روندهای آینده‌پژوهی در یادگیری هوشمند و تأثیر آن بر تحول مدیریت جهانی
کلمات کلیدی:
سواد دیجیتال, توسعه حرفه‌ای, معلمان, مدیران آموزشی, یادگیری مادام‌العمر, رهبری تحولگراچکیده
هدف این مطالعه بررسی روندهای آینده‌پژوهی در یادگیری هوشمند و تحلیل تأثیر آن بر تحول مدیریت جهانی است. این پژوهش از نوع مرور نظام‌مند کیفی است. داده‌ها از ۱۲ مقاله علمی منتخب جمع‌آوری شد و تحلیل محتوای کیفی با استفاده از نرم‌افزار NVivo 14 انجام شد. فرآیند تحلیل تا رسیدن به اشباع نظری ادامه یافت و مفاهیم کلیدی به‌صورت کدهای باز استخراج و در قالب مضامین اصلی و زیرمضامین طبقه‌بندی شدند. نتایج نشان داد که هوش مصنوعی، یادگیری تطبیقی، کلان‌داده و واقعیت افزوده، یادگیری را به‌صورت شخصی‌سازی‌شده و تجربی ارائه می‌دهند و موجب افزایش انعطاف‌پذیری و کارایی فرآیندهای یادگیری و مدیریتی می‌شوند. همچنین، یادگیری هوشمند موجب تغییرات ساختاری و رهبری سازمان‌ها به سمت مدیریت داده‌محور و چابک شده است. چالش‌هایی همچون نابرابری دیجیتال، مقاومت فرهنگی و نگرانی‌های اخلاقی و امنیت داده نیز شناسایی شد. با این وجود، فرصت‌هایی شامل نوآوری مدیریتی، توانمندسازی نسل آینده یادگیرندگان و توسعه سیاست‌های جهانی داده‌محور مشاهده شد. مطالعه حاضر نشان می‌دهد که یادگیری هوشمند و آینده‌پژوهی در این حوزه، نه تنها فرآیند یاددهی و یادگیری را متحول می‌کند، بلکه تأثیر بسزایی بر رهبری و مدیریت جهانی دارد. بهره‌گیری از فناوری‌های هوشمند همراه با سیاست‌گذاری آینده‌نگر و چارچوب‌های اخلاقی می‌تواند مسیر تحقق سازمان‌های یادگیرنده و پایداری جهانی را تسهیل کند.
دانلودها
مراجع
Al-Fraihat, D., Joy, M., Masa’deh, R., & Sinclair, J. (2021). Evaluating e-learning systems success: An empirical study. Computers in Human Behavior, 102, 67–87.
Bates, T. (2022). Teaching in a digital age: Guidelines for designing teaching and learning. Vancouver: Tony Bates Associates Ltd.
D’Amato, A., & Falcone, P. M. (2022). Sustainable leadership and corporate responsibility in digital transformation. Sustainability, 14(4), 2032.
Fullan, M., & Quinn, J. (2020). Coherence: The right drivers in action for schools, districts, and systems. Corwin Press.
Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises and implications for teaching and learning. Boston: Center for Curriculum Redesign.
Kettunen, J., & Kantola, J. (2021). Digital transformation and leadership: Trends and implications. Journal of Global Management Studies, 13(2), 55–72.
Margherita, E. G., & Braccini, A. M. (2022). Data-driven management for smart organizations. Information Systems Frontiers, 24(1), 187–202.
Mhlanga, D. (2023). Artificial intelligence in higher education: A panacea for sustainable development. Education and Information Technologies, 28, 439–460.
Ng, P. T. (2022). Leading in the age of digital disruption. Educational Management Administration & Leadership, 50(3), 438–456.
Radianti, J., Majchrzak, T. A., Fromm, J., & Wohlgenannt, I. (2020). A systematic review of immersive virtual reality applications for higher education. Computers & Education, 147, 103778.
Siemens, G., & Long, P. (2021). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 65(10), 1362–1381.
Soto-Acosta, P. (2023). Organizational learning and digital transformation: A knowledge-based perspective. Journal of Knowledge Management, 27(2), 225–243.
UNESCO. (2023). AI and education: Guidance for policy-makers. Paris: UNESCO Publishing.
Williamson, B., & Piattoeva, N. (2022). Education governance and data justice in the digital age. Learning, Media and Technology, 47(3), 243–259.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2020). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 17, 39.
