بررسی تاثیر آمادگی معلمان مقطع متوسطه شهر اصفهان بر امکان‌سنجی ادغام هوش مصنوعی مولد در آموزش مبتنی بر یادگیری دانش‌آموزمحور با استفاده از مدل‌یابی معادلات ساختاری (PLS)

نویسندگان

  • فرهاد کیانفر * گروه علوم تربیتی و روانشناسی، دانشگاه پیام نور، تهران، ایران. https://orcid.org/0000-0002-6164-0920
  • پروین سیدنا گروه علوم تربیتی و روانشناسی، دانشگاه پیام نور، تهران، ایران.
  • پریسا حسنوند گروه علوم تربیتی و روانشناسی، دانشگاه پیام نور، تهران، ایران.

https://doi.org/10.48313/asemel.v3i1.98

چکیده

هدف: هدف پژوهش حاضر، بررسی تاثیر آمادگی معلمان مقطع متوسطه شهر اصفهان بر امکان‌سنجی ادغام هوش مصنوعی مولد در آموزش مبتنی بر یادگیری دانش‌آموزمحور بود.

روش‌شناسی پژوهش: این پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی ـ همبستگی با رویکرد مدل‌یابی معادلات ساختاری مبتنی بر حداقل مربعات جزیی بود که در زمستان ۱۴۰۴ انجام شد. جامعه آماری پژوهش را معلمان مقطع متوسطه ناحیه یک شهر اصفهان تشکیل دادند که از میان آنان ۲۱۷ نفر به روش نمونه‌گیری زنجیره‌ای هدفمند انتخاب شدند. داده‌ها با استفاده از نسخه بومی‌شده پرسشنامه آمادگی معلمان در استفاده از هوش مصنوعی در آموزش گردآوری و با نرم‌افزار SmartPLS تحلیل شدند.

یافته‌ها: یافته‌ها نشان داد آمادگی معلمان در استفاده از هوش مصنوعی مولد تاثیر مثبت و معناداری بر یادگیری فعال دانش‌آموزمحور (β=0.890)، طراحی آموزشی نوین (β=0.862)، مهارت‌های شناختی و خلاق دانش‌آموزان (β=0.864)، حمایت و شمول‌پذیری آموزشی (β=0.849) و کاهش چالش‌های نهادی و اجرایی (β=0.923) دارد.

اصالت/ارزش‌افزوده علمی: نتایج پژوهش نشان می‌دهد که آمادگی حرفه‌ای و فناورانه معلمان، پیش‌نیازی اساسی برای ادغام اثربخش هوش مصنوعی مولد در فرایند آموزش دانش‌آموزمحور است. این پژوهش با ارایه شواهد تجربی مبتنی بر مدل‌یابی معادلات ساختاری، نقش ابعاد مختلف آمادگی معلمان را در تحقق یادگیری دانش‌آموزمحور تبیین کرده و چارچوبی کاربردی برای برنامه‌ریزی آموزشی، توانمندسازی معلمان و توسعه سیاست‌های ادغام هوش مصنوعی مولد در مدارس ارایه می‌دهد.

کلمات کلیدی:

هوش مصنوعی مولد، یادگیری دانش‌آموزمحور، آمادگی معلمان، مدل‌یابی معادلات ساختاری

مراجع

  1. [1] Abedi, E. A., & Ackah-Jnr, F. R. (2023). First-order barriers still matter in teachers’ use of technology: An exploratory study of multi-stakeholder perspectives of technology integration barriers. International journal of education and development using information and communication technology, 19(2), 148-165. https://files.eric.ed.gov/fulltext/EJ1402796.pdf
  2. [2] Ahmadi, S., & Ahmadzade sheikhlar, D. (2025). Feasibility study of the application of artificial intelligence in primary education in Iran. Learner-centered curriculum and instruction, 4(1), 1-14. (In Persian) https://doi.org/10.22034/cipj.2024.61325.1125
  3. [3] Siami darman, A. (2025). Integrating generative artificial intelligence into the teaching process: Opportunities and obstacles. The first international conference on technological innovations in education, Khuzestan, Iran. Civilica. (In Persian). https://civilica.com/doc/2328311/
  4. [4] Adel, H. (2024). The impact of artificial intelligence integration on educational management: A case study in Iranian secondary schools. Journal of management research and development, 1(4), 85-104. (In Persian) https://www.juac.ir/article_197803_8d7017f164026a068adfeaa1c59522a5.pdf
  5. [5] Cheah, Y. H., Lu, J., & Kim, J. (2025). Integrating generative artificial intelligence in K-12 education: Examining teachers’ preparedness, practices, and barriers. Computers and education: Artificial intelligence, 8, 100363. https://doi.org/10.1016/j.caeai.2025.100363
  6. [6] Nazartesky, 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://doi.org/10.1111/bjet.13232
  7. [7] Ertmer, P. A., Ottenbreit-Leftwich, A. T., Sadik, O., Sendurur, E., & Sendurur, P. (2012). Teacher beliefs and technology integration practices: A critical relationship. Computers & education, 59(2), 423-435. https://doi.org/10.1016/j.compedu.2012.02.001
  8. [8] Ji, H., Han, I., & Ko, Y. (2023). A systematic review of conversational AI in language education: Focusing on the collaboration with human teachers. Journal of research on technology in education, 55(1), 48-63. https://doi.org/10.1080/15391523.2022.2142873
  9. [9] Ramazanoglu, M., & Akin, T. (2025). AI readiness scale for teachers: Development and validation. Education and information technologies, 30(6), 6869–6897. https://doi.org/10.1007/s10639-024-13087-y
  10. [10] Alenezi, M. (2023). Digital learning and digital institution in higher education. Education sciences, 13(1), 88. https://doi.org/10.3390/educsci13010088
  11. [11] Davari, A., & Rezazadeh, A. (2018). Structural equation modeling with PLS software. Jihad Daneshgahi Publications. (In Persian). https://elmnet.ir/doc/31443680-21402
  12. [12] Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. In Advances in international marketing. Emerald Group Publishing Limited. https://doi.org/10.1108/S1474-7979(2009)0000020014
  13. [13] Dortaj, F., & Allahkarami, A. (2025). The impact of artificial intelligence integration in teaching on primary school teachers’ empowerment and self-efficacy. Research and innovation in primary education, 7(2), 183–204. (In Persian). https://doi.org/10.48310/reek.2025.19107.1580
  14. [14] Ebrahimi pourfarsangi, A., Ebrahimi poor, F., & Ebrahimi pourfarsangi, M. (2024). Integrating artificial intelligence into teaching and learning. The first international conference on psychology, educational sciences, management and social sciences, Tabriz, Iran. Civilica. (In Persian). https://civilica.com/doc/2054372/
  15. [15] Hoseini, M., & Fatholahi, F. (2024). A systematic review of the applied components of artificial intelligence and new technologies in the teaching and learning process and providing suggested and effective solutions in the classroom. Quarterly journal of modern research in education, 5(1),71-78. (In Persian). https://esjournal.ir/fa/paper.php?pid=160
  16. [16] Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE access, 8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
  17. [17] Duan, H., & Zhao, W. (2024). The effects of educational artificial intelligence-powered applications on teachers’ perceived autonomy, professional development for online teaching, and digital burnout. International review of research in open and distributed learning, 25(3), 57–76. https://doi.org/10.19173/irrodl.v25i3.7659
  18. [18] Barrett, A., & Pack, A. (2023). Not quite eye to AI: Student and teacher perspectives on the use of generative artificial intelligence in the writing process. International journal of educational technology in higher education, 20(1), 59. https://doi.org/10.1186/s41239-023-00427-0

دانلود

چاپ شده

2026-06-04

شماره

دوره 3 شماره 1 (1405): مطالعات کاربردی در مدیریت آموزشی و یادگیری الکترونیکی

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

کیانفر . ف. ., سیدنا . پ. ., & حسنوند پ. . (2026). بررسی تاثیر آمادگی معلمان مقطع متوسطه شهر اصفهان بر امکان‌سنجی ادغام هوش مصنوعی مولد در آموزش مبتنی بر یادگیری دانش‌آموزمحور با استفاده از مدل‌یابی معادلات ساختاری (PLS). مطالعات کاربردی در مدیریت آموزشی و یادگیری الکترونیکی, 3(1), 8-18. https://doi.org/10.48313/asemel.v3i1.98
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.