واکاوی گسست سیاستی هوش مصنوعی در برنامه درسی آموزش مهندسی ایران

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 29

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEE-28-110_003

تاریخ نمایه سازی: 22 آبان 1405

چکیده مقاله:

هدف این پژوهش واکاوی گسست سیاستی هوش مصنوعی در برنامه درسی آموزش مهندسی ایران و صورت بندی دلالت ها و پیشنهادهای سیاستی برای کاهش آن است. پژوهش با رویکرد کیفی و در چارچوب ابرانگاره تفسیرگرایانه انجام شد. داده ها از سه منبع مکمل گردآوری شدند: تحلیل اسناد بالادستی و سیاستی، مصاحبه های نیمه ساختاریافته با ۲۲ کنش گر کلیدی مرتبط با آموزش مهندسی در دانشگاه ها و دانشکده های فنی _ مهندسی تهران، و بررسی اسناد مرجع بین المللی در حوزه هوش مصنوعی و آموزش مهندسی. داده های اسنادی با تحلیل محتوای هدایت شده، داده های مصاحبه با تحلیل مضمون، و یافته های تلفیقی با منطق تحلیل شکاف و انتقال سیاست زمینه مند تحلیل شدند. یافته ها نشان داد که سیاست های رسمی، هوش مصنوعی را بیشتر در پیوند با توسعه فناوری، تربیت نیروی انسانی متخصص، مهارت آموزی و زیرساخت های رقمی/ دیجیتال صورت بندی می کنند؛ درحالی که تجربه های اجرایی کنشگران از اجرای پراکنده، ابهام در نقش های آموزشی، خلا قواعد داده ای و اخلاقی، و کندی بازنگری برنامه های درسی حکایت دارد. تلفیق یافته های اسنادی و میدانی نشان داد که گسست سیاستی هوش مصنوعی در برنامه درسی آموزش مهندسی در چهار بعد گفتمانی، پداگوژی، حکمرانی برنامه درسی آموزش مهندسی و زیرساختی _ داده ای قابل صورت بندی است. بر پایه این گسست ها و باتوجه به اسناد مرجع بین المللی، دلالت ها و پیشنهادهای سیاستی در سطوح کلان، میانی، خرد و عرضی ارائه شد. نتیجه پژوهش نشان می دهد که کاهش گسست سیاستی هوش مصنوعی در برنامه درسی آموزش مهندسی، مستلزم پیوند هم زمان میان سیاست گذاری، حکمرانی برنامه درسی، طراحی یادگیری و قواعد داده ای است.

نویسندگان

زهرا رشیدی

عضو هیات علمی گروه نوآوری آموزشی و درسی،موسسه پژوهش و برنامه ریزی آموزش عالی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ABET. (۲۰۲۴). Criteria for accrediting engineering programs ۲۰۲۴-۲۰۲۵. ABET ...
  • Aboderin, O. (۲۰۲۵). Exploring integration of ۴IR technologies in Nigerian ...
  • Alinaghian, A., Safdari-Ranjbar, M., & Mohammadi, M. (۲۰۲۱). Policy objectives ...
  • Bani-Asadi, A. (۲۰۲۴). From an unexpected encounter with artificial intelligence ...
  • Braun, V., & Clarke, V. (۲۰۰۶). Using thematic analysis in ...
  • Ebrahim Abadi, F., Taghi Khani, V. & Towfighi, J. (۲۰۲۵). ...
  • Hosseini Moghaddam, M. (۲۰۲۳). Artificial intelligence and the future of ...
  • Hsieh, H. F., & Shannon, S. E. (۲۰۰۵). Three approaches ...
  • Jauregui-Correa, J. C., & Sen, M. (۲۰۲۴). Revolutionizing engineering education: ...
  • Kaufman, R., & Guerra-López, I. (۲۰۱۳). Needs assessment for organizational ...
  • Klassen, M. (۲۰۲۳). Curriculum governance in the professions: A comparative ...
  • Lincoln, Y. S., & Guba, E. G. (۱۹۸۵). Naturalistic inquiry. ...
  • OECD. (۲۰۲۳). Generative artificial intelligence in education: Opportunities and challenges. ...
  • Rashidi, Z. (۲۰۲۶). Analyzing AI policies in Iran’s higher education ...
  • Sapawi, M. S. M., & Yusoff, N. M. R. N. ...
  • Stracke, C. M., Nahar, N., Punzo, V., Massaro, S., Pappa, ...
  • UNESCO. (۲۰۲۳). Guidance for generative AI in education and research. ...
  • Wolff, K., Hattingh, T., & Smith, L. (۲۰۲۵). Global challenges, ...
  • نمایش کامل مراجع