واکاوی گسست سیاستی هوش مصنوعی در برنامه درسی آموزش مهندسی ایران
محل انتشار: فصلنامه آموزش مهندسی ایران، دوره: 28، شماره: 110
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 29
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
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 :