آمار

تعداد نشریات25
تعداد شماره‌ها560
تعداد مقالات4,459
تعداد مشاهده مقاله7,441,633
تعداد دریافت فایل اصل مقاله3,887,805
دهقان, زینب, لطفی پناه, شیرین, پوردهنده, اورانوس. (1405). نقش هوش مصنوعی در تحول آموزش علوم با تأکید بر آموزش زیست‌شناسی. نظریه و عمل در تربیت معلمان, 4(1), 66-87. doi: 10.48310/istt.2026.24029.1287
زینب دهقان; شیرین لطفی پناه; اورانوس پوردهنده. "نقش هوش مصنوعی در تحول آموزش علوم با تأکید بر آموزش زیست‌شناسی". نظریه و عمل در تربیت معلمان, 4, 1, 1405, 66-87. doi: 10.48310/istt.2026.24029.1287
دهقان, زینب, لطفی پناه, شیرین, پوردهنده, اورانوس. (1405). 'نقش هوش مصنوعی در تحول آموزش علوم با تأکید بر آموزش زیست‌شناسی', نظریه و عمل در تربیت معلمان, 4(1), pp. 66-87. doi: 10.48310/istt.2026.24029.1287
دهقان, زینب, لطفی پناه, شیرین, پوردهنده, اورانوس. نقش هوش مصنوعی در تحول آموزش علوم با تأکید بر آموزش زیست‌شناسی. نظریه و عمل در تربیت معلمان, 1405; 4(1): 66-87. doi: 10.48310/istt.2026.24029.1287

نقش هوش مصنوعی در تحول آموزش علوم با تأکید بر آموزش زیست‌شناسی

تجارب معلمی
مقاله 5، دوره 4، شماره 1 - شماره پیاپی 11، اردیبهشت 1405، صفحه 66-87    اصل مقاله (496.39 K)
نوع مقاله: مقاله پژوهشی اصیل
شناسه دیجیتال (DOI): 10.48310/istt.2026.24029.1287
نویسندگان
زینب دهقان* 1؛ شیرین لطفی پناه2؛ اورانوس پوردهنده3
1گروه آموزش زیست شناسی دانشگاه فرهنگیان تهران ایران
2گروه آموزش زیست شناسی، دانشگاه فرهنگیان، تهران، ایران
3وزارت آموزش و پرورش، اداره آموزش و پرورش منطقه 5 تهران، ایران
چکیده
پیشینه و اهداف: گسترش هوش مصنوعی، به‌ویژه هوش مصنوعی مولد، فرصت‌های جدیدی برای تحول آموزش علوم فراهم کرده است. آموزش زیست‌شناسی به دلیل ماهیت مفهومی و پیچیده خود، می‌تواند از قابلیت‌های این فناوری بهره‌مند شود. هدف پژوهش حاضر، تحلیل نقش، کاربردها، فرصت‌ها و چالش‌های هوش مصنوعی در تحول آموزش علوم با تأکید بر آموزش زیست‌شناسی بود.

روش‌ها‌: این پژوهش با روش مرور روایتی تحلیلی انجام شد. منابع علمی و اسناد سیاستی مرتبط با هوش مصنوعی، آموزش علوم و آموزش زیست‌شناسی در پایگاه‌های علمی معتبر بررسی شدند. پس از غربالگری منابع، ۱۷ منبع برای سنتز روایی و ۱۰ مطالعه محوری برای تحلیل عمیق‌تر انتخاب شد. داده‌ها با استفاده از فرم استخراج پژوهشگرساخته گردآوری و از طریق کدگذاری و سازمان‌دهی مضامین تحلیل شدند. چارچوب تحلیلی پژوهش بر سازنده‌گرایی، TPACK و رویکرد انسان‌محور به هوش مصنوعی استوار بود.

یافته‌ها: یافته‌ها نشان داد که هوش مصنوعی در آموزش زیست‌شناسی عمدتاً در زمینه‌های شخصی‌سازی یادگیری، تولید محتوا، بازخورددهی، یادگیری پژوهش‌محور، شبیه‌سازی، تحلیل داده‌های یادگیری و طراحی آموزشی کاربرد دارد. در مقابل، خطاهای اطلاعاتی، وابستگی یادگیرندگان، حریم خصوصی، نابرابری دسترسی و نیاز به ارتقای سواد هوش مصنوعی معلمان از مهم‌ترین چالش‌ها بودند.

تیجه‌گیری: هوش مصنوعی ظرفیت پشتیبانی از آموزش و یادگیری زیست‌شناسی را دارد؛ بااین‌حال، اثربخشی آن به کیفیت طراحی آموزشی، تخصص معلم و نحوه استفاده از فناوری وابسته است. بنابراین، استفاده مسئولانه از آن مستلزم توانمندسازی معلمان، ارزیابی انتقادی خروجی‌ها و حفظ رویکرد انسان‌محور است.
کلیدواژه‌ها
هوش مصنوعی؛ آموزش علوم؛ آموزش زیست‌شناسی؛ فناوری آموزشی؛ یادگیری شخصی‌سازی‌شده
عنوان مقاله [English]
The Role of Artificial Intelligence in the Transformation of Science Education: Emphasizing Biology Education
نویسندگان [English]
Zeinab Dehghan1؛ shirin lotfipanah2؛ uranous Pourdahandeh3
1Department of Biology Education, Farhangian University, Tehran, Iran
2Department of Biology Education, Farhangian University, Tehran, Iran
3Ministry of Education, Region 5 Education Department, Tehran, Iran
چکیده [English]
Background and Objectives



The rapid development of artificial intelligence (AI), particularly generative AI, has created new opportunities for transforming science education. Biology education, given the conceptual complexity and dynamic nature of biological processes, offers considerable potential for purposeful AI integration. This study examined the role of AI in transforming science education, focusing on its applications, emerging teaching–learning models, teacher roles, opportunities, challenges, and ethical considerations in biology education.



Methods



An analytical narrative review was conducted. Relevant scientific, review, conceptual, and policy publications, primarily from 2020 to 2026, were identified through targeted searches of Web of Science, Scopus, ERIC, ScienceDirect, SpringerLink, IEEE Xplore, PubMed, and Google Scholar, along with relevant UNESCO documents. After screening and full-text assessment, 17 sources were included, with 10 studies selected for deeper analysis. Data were extracted using a researcher-developed form and analyzed through qualitative content analysis and narrative synthesis based on constructivism, TPACK, and a human-centered AI framework.



Findings



AI supports personalized learning, content development, immediate feedback, learning analytics, simulation, research activities, instructional design, and teacher professional development. In biology education, these capabilities can facilitate learning of complex concepts, inquiry, scientific reasoning, and research activities. The findings also indicate a shift from technology-centered use toward pedagogically purposeful and human-centered integration, with teachers increasingly acting as designers, facilitators, evaluators, and supervisors. Key challenges include inaccurate outputs, algorithmic bias, privacy concerns, unequal access, learner dependency, and insufficient AI literacy.



Conclusion



AI should be viewed as a complementary pedagogical mediator, not a replacement for teachers or learners. Effective integration requires sound pedagogical design, teacher and learner empowerment, scientific validation of AI-generated content, and appropriate ethical and policy frameworks. Further empirical and longitudinal research, particularly in biology education and Iran, is needed to clarify its long-term effects and effective implementation conditions.
کلیدواژه‌ها [English]
Artificial Intelligence, Science Education, Biology Education, Personalized Learning, Digital Literacy
مراجع

Asih, T., Suwono, H., & Hastuti, U. S. (2026). Effects of an AI-supported movement-based physical
education program using a virtual nature reserve on ecological literacy and inquiry skills.
Retos, 78, 705–717. https://doi.org/10.47197/retos.v78.118848
Bara'u, R. (2026). Adoption of artificial intelligence in teaching and teacher professional
development: Pedagogical impacts, ethical risks, and challenges. International Journal of
Applied Resilience and Sustainability, 2(3), 142–175.
https://doi.org/10.70593/deepsci.0203006
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
Gonzales, D. K. P., Salazar, D. A., Barquilla, M. B., Nabua, E. B., Salic-Hairulla, M. A., & Madale,
V. A. (2025). Integrating generative AI into bioenergetics modules: A PAIRR-based
approach for senior high school biology. Seminars in Medical Writing and Education, 4, 815.
https://doi.org/10.56294/mw2025815
Jeong, D.-K., & Kwon, Y.-J. (2026). Biology meets generative AI: Transforming preservice teacher
training for the digital age. The American Biology Teacher, 88(3), 167–175.
https://doi.org/10.1525/abt.2026.88.3.167
Kotsis, K. T. (2026). A human-centred framework for teacher professional development in AIsupported science teaching. Journal of Artificial Intelligence and Technological
Development, 2(3), 9–30. https://doi.org/10.59324/jaitd.2026.2(3).02
Lai, C. Y. (2026). The role of ChatGPT in sport and physical education: A scoping review using the
SWOT analysis framework. Journal of Hospitality, Leisure, Sport & Tourism Education, 38,
100602. https://doi.org/10.1016/j.jhlste.2026.100602
Lai, Z. C.-C. (2026). AI in EFL blended learning: Impact on speaking performance and learning
resilience. Asian-Pacific Journal of Second and Foreign Language Education, 11, 11.
https://doi.org/10.1186/s40862-025-00367-4
Lizawati, L., Putri, I. I., Hidayati, N., Yeyendra, & Hendrizal, A. (2026). Utilization of generative
artificial intelligence in biology learning: Expert and empirical validation analysis in high
school students. Jurnal IPA dan Pembelajaran IPA, 10(2).
https://doi.org/10.24815/jipi.v10i2.1889

Millen, J. I. (2025). Using generative AI for interview simulations to enhance student research skills
in biology education. Journal of Microbiology & Biology Education, 26(2).
https://doi.org/10.1128/jmbe.00122-25
Noviana, E., Putra, A. A., Cinthami, R. D. D., & Qudratuddarsi, H. (2026). Factors shaping preservice biology teachers’ acceptance of generative artificial intelligence. Jurnal Bioshell,
15(1), 184–195. https://doi.org/10.56013/bio.v15i1.5552
Öztürk, D. (2026). Motivation and technology in voice-AI adoption: An empirical validation of the
integrated model in social studies classrooms. Education and Information Technologies.
https://doi.org/10.1007/s10639-026-14032-x
Pepito, J. A., Babate, F. J., Ismael, J. D., Al-Jumayile, S. S. I., & Siddique, M. K. B. (2026).
Redesigning nursing curricula for human–AI collaboration using a Fifth Industrial
Revolution framework: Discursive paper. SAGE Open Nursing, 12, 1–11.
https://doi.org/10.1177/23779608261433312
Rane, N. (2023). Contribution and challenges of ChatGPT and similar generative artificial
intelligence in biochemistry, genetics and molecular biology. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.4603219
Tipple, C., Keane, T., Wang, T., & Cerovac, M. (2026). Teachers’ perceptions of generative AI in
gender-inclusive STEM education: A grounded theory study. Education and Information
Technologies, 31, 2399–2434. https://doi.org/10.1007/s10639-026-13908-2
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education—Where are the educators?
International Journal of Educational Technology in Higher Education, 16, Article 39. 

https://doi.org/10.1186/s41239-019-0171-0

آمار
تعداد مشاهده مقاله: 107
تعداد دریافت فایل اصل مقاله: 88


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب