پیوندهای مفید
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 556 |
| تعداد مقالات | 4,410 |
| تعداد مشاهده مقاله | 7,319,021 |
| تعداد دریافت فایل اصل مقاله | 3,814,488 |
تاثیر استفاده از فناوری‌ها و برنامه‌های کاربردی هوش مصنوعی در افزایش یادگیری خود راهبر و توسعه حرفه‌ای نو معلمان دوره ابتدایی | ||
| نظریه و عمل در تربیت معلمان | ||
| مقاله 11، دوره 11، شماره 19، اردیبهشت 1404، صفحه 187-202 اصل مقاله (1.38 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48310/itt.2025.18815.1090 | ||
| نویسندگان | ||
| رحیم مرادی* 1؛ فاطمه قمری منظر2؛ فاطمه سادات عابدینی،3؛ زهرا اخلاقی3 | ||
| 1گروه علوم تربیتی، دانشکده علوم انسانی، دانشگاه اراک، اراک، ایران. | ||
| 2کارشناسی ارشد تکنولوژی آموزشی، دانشکده تعلیم و تربیت اسلامی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران | ||
| 3کارشناسی ارشد تکنولوژی آموزشی، دانشکده تعلیم و تربیت اسلامی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران. | ||
| چکیده | ||
| پیشینه و اهداف: در سال‌های اخیر، فناوری‌های هوش مصنوعی به‌عنوان ابزاری نوین در تحول نظام‌های آموزشی مورد توجه قرار گرفته‌اند. بهره‌گیری از این فناوری‌ها می‌تواند نقش مهمی در توانمندسازی معلمان، به‌ویژه معلمان تازه‌کار، ایفا کند. پژوهش حاضر با هدف بررسی تأثیر به‌کارگیری برنامه‌های کاربردی هوش مصنوعی بر یادگیری خودراهبر و توسعه حرفه‌ای معلمان تازه‌وارد دوره ابتدایی انجام شد. روش‌ها: این مطالعه با روش شبه‌آزمایشی و طرح پیش‌آزمون–پس‌آزمون با گروه کنترل انجام گرفت. جامعه آماری شامل کلیه معلمان پایه دوم ابتدایی نواحی ۲ و ۳ شهر کرج در سال تحصیلی ۱۴۰۲–۱۴۰۳ بود. نمونه‌گیری به‌صورت خوشه‌ای چندمرحله‌ای صورت گرفت و از هر ناحیه دو مدرسه به‌صورت تصادفی انتخاب شد. ابزار گردآوری داده‌ها شامل پرسش‌نامه یادگیری خودراهبر فیشر و همکاران (۲۰۱۳) و پرسش‌نامه توسعه حرفه‌ای معلمان بر اساس استانداردهای ایالت کنتاکی (۲۰۱۱) بود. گروه آزمایش طی ۷ جلسه ۵۵ دقیقه‌ای با استفاده از ابزارهای هوش مصنوعی از جمله Sider، Imagica AI و Taskade تحت آموزش قرار گرفت. گروه کنترل با روش سنتی آموزش دید. داده‌ها با استفاده از تحلیل کوواریانس چندمتغیره (MANCOVA) مورد تحلیل قرار گرفتند. یافته‌ها: یافته‌ها نشان داد استفاده از برنامه‌های هوش مصنوعی تأثیر مثبت و معناداری بر یادگیری خودراهبر (از جمله مؤلفه‌های خودمدیریتی و خودکنترلی) و توسعه حرفه‌ای معلمان (در مؤلفه‌هایی نظیر برنامه‌ریزی آموزشی، اجرای تدریس، ارزیابی یادگیری، همکاری حرفه‌ای و به‌کارگیری فناوری آموزشی) دارد. نتیجه‌گیری: نتایج پژوهش بر ضرورت به‌کارگیری فناوری‌های هوش مصنوعی در برنامه‌های توانمندسازی معلمان، به‌ویژه در سال‌های آغازین حرفه معلمی، تأکید دارد. | ||
| کلیدواژه‌ها | ||
| فناوری؛ هوش مصنوعی؛ یادگیری خود راهبر؛ توسعه حرفه ای؛ نومعلمان؛ آموزش ابتدایی | ||
| موضوعات | ||
| آموزش مداوم معلمان. | ||
| عنوان مقاله [English] | ||
| The Impact of Artificial Intelligence Applications on Self-Directed Learning and Professional Development of Novice Elementary School Teachers | ||
| نویسندگان [English] | ||
| Rahim Moradi1؛ Fatemeh Ghamari Manzar,2؛ Fatemeh Sadat Abedini,3؛ Zahra Akhlakhi,3 | ||
| 1Assistant Professor, Department of Educational Sciences, Faculty of Humanities and Social Sciences, Arak University, Arak, Iran. | ||
| 2Master's degree in Educational Technology, Faculty of Islamic Education, Islamic Azad University, Science and Research Unit, Tehran, Iran | ||
| 3Master's degree in Educational Technology, Faculty of Islamic Education, Islamic Azad University, Science and Research Unit, Tehran, Iran. | ||
| چکیده [English] | ||
| Background and Objectives: In recent years, artificial intelligence (AI) technologies have emerged as innovative tools with significant potential to transform educational systems. Utilizing these technologies can play an important role in empowering teachers, particularly those newly entering the profession. The present study aimed to investigate the effect of using AI applications on self-directed learning and professional development among newly recruited elementary school teachers. Methods: This study employed a quasi-experimental design with a pre-test–post-test control group. The statistical population consisted of all second-grade elementary school teachers in Districts 2 and 3 of Karaj during the 2023–2024 academic year. Multi-stage cluster sampling was used, with two schools randomly selected from each district. Data were collected using Fisher et al.’s (2013) Self-Directed Learning Questionnaire and the Kentucky Teacher Professional Development Standards Questionnaire (2011). The experimental group received seven 55-minute training sessions utilizing AI tools including Sider, Imagica AI, and Taskade, while the control group received training through conventional methods. Data were analyzed using multivariate analysis of covariance (MANCOVA). Findings: The findings revealed that the use of AI applications had a significant positive impact on self-directed learning (including components of self-management and self-monitoring) and on teachers' professional development (in components such as instructional planning, teaching implementation, learning assessment, professional collaboration, and utilization of educational technology). Conclusion: The results emphasize the necessity of integrating AI technologies into teacher empowerment programs, particularly during the initial years of the teaching profession. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Intelligence, Self-Directed Learning, Professional Development, Novice Teachers -Elementary Education | ||
| مراجع | ||
|
جعفری، علیرضا و نادی محمد علی. (1401). تحلیل کیفی مؤلفه‌های یادگیری خود راهبر در آموزش پرستاری. آموزش پرستاری. ۱۱ (۲)،۶۴-۷۸. http://jne.ir/article-۱-۱۳۷۵-fa.html
سعیدی، علی؛ ابراهیمی دباغ، محمد و خاکشور، حجت. (1400). بررسی اثر آموزش کلاس معکوس بر نگرش و مهارت یادگیری خود راهبر دانش‌آموزان در درس فیزیک. پژوهش در آموزش علوم تجربی،1(2)، 1-9. 20.1001.1.27834387.1401.1.2.1.2
محمدی، رزگار، و حسنی، آرمان. (1398). بررسی تاثیر فرایند درس پژوهشی بر توسعه حرفه‌ای معلمان. تدریس پژوهی، 7(1)، 1-18. 20.1001.1.24765686.1398.7.1.1.9
Abou Said, S., & Abdallah, W. (2024). Enhancing lifelong learning and professional growth: Exploring the role of self-directed learning for university educators. Journal of Adult and Continuing Education, 14779714241236282.
Al-Zyoud, H. M. M. (2020). The role of artificial intelligence in teacher professional development. Universal Journal of Educational Research, 8(11B), 6263-6272
Bosch, C., & Kruger, D. (2024). AI chatbots as Open Educational Resources: Enhancing student agency and Self-Directed Learning. Italian Journal of Educational Technology, 32(1), 53-68.
Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: a narrative overview. Procedia Computer Science, 136, 16-24
Ferguson, C., van den Broek, E. L., & van Oostendorp, H. (2022). AI-Induced Guidance: Preserving the Optimal Zone of Proximal Development. Computers and Education: Artificial Intelligence, 3, 100089
Flogie, A., & Krabonja, M. V. (2023, June). Artificial intelligence in education: developing competencies and supporting teachers in implementing AI in school learning environments. In 2023 12th Mediterranean Conference on Embedded Computing (MECO) (pp. 1-6). IEEE.
Hashim, S., Omar, M. K., Ab Jalil, H., & Sharef, N. M. (2022). Trends on Technologies and Artificial Intelligence in Education for Personalized Learning: Systematic Literature. Journal of Acdemic Research in Progressive Education and Development, 12(1), 884-903t
Jafari, A., & Nadi, M. A. (2022). Qualitative analysis of self-directed learning components in nursing education. Nursing Education, 11(2), 64–78. http://jne.ir/article-1-1375-fa.html [In Persian]
Jin, S. H., Im, K., Yoo, M., Roll, I., & Seo, K. (2023). Supporting students’ self-regulated learning in online learning using artificial intelligence applications. International Journal of Educational Technology in Higher Education, 20(1), 37.
Lashari, A. A., & Umrani, S. (2023). Reimagining self-directed learning language in the age of artificial intelligence: a systematic review. Grassroots (17260396), 57(1).
Li, B., Bonk, C. J., Wang, C., & Kou, X. (2024). Reconceptualizing self-directed learning in the era of generative AI: An exploratory analysis of language learning. IEEE Transactions on Learning Technologies.
Loeng, S. (2020). Self-directed learning: A core concept in adult education. Education Research International, 2020, 1-12
Mohammadi, R., & Hassani, A. (2019). Investigating the impact of the lesson study process on teachers' professional development. Teaching Research, 7(1), 1–18. https://doi.org/20.1001.1.24765686.1398.7.1.1.9 [In Persian]
Park, J. (2023). A Case Study on Enhancing the Expertise of Artificial Intelligence Education for Pre-Service Teachers.
Pratama, M. P., Sampelolo, R., & Lura, H. (2023). REVOLUTIONIZING EDUCATION: HARNESSING THE POWER OF ARTIFICIAL INTELLIGENCE FOR PERSONALIZED LEARNING. KLASIKAL: JOURNAL OF EDUCATION, LANGUAGE TEACHING AND SCIENCE, 5(2), 350-357
Robinson, J. D., & Persky, A. M. (2020). Developing self-directed learners. American Journal of Pharmaceutical Education, 84(3).
Saeedi, A., Ebrahimi Darbagh, M., & Khakshour, H. (2021). Investigating the effect of flipped classroom instruction on students' attitudes and self-directed learning skills in physics. Research in Experimental Science Education, 1(2), 1–9. https://doi.org/20.1001.1.27834387.1401.1.2.1.2 [In Persian]
Samah, N. A., Mohd Tahir, L., Wan Mamat, W. A. W. Y., Talib, R., & Abdul Latif, A. (2021). Malaysian research-support librarians’ self-directed learning traits: Examining demographic differences and their relationship with competencies. Journal of Librarianship and Information Science, 53(4), 630-644
Xia, X., & Li, X. (2022). Artificial Intelligence for Higher Education Development and Teaching Skills. Wireless Communications and Mobile Computing, 2022.
Yajing, Xue., Yijun, Wang. (2022). Artificial Intelligence for Education and Teaching. Wireless Communications and Mobile Computing, 2022:1-10. doi: 10.1155/2022/4750018 Yildirim, Y., Camci, F., & Aygar, E. (2023). Advancing Self-Directed Learning Through Artificial Intelligence. In Advancing Self-Directed Learning in Higher Education (pp. 146-157). IGI Global. Yildirim, Y., Camci, F., & Aygar, E. (2023). Advancing Self-Directed Learning Through Artificial Intelligence. In Advancing Self-Directed Learning in Higher Education (pp. 146-157). IGI Global
Zhu, W., Wang, X., & Xie, P. (2022). Self-directed machine learning. AI Open, 3, 58-70. | ||
|
آمار تعداد مشاهده مقاله: 1,114 تعداد دریافت فایل اصل مقاله: 500 |
||