درس‌های مبتنی بر هوش مصنوعی، برداشت معلمان آینده از توانایی‌های خلاقانه خود را تقویت می‌کند
هوش مصنوعی مولد اغلب یا ابزاری برای میان‌بُر زدن معرفی می‌شود که توانایی تفکر دانش‌آموزان و دانشجویان را تضعیف می‌کند، یا فناوری شگفت‌انگیزی که قرار است یک‌شبه کلاس‌های درس را متحول کند. پژوهشی تازه در ترکیه تصویری پیچیده‌تر ارائه می‌دهد: وقتی معلمان آینده در چارچوب یک دوره پنج‌هفته‌ای با طراحی آموزشی دقیق از ابزارهای هوش مصنوعی استفاده کردند، مهارت‌های خلاقانه‌ای که در خود احساس می‌کردند، در برخی ابعاد مشخص و قابل‌اندازه‌گیری بهبود یافت. نگرش آن‌ها به هوش مصنوعی نیز مثبت‌تر شد و نمرات امتحاناتشان افزایش پیدا کرد. بااین‌حال، این پیشرفت‌ها همه ابعاد را دربر نگرفتند و پژوهشگران تأکید می‌کنند که اعتبار اصلی را باید به طراحی آموزشی داد، نه صرفاً به فناوری.
این مطالعه که در مجله Discover Artificial Intelligence منتشر شده است، به قلم اجه لونتوغلو و بوراک آیچیچک از دانشگاه توکات غازی عثمان‌پاشا انجام شد. محور پژوهش، مفهومی به نام «فراخلاقیت» بود که به آگاهی فرد از فرایند خلاقانه خود و توانایی تنظیم و هدایت آن اشاره دارد. پژوهشگران به‌جای آنکه خلاقیت را جرقه‌ای خودجوش در نظر بگیرند، آن را فرایندی دانستند که یادگیرندگان می‌توانند آگاهانه بر آن نظارت کنند و مسیرش را تغییر دهند؛ رویکردی مشابه فراشناخت که برنامه‌ریزی، نظارت و ارزیابی را دربر می‌گیرد. در عمل، فراخلاقیت زمانی بروز می‌کند که دانشجویان مسئله را عمیق‌تر درک کنند، ارتباط میان ایده‌ها را از نو سازمان دهند، راهبردهای جایگزین بسازند و کیفیت پاسخ‌های در حال شکل‌گیری خود را بسنجند.
پژوهشگران برای بررسی این موضوع که آیا هوش مصنوعی می‌تواند چنین تفکری را تقویت کند، مطالعه‌ای با روش ترکیبی موازی همگرا در یک درس کارشناسی با عنوان «فلسفه تعلیم‌وتربیت» انجام دادند. در بخش کمی پژوهش، ۵۰ دانشجو شرکت کردند: ۲۲ نفر از رشته آموزش دانش‌آموزان با نیازهای ویژه در گروه آزمایش و ۲۸ نفر از رشته مشاوره روان‌شناختی و راهنمایی در گروه کنترل قرار گرفتند. هر دو گروه طی پنج هفته، با یک استاد و درباره موضوعات فلسفی یکسان درس خواندند؛ با این تفاوت که فقط گروه آزمایش از ابزارهای هوش مصنوعی مولد استفاده کرد. پژوهشگران نگرش به هوش مصنوعی، فراخلاقیت ادراک‌شده و پیشرفت تحصیلی را پیش و پس از مداخله اندازه‌گیری کردند و برای تکمیل داده‌های عددی، از یادداشت‌های تأملی هفتگی و یک پرسش‌نامه با پرسش‌های باز نیز بهره گرفتند.
مجموعه ابزارهای هوش مصنوعی مورد استفاده گسترده بود. دانشجویان با ChatGPT، Gamma، Claude، NotebookLM، Suno و Perplexity کار کردند تا استعاره‌های بصری، متن‌های خلاقانه، ترانه‌ها و بازنمایی‌های جایگزین از مفاهیم فلسفی تولید کنند. نکته اساسی این بود که در طراحی آموزشی، هوش مصنوعی ابزاری برای پشتیبانی از تفکر به شمار می‌رفت، نه جایگزینی برای آن. به دانشجویان صریحاً گفته شد که محتوای تولیدشده را بی‌درنگ نپذیرند؛ بلکه پیش از بازنگری یا استفاده از آن در محصولات نهایی خود، ارتباط محتوا با موضوع، دقت و اصالت آن را بررسی کنند. استاد هر هفته اهداف آموزشی را معرفی می‌کرد و بحث‌ها را پیش می‌برد، اما پاسخ‌های آماده در اختیار دانشجویان نمی‌گذاشت. بنابراین، مسئولیت پرسشگری، انتخاب، بازنگری و ارزیابی خروجی‌های ماشین بر عهده خود دانشجویان باقی می‌ماند.
نتایج کمی الگوی مشخصی را نشان داد. در گروه آزمایش، میانگین نگرش مثبت به هوش مصنوعی در مقیاس پنج‌درجه‌ای از ۳٫۱۸ به ۳٫۶۹ افزایش یافت، درحالی‌که میانگین نگرش منفی از ۳٫۲۰ به ۳٫۰۰ کاهش پیدا کرد. اندازه اثر هر دو تغییر کوچک تا متوسط بود. از میان شش زیرمؤلفه فراخلاقیت، چهار مورد بهبود معناداری داشتند: درک مسئله اصلی و مسائل فرعی، بازسازی ارتباط‌ها، یافتن راه‌حل‌ها و بُعد عاطفی. اندازه اثر این تغییرات از متوسط تا متوسط رو به بزرگ متغیر بود. در مقابل، در دو زیرمؤلفه «توسعه راهبردهای بیشتر» و «ارزیابی»، هیچ تغییر معناداری درون گروه مشاهده نشد. گروه کنترل نیز در تمام سنجه‌های نگرش و فراخلاقیت، از نظر آماری تغییر معناداری نداشت.
مقایسه دو گروه تصویر دقیق‌تری ارائه کرد. پس از کنترل نمرات پیش‌آزمون، گروه آزمایش در چهار زیرمؤلفه بازسازی ارتباط‌ها، ارزیابی، یافتن راه‌حل‌ها و بُعد عاطفی، به‌طور معناداری نمرات بالاتری از گروه کنترل کسب کرد. مقدار اتای جزئی به ۰٫۲۲۶ برای بازسازی ارتباط‌ها رسید که بر اساس معیارهای متعارف، اثری بزرگ محسوب می‌شود. نکته جالب آن بود که در زیرمؤلفه ارزیابی، با وجود آنکه بهبود درون‌گروهی گروه آزمایش معنادار نبود، تفاوت تعدیل‌شده میان دو گروه معنادار شد؛ نتیجه‌ای که نویسندگان بخشی از آن را به تفاوت سطح اولیه دو گروه نسبت می‌دهند. پیشرفت تحصیلی در هر دو گروه به‌طور معناداری افزایش یافت؛ موضوعی که نشان می‌دهد یادگیری معمول در طول دوره نیز در این بهبود نقش داشته است. بااین‌حال، پس از تعدیل نمرات، عملکرد گروه آزمایش همچنان بهتر بود و اندازه اثر بر اساس شاخص d کوهن برابر با ۰٫۶۶، یعنی در حد متوسط، به دست آمد.
داده‌های کیفی روندی تدریجی را در طول پنج هفته نشان دادند. یادداشت‌های هفته نخست عمدتاً از تازگی تجربه و هیجان ناشی از آن حکایت داشتند، هرچند تردید نیز در آن‌ها دیده می‌شد. یکی از دانشجویان اعتراف کرد که هنوز نسبت به هوش مصنوعی پیش‌داوری دارد، زیرا این فناوری همه‌چیز را بیش از حد آسان و آماده در اختیار کاربر قرار می‌دهد. در هفته دوم، اعتمادبه‌نفس دانشجویان افزایش یافت و در هفته سوم، آن‌ها درباره کاربردهای عملی ابزارها نوشتند؛ برای مثال، از ابزاری مبتنی بر هوش مصنوعی برای ساخت ارائه استفاده کردند و خودشان تصاویر آن را هدایت کردند. در هفته چهارم، تأملات به حوزه آموزش و تدریس کشیده شد. دانشجویان تصور می‌کردند که چگونه ابزارهای تولید ترانه می‌توانند به یادگیرندگان علاقه‌مند به موسیقی کمک کنند و ابزارهای نقشه ذهنی برای دانش‌آموزانی با گرایش به یادگیری بصری سودمند باشند. یکی از دانشجویان این تغییر دیدگاه را چنین خلاصه کرد: «قبلاً فکر می‌کردم هوش مصنوعی به خلاقیت آسیب می‌زند، اما بعد متوجه شدم که خلاقیت و خلق‌کردن یکسان نیستند.»
بااین‌حال، دانشجویان به طرفداران بی‌چون‌وچرای هوش مصنوعی تبدیل نشدند. آن‌ها در پرسش‌نامه تشریحی، کاهش تلاش ذهنی، وابستگی به هوش مصنوعی، خطر انتشار اطلاعات نادرست، نگرانی‌های مربوط به حریم خصوصی و امنیت و احتمال تضعیف خلاقیت را از خطرهای واقعی این فناوری دانستند. این نگاه متعادل برای تفسیر نتایج اهمیت دارد. نویسندگان استدلال می‌کنند که پیامدهای آموزشی هوش مصنوعی ذاتاً مثبت یا منفی نیستند، بلکه به شیوه ادغام آن در آموزش، نوع فعالیت‌هایی که دانشجویان انجام می‌دهند و میزان تأکید طراحی آموزشی بر تأمل، نظارت بر فرایند تفکر و ارزیابی انتقادی خروجی‌های ماشین بستگی دارند. پژوهش‌های پیشین هشدار داده‌اند که اگر هوش مصنوعی جایگزین تفکر خودتنظیم‌گر شود، ممکن است مشارکت فراشناختی یادگیرندگان کاهش یابد. بااین‌حال، نتایج این مطالعه حاکی از آن است که چنین خطرهایی به شیوه آموزش وابسته‌اند و لزوماً ویژگی اجتناب‌ناپذیر خود فناوری نیستند.
شاید آموزنده‌ترین یافته پژوهش، همین ناهمسانی در میزان پیشرفت ابعاد مختلف خلاقیت باشد. ابعادی که بهبود یافتند، یعنی صورت‌بندی مسئله، ایجاد ارتباط میان ایده‌ها، تولید راه‌حل و مشارکت عاطفی، با قابلیت‌هایی تناسب دارند که استفاده تکرارشونده از هوش مصنوعی به‌طور طبیعی فراهم می‌کند: تولید ایده، مقایسه، بازنگری و تأمل در چرخه‌های پی‌درپی. در مقابل، تنوع‌بخشی راهبردی و قضاوت ارزیابانه فرایندهای تنظیمی سطح بالاتری هستند و احتمالاً برای رشد به تمرین بیشتر، معیارهای روشن ارزیابی و پشتیبانی آموزشی مستمرتری نیاز دارند؛ چیزی که یک مداخله پنج‌هفته‌ای ممکن است نتواند به‌طور کامل فراهم کند. نویسندگان پیشنهاد می‌کنند فعالیت‌های آینده مبتنی بر هوش مصنوعی، معلمان آینده را به مقایسه گزینه‌های مختلف، بازنگری محتوای تولیدشده به‌وسیله هوش مصنوعی، توضیح دلایل تصمیم‌های خود و ارزیابی محصولات نهایی وادار کنند. آن‌ها همچنین استفاده از الگوهای آماده برای نوشتن دستورها، یادداشت‌های تأملی و پرسش‌های ساختاریافته برای بازاندیشی را راهکارهایی عملی می‌دانند که می‌توانند فرایند استدلال دانشجویان را آشکار کنند.
پژوهشگران همچنین بر محدودیت‌های نتایج تأکید دارند. نمونه پژوهش کوچک بود و با روش نمونه‌گیری در دسترس از یک دانشگاه دولتی در ترکیه انتخاب شد. دو گروه نیز به رشته‌های تحصیلی متفاوتی تعلق داشتند و فراخلاقیت بر اساس خودگزارش‌دهی سنجیده شد، نه شواهد مستقیم رفتاری. افزون بر این، آزمون پیگیری با فاصله زمانی انجام نشد؛ بنابراین مشخص نیست که بهبودهای مشاهده‌شده در بلندمدت پایدار می‌مانند یا خیر. از آنجا که مداخله، استفاده از هوش مصنوعی را با تولید آثار خلاقانه، بحث و یادگیری فعال ترکیب کرده بود، آثار مشاهده‌شده به کل طراحی آموزشی مربوط می‌شوند و نمی‌توان آن‌ها را صرفاً به هوش مصنوعی نسبت داد. با وجود این محدودیت‌ها، مطالعه الگویی کاربردی برای تربیت معلم ارائه می‌دهد: هوش مصنوعی زمانی بیشترین فایده را دارد که به‌جای دستگاهی برای ارائه پاسخ‌های آماده، به شریکی در فرایند تفکر تبدیل شود و در چارچوبی مبتنی بر تأمل و فراشناخت به کار رود؛ چارچوبی که اختیار قضاوت خلاقانه را همچنان در دست خود دانشجویان نگه می‌دارد.
موضوع پژوهش: طراحی آموزشی با پشتیبانی هوش مصنوعی و فراخلاقیت ادراک‌شده، نگرش‌ها و پیشرفت تحصیلی دانشجومعلمان در آموزش معلم
عنوان مقاله: طراحی آموزشی مبتنی بر هوش مصنوعی و فراخلاقیت ادراک‌شده دانشجومعلمان: مطالعه‌ای با روش ترکیبی
منبع علمی: Leventoğlu, E., & Ayçiçek, B. (2026). AI-supported instructional design and preservice teachers’ perceived metacreativity: a mixed-methods study. Discover Artificial Intelligence, 6(1), Article 1239. https://doi.org/10.1007/s44163-026-02319-4
شناسه دیجیتال مقاله (DOI): 10.1007/s44163-026-02319-4
منبع خبر: دنیس مدوکس، ۱۷ اکتبر ۲۰۲۶، «درس‌های مبتنی بر هوش مصنوعی، برداشت معلمان آینده از مهارت‌های تفکر خلاق را تقویت می‌کند»، Scienmag.