آموزش مبتنی بر هوش مصنوعی در توسعه سرمایه انسانی
کلمات کلیدی:
هوش مصنوعی, آموزش هوشمند, سرمایه انسانی, یادگیری سازمانی, اخلاق فناوری, تحلیل داده‌های آموزشیچکیده
هدف: هدف این مطالعه، تبیین نقش آموزش مبتنی بر هوش مصنوعی در توسعه سرمایه انسانی از طریق مرور نظام‌مند پژوهش‌های علمی و تحلیل کیفی یافته‌ها است.
روش‌ها و مواد: این پژوهش از نوع مطالعات مروری کیفی است که با رویکرد تحلیل مضمون انجام شد. داده‌ها از طریق مرور نظام‌مند ادبیات علمی در پایگاه‌های بین‌المللی شامل Scopus، Web of Science، ScienceDirect و Google Scholar در بازه زمانی ۲۰۱۵ تا ۲۰۲۴ گردآوری گردید. در مجموع ۱۲ مقاله مرتبط انتخاب و داده‌ها با استفاده از نرم‌افزار Nvivo 14 مورد تحلیل قرار گرفت. فرایند کدگذاری در سه مرحله باز، محوری و انتخابی انجام شد تا مفاهیم اصلی تا سطح اشباع نظری استخراج شوند.
یافته‌ها: نتایج نشان داد که آموزش مبتنی بر هوش مصنوعی به‌طور معناداری موجب تحول در نظام‌های آموزشی، ارتقای یادگیری شخصی‌سازی‌شده و توسعه سرمایه انسانی می‌شود. سه مقوله اصلی شناسایی شد: «تحول آموزش از طریق هوش مصنوعی» شامل شخصی‌سازی یادگیری و تحلیل داده‌های آموزشی؛ «توسعه سرمایه انسانی مبتنی بر هوش مصنوعی» شامل بازآموزی، شایستگی دیجیتال و مدیریت استعداد؛ و «چالش‌ها و الزامات اخلاقی آموزش هوش‌محور» که به مسائل حریم خصوصی، سوگیری الگوریتمی و چارچوب‌های قانونی می‌پردازد. یافته‌ها نشان دادند که بهره‌گیری از هوش مصنوعی می‌تواند منجر به افزایش بهره‌وری آموزشی، ارتقای مهارت‌های داده‌محور و شکل‌گیری فرهنگ یادگیری فناورانه شود.
نتیجه‌گیری: آموزش مبتنی بر هوش مصنوعی ابزاری کلیدی برای توسعه پایدار سرمایه انسانی است که در صورت رعایت ملاحظات اخلاقی و تقویت زیرساخت‌های فناورانه می‌تواند به افزایش عدالت آموزشی و بهره‌وری سازمانی بینجامد. این مطالعه بر ضرورت ترکیب فناوری، اخلاق و یادگیری انسانی برای بهره‌برداری مؤثر از ظرفیت‌های هوش مصنوعی در آموزش تأکید دارد.
دانلودها
مراجع
Becker, G. S. (1993). Human capital: A theoretical and empirical analysis, with special reference to education (3rd ed.). University of Chicago Press.
Borenstein, J., Herkert, J. R., & Miller, K. W. (2021). The ethics of artificial intelligence and robotics: A survey of research and literature. AI & Society, 36(1), 1–25.
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.
Chen, X., & Huang, R. (2023). Artificial intelligence in education: A review of the literature (2012–2022). Education and Information Technologies, 28(4), 4003–4032.
Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1(1), 1–13.
Fountaine, T., McCarthy, B., & Saleh, T. (2019). Building the AI-powered organization. Harvard Business Review, 97(4), 62–73.
Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Huang, M.-H., & Rust, R. T. (2021). Artificial intelligence in service. Journal of Service Research, 24(1), 3–22.
Jarrahi, M. H. (2021). Artificial intelligence and the future of work: Human–AI symbiosis in organizational decision making. Business Horizons, 64(6), 705–718.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2021). Intelligence unleashed: An argument for AI in education. Pearson.
OECD. (2023). Artificial intelligence in education: Challenges and opportunities for teaching and learning. OECD Publishing.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(1), 1–27.
