تأثیرات هوش مصنوعی بر یادگیری و آموزش

اولین مربی شناختی در ایران

======================================

یکشنبه - 21 تیر 1405

مجله اینترنتی روان تنظیم

مجله تخصصی روانشناسی تربیتی شناختی

تأثیرات هوش مصنوعی بر یادگیری و آموزش

خلاصه نظام مند از یافته های گارزون و همکاران (۲۰۲۵) در زمینۀ یکپارچه سازی هوش مصنوعی در آموزش

گارزون و همکاران (۲۰۲۵) به طیف وسیعی از مزایای یکپارچه‌سازی هوش مصنوعی اشاره می‌کنند، از جمله بهبود پیامدهای یادگیری، آموزش شخصی‌سازی‌شده و افزایش انگیزهٔ دانش‌آموزان. آنها خاطرنشان می‌کنند که موفقیت هوش مصنوعی در آموزش، به پیاده‌سازی دقیق و همکاری بین‌افزاری بستگی دارد تا نتایجی معنادار و عادلانه حاصل شود. آنها چالش‌هایی را که باید برطرف شوند شناسایی می‌کنند، از جمله استفادهٔ اخلاقیِ دانش‌آموزان از هوش مصنوعی، مقاومت معلمان، و وابستگی دیجیتالی که این سیستم‌ها می‌توانند ایجاد کنند.

موفقیت هوش مصنوعی در آموزش به اجرای دقیق و همکاری وابسته است تا نتایجی معنادار و عادلانه تضمین شود. بهبود نتایج یادگیری، آموزش شخصی‌سازی‌شده و افزایش انگیزش دانش‌آموزان با موانعی روبرو می شوند مانند استفاده اخلاقی دانش‌آموزان از هوش مصنوعی، مقاومت معلمان، و وابستگی دیجیتالی که باید برطرف شوند.

ایده اصلی گارزون و همکاران (۲۰۲۵) این است که هوش مصنوعی در آموزش، علیرغم مزایای متعدد (بهبود یادگیری، شخصی‌سازی، افزایش انگیزه)، موفقیت‌اش مشروط به پیاده‌سازی آگاهانه و همکاری جمعی است و در عین حال با چالش‌های جدیِ اخلاقی، انسانی و وابستگی فناورانه مواجه است که باید پیش از گسترش فراگیر، حل شوند.

به عبارت دیگر گارزون و همکاران (۲۰۲۵) بر این نکته تأکید دارند که ادغام هوش مصنوعی در آموزش اگرچه دارای مزایای چشمگیری است، اما تحقق این مزایا منوط به اجرای هوشمندانه، همکاری میان ذی‌نفعان، و مدیریت چالش‌های اخلاقی، انسانی و فناورانه است. به‌عبارتی، هوش مصنوعی نه یک راه‌حل جادویی، بلکه ابزاری است که موفقیت آن در گرو طراحی نظام‌مند و آگاهانه است.

۱. دوگانگی فرصت‌ها و تهدیدها 

از یک سو مزایای آموزش شخصی‌سازی‌شده و انگیزشی، و از سوی دیگر چالش‌های ساختاری (مقاومت معلمان)، رفتاری (استفاده اخلاقی دانش‌آموزان)، و فنی (وابستگی دیجیتال) نشان می‌دهد که هوش مصنوعی یک «فناوری مختل‌کننده است که هم می‌تواند نظام آموزشی را متحول کند و هم آن را دچار ناپایداری سازد.

۲. مسئلهٔ «عدالت آموزشی

عبارت «نتایج معنادار و عادلانه» نشان می‌دهد که نگرانی اصلی فراتر از کارایی است. یعنی باید پرسید: آیا هوش مصنوعی شکاف دیجیتال و آموزشی را عمیق‌تر نمی‌کند؟ اجرای موفق باید به‌گونه‌ای باشد که دسترسی و کیفیت برای همهٔ دانش‌آموزان (با هر زمینهٔ اقتصادی–اجتماعی) یکسان باشد.

۳. مقاومت معلمان در برابر تغییر 

این چالش ریشه در عوامل روان‌شناختی (ترس از بی‌کاری یا کاهش نقش)، سازمانی (نبود آموزش کافی)، و فرهنگی (سنتی بودن نظام آموزشی) دارد. بنابراین راهکار صرفاً فنی نیست، بلکه نیازمند توانمندسازی معلمان و مشارکت دادن آن‌ها در فرایند طراحی و پیاده‌سازی است.

۴. وابستگی دیجیتال و استقلال فکری 

یکی از انتقادات جدی به هوش مصنوعی، تضعیف مهارت‌های تفکر انتقادی و حل‌مسئله در دانش‌آموزان است. «وابستگی دیجیتال» یعنی دانش‌آموز به‌جای یادگیری، به پاسخ‌گیری عادت می‌کند. بنابراین راهبردهای آموزشی باید به‌گونه‌ای طراحی شوند که هوش مصنوعی به‌عنوان «مکمّل» عمل کند، نه «جایگزین» فرایند ذهنی.

۵. هم‌افزایی اجرا و همکاری 

تأکید بر «همکاری» نشان می‌دهد که موفقیت هوش مصنوعی در گرو تعامل چهار ضلع است: 

- سیاست‌گذاران (تدوین چارچوب اخلاقی و قانونی) 

- طراحان فناوری (توسعهٔ ابزارهای شفاف و قابل توضیح) 

- معلمان (تسهیل‌گری و نظارت بر استفاده) 

- دانش‌آموزان و خانواده‌ها (پذیرش و استفادهٔ مسئولانه)

۶. رویکرد سیستمی در برابر رویکرد ابزاری 

هوش مصنوعی تلویحاً از نگاه «ابزاری» (صرفاً اضافه کردن یک نرم‌افزار) فاصله می‌گیرد و بر نگاه «سیستمی» تأکید می‌کند؛ یعنی هوش مصنوعی باید در بستر ساختار آموزشی، فرهنگ مدرسه، و برنامهٔ درسی بازتعریف شود.

گارزون و همکاران (۲۰۲۵) دارای رویکردی متوازن و انتقادی اند و از حیث نگاه سیستمی و توجه به موانع اجرایی، تفاوت بنیادین در سطوح مختلف با مطالعات قبلی دارند.

سطح ترکیبی (هرم مزایا):

گارزون و همکاران (۲۰۲۵) ، مزایای هوش مصنوعی را در سه سطح خلاصه می‌کنند که مکمل مطالعات دیگر است:

- پیامدهای یادگیری: اشاره به یافته‌های ژو و همکاران (۲۰۲۵) دارد.

- آموزش شخصی‌سازی‌شده (Personalized Instruction): اشاره به یافته‌های رابرت و همکاران (۲۰۲۴) و کاسوان و همکاران (۲۰۲۴) دارد.

- افزایش انگیزه (Increased Motivation): اشاره به کاسوان و همکاران (۲۰۲۴) دارد.

گارزون و همکاران (۲۰۲۵)، یک جمع‌بندی از مزایای اثبات‌شده را ارائه می‌دهند، اما آن را به عنوان نقطهٔ شروع تحلیل خود قرار می‌دهند، نه نقطهٔ پایان.

سطح شرطی (مشروط‌سازی موفقیت):

واژگان کلیدی این بخش عبارتند از: "Careful Implementation" (پیاده‌سازی دقیق) و "Collaboration" (همکاری). این بدان معناست که:

- هوش مصنوعی به خودی خود مؤثر نیست، بلکه نحوهٔ پیاده‌سازی تعیین‌کنندهٔ موفقیت است.

- موفقیت یک مسئولیت فردی نیست؛ بلکه نیازمند همکاری چندسویه است: معلمان، طراحان فناوری، سیاست‌گذاران، دانش‌آموزان و خانواده‌ها.

- تأکید بر "Equitable Outcomes" (نتایج عادلانه) نشان می‌دهد که خطر ایجاد شکاف دیجیتال و نابرابری آموزشی جدی گرفته می‌شود.

سطح چالش‌محور (شناسایی موانع سه‌گانه):

نوآوری اصلی گارزون و همکاران (۲۰۲۵) شناسایی سه چالش مشخص است که در متون قبلی به آنها پرداخته نشده بود:

- چالش اخلاقی (Ethical Use): 

  استفادهٔ نادرست دانش‌آموزان از هوش مصنوعی (مانند تقلب، استناد نادرست، تولید محتوای غیراصیل). این چالش مستقیماً به هوش مصنوعی مولد (GAI) مربوط می‌شود که در متن سوم مطرح شد. دانش‌آموزان ممکن است به جای یادگیری، از آن برای دورزدن فرآیند آموزش استفاده کنند.

- چالش انسانی (Teachers' Resistance): 

  مقاومت معلمان در برابر پذیرش هوش مصنوعی می‌تواند ریشه در عوامل زیر داشته باشد:

  - ترس از جایگزینی شغل.

  - نبود مهارت فنی کافی.

  - نبود وقت برای یادگیری ابزارهای جدید.

  - باور به اینکه هوش مصنوعی نمی‌تواند جای تعامل انسانی را بگیرد.

    این چالش، برخلاف کاسوان و همکاران (۲۰۲۴) که تنها بر انگیزهٔ دانش‌آموزان تمرکز داشتند، به انگیزهٔ معلمان به عنوان عامل کلیدی موفقیت اشاره دارد.

- چالش سیستمی (Digital Dependency): 

  وابستگی دیجیتال به دو معناست:

  - وابستگی رفتاری: دانش‌آموزان ممکن است به جای تفکر مستقل، به هوش مصنوعی متکی شوند.

  - وابستگی زیرساختی: سیستم‌های آموزشی ممکن است آنقدر به فناوری وابسته شوند که در صورت اختلال یا نبود دسترسی، فلج شوند.

سطح راهبردی (تأکید بر پیاده‌سازی و همکاری):

گارزون و همکاران (۲۰۲۵) به صراحت می‌گویند که مزایا به تنهایی کافی نیستند؛ بلکه یک چارچوب اجرایی نیاز است که شامل:

- تدوین ضوابط اخلاقی برای استفادهٔ دانش‌آموزان.

- توانمندسازی معلمان از طریق آموزش و مشارکت در طراحی.

- ایجاد تعادل بین بهره‌گیری از فناوری و حفظ استقلال فکری دانش‌آموزان.

سطح ارزشی (عدالت و معناگرایی):

هدف نهایی، صرفاً افزایش نمرات یا کارایی نیست، بلکه:

- یادگیری باید معنادار (Meaningful) باشد، یعنی به درک عمیق و کاربرد در زندگی واقعی منجر شود.

- یادگیری باید عادلانه (Equitable) باشد، یعنی همهٔ دانش‌آموزان، بدون توجه به پیشینهٔ اقتصادی، اجتماعی یا دسترسی فنی، از مزایای آن بهره‌مند شوند.

جمع‌بندی مفهومی نهایی

گفتمان علمیِ در حال تکامل

۱. رابرت و همکاران (۲۰۲۴): فناوری چیست؟ ← معرفی قابلیت‌های فنی هوش مصنوعی (مرحلهٔ شناخت ابزار)

۲. کاسوان و همکاران (۲۰۲۴): چگونه بر انسان تأثیر می‌گذارد؟ ← بررسی انگیزه و مشارکت (مرحلهٔ شناخت کاربر)

۳. ژو و همکاران (۲۰۲۵): چقدر و تحت چه شرایطی مؤثر است؟ ← کمّی‌سازی و زمینه‌گرایی (مرحلهٔ شناخت اثربخشی)

۴. گارزون و همکاران (۲۰۲۵): با چه موانعی روبروست و چگونه باید پیاده‌سازی شود؟ ← شناسایی چالش‌ها و شرطی‌سازی موفقیت (مرحلهٔ شناخت پیاده‌سازی و اخلاق)

هوش مصنوعی در آموزش، نه یک راه‌حل جادویی است و نه یک تهدید محض. این فناوری پتانسیل قابل‌توجهی دارد، اما تحقق این پتانسیل منوط به:

- دقت در پیاده‌سازی (نه صرفاً خرید ابزار).

- همکاری چندجانبه (معلمان، دانش‌آموزان، طراحان، سیاست‌گذاران).

- مدیریت چالش‌های اخلاقی و انسانی (مقاومت معلمان، سوءاستفادهٔ دانش‌آموزان، وابستگی دیجیتال).

- توجه به عدالت (تا شکاف دیجیتال عمیق‌تر نشود).

به عبارت دیگر، گارزون و همکاران (۲۰۲۵) پژوهش های قبلی را رد نمی کنند، بلکه تکمیل و زمینه‌مند می‌کنند و نشان می‌دهند که موفقیت هوش مصنوعی در آموزش، بیش از آنکه فنی باشد، انسانی، اخلاقی و مدیریتی است.

منابع

Garzón, J., Patiño, E., & Marulanda, C. (2025). Systematic review of artificial intelligence in education: Trends, benefits, and challenges. Multimodal Technologies and Interaction, 9(1), Article 7.  Kaswan, K. S., Dhatterwal, J. S., & Ojha, R. P. (2024). AI in personalized learning. In Advances in technological innovations (pp. 45-68). Taylor & Francis. Robert, A., Potter, K., & Frank, L. (2024). The impact of artificial intelligence on students' learning experience. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 14(3), e1521. Zhu, Y., Liu, Q., & Zhao, L. (2025). Exploring the impact of generative artificial intelligence on students' learning outcomes: A meta-analysis. Education and Information Technologies. Advance online publication.

مجله اینترنتی روان تنظیم

Online Journal of Ravantanzim

مجله تخصصی روانشناسی تربیتی شناختی

مدیر مسئول: محمود دلیر عبدی نیا

روانشناس تربیتی با دیدگاه شناختی

دانش آموخته دانشگاه تهران

اولین مربی شناختی در ایران

لطفا نظرات و پیشنهادات خود را از طریق بخش نظرات مجله اینترنتی روان تنظیم و یا از طریق ایمیل برای ما ارسال کنید.

استفاده از مطالب ارائه شده در این پایگاه، صرفا با ذکر منبع آزاد می باشد.

مجموعه انتشاراتی روان تنظیم

عنوان	هدف	پلتفرم
مجله اینترنتی روان تنظیم (تخصصی)	پژوهشی-نظریه پردازی	بلاگ اسکای
اندیشکده روان تنظیم	ایده پردازی	ویرگول
مجله اینترنتی یادگیری و آموزش (روان تنظیم)	یادگیری و آموزش	رز بلاگ
مجله اینترنتی خلاقیت (روان تنظیم)	خلاقیت	رز بلاگ
مجله کسب و کار روان تنظیم	کسب و کار	بلاگیکس
مجله اینترنتی آموزش و پرورش مدرن	کاربردی-پرورشی	بلاگفا