اهمیّت زیادی برخوردار است را ارتقاء دهد (احمدو بصری، 2015) و بر مدیریت عملکرد تأثیر به سزایی داشته باشد و از طریق شفافیتِ اهداف و تفسیرآن­ها در اقدمات تجربی، موجب افزایش نقش مؤثر مدیریت عملکرد برای ظرفیت­های عمومی شود مربوطه و به طور دقیق و مناسب نتایج مورد نظر را توصیف کند(Heinrich,2015). از طرف دیگر حکمرانی و به ویژه حکمرانی خوب در آموزش­وپرورش می­تواند کارآیی، اثربخشی و عملکرد کلی مدیریت را افزایش دهد، دستیابی ذینفعان به منابع و منافع به آن­ها را تضمین نماید و ارائه آموزش با کیفیتِ خوب و به شیوهای مؤثرتر و کارآمدتر را در پی داشته باشد(Khanna,2017). لذا می­توان اذعان داشت ورود هوش مصنوعی به آموزش به طور کلی و آموزش­وپرورش به طور اخص می­تواند مولفه­های حکمرانی خوب را تحت تاثیر قرار دهد و باید به جنبه­های مختلف آن توجه کافی را مبذول داشت لذا هم باید به حکمرانی آموزش­وپرورش توجه وافی داشت و هم به تاثیر هوش مصنوعی در آن و به عبارتی حکمرانی هوش مصنوعی در آموزش­وپرورش را مد نظر قرار داد.

نتایج پژوهش رهسپار و همکاران(Rahsepar et al, 2019) حاکی از آن است که حرکت آهسته ولی مداوم به سمت عدم­متمرکز و مقاومت نکردن در برابر این تغییرات می­تواند وضعیّت (حکمرانی) نظام آموزشی را بهبود بخشیده و نویدبخش آینده­ای روشن و شفاف برای آموزش و پرورش ایران باشد همچنین یافته­های ناتری و همکاران (Nasirnatri et al, 2020) نشان می­دهد که سازه­های بنیادی کیفیت­بخشی آموزشی، مشارکت، تمرکززدایی، مهارت­های زندگی اجتماعی، انتخاب منابع انسانی مناسب و کارآمد، اخلاق­مداری، رضایتمندی، وفاق عمومی، انعطاف­پذیری و تعاملات اساسی، امکانات رفاهی و مناسب، عدالت آموزشی، بالا بردن سطح آگاهی، مسئولیّت­پذیری، شفافیّت و قانون­مداری مشترکاً بیش از70 درصد چهارچوب اصلی پدیده حکمرانی خوب برای نظام آموزش عمومی کشور را تبین می­کنند. محمودی و قدوسی(Ghodousi &Mahmoodi, 2015) در پژوهش خود به بررسی ابعاد مختلف تاثیرات متقابل الکترونیکی شدن فعالیت­ها و فرایندها و حکمرانی خوب و پیش­بینی رفتارهای آتی پرداختند؛ نتایج این پژوهش نشان داد رابطه زمانی بین دو حوزه حکمرانی خوب و نیز حکمرانی الکترونیک به صورت دوجانبه وجود دارد، همچنین تغییر در سرمایه ­گذاری در حکمرانی خوب به منظور بهبود وضعیّت حکمرانی الکترونیک، تاثیر بیشتری نسبت به تغییر در سرمایه­ گذاری در حکمرانی الکترونیک به منظور بهبود وضعیت حکمرانی خوب، خواهد داشت. در این راستا حکمرانی هوش مصنوعی به عنوان حکمرانی که در سطح بالاتری از حکمرانی الکترورنیک مطرح می­شود و جنبه­های متمایزی نسبت به این حکمرانی دارد، باید مورد توجه مسئولین آموزش­وپرورش قرار گیرد، همچنین باید درنظر داشت، ذینفعانی که نظام­های مبتنی بر هوش مصنوعی را توسعه و استقرار می‌دهند(مانند توسعه هوش مصنوعی در آموزش ­وپرورش) باید دانش خود را در مورد ارزش‌های محافظت­ شده توسط حقوق و قوانین و نحوه اعمال این حقوق در اقدامات خود افزایش دهند(Smuha,2021) و دستیابی به راهکارهایی برای رویارویی با مسائل اخلاقی در نحوه استفاده از هوش مصنوعی، علیرغم چالش­های بسیار زیاد آن، باید هدف دائمی پژوهش­های علمی باشد و قوانین و مقررات مرتبط با هوش مصنوعی در این مسیر به درستی مورد توجه قرار گیرد(Carter, 2020).

فجلد و همکاران ( Fjeld et al,2020) در مطالعه خود نشان دادند که گسترش سریع هوش مصنوعی باعث تاثیر بر اصول و چهارچوب‌های اخلاقی و مبتنی بر حقوق بشر شده که برای هدایت توسعه و استفاده از این فناوری‌ها باید مورد توجه قرار گیرد. همچنین هوش مصنوعی با ارائه بینش­ها و توصیه ­های مبتنی بر داده­ها، می­تواند نقش مهمّی در سیاستگذاری آموزشی(وپرورشی) داشته باشد و می‌تواند مقادیر زیادی از داده‌های آموزشی را برای شناسایی الگوها و روندها؛ مورد تجزیه­وتحلیل قرار داده و موجبات اتخاذ تصمیم‌گیری‌ها، خط‌مشی­گذاری­ها و تخصیص منابعِ مناسب شود. به عنوان مثال، هوش مصنوعی می‌تواند برای شناسایی مناطقی که دانش‌آموزان در آن دچار مشکل(در یادگیری) هستند را شناسی قرار داده و با طراحی و اجرای مداخلاتی هدفمند و متناسبی را برای بهبود نتایج یادگیری را توصیه نماید(Mertanen et al., 2022).

رول و ویلی (Roll & Wylie, 2016) معتقدند در شرایط فعلی، آموزش و تدریس تغییرات اساسی را پیش رو خواهد داشت و معلمان نقش مربیان و در راستای آموزش مهارت­های مادام­العمر، تعامل، خارج شدن از منطقه عادی (معمولی) و تمرکز بر حل مسائل و مشکلات زندگی را به دانش­آموزان خود باید بر عهده گیرند. همچنین دانش­آموزان و معلمان به حمایت شخصی بیشتر و بهتری برای استفاده مناسب­تر هوش مصنوعی نیاز دارند. بنابراین، هوش مصنوعی به نیازهای فراگیران پاسخ می­دهد و به دانش­آموزان کمک می­کند تا با سرعت، خودشان یاد بگیرند.

با توجه به تحولات محیطی و تغییرات شگرف و سریع در تمام ساحت­ها و عرصه­های زندگی فردی و اجتماعی، به ویژه در حوزه فنّاوری­های ارتباطی و اطلاعاتی[3]، نظام­های آموزشی، تغییر کارکرد داده­اند (Maniei et al, 2019) .از دیدگاه سابرامانیام و سوآتی (Subrahmanyam&Swathi, 2018) استفاده از هوش­مصنوعی در محاسبات مرتبط با پیش­بینی، می­تواند عادات دانش­آموزان را تحلیل کند و کارآمدترین برنامه مطالعه(ویادگیری) را برای آن­ها پیشنهاد کند. همچنین مزایای هوش مصنوعی در آموزش را به عنوان راهنمایی دانش­آموزان در تسلّط مطالب و محتواها؛ ­در صورت نیاز تکرار دروس و طراحی سریع یک برنامه یادگیری شخصی برای هر دانش­آموز در نظر می­گیرند. چراکه باید در نظر داشت توانایی­ها و سطوح فکری دانش­آموزان به اندازه کافی در یک کلاس درس متفاوت است و اغلب توجه فردی به هر دانش­آموز برای معلم بسیار دشوار است، به ویژه در شرایطی که بودجه آموزش­وپرورش محدود بوده و معلمان کافی برای این منظور وجود ندارد. این شکاف عمده توسط برنامه­ های مبتنی بر هوش مصنوعی با ارائه آموزش­های شخصی­ سازی شده پر می­شود و هر یادگیرنده را قادر می­سازد تا با توجه به سطح ذهنی و توانایی­های خود؛ به یادگیری مطالب مورد نظر خود اقدام کند(Mislevy, Gobert & Pedro,2020).

دولت­ها باید هنگاﻡ ﺍستفاﺩﻩ ﻭ نظاﺭﺕ بر هوﺵ مصنوعی، ﺭﻭیکرﺩی ﺍحتیاطی پیش بگیرند، تعاﺩلی ﺩﺭست میاﻥ ﺩﺭک فرصت­های ﺍﺭﺍئه شدﻩ توسط هوﺵ مصنوعی ﺍﺯ یک سو ﻭ ﺍطمیناﻥ ﺍﺯﺍینکه خطرﺍﺕ ﺁﻥ برﺍی ﺍنساﻥها ﻭ منافع ﺍنسانی تا حدﺍقل ممکن میﺭسد ﺍﺯ سوی ﺩیگر(Leslie et al., 2021). در حال حاضر هوش مصنوعی به عنوان یک فنآوری حیاتی در حکمرانی در دولت الکترونیک شناخته شده است (Alinejad & Khanbazi, 2023). در حکمرانی آموزشی به منظور افزایش احتمال اجرای موّفقیّت­آمیز اصلاحات آموزش­و­پروش، باید تمامی جنبه­های جمعیّتی، اقتصادی، اجتماعی، فرهنگی و سیاسی که مشخصه نظام آموزشی است، مورد توجه و هماهنگی قرار گیرد و ظرفیت­های اساسی و اصلی آن مشخص شود. این شامل ثبات نهادی، ظرفیت سازمانی و مشروعیت دولت است (Berkovich & Bogler, 2019).

در دسامبر ۲۰۲۰ ، سکرتِاریای کمیتۀ ویژۀ هوش مصنوعی شورای اروپا گزارشی منتشر کرد با عنوان «به سوی نظارت بر سیستم­های هوش مصنوعی» که به تأثیر هوش مصنوعی بر حقوق بشر، دموکراسی و حاکمیت قانون پرداخته است و دستورالعمل­هایی در زمینۀ اخلاقیات هوش مصنوعی فراهم کرده است و هم ابزارهای قانونیِ الزام­آور را در سطح بین­المللی بررسی کرده است و هم چشم انداز ملی در زمینۀ نظارت بر سیستم های هوش مصنوعی را ارائه کرده است. مؤلفان این گزارش، هنگام تعریف هوش مصنوعی برای اهداف نظارتی، به این نکته توجه کردند که «یکی از عواملی که کار را در این زمینه پیچیده می­کند این است که تعاریف حقوقیِ هوش مصنوعی با تعاریف صرفا علمی تفاوت دارند، حال آن­که باید معیارهایی داشته باشند، معیارهایی همچون فراگیری، دقت، جامعیت، عملی بودن، ماندگاری و... برخی از این موارد به لحاظ قانونی الزام­آورند و برخی شیوه­های نظارتی خوبی به حساب می­آیند (Ben-Israel et al., 2020). در پیش­نویس این قانون آمده است که «استفاده ازهوش مصنوعی با ویژگی­های منحصر به فرد آن، همچون مبهم بودن، پیچیدگی، وابستگی به داده و همچنین رفتارخودمختار، بر بعضی قوانین بنیادین که در منشور حقوق بنیادین اتحادیۀ اروپا ذکر شده است اثر سوء خواهد گذاشت». آموزش­وپرورش، عرصه­ای حیاتی در جامعه به شمار می­آید، در زمینۀ کمینه­سازی خطرات تصمیمات مخاطره­آمیز مبتنی بر هوش مصنوعی به ویژه در رابطه با ارزشیابی افراد در مؤسسات آموزشی یا موسسات مرتبط با شغل که موارد حساس محسوب می­شوند باید مورد توجه ویژه قرار گیرد چراکه هرجا هوش مصنوعی مورد استفاده قرار می­گیرد باید غیرتبعیض­آمیز بودن، منصفانه بودن و فراگیر بودن آن مورد تاکید باشد. در بحث آموزش، این موضوع به این معنی است که شرایطی برای تمام دانش­آموزان فراهم شود که همه آن­ها بتوانند از به کارگیری فناوری­های نوین مانند هوش مصنوعی منتفع شوند و اگر این گونه تحقق نیابد، به معنی فراهم آوردن شرایطی اثر متیو« «ثروتمندها ثروتمندتر و فقرا فقیرتر می­شوند». به ویژه، با توجه به این­که فناوری­های آموزشی مبتنی بر هوش مصنوعی معمولاً فقط به صورت آنلاین در دسترس می­باشند، باید زیرساخت­های قوی اینترنت را به صورت گسترده در مناطق مختلف به خصوص در مناطق روستایی در دسترس قرار داد(Leslie et al., 2021) و این به معنی حکمرانی خوب در آموزش­وپرورش می­باشد. موضوع حکمرانی خوب در آموزش ­وپرورش باهدف دستیابی به توسعه انسانی پایدار مطرح شده که در آن بر حکمرانی مبتنی بر قانون، برقراری عدالت در آموزش، تخصیص منابع، پاسخگویی صریح، مدیریت مشارکتی، برنامه­ریزی غیرمتمرکز، ایجاد اعتماد و وفاق اجتماعی، توجه به زیرساخت­های فرهنگی و اجتماعی و سرمایه­گذاری آموزشی تأکید می­شود، که همه این­ها با حکمرانی خوب امکان تحقق می­یابد (Maniei et al, 2019). اگر نظام آموزش­وپرورش را سازمانی متشکل از بخش­ها و زیرنظام­های مختلف و متعدد در نظر گرفته شود، در این صورت حکمرانی در این­گونه سازمان­ها عبارت است از مجموعه­ای از ساختارها و سازوکارهایی که طی فرایندی نظام­مند و با توجه به زمینه و بافت سازمان و رویکرد سازمانی منتج از آن­ها، انتخاب شده و به منظور تأثیرگذاری مطلوب بر فرایندهای سازمانی و به ویژه فرایندهای دانشی در مسیر تحقق اهداف سازمان، به کار بسته می­شوند(Boghrati et al, 2019).

با بررسی انجام گرفته در این پژوهش، مشخص شد که تاکنون پژوهش­های متعددی در زمینه هوش مصنوعی و کارکردهای آن در حوزه آموزش­وپرورش انجام شده است و هر یک به جنبه­هایی از هوش مصنوعی و مدیریت آن پرداخته­اند، ولیکن پژوهشی جامع که به موضوع حکمرانی‌ هوش مصنوعی در آموزش ­وپرورش پرداخته شوه و جنبه­ها و سطوح مختلف آن را مورد بحث‌ و بررسی‌ قرار دهد یافت نشد و لذا پژوهش حاضر با هدف شناسایی مولفه­ های حکمرانی هوش مصنوعی در آموزش ­وپرورش انجام گرفت و سوال اصلی آن این است که: برای حکمرانی هوش مصنوعی در آموزش­ وپرورش چه عواملی را باید در نظر گرفت؟

 

روش ­شناسی پژوهش

پژوهش حاضر از لحاظ هدف کاربردی و از نظر نحوه گردآوری داده­ها از نوع کیفی است که با شیوه مرور سیستماتیک[4] و با استفاده از روش فراترکیب[5] انجام شده است. به این معنی که ابتدا برای گردآوری اطلاعات از روش اسنادی و تحلیل محتوا استفاده شده است. از این‌رو مبتنی‌ بر پرسش‌ها برای فراترکیب‌ از نمونه‌ مطالعـات کیفی‌ منتخب‌ در زمینه‌ حکمرانی هوش مصنوعی در آموزش­وپرورش استفاده شده است‌. نتیجه‌ نهایی‌ جستجوی نظامند در این خصوص تعداد 209 منبع علمی داخلی و خارجی بود که در خصوص حکمرانی‌ هوش مصنوعی در آموزش­وپرورش بود که با انجام مراحل مختلف غربالگری منابع بدست آمده تعداد ‌58 منبـع علمی(ایرانی و غیرایرانی) بـرای تجزیه­وتحلیـل‌ و فراترکیب‌ نهایی‌ مورد استفاده قرار گرفت. عـلاوه براین‌ برای استخراج مفاهیم‌ و حکمرانی‌ هوش مصنوعی در آموزش­وپرورش در این‌ پژوهش‌ از روش هفت‌ مرحلـه‌ای سندلوسکی‌ و باروسو(Sandelowski, M., Barroso, 2007a, 2007b) که‌ شامل مراحل:‌ تنظیم‌ پرسـش‌ پـژوهش؛‌ بررسـی‌ نظـام­منـد متون؛ جستجو و انتخاب منابع‌ مناسب؛ استخراج اطلاعـات منـابع مورد مطالعه‌؛ تجزیـه‌­و­تحلیـل‌ و ترکیـب‌ یافته‌ها؛ کنترل کیفیت؛ و در نهایت ارائه‌ یافته‌هاست‌، استفاده شد(شکل شماره 1)‌.

 

شکل 1. مراحل فراترکیب

 

مرحله‌ اول: تنظیم‌ پرسش اساسی‌ پژوهش‌: اولین گام در روش­ پژوهش فراترکیب، موضع­گیری فلسفی و تصور درباره موضوع اصلی روش فراترکیب است. در این مرحله، پژوهشگران پرسش پژوهشی خود را که می­توانند در برگیرنده ابعاد مختلفی مثل چه چیزی، چگونه، چه روشی و... باشد، طراحی ­کنند. در این‌ مرحله‌ از فراترکیب‌، پرسش‌های مبنایی‌ براساس اهداف پژوهش و پاسخگویی‌ به‌آن­ها و محدوده کار مشخص‌ شده، تا اینکه‌ محدودیت‌های احتمالی‌ که‌ زمینه‌ساز ابهام ­های احتمالی‌ در مراحل‌ بعدی پژوهش‌ است‌ برطرف شود. هدف کلی پژوهش حاضر "شناخت چهارچوب مفهومی(عوامل) حکمرانیِ هوش مصنوعی در آموزش­وپرورش" می­باشد و به این پرسش پاسخ خواهد داد که: "مهمترین عوامل حکمرانی هوش مصنوعی در حوزه آموزش­و­پرورش کدامند؟".

مرحله دوم: بررسـی‌ نظـام­منـد متون: در این پژوهش، از پایگاه­های معتبر علمی و با استفاده از کلیدواژه ­های مناسب فارسی و انگلیسی(به صورت انفرادی و ترکیبی)؛ حکمرانی، آموزش­وپرورش، هوش مصنوعی استفاده و منابع معتبر منتشر شده از سال 2000 تا 2023 میلادی و 1383 تا 1403 شمسی موجود در پایگاه­ های داخلی و خارجی جستجو شدند. واژه­های کلیدی مورد جست­وجو، در جدول شماره 1 ارائه شده است:

جدول شماره 1. واژه ­های کلیدی مورد جست وجو

فارسی

انگلیسی

حکمرانی

Governance

حکمرانی در آموزش و پرورش

Governance in education

هوش مصنوعی

Artificial intelligence

هوش مصنوعی در آموزش و پرورش

Artificial intelligence in education

حکمرانی هوش مصنوعی در آموزش و پرورش

Artificial intelligence Governance in education

در این‌ پژوهش‌ معیارهای‌ پذیرش و یا عدم پذیرش منابع مطابق‌ با جدول شماره 2 تعیین‌ شده است‌. همچنین‌ در همان بـدو جسـتجو، بـه‌ منظـور جلـوگیری‌ از دریافــت‌ منابع نــامرتبط،‌ از لحــاظ عنــوان‌، محقــق‌ عنــاوین‌ منابع فارســی‌ و انگلیســی‌ را در پایگاه­های‌ اطلاعاتی‌ به‌دقت‌ مطالعه‌ کـرده تـا از ورود مقـالات نـامرتبط‌ فـراوان بـرای‌ گـام بعـدی‌ جلوگیری‌ نماید.

جدول شماره ٢. معیارهای‌ پذیرش و عدم پذیرش مقالات

معیارها

معیار پذیرش

معیار عدم پذیرش

زبان تحقیقات

مطالعات انگلیسی‌ و فارسی‌

مطالعات غیرانگلیسی‌ و غیرفارسی‌

زمان مطالعات انگلیسی‌

تحقیقات منتشرشده از سال ٢٠٠٠ تا2024 میلادی‌

تحقیقات پیش‌ از ٢٠٠٠ میلادی‌

زمان مطالعات فارسی‌

تحقیقات منتشرشده ١٣٨3 تا 1403

تحقیقات پیش‌ از ١٣٨3

اعتبار مطالعات

منابع منتشر شده در پایگاه­های‌ اطلاعاتی‌ معتبر

نظرات شخصی‌، پایگاه­های‌ غیرمعتبر

موضوع مطالعه‌

ابعاد، تعاریف‌، مدل ها

غیر از موارد اشاره شده

در نتیجه‌ جستجو و بررسی‌های‌ به‌ عمل‌ آمـده از منـابع‌ اشـاره شـده و بـا اسـتفاده از واژه­هـای‌ کلیدی‌ موردنظر و با در نظر گرفتن‌ معیارهای‌ پذیرش، در مجموع تعـداد 209 منبـع علمی قابل تحلیل‌ یافت شد و مورد بررسی قرار گرفت.

مرحله سوم: جستجو و انتخاب منابع‌ مناسب‌: در فرایند جستجو و انتخاب منابع مناسب، پارامترهای مختلفی مانند عنوان، چکیده، محتوا و جزئیات منابع در نظر گرفته شد و منابعی که با پرسش و هدف پژوهش تناسبی نداشتند، از مطالعه حذف شدند. در هر بازبینی‌ تعدادی‌ از منابع رد شدند و در نتیجه‌ در فرآیند فراترکیب‌ مورد بررسی‌ قرار نگرفتند.

در نهایت‌ تعداد مقالات باقی‌ مانده وارد گام بعدی‌ فراترکیب ‌شدند. جهت ارزیابی کیفیت، دو خبره با استفاده از چک‌لیست برنامه مهارت‌های ارزیابی انتقادی[6]، مطالعات برگزیده­ای را از منظر روش‌شناسی و اعتبار یافته‌ها مورد واکاوی قرار دادند و کسب حداقل امتیاز 40 از 50 به عنوان معیار گزینش مقالات جهت تجزیه‌و‌تحلیل یافته‌های آن­ها، قرار گرفت. در مرحله سوم برای بررسی، تحلیل و دست­یابی به منابع نهایی از الگوریتم معرفی شده زیر استفاده شده است و در نهایت 58 منبع برای فراترکیب نهایی انتخاب و مورد تحلیل قرار گرفت(بر اساس شکل 2):

 

شکل 2. فرایند انتخاب منابع مورد نظر برای فراترکیب

همان­طور که در شکل بالا مشاهده می­شود در بررسی اولیه تعداد 209 منبع مرتبط با حمکرانی هوش مصنوعی در آموزش­وپرورش بدست آمد که در چند مرحله مورد غربالگری قرار گرفت و در نهایت 58 منبع مرتبط، برای یافتن مولفه­ های حکمرانی هوش مصنوعی در آموزش و پرورش، مورد تحلیل قرار گرفت.

مرحله‌ چهارم: استخراج اطلاعات‌ منابع: ‌در مرحله‌ چهارم، به‌ گردآوری اطلاعات منابع‌ انتخاب شده بر اساس مشخصات نام و نام خانوادگی‌ نویسنده، سال انتشار، نوع منبع‌، مؤلفه‌های مرتبط‌ با حکمرانیِ هوش مصنوعی در آموزش­وپرورش و مشخصات روش­ شناختی‌ (روش پژوهش‌، ابزار پژوهش‌ و جامعه‌ پژوهش‌) پرداخته‌ شد.

مرحله‌ پنجم‌: تجزیه‌ وتحلیل‌ و ترکیب‌ یافته‌ها: تجزیه‌و‌تحلیل یافته‌ها در پژوهش حاضر بر اساس تحلیل مضمون و توسط دو نفر از خبرگان صورت گرفت. تحلیل مضمون، یک روش تجزیه­وتحلیل منعطف و قوی است که می­تواند به توسعه بینش در خصوص پدیده‌های پیچیده کمک کند(Kiger & Varpio, 2020). در این نوع تحلیل، مضامین مشترک از طریق بررسی و واکاوی داده‌ها توسط محقق احصاء شده و موضوعات، ایده­ها و الگوهای معنایی که به طور مکرر مطرح می­شوند، شناسایی می‌شوند(Rosairo, 2023).

 مرحله ششم: کنترل کیفیت کدهای استخراج شده: با کمک ابزار برنامه مهارت‌های ارزیابی حیاتی، کیفیت منابع مورد مطالعه جهت فراترکیب توسط خبرگان ارزیابی شد. با توجه به امتیاز کسب­شده 40 از 50 برای منابع مورد مطالعه مشخص شد که منابع از کیفیت قابل قبولی برخودار می­باشند[7]. به منظور سنجش پایایی با روش توافق درون موضوعی، ابتدا منابع انتخاب شده برای فراترکیب را به‌ همراه کدهای اولیه‌ استخراج شده در اختیار 2 نفر از متخصصان قرار گرفت تا آنها نیز به‌ استخراج مقوله‌های اصلی‌ و فرعی‌ از آن­ها اعلام نظر نمایند. در این مرحله هر دو متخصص، روی مفاهیم و مضامین اولیه و ثانوبه اتفاق نظر داشتند. بنابراین‌ می‌توان کدهای استخراج شده از پایایی‌ مطلوبی‌ برخوردار بوده است‌.

مرحله‌ هفتم‌: ارائه‌ یافته‌ها: در این‌ مرحله‌ با استفاده از کدهای استخراج شده از مراحل‌ قبلی‌ به‌ ارائه‌ یافته‌ها در قالب‌ مفاهیم‌ پرداخته‌ شد، در ادامه‌ کدهای تکراری حذف و بقیه‌ کدها در زیر یک‌ مفهوم مشابه‌ دسته‌بندی شدند، سپس‌ مفاهیم‌ نیز در مقوله‌های کلی‌تر قرار گرفتند. به‌ طورکلی 55 مضمون اولیه از منابع‌ مورد مطالعه‌ استخراج شد که‌ این‌ کدها در 18 مضمون ثانویه و 4 مضمون‌ اصلی‌ قرار گرفتند که‌ اطلاعات آن­ها در جدول شماره3 آمده است‌.

 

یافته ­های پژوهش

 

جدول شماره3.مفاهیم و مضامین اولیه و ثانویه و کدهای مربوطه‌

مضمون فراگیر

مضامین

سازمان دهنده

مضامین اولیه

مفاهیم

حکمرانی هوش مصنوعی در آموزش

بعد خرد

(فردی)

اخلاق

اخلاق­مداری([8]م16؛ م17؛ م28، م29؛ م30)؛ کیفیت رویارویی با مسائل اخلاقی(م5؛ م10؛ م21؛ م28؛ م29؛ م30)؛ مسئولیت اخلاقی در فرصت­های مرتبط با هوش مصنوعی(م28؛ م29؛ م30)

آموزش و یادگیری

ارتقای کیفیت آموزش (م17؛ م18؛ م33؛ م34؛ م35؛ م36؛ م37؛ م50؛ م52)؛ بهره­مندی از یادگیری تطبیقی(م38؛ م39؛ م40؛ م41؛ م42؛ م43؛ م44؛ م45)؛ یادگیری مادام­العمر(م17؛ م18؛ م50)؛ ارتقای سطح آگاهی همگانی(م16؛م17؛ م18؛ م28؛ م29؛ م30؛ م50)؛ شخصی­سازی و سبک­های یادگیری(م33؛ م34؛ م35؛ م36؛ م37؛ م38؛ م39؛ م40؛ م41؛ م42؛ م43؛ م45)؛ فرصت‌های یادگیری مناسب و مرتبط(م1؛ م2؛ م3؛ م4؛ م31؛ م32)

مسئولیت پذیری و پاسخگویی

مسئولیت پذیری(م51؛ م5؛ م10؛ م16؛ م17؛ م22؛ م28؛ م29؛ م30)؛ پاسخگویی(م50؛ م56؛ م57؛ م22)

مشارکت و ارتباطات

مشارکت(م16؛ م17؛ م18؛ م28؛ م29؛ م30؛ م50)؛ تعاملات اساسی(م50؛ م16؛ م17)؛ ایجاد دانش تعاملی(م2؛ م5؛ م26؛ م27)

بعد میانی (سازمانی)

مدیریت دانش

مکانیزم­های حکمرانی دانش مناسب سازمانی و میان سازمانی(م23؛ م24)؛ مکانیزم­های هماهنگ­ساز مناسب دانش(م23؛ م24)؛ آشنا با سیستم­ها، ابزارها و فناوری­های مدیریت دانش(م2؛ م5؛ م26؛ م27)؛ ایجاد فرهنگ مشوق مدیریت دانش در سازمان(م2؛ م5؛ م26؛ م27)؛ برنامه­ریزی و اجرای استراتژی­های مدیریت دانش(م2؛ م5؛ م26؛ م27)؛ توانایی در اداره پروژه­های مدیریت دانش(م2؛ م5؛ م26؛ م27)؛ ساختارهای حکمرانی دانش(م52؛ م23؛  م24)؛ فرآیند ایجاد دانش تعاملی(م2؛ م5؛ م26؛ م27)؛ فعالیت­های مدیریت دانش(م2؛ م5؛ م10؛ م21؛ م26؛ م27؛ م29؛ م30)

مدیریت

سرمایه انسانی

بهره­مندی از معلمان با تجربه در تصمیم‌گیری(م1؛ م2؛ م3؛ م4)؛ انتخاب نیروی انسانی مناسب و کارآمد(م16؛ م17؛ م28؛ م29؛ م30)؛ ارتقای تسلط مدیران و معلمان(م5؛ م10)؛ توانمندسازی معلمان(م50؛ م54؛ م16؛  م17)؛ کشف استعدادها دانش­آموزان(م46؛ م47؛ م48؛ م49)

مدیریت و تعالی منابع

زیر­ساخت­های فناوری آموزشی(م5؛ م10؛ م21؛ م29؛ م30)؛ تعالی کسب و کار و سازمان(م22)؛ توانایی در مدیریت تغییر(م2؛ م5؛ م26؛ م27)؛ مدیریت پروژه سازمانی(م58؛ م22)؛ مدیریت مبتنی بر سیستم‌های اطلاعات(م19؛ م20)

بعد کلان

(نظام)

انسجام و یکپارچگی

ایجاد دانش یکپارچه(م23؛ م24)؛ یکپارچگی اداره سیستم­های آموزشی(م55؛م14)؛ یکپارچه­سازی ابعاد نرم و سخت(م5؛ م10؛ م21؛ م29؛ م30)

تمرکززدایی

تمرکززدایی(م17؛ م18؛ م28؛ م29؛ م30؛ م50)؛ حرکت تدریجی به سمت عدم تمرکز(م52؛ م57؛ م11)

انعطاف­پذیری

انعطاف­پذیری(م16؛ م17؛ م28؛ م29؛ م30)؛ مقاومت نکردن در برابر تغییرات(م57؛ م11)

کارایی و اثربخشی

کارایی و اثربخشی(م5؛ م6؛ م7؛ م8)؛ مدیریت عملکرد(م7؛ م58؛ م22)؛ عملکرد سازمان(م2؛ م5؛ م26؛ م27)

عدالت آموزشی

عدالت آموزشی(م17؛ م18؛ م28؛ م29؛ م30؛ م50)؛ مدیریت آموزش و ارائه عادلانه­تر آموزش(م16؛ م17؛ م19؛ م20)

شفافیت

شفافیت(م51؛ م12؛ م13؛ م16؛ م17؛ م22؛ م28؛ م29؛ م30)

بعد فراکلان (اجتماع)

قوانین و مقررات

مقررات هوش مصنوعی(م5؛ م10؛ م21؛ م28؛ م29؛ م30)؛ قانون­مداری(م50؛م51؛م16؛ م17؛ م28؛ م29؛ م30)

وفاق و همدلی

اطمینان(م5)؛ وفاق عمومی(م16؛ م17؛ م28؛ م29؛ م30)؛ همدلی(م5؛ م10)

مهارت­های کلان

مهارت­های اجتماعی(م17؛ م18؛ م28؛ م29؛ م30؛ م50)

توجه به دسترسی­ها

امکانات و دسترسی مناسب(م5؛ م10؛ م21؛ م28؛ م29؛ م30)

ثبات

ثبات سیاسی(م53؛ م54؛ م15)؛ جابجایی سیاسی برای اداره موثر(م55؛ م15)

بر این اساس می­توان عنوان کرد که برای تبیین عوامل مورد تاکید در حکمرانی هوش مصنوعی در آموزش ­وپرورش باید به 4 مضمون سازمان­دهنده (اصلی)؛ 18 مضمون اولیه و 55 مفهوم توجه کرد. در این طبقه­بندی مضامین سازمان­دهنده شامل: بعد خرد، بعد میانی، بعد کلان و در نهایت بعد فراکلان باید در نظر گرفته شده است. منظور از عوامل یا جنبه­های خرد، جنبه­های فردی که باید در حکمرانی هوش مصنوعی در آموزش ­وپرورش از اهمیت برخوردار است و به آن­ها توجه کرد می­باشد. در این بعد از ابعاد 4 گانه حکمرانی هوش مصنوعی در آموزش و پرورش؛ تاکید بر ویژگی­هایی فردی است که هم باید تقویت شود و هم باید برای ارتقای آن برنامه­ ریزی کرد می­باشد. همچنین منظور از عوامل یا جنبه ­های میانی به مواردی می­پردازد که جنبه سازمانی داشته و بر عناصر مرتبط با سازمان آموزش و پرورش تاکید دارد. در این بعد از حکمرانی هوش مصنوعی بر جنبه ­های تعالی سازمانی و تعالی منابع سازمانی تاکید می­شود. منظور از عوامل کلان، عواملی هستند که حکمرانی را در سطح نظام (نظام آموزش ­وپرورش) مورد توجه قرار می­دهد و ویژگی­های حوزه نظام آموزش و پرورش را مطرح می­نماید. در نهایت منظور از عوامل فراکلان، عواملی است که در سطح اجتماع برای حکمرانی هوش مصنوعی در آموزش­وپرورش از اهمیت و ضرورت برخوردار است. این عوامل در راستای تاثیر و تاثر هوش مصنوعی در سطح اجتماع مطرح می­شود

در جدول زیر(جدول شماره 4) فراوانی هریک از مضامین اولیه؛ سازمان­دهنده و فراگیر ارائه شده است:

 

 

 

جدول شماره4. فراوانی مفاهیم و مضامین

مضمون فراگیر (اصلی)

مضامین سازمان دهنده(ثانویه)

مضامین اولیه

فراوانی مفهوم

فراونی کدهای

مفاهیم

حکمرانی هوش مصنوعی در آموزش

عوامل خرد

(سطح فردی)

اخلاق                                        

3

14

آموزش و یادگیری

6

45

مسئولیت پذیری و پاسخگویی

2

13

مشارکت و ارتباطات

3

14

عوامل میانی

(سطح سازمانی)

مدیریت دانش

9

35

مدیریت منابع انسانی

5

19

مدیریت و تعالی منابع

5

14

عوامل کلان

(سطح نظام)

انسجام و یکپارچگی

3

9

تمرکز زدایی

2

9

انعطاف پذیری

2

7

کارایی و اثربخشی

3

10

عدالت آموزشی

2

10

شفافیت

1

9

عوامل فراکلان

(سطح اجتماع)

قوانین و مقررات

2

13

وفاق و همدلی

3

9

مهارت­های زندگی

1

6

توجه به دسترسی ها

1

6

ثبات

2

5

فراوانی

4

18

55

247

بر اساس یافته ­های بدست آمده در فراترکیب؛ می­توان اذعان داشت که در عوامل خرد (سطح فردی) باید به مضامینی چون: اخلاق؛ آموزش و یادگیری؛ مسئولیت پذیری و پاسخگویی؛ مشارکت و ارتباطات توجه کرد. در سطح عوامل میانی (سطح سازمانی) نیز باید مضامینی چون: مدیریت دانش؛ مدیریت منابع انسانی؛ مدیریت و تعالی منابع مورد توجه قرار گیرد. در مورد عوامل کلان (سطح نظام) هم باید مضامینی مانند: انسجام و یکپارچگی؛ تمرکززدایی؛ انعطاف­پذیری؛ کارایی و اثربخشی؛ عدالت آموزشی؛ شفافیت نظر گرفته شود. در مورد عوامل فراکلان (سطح اجتماع) نیز باید مضامینی چون: قوانین و مقررات؛ وفاق و همدلی؛ مهارت­های زندگی؛ توجه به رفاهیات و ثبات را مد نظر قرار داد.

 

شکل3. مولفه ­های حکمرانی هوش مصنوعی در آموزش و پرورش

بحث ­و نتیجه گیری

درحالی­که هوش مصنوعی این ظرفیت را دارد که راه و روش طی مسیر را متحول کند، خطرات و چالش‌های مهمّی نیز وجود دارد که باید مورد توجه قرار گیرد. لذا ضروری است که  سیاست­ها و چهارچوب­های شفافی برای مواجهه با این پدیده نوظهور ایجاد شود تا استفاده از هوش مصنوعی در آموزش (و پرورش) را بر اساس یک سیاستگذاری واحد و منسحم برنامه؛ طراحی؛ اجرا و ارزیابی کند. مطالعه ادبیات نظری و تجربی جایگاه حکمرانی هوش مصنوعی در آموزش  از طریق مطالعه 58 سند و منبع علمی معتبر منتشر شده در پایگاه­های اطلاعاتی ملی و بین­المللی تلاش‌های قابل توجهی را برای شناسایی و مقیاس‌بندی مولفه­های الگویی برای تنظیم­گری (در جهت حکمرانی) هوش مصنوعی بر اساس مولفه­های مختلف را نشان داد. علی‌رغم تمام تلاش‌هایی که برای تنظیم­گری و حکمرانی هوش مصنوعی در آموزش انجام می‌شود، هنوز یک شکاف آشکار بین اصول مبنایی و یک الگوی عملکردی در این زمینه به چشم می­خورد که بتواند همه حوزه‌های دانشی را که برای مقابله با پیچیدگی‌های مورد نیاز هوش مصنوعی ضروری است را دربرگیرد.

بررسی ادبیات پژوهش نشان می­دهد که با توجه به پژوهش­هایی که در زمینۀ موضوع هوش مصنوعی و حکمرانی در آموزش انجام گرفته، بیشتر پژوهش­ها در این حوزه بدون در نظر گرفتن ابعاد حکمرانی هوش مصنوعی، بر حکمرانی خوب در آموزش و حفظ و سازماندهی آن تاکید داشته­اند. بر این اساس یافته­های منتج از فراترکیب یافته­های بدست آمده، نشان داد، مناسب­ترین مولفه­ها برای استقرار حکمرانی هوش مصنوعی در آموزش در 4 حوزه یا ساحت: خرد، میانی؛ کلان و فراکلان قابل تبیین است.

یقیناً حکمرانی مناسب در آموزش و پرورش، نقش مهمی در به حداکثر رساندن مزایا و به حداقل رساندن خطرات مرتبط با فنّاوری­های نوظهور مانند هوش مصنوعی در بخش آموزش دارد. بر اساس یافته­های حاصله از مطالعه فراترکیب برای حکمرانی هوش مصنوعی در آموزش باید به جنب­­های خرد؛ میانی؛ کلان و فراکلان توجه کرد و هر یک از این ساخت­ها توسط محققانی مورد تاکید قرار گرفته است.

در عامل خرد (ساحت فردی) به مولفه­هایی چون: اخلاق که مورد تاکید محققانی چون: ( Holmes, 2019؛Baker, 2021 و...)؛ آموزش و یادگیری که در پژوهش های افرادی چون: (Frąckiewiczin ,2023؛Grosz Stone,2018)؛ مسئولیت­پذیری و پاسخگویی که در یافته­های پژوهشگرانی چون: (Holmes et al, 2019؛ Fjeld et al,2020؛ Carter,2020 و...)؛ مشارکت­ و ارتباطات که مورد توجه متخصصانی چون: (Taddeo & Floridi,2018؛ Carter,2020؛  Boghrati, 2019 و...) می­باشد باید توجه شود چرا که با این مطالعات در یک راستا می­باشد. در حوزه میانی (ساحت سازمانی) به مولفه­هایی چون: مدیریت دانش(Pemsel et al,2016؛  Fjeld et al,2020و...)؛ مدیریت منابع انسانی(Subrahmanyam,& Swathi,2018؛Herold,2018؛Mislevy et al,2020 و...)؛ مدیریت و تعالی منابع(Unesco,2019؛Carter,2020؛  Lewis & Gelander,2009و...) پرداخته می­شود و با مطالعات فوق­الذکر مطابقت و همسویی دارد. در حوزه کلان (ساحت نظام) به مولفه­هایی چون: انسجام و یکپارچگی (Pemsel et al.,2016؛ Srivastava,2009 و...)؛ تمرکززدایی(Holmes et al., 2019؛ Carter,2020؛ Baker, 2021 و...)؛ انعطاف­پذیری (Holmes et al, 2019؛Carter, 2020؛  Fjeld et al, 2020و...)؛ کارایی و اثربخشی(khanna,2017؛ Heinrich,2015؛Lewis  & Gelander, 2009 و...)؛ عدالت آموزشی (Unesco,2019؛ Fjeld et al,2020؛ Holmes et al, 2019؛ Baker, 2021 و...)؛ شفافیّت (Hallak, 2006؛ Holmes et al., 2019؛ Mossalam & Arafa,2017 و...) اشاره می­شود که با پژوهش­های فوق الذکر مطابقت دارد. در حوزه فراکلان (ساحت اجتماع) به مولفه­هایی چون: قوانین و مقررات(Taddeo & Floridi, 2018 ؛ Carter,2020 ؛Pemsel et al, 2016)؛ وفاق و همدلی (Holmes et al, 2019؛Carter, 2020؛  Fjeld et al, 2020و...)؛ مهارت­های زندگی(Holmes et al, 2019؛ Baker, 2021 و...)؛  توجه به رفاهیات(Lewis & Gelander, 2009؛         Pemsel et al., 2016  و...) توجه شده و با پژوهش­های مشخص شده مطابقت دارد.

همان طور که مشاهده می شود برای حکمرانی (مناسب) هوش مصنوعی در آموزش و پرورش به یک دیدگاه همه جانبه (به تعبیری 360 درجه) که از جزیی­ترین (ساحت فرد) موارد تا کلان ترین موارد (ساحت اجتماع) مد نظر قرار گیرد تا بتوان به نتایج مناسبی دست یافت و حکمرانی مناسبی در حوزه آموزش از جهت هوش مصنوعی (و یا سایر فنّاوری­های نوظهور) را طراحی و پیاده سازی نمود.

 

پیشنهادات

در راستای یافته ­های بدست آمده از پژوهش به برنامه­ریزان؛ سیاستگذاران و مدیران ارشد(عالی) حوزه آموزش (به ویژه آموزش و پرورش) کشور پیشنهادات می­شود در زمینه هوش مصنوعی به مناسبات خرد(ساحت فردی) و تعیین نقش حکمرانی در تنظیم­گری این زمینه عنایت لازم صورت پذیرد و به ویژه به موضوع اساسی اخلاق در هوش مصنوعی و همچنین مسئولیت­پذیری و پاسخگویی از طریق تدوین و تصویب قوانین و آیین­نامه­های مربوطه توجه شود؛ در مناسبات میانی(ساحت سازمانی) نیز با پرداختن به حوزه بسیار اساسی سرمایه انسانی و تلاش در جهت توانمندسازی آنان در بکارگیری از هوش مصنوعی در راستای تحقق اهداف سازمانی تلاش شود؛ در مناسبات کلان(ساحت نظام) نیز از طریق تقویت انسجام و یکپارچگی و با تاکید بر تمرکززدایی، کارایی و اثربخشی به عدالت آموزشی دست یابد و در نهایت در مناسبات فراکلان(ساحت اجتماع) به جنبه­های حقوقی و قانونی برای ایجاد وفاق و همدلی و در راستای ارتقای رفاه و مهارت­های زندگی توجه لازم را مبذول داشت و به سیاستگذاری در این موارد اقدام نمایند.

 

[1] .Artificial Intelligence (AI)

[2] .AIED

[3] ICT

[4] .Systematic review 

[5] .Metasynthesis

[6] .CASP

[7] ابزار کسپ یک چک لیست تعیین کیفیت منابع جستجو شده در پژوهش­های مروری (مرور سیستماتیک) می­باشد که دارای 10 آیتم برای تعیین کیفیت منابع می­باشد که هر کدام از 1 تا 5 نمره گذاری شده است و حداکثر نمره 50 و حداقل آن 10 می­باشد. در این پژوهش مبنی انتخاب منابع جهت فراترکیب 80 درصد نمره کلی(50) می باشد که میزان 40 می­باشد

[8] منظور از "م" منبع یافت شده و شماره منبعی است که در فراترکیب مورد تحلیل نهایی(58 منبع) قرار گرفته است

Ahmad, J., & Basri, M. (2015). Implementation of Good Governance in Education Service in Gowa Regency South Sulawesi Province. International Journal of Academic Research, 7(1).150-153.
Alinejad, Mehdi and Khanbazi, Pejman (1402). Artificial Intelligence Governance in E-Government (Challenges and Opportunities). Tehran: Seventh National Conference on New Horizons in Management, Economics and Computers. https://civilica.com/doc/2015033/
Alinjad, M. & Khanbazi, P. (1402).  Governance of artificial intelligence in electronic government (challenges and opportunities).  Tehran: 7th National Conference of New Horizons in Management, Economics and Computer. [In Persian]
Ben-Israel I. et al. (2020). Towards regulation of AI systems: global perspectives on the development of a legal framework on artificial intelligence (AI) systems based on the Council of Europe’s standards on human rights, democracy and the rule of law. Council of Europe. https://rm.coe.int/prems-107320-
Berkovich, I., & Bogler, R. (2019). DESCP factors: the ‘invisible’ impediments to reforms in education. Journal of educational administration and history, 51(3), 239-255.‏ https://doi.org/10.1080/00220620.2018.1540465
Boghrati, F. , ShamiZanjani, M. and Manian, A. (2019). Designing a Conceptual Framework for Knowledge Governance in Project-Based Organizations. Iranian Journal of Information Management4(2), 129-150.[In Persian] https://www.aimj.ir/article_87337.html
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77-101.‏ http://eprints.uwe.ac.uk/11735
Carter, D. (2020). Regulation and ethics in artificial intelligence and machine learning technologies: Where are we now? Who is responsible? Can the information professional play a role? Business Information Review, 37(2), 60-68. https://doi.org/10.1177/0266382120923962
Catalano, A. (2013). Patterns of graduate students' information seeking behavior: a meta‐synthesis of the literature. Journal of Documentation, 69(2), 243-274.‏ https://doi.org/10.1108/00220411311300066
Fjeld, J., Achten, N., Hilligoss, H., Nagy, A., & Srikumar, M. (2020). Principled artificial intelligence: Mapping consensus in ethical and rights-based approaches to principles for AI. Berkman Klein Center Research Publication. http://nrs.harvard.edu/urn-3:HUL.InstRepos:42160420
Frąckiewicz, M. (2023). Using ChatGPT-3.5 for Educational Purposes: Tutoring. Language Learning, and More. https://ts2. space/en/using-chatgpt-3-5-for-educational-purposes-tutoring-language-learning-and-more. https://ts2.space/en/the-impacts-of-ai-on-education-policy/.
Ghodousi, Mohammad Reza and Mahmoudi, Jafar (2015). Electronicization causing the tendency towards good governance or good governance causing the tendency towards electronicization: Current trends and future predictions. Management Futures, 26(104), 1-7. [In Persian]. https://sanad.iau.ir/Journal/jmfr/Article/786241
Gocen, A., & Aydemir, F. (2020). Artificial intelligence in education and schools. Research on Education and Media, 12(1), 13-21.‏ https://doi.org/10.2478/rem-2020-0003
Graham, J., Amos, B., & Plumptre, T. W. (2003). Governance principles for protected areas in the 21st century. Ottawa: Institute on Governance, Governance Principles for Protected Areas.‏ http://st1.asflib.net/MEDIA/ASF-CD/ASF-M-00105/Protected%20Area%20Governance.pdf
Hallak, J. (2006). Governance in education: transparency and accountability. M. Poisson (Ed.). UNESCO, International Institute for Educational Planning.‏ https://unesdoc.unesco.org/ark:/48223/pf0000148766
Heinrich, C. J. (2015). The role of performance management in good governance and its application in public education. Employment Research NewsletFter, 22(3), 1-6. https://doi.org/10.17848/1075-8445.22(3)-2
Herold, B. (2018). How (and why) Ed-Tech Companies Are Tracking Students’ Feelings-Education Week. Education Week.‏in the Age of Transhumanism (pp. 224-236). https://doi.org/10.4018/978-1-5225-8431-5.ch014.
Jafari, Del-Era, Shahmohammadi, Mina, Qandali, Abbas (2023). Artificial Intelligence and New Technologies in Educational Systems: Opportunities and Challenges. E-Learning and New Educational Technologies, 4(4), 129-139. [In Persian]. https://esjournal.ir/fa/paper.php?pid=153
Khanna, P. (2017). A conceptual framework for achieving good governance at open and distance learning institutions. Open Learning: The Journal of Open, Distance and E-Learning, 32(1), 21-35.‏ https://doi.org/10.1080/02680513.2016.1246246
Kiger, M. E., & Varpio, L. (2020). Thematic analysis of qualitative data. Medical teacher, 42(8), 846-854.‏ .‏ https://doi.org/10.1080/0142159X.2020.1755030
Kuhl, P. K., Lim, S. S., Guerriero, S., & Damme, D. V. (2019). Developing minds in the digital age. Paris, France: OECD Publishing.‏
Leslie D. et al. (2021), Artificial intelligence, human rights, democracy, and the rule of law: a primer, Council of Europe. https://.ssrn.com/abstract=3817999,accessed 25 June 2022.
Lewis, M., & Pettersson Gelander, G. (2009). Governance in education: Raising performance. World Bank Human Development Network Working Paper. https://doi.org/10. 5281/ zenodo. 35165 25.
Mertanen, K., Vainio, S., & Brunila, K. (2022). Educating for the future? Mapping the emerging lines of precision education governance. Policy Futures in Education, 20(6), 731-744.‏ https://doi.org/10.1177/14782103211049914.
Maniei, R, Soleimani, N, Abbaszadeh, Naser, & Tabatabaee, Seyed, M .(2019). Design and validation of good educational governance model in the educational system. Journal of Teaching in Marine Science, 6(18), 17-36. [In Persian]. https://sid.ir/paper/262033/en
Mossalam, A., & Arafa, M. (2017). Governance model for integrating organizational project management (OPM) with corporate practices. HBRC journal, 13(3), 302-314.‏ https://doi.org/10.1016/j.hbrcj.2015.08.003
Nasirnatri, Jafar, Khalkhali, Ali, Shakibaei, Zohreh; Soleymanpour, Javad and Kazempour, Esmaeil (2019). Explaining the structures of good governance in the Iranian public education system. Marine Science Education, 7(21), 109-124. .[In Persian] https://www.sid.ir/paper/954290/fa
Nazaretsky, T., Ariely, M., Cukurova, M., & Alexandron, G. (2022). Teachers' trust in AI‐powered educational technology and a professional development program to improve it. British journal of educational technology, 53(4), 914-931.‏ https://bera-journals.onlinelibrary.wiley.com/doi/pdf/10.1111/bjet.13232
Nemorin, S. (2021). Fair-AI. Project Update# 6. Preliminary Findings.‏
Pemsel, S., Müller, R., & Söderlund, J. (2016). Knowledge governance strategies in project-based organizations. Long range planning, 49(6), 648-660.‏ http://dx.doi.org/10.1016/j.lrp.2016.01.001
pourkarimi, J. , Hasanbandi, M. and Samadi, M. (2024). Policy-making Implications of Good Governance in Education Documents (Case: Fundamental transformation document). Journal of Science and Technology Policy, 17(1), 53-68. [In Persian]
https://doi.org/10.22034/jstp.2024.11628.1767
Qudousi, M. & Mahmoudi, J. (2014).  Electronicization leading to good governance or good governance leading to electronicization: current trends and future projections.  Management Future Research, 26(104), 1-7. [In Persian]
Rahsepar, Z. , Salehi, K. , Ezati, M. and Zolfaghar Zade Kermani, M. M. (2019). Identification and structural analysis of the interactional effect of the change drivers on the field of education. Journal of Educational Innovations18(2), 101-126. [In Persian] https://doi.org/10.22034/jei.2019.92888
Rahspar, Z., Salehi, K. & Ezzati, M. (2018).  Identification and structural analysis of the interaction of variable stimuli in the field of education.  Innovation in Education, 18(70), 10-125. [In Persian]
https://doi.org/10.22034/jei.2019.92888
Roll, I., Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. Int J Artif Intell Educ 26, 582–599
https://doi.org/10.1007/s40593-016-0110-3
Rosairo, H. S. R. (2023). Thematic analysis in qualitative research. Journal of Agricultural Sciences Sri Lanka, 18(3). https://doi.org/10.4038/jas. v18i3.10526
Salimi, Gh. & Karimipour, D. (2018).  Governance; Very short income.  Tehran: National Defense University Press and Higher Research Institute. [In Persian]
Salimi, Gholamreza and Karimipour, Davud (2019). Governance: A very short introduction. Tehran: National Defense University and Research Institute Publications.
Sandelowski, M., Barroso, J., & Voils, C. I. (2007a). Using qualitative metasummary to synthesize qualitative and quantitative descriptive findings. Research in nursing & health, 30(1), 99-111.‏ https://doi.org/10.1002/nur.20176
Sandelowski, M., & Barroso, J. (2007b). Handbook for synthesizing qualitative research.New York: Springer.
Smuha, N. A. (2021). Beyond a human rights-based approach to AI governance: Promise, pitfalls, plea. Philosophy & Technology, 34(1), 91-104.
https://doi.org/10.1007/s13347-020-00403-w
Subrahmanyam, V.V.,& Swathi, k.(2018). Artificial Intelligence and its Implications in Education. International Conference on Improved Access to Distance Higher Education Focus on Underserved Communities and Uncovered Regions, Kakatiya University, Warangal, Telangana, India. https://www.researchgate.net/publication/328686410
Sørensen, E., & Triantafillou, P. (2016). The politics of self-governance. Springer. https://link.springer.com/article/10.1007/s13347-020-00403-w
Srivastava, M. (2009). Good governance-concept, meaning and features. A detailed study. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1528449
Taddeo, M., & Floridi, L. (2018). How AI can be a force for good. Science, 361(6404), 751-752. https://philarchive.org/archive/TADHAC
Takeuchi, H., & Nonaka, I. (2000). Classic work: Theory of organizational knowledge creation. https://doi.org/10.7551/mitpress/4075.003.0016
Torfing, J. (2012). Interactive governance: Advancing the paradigm. Oxford University Press.
UNESCO. (2019). Beijing consensus on artificial intelligence and education. In International Conference on Artificial Intelligence and Education, Planning Education in the AI Era: Lead the Leap.‏ https://unesdoc.unesco.org/ark:/48223/pf0000368303
UNESCO. (2023). The Right to Education. UNESCO. https://www.unesco.org/en/right-education [2] Behrens, C. (2014). Educational Governance Today. Jurnal Studi Pemerintahan. 5 (2), 176- 189.
https://doi.org/10.18196/jgp.2014.0017

  • Receive Date 22 January 2025
  • Revise Date 03 February 2025
  • Accept Date 04 February 2025
  • Publish Date 21 March 2025