مدیریت، آموزش و توسعه در عصر دیجیتال 2 بهار 1404 2025 04 30 Modeling the Future School with an Emphasis on the Role of Artificial Intelligence in Primary Education (Case Study: Primary Schools of Golestan Province) مدل‌سازی مدرسه آینده با تأکید بر نقش هوش مصنوعی در آموزش ابتدایی (مورد مطالعه: مدارس ابتدایی استان گلستان) 134 160 10.61838/medda.2.1.10 FA سیدحمزه میرقاسمی دانشجوی دکتری، گروه علوم تربیتی، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران. کامبیز اسماعیل نیاء شیروانی استادیار، گروه مدیریت آموزشی، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران. طیبه تجری استادیار، گروه آموزش علوم تربیتی، دانشگاه فرهنگیان، تهران، ایران. Journal Article 2024 12 10 <p>Future schools, by utilizing the capabilities of artificial intelligence, will experience novel approaches in the teaching-learning process, student assessment, and educational management. The aim of this study was to design a model of the future school in which artificial intelligence plays a key role in enhancing learning processes and the management of primary schools. The research method was mixed; the statistical population in the design phase included faculty members from the fields of Computer Engineering - Artificial Intelligence, IT, Information Technology Management Engineering, and Educational Management at higher education institutions, as well as senior managers and experts from the Informatics Department of the Education System and specialists in the fields of "Future Schools" and "Artificial Intelligence in Education." In the validation phase, the population consisted of faculty members of Information Technology Management Engineering and Educational Management at higher education centers in Golestan Province, along with senior managers of the Education Department of this province. In the quantitative phase, the population included all formal and contractual teachers of girls’, boys’, and coeducational primary schools in Golestan Province during the 2023-2024 academic year, totaling 5,919 teachers. In the qualitative phase, 18 experts were selected using the snowball sampling method; in the validation phase, 20 experts were selected using purposive sampling; and in the quantitative phase, 361 teachers were selected using cluster random sampling and Cochran's formula. For data analysis, in the qualitative section, the grounded theory method was employed through open, axial, and selective coding using semi-structured interviews; in the validation phase, the Delphi method was used over three stages with an expert checklist tool and SPSS software; and in the quantitative phase, structural equation modeling was used with a 100-item questionnaire in Smart PLS software. According to the results of the qualitative and validation sections, the paradigmatic model included 12 main categories and 24 subcategories, detailed as follows: Causal conditions (cultural readiness for accepting artificial intelligence, artificial intelligence infrastructure, family-centered interaction with artificial intelligence, intra-institutional participation with artificial intelligence, active learning based on artificial intelligence, and effective learning based on artificial intelligence); Contextual conditions (enhancement of virtual networks with artificial intelligence, social interactions based on artificial intelligence, civic behavior regarding artificial intelligence, teaching-learning policies based on artificial intelligence, and cultural education focused on artificial intelligence); Intervening conditions (institutional conflicts regarding artificial intelligence, technical challenges concerning artificial intelligence, management and supervision in intelligentization, and resource dependency regarding artificial intelligence); Strategy (ease of access to artificial intelligence, assessment based on artificial intelligence, gradual implementation of artificial intelligence, creative learning through artificial intelligence, and content and process changes focused on artificial intelligence); and Outcomes (improvement of speed and quality of education through artificial intelligence, educational equity through artificial intelligence, academic motivation through the application of artificial intelligence, and enhancement of creativity and innovation through the application of artificial intelligence), along with 100 indicators. The results of the quantitative section showed that all dimensions and components of the research model were confirmed.</p> <p>مدارس آینده با بهره‌گیری از قابلیت‌های هوش مصنوعی، رویکردهای نوینی را در فرآیند یاددهی-یادگیری، ارزیابی دانش‌آموزان و مدیریت آموزشی تجربه خواهند کرد. هدف این پژوهش، طراحی مدل مدرسه آینده بوده که در آن هوش مصنوعی به‌عنوان یک عامل کلیدی در بهبود فرآیندهای یادگیری و مدیریت مدارس ابتدایی نقش‌آفرینی می‌کند. روش تحقیق آمیخته بوده، جامعه آماری در بخش طراحی، اساتید رشته مهندسی کامپیوتر - هوش مصنوعی، IT، مهندسی مدیریت فناوری اطلاعات و مدیریت آموزشی در مراکز آموزش عالی، مدیران عالی و ارشد بخش انفورماتیک در نظام آموزش و پرورش و صاحبنظران و کارشناسان مبحث «مدرسه آینده » و  «هوش مصنوعی در آموزش»، در بخش اعتباریابی، اساتید مهندسی مدیریت فناوری اطلاعات و مدیریت آموزشی در مراکز آموزش عالی استان گلستان و مدیران عالی اداره کل آموزش و پرورش این استان و در بخش کمی کلیه معلمان مدارس ابتدایی دخترانه، پسرانه و مختلط استان گلستان در سال تحصیلی 1402-1403 به تعداد 5919 معلم رسمی و پیمانی بودند. در بخش کیفی با روش نمونه­گیری گلوله برفی تعداد 18 خبره، در بخش اعتباریابی با روش نمونه­گیری هدفمند، 20 خبره و در بخش کمّی با روش تصادفی خوشه­ای و با فرمول کوکران 361 نفر، انتخاب شد. برای تحلیل داده­ها، در بخش کیفی از روش داده بنیاد با کدگذاری باز، محوری و انتخابی با ابزار مصاحبه نیمه ساختاریافته، در بخش اعتباریابی از روش دلفی در طی سه مرحله با ابزار چک لیست خبره سنجی و در نرم افزار SPSS و در بخش کمی از طریق<strong> </strong>مدل‌سازی معادلات ساختاری با<strong> </strong>پرسش‌نامه<strong> </strong>100 گویه­ای در نرم افزار Smart PLS،<strong> </strong>استفاده گردید. طبق نتایج بخش کیفی و اعتباریابی، مدل پارادایمی دارای 12 طبقه اصلی و 24 مقوله فرعی بشرح شرایط علی (آمادگی فرهنگی پذیرش هوش مصنوعی، زیرساخت‌های هوش مصنوعی، تعامل خانواده محور با هوش مصنوعی، مشارکت درون نهادی با هوش مصنوعی، یادگیری فعال مبتنی بر هوش مصنوعی و یادگیری اثربخش مبتنی بر هوش مصنوعی)، شرایط زمینه­ای (تقویت شبکه‌های مجازی با هوش مصنوعی، مراودات اجتماعی مبتنی بر هوش مصنوعی، رفتار شهروندی در خصوص هوش مصنوعی، سیاستهای یاددهی – یادگیری مبتنی بر هوش مصنوعی و آموزش فرهنگی با محوریت هوش مصنوعی)، شرایط مداخله­ای (کشمکش‌های نهادی در خصوص هوش مصنوعی، چالش­های فنی در خصوص هوش مصنوعی، مدیریت و نظارت در هوشمندسازی و وابستگی منابع در خصوص هوش مصنوعی)، راهبرد (سهولت دسترسی به هوش مصنوعی، ارزیابی مبتنی بر هوش مصنوعی، استقرار گام به گام هوش مصنوعی، یادگیری خلاقانه با هوش مصنوعی و تغییرات محتوایی و فرایندی با محوریت هوش مصنوعی) و پیامد (بهبود سرعت و کیفیت آموزش با استفاده از هوش مصنوعی، عدالت آموزشی با استفاده از هوش مصنوعی، انگیزش تحصیلی با کاربرد هوش مصنوعی و ارتقاء خلاقیت و نوآوری با کاربرد هوش مصنوعی) و 100 شاخص است. نتایج بخش کمّی نشان داد که تمامی ابعاد و مؤلفه­های مدل پژوهش، مورد تأیید واقع شدند.</p> https://jmedda.com/jmedda/article/download/153/126