هوش مصنوعی (AI)[1] در حال تغییر شیوه یادگیری انسان است. همان‌طور که اینترنت دسترسی به دانش را متحول کرد، هوش مصنوعی نیز می‌تواند «فرآیند یادگیری» را شخصی‌سازی، سریع‌تر، عمیق‌تر و در دسترس‌تر کند. در شرایط پیش رو هر فرد می‌تواند یک معلم، مربی، پژوهشگر و همراه یادگیری دیجیتال، در کنار خود داشته باشد. در چنین شرایطی، هوش مصنوعی به صورت‌های مختلفی یادگیری را متحول خواهد کرد:

• آموزش شخصی‌سازی‌شده: هوش مصنوعی می‌تواند متناسب با سطح دانش، سرعت یادگیری، علایق و هدف‌های هر فرد، محتوا ارائه دهد. در نتیجه، دو نفر که یک موضوع را می‌آموزند، ممکن است مسیرهای متفاوتی را طی کنند.
• معلم همیشه در دسترس: برخلاف کلاس سنتی، ابزارهای هوش مصنوعی شبانه‌روزی در دسترس‌اند و می‌توانند به پرسش‌ها پاسخ دهند، مثال بزنند و توضیحات را تکرار کنند.
• بازخورد فوری: یکی از عوامل مهم یادگیری، بازخورد سریع است. هوش مصنوعی می‌تواند خطاها را همان لحظه شناسایی کند و پیشنهاد اصلاح بدهد.
• یادگیری تعاملی: گفت‌وگو، آزمون، شبیه‌سازی، تمرین مرحله‌به‌مرحله و سناریوهای واقعی با هوش مصنوعی، باعث درگیری ذهنی بیشتر می‌شود.
• صرفه‌جویی در زمان: خلاصه‌سازی منابع و کتاب‌ها، طراحی برنامه مطالعه، استخراج نکات کلیدی و ترجمه محتوا، از دیگر کاربردهای مهم هوش مصنوعی است.

هوش مصنوعی کاربردهای عملی ویژه‌ای نیز برای یادگیری گروه‌ها و حرفه‌های مختلف خواهد داشت به عنوان مثال، برای دانشجویان توضیح مفاهیم دشوار به زبان ساده، حل مرحله‌ به ‌مرحله تمرین‌ها، ساخت نمونه سؤال، خلاصه‌سازی جزوات، و برنامه‌ریزی درسی را امکان‌پذیر خواهد ساخت. برای حرفه‌ای‌ها یادگیری مهارت‌های شغلی جدید، تمرین زبان خارجی، تحلیل مقالات تخصصی، شبیه‌سازی مذاکره و ارائه را ایجاد خواهد کرد. برای آموزشگران نیز در طراحی درس، تولید آزمون، شخصی‌سازی تکالیف، تحلیل پیشرفت فراگیران، به‌کار خواهد آمد. در همه این موارد، دسترسی همیشگی، هزینه کمتر نسبت به آموزش سنتی، سرعت بالا ، انعطاف‌پذیری، شخصی‌سازی گسترده، و یادگیری مستقل‌تر، از مزایای یادگیری با هوش مصنوعی است. در آینده نزدیک، هر فرد احتمالاً یک مربی یادگیری شخصی هوشمند خواهد داشت؛ که نقاط ضعف را تشخیص می‌دهد، برنامه روزانه می‌چیند، انگیزه ایجاد می‌کند، پیشرفت را می‌سنجد، و منابع مناسب را پیشنهاد می‌دهد.

یادگیری با هوش مصنوعی با خطرها و محدودیت‌هایی نیز همراه است. یکی از این خطرها وابسته شدن بیش از حد است. در شرایطی که فرد فقط پاسخ نهایی را به‌دست آورد، مهارت تفکر در او به تدریج ضعیف خواهد شد. مورد دیگر احتمال کسب اطلاعات نادرست است. تجربه نشان داده است که پاسخ‌های هوش مصنوعی در مواردی  دقیق یا به‌روز نیستند و نیاز به بررسی و موشکافی بیشتری دارند. خطر دیگر کاهش تلاش ذهنی است. یادگیری واقعی نیازمند فرایند کوشش، تمرین و خطاست، که در یادگیری با هوش مصنوعی کمتر امکان‌پذیر است. و بالاخره باید از مسایل اخلاقی یادگیری با هوش مصنوعی نام برد. تقلب آموزشی، سرقت فکری، استفاده نادرست از تکالیف، از جمله مسایل اخلاقی است که در این زمینه مطرح می‌شود. به‌طور خلاصه، در کار با هوش مصنوعی فقط جواب نهایی گرفتن، کپی کردن تکالیف، اعتماد کامل بدون بررسی، و حذف تفکر شخصی، روشی نادرست است. به جای آن باید از روش صحیح: طرح سؤال خوب، تقاضای توضیح مرحله ‌به ‌مرحله، درخواست مثال بیشتر، و نقد و بررسی پاسخ‌ها استفاده کرد. و بالاخره، فراگیر باید خودش جمع‌بندی را بنویسد، و آموخته‌ها را در عمل به‌کار ببرد.

باید توجه داشت که هوش مصنوعی جایگزین یادگیری نیست، بلکه تقویت‌کننده آن است. کسی که یاد بگیرد چگونه از هوش مصنوعی استفاده کند، سریع‌تر و عمیق‌تر از دیگران رشد خواهد کرد. اما همچنان عنصر اصلی یادگیری، کنجکاوی، تلاش، تمرین و تفکر انسانی است. هوش مصنوعی می‌تواند معلمی قدرتمند باشد، اما یادگیرنده واقعی هنوز انسان است.

یادگیری دیجیتال و با هوش مصنوعی

اگرچه دو مفهوم «یادگیری دیجیتال»[2] و «یادگیری با هوش مصنوعی» به هم نزدیک‌اند، اما یکسان نیستند. یادگیری دیجیتال استفاده از فناوری‌های دیجیتال برای آموزش است؛ در حالی‌که یادگیری با هوش مصنوعی مرحله پیشرفته‌تری است که در آن سیستم می‌تواند تحلیل، تطبیق، پیشنهاد و تعامل هوشمند داشته باشد. هوش مصنوعی معمولاً زیر مجموعه یا نسل پیشرفته یادگیری دیجیتال محسوب می‌شود. یعنی هر یادگیری با هوش مصنوعی دیجیتال است، اما هر یادگیری دیجیتال لزوماً هوش مصنوعی نیست. به عنوان مثال تماشای یک دوره ویدئویی ضبط‌شده، یادگیری دیجیتال است؛ و سیستمی که بعد از دیدن همان دوره، ضعف شما را تشخیص دهد و تمرین اختصاصی بدهد، یادگیری با هوش مصنوعی است. نتیجه اینکه، یادگیری دیجیتال، آموزش را برخط و در دسترس قرار داده است؛ در حالی‌که، یادگیری با هوش مصنوعی، آموزش را شخصی، تعاملی و هوشمند می‌کند.. در جدول 1 یادگیری سنتی، دیجیتال، و با هوش مصنوعی، با یکدیگر مقایسه شده‌اند.

جدول 1. مقایسه یادگیری سنتی، دیجیتال و یادگیری با هوش مصنوعی

با مرور جدول 1 مشخص می‌شود که نقاط قوت بارز یادگیری سنتی ارتباط انسانی و تربیت اجتماعی؛ یادگیری دیجیتال دسترسی گسترده و انعطاف‌پذیری؛ و یادگیری با هوش مصنوعی شخصی‌سازی، سرعت و بازخورد فوری است.  به نظر می رسد که بهترین مدل در آینده نیز یادگیری ترکیبی، یعنی آموزش انسانی، به‌علاوه ابزار دیجیتال، و هوش مصنوعی خواهد بود.

هوش مصنوعی و آینده‌ آموزش

گسترش حضور هوش مصنوعی در آموزش، دیدگاه‌ها و واکنش‌های متنوعی را ایجاد کرده است. این فناوری هم فرصت‌های تحول‌آفرین فراهم می‌کند، و هم چالش‌های پیچیده را پیش روی نظام‌های آموزشی قرار می‌دهد. آموزش می‌تواند عاملیت انسانی را در جهانی متاثر از هوش مصنوعی هدایت کند، اما در عین حال، خود تحت تأثیر این فناوری در حال دگرگونی در حوزه‌های برنامه‌درسی، روش‌های تدریس و حکمرانی آموزشی است.

هوش مصنوعی پرسش‌هایی بنیادین درباره اخلاق، عدالت آموزشی و نقش آموزشگران، به‌ویژه در زمینه بازتعریف خودمختاری حرفه‌ای آنان، ایجاد کرده است. در حالی‌ که دیدگاه‌ها درباره تأثیر هوش مصنوعی در آموزش از خوش‌بینی‌های آرمان‌گرایانه تا سناریوهای تهدیدآمیز متفاوت است، نظام‌های آموزشی با چالش‌های فوری مانند نظارت دیجیتال، سوگیری الگوریتمی و کاهش مسئولیت‌پذیری انسانی در تصمیم‌سازی‌های آموزشی مواجه‌اند.

برای پاسخ به این شرایط، تصمیم‌گیری‌ها و اقدامات مرتبط با سیاست‌گذاری، آموزش، زیرساخت و حکمرانی باید بازتنظیم شوند؛ تا هوش مصنوعی بتواند برابری آموزشی را تقویت کرده، به‌صورت اخلاق‌محور طراحی شده و عاملیت انسانی را در مرکز توجه قراردهد. با افزایش پیچیدگی و خودمختاری سیستم‌های هوش مصنوعی؛ هدایت مسیر آن، یک مسئولیت مشترک اجتماعی محسوب می‌شود. آموزش، به‌عنوان نهادی عمومی، باید نقش فعالی در جهت‌دهی هوش مصنوعی متناسب با نیازهای فرهنگی، آموزشی و اجتماعی جوامع ایفا کند. این امر مستلزم شکل‌گیری آموزشگران، دانشجویان و رهبران آموزشی توانمند در استفاده، ارزیابی و مشارکت در تدوین هنجارها، سیاست‌ها و دستورکارهای پژوهشی مرتبط با استفاده اخلاقی از هوش مصنوعی است.

این موضوعات در هفته یادگیری دیجیتال یونسکو ۲۰۲۵ DLW) (که از ۲ تا ۵ سپتامبر 2025، با موضوع «هوش مصنوعی و آینده آموزش: اختلالات، معضلات و جهت‌گیری‌ها» در پاریس برگزار شد، مورد بررسی قرار گرفت. این رویداد فضایی برای گفت‌وگو، تبادل نظر و اقدام فراهم کرد و بر تنوع دیدگاه‌ها درباره هوش مصنوعی در آموزش تأکید داشت. طی این هفته، یونسکو همچنین کتاب «هوش مصنوعی و آینده آموزش: اختلالات، معضلات و جهت‌گیری‌ها»، شامل ۲۱ مقاله از کارشناسان حوزه‌های مختلف را منتشر کرد. هدف هفته یادگیری دیجیتال ۲۰۲۵ یونسکو، ترسیم مسیرهای ادغام عادلانه، اخلاق‌محور و انسان‌محور هوش مصنوعی در آموزش بود. این هدف از طریق اقدامات زیر پیگیری شد:

• تقویت تفکر انتقادی و آینده‌نگر درباره هوش مصنوعی
• ترویج گفت‌وگو و اقدام چندذی‌نفعی همراه با توانمندسازی
• حمایت از هم‌آفرینی منابع و ابزارها
• تصور آینده‌ای مطلوب و محتمل در حوزه آموزش با رویکرد آینده‌پژوهی

مباحث و یافته‌های کلیدی این رویداد را به نحو زیر می‌توان خلاصه کرد:

1. نقش تفکر فلسفی: مشارکت فلسفی در سطح نظری و عملی، برای بازتعریف جایگاه فناوری در نظام‌های آموزشی، در شرایط پیچیده و متغیر ضروری دانسته شد. این رویکرد بستری برای تبیین اهداف و ارزش‌های آموزش در عصر هوش مصنوعی فراهم می‌کند.
2. مدیریت تنش‌ها و روایت‌های متضاد: رد رویکردهای دوقطبی (نگاه‌های صرفاً آرمان‌گرایانه یا بحران‌محور) و تأکید بر گفت‌وگوهای مبتنی بر شواهد، عدالت اجتماعی و حقوق‌بنیان، از جمله محورهای اصلی بحث بود.
3. نقش غیرقابل ‌جایگزین آموزشگران: تأکید شد که هوش مصنوعی می‌تواند نقش حمایتی داشته باشد اما قادر به جایگزینی قضاوت انسانی، روابط آموزشگر-یادگیرنده و کیفیت واقعی آموزش نیست. تقویت عاملیت آموزشگران، توسعه حرفه‌ای مستمر و حمایت ساختاری از آنان، از جمله توصیه‌ها بود.
4. اخلاق، ایمنی و حکمرانی: ضرورت ایجاد چارچوب‌های حکمرانی شفاف و اخلاق‌محور با تمرکز بر حریم خصوصی داده‌ها، شفافیت الگوریتم‌ها و کاهش سوگیری، مورد تأکید قرار گرفت.
5. عدالت در دسترسی و مقابله با نابرابری‌های الگوریتمی: نگرانی‌ها درباره تعمیق نابرابری‌ها در نتیجه شکاف دیجیتال و نابرابری در دسترسی به زیرساخت، مهارت و داده، برجسته شد.
6. طراحی بومی و توجه به شأن انسانی در توسعه فناوری: بر لزوم طراحی متناسب با زمینه‌های محلی و تقویت مالکیت جوامع بر مدل‌های هوش مصنوعی تأکید شد.
7. همبستگی جهانی و ایجاد گفت‌وگوی همه جانبه: ایجاد بستری جهانی برای تعامل انتقادی، تبادل دانش، تدوین سیاست و اقدام مشترک در حوزه هوش مصنوعی آموزشی، به‌عنوان یک ضرورت مطرح شد.

در حاشیه 1، چکیده کتاب جدید یونسکو، با عنوان «هوش مصنوعی و آینده آموزش: اختلالات، معضلات و جهت‌گیری‌ها»، همراه با عنوان فصول آن، فراهم آمده است.

حاشیه 1. هوش مصنوعی و آینده آموزش: اختلالات، معضلات و جهت‌گیری‌ها (UNESCO 2025)

اخلاق یادگیری

از جمله مباحثی که در بررسی‌های مربوط به هوش مصنوعی مورد بحث و بررسی قرار می‌گیرد، مسایل اخلاقی مرتبط با استفاده از این فناوری جدید است. رفتار اخلاقی در محیط های آموزشی، و به‌طور وسیعتر مفهوم «یادگیری اخلاقی»[3]، از جمله چالش‌هایی بوده که از دیر باز، موضوع کانونی پژوهش‌های بسیاری بوده است.

اخلاق یادگیری به مجموعه اصول، ارزش‌ها و رفتارهایی گفته می‌شود که تعیین  می‌کنند انسان چگونه باید در فرایند کسب، استفاده و تولید دانش عمل کند. یادگیری فقط یک فرایند شناختی نیست، بلکه یک کنش اخلاقی نیز هست؛ زیرا دانش با مسئولیت همراه است. هر فردی که یاد می‌گیرد، در واقع وارد رابطه‌ای با حقیقت، دیگران و جامعه می‌شود و این رابطه نیازمند صداقت، دقت و مسئولیت‌پذیری است. از جمله مباحث پر استناد مرتبط با اخلاق یادگیری، به چند مرد زیر می‌توان اشاره کرد:

سرقت علمی: یکی از مهم‌ترین مسائل اخلاقی در یادگیری، «سرقت علمی»[4] است. سرقت علمی زمانی رخ می‌دهد که فرد ایده‌ها، نوشته‌ها یا دستاوردهای دیگران را بدون ذکر منبع به نام خود ارائه کند. این عمل نه‌تنها بی‌عدالتی در حق صاحب اصلی دانش است، بلکه مانع رشد واقعی فرد نیز می‌شود. زیرا یادگیری واقعی زمانی اتفاق می‌افتد که فرد تلاش کند بفهمد، بازسازی کند و درونی‌سازی نماید، نه اینکه صرفاً کپی‌برداری کند. در محیط‌های آموزشی، سرقت علمی می‌تواند اعتماد میان دانشجو و استاد را تضعیف کند و ارزش واقعی آموزش را کاهش دهد. به همین دلیل، آموزش مهارت ارجاع‌دهی، استفاده درست از منابع و درک مفهوم مالکیت فکری بخش مهمی از اخلاق یادگیری است (جدول 2).

مسئولیت دانشی: یادگیری با مسئولیت همراه است. هر فردی که دانشی کسب می‌کند، مسئول است که از آن به شکل درست استفاده کند. این مسئولیت شامل دقت در انتقال اطلاعات، پرهیز از تحریف حقیقت، و استفاده اخلاقی از دانش در تصمیم‌گیری‌ها می‌شود. مسئولیت دانشی همچنین به این معناست که فرد بداند دانش او می‌تواند بر دیگران تأثیر بگذارد. بنابراین، انتشار اطلاعات نادرست یا ناقص می‌تواند پیامدهای اجتماعی، آموزشی یا حتی حرفه‌ای داشته باشد. فرد یادگیرنده باید نسبت به پیامدهای دانسته‌های خود آگاه باشد.

سوگیری اطلاعات: سوگیری اطلاعات یکی دیگر از چالش‌های مهم در یادگیری است. ذهن انسان به‌طور طبیعی تمایل دارد اطلاعاتی را بپذیرد که با باورهای قبلی او هماهنگ است و اطلاعات متضاد را نادیده بگیرد. این پدیده می‌تواند باعث شکل‌گیری برداشت‌های نادرست و ناقص از واقعیت شود. در عصر دیجیتال، این مسئله پیچیده‌تر شده است؛ زیرا الگوریتم‌های شبکه‌های اجتماعی و موتورهای جست‌وجو اغلب محتوایی را نمایش می‌دهند که با علایق و باورهای قبلی فرد هم‌راستا است. این وضعیت می‌تواند «حباب اطلاعاتی» ایجاد کند و دیدگاه فرد را محدود سازد. برای مقابله با سوگیری اطلاعات، یادگیرنده باید آگاهانه به دنبال دیدگاه‌های متنوع باشد، منابع مختلف را بررسی کند و توانایی تفکر انتقادی خود را تقویت نماید (جدول 2).

استفاده درست از فناوری: فناوری نقش مهمی در یادگیری مدرن دارد، اما استفاده از آن نیازمند اخلاق و آگاهی است. ابزارهای دیجیتال، هوش مصنوعی، پلتفرم‌های آموزشی و منابع برخط می‌توانند یادگیری را تسهیل کنند، اما در عین حال خطر وابستگی، سطحی‌خوانی و کاهش تفکر مستقل را نیز به همراه دارند. استفاده درست از فناوری به معنای بهره‌گیری هدفمند، آگاهانه و مسئولانه از آن است. یادگیرنده باید بداند چه زمانی از فناوری به‌عنوان ابزار کمکی استفاده کند و چه زمانی از آن فاصله بگیرد تا تفکر عمیق‌تری داشته باشد. همچنین، اتکای بیش از حد به فناوری برای تولید پاسخ‌ها، بدون درک واقعی محتوا، می‌تواند مانع یادگیری عمیق شود. فناوری باید مکمل تفکر انسانی باشد، نه جایگزین آن.

اخلاق یادگیری به ما یادآوری می‌کند که دانش تنها یک ابزار نیست، بلکه یک مسئولیت است. سرقت علمی، سوگیری اطلاعات و استفاده نادرست از فناوری می‌توانند کیفیت یادگیری را کاهش دهند و اعتماد به دانش را تضعیف کنند. در مقابل، رعایت اصول اخلاقی، جست‌وجوی حقیقت، احترام به منابع و استفاده آگاهانه از فناوری، یادگیری را به فرایندی عمیق‌تر، پایدارتر و انسانی‌تر تبدیل می‌کند. در نهایت، یادگیرنده اخلاق‌مدار نه‌تنها بیشتر می‌آموزد، بلکه بهتر می‌اندیشد و مسئولانه‌تر عمل می‌کند.

جدول 2. چالش‌های اخلاق یادگیری در عصر هوش مصنوعی

برای مطالعه بیشتر

• Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
• Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
• Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 175–220. https://doi.org/10.1037/1089-2680.2.2.175
• OECD. (2023). Digital education outlook 2023. OECD Publishing.
• UNESCO (2025) AI and Future of Education, Disruptions, Dilemmas, and Directions, https://unesdoc.unesco.org/ark:/48223/pf0000395236/PDF/395236eng.pdf.multi
• UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO Publishing.
• World Economic Forum. (2020). Schools of the future: Defining new models of education for the fourth industrial revolution. WEF.