هر آن‌چه دربارۀ تأثیرات هوش مصنوعی در مدارس می‌دانیم

نگاهی به یک گزارش پژوهشی از دانشگاه استنفورد (1)

در چند سال گذشته، ورود ابزارهای هوش مصنوعی به آموزش با سرعتی اتفاق افتاده که کمتر حوزه‌ای تجربه‌ای مشابه آن داشته است. از چت‌بات‌هایی که به دانش‌آموزان در نوشتن مقاله کمک می‌کنند تا ابزارهایی که به معلمان در طراحی درس و تصحیح تکالیف یاری می‌رسانند، بسیاری از مدارس و معلمان در حال آزمودن این فناوری‌ها هستند. با این حال، سرعت گسترش این ابزارها بسیار بیشتر از سرعت پژوهش‌هایی است که بتوانند اثر واقعی آن‌ها را بر یادگیری و آموزش ارزیابی کنند. به همین دلیل، پرسش مهمی برای سیاست‌گذاران، مدیران مدارس و معلمان مطرح است: شواهد علمی درباره تأثیر هوش مصنوعی در آموزش مدرسه‌ای چه می‌گویند؟

این نوشته بر اساس گزارشی با عنوان «The Evidence Base on AI in K‑12: A 2026 Review» تهیه شده است. این گزارش در سال ۲۰۲۶ توسط گروهی از پژوهشگران دانشگاه استنفورد در چارچوب ابتکار SCALE منتشر شده و یکی از جامع‌ترین تلاش‌ها برای جمع‌بندی پژوهش‌های موجود درباره هوش مصنوعی در آموزش به شمار می‌رود. نویسندگان گزارش بیش از ۸۰۰ مقاله علمی مرتبط با این موضوع را بررسی کرده‌اند و از میان آن‌ها مطالعاتی را که از نظر روش‌شناسی امکان ارزیابی اثر واقعی ابزارهای هوش مصنوعی را فراهم می‌کردند، به طور دقیق‌تر تحلیل کرده‌اند.

این مطلب نخستین نوشته از مجموعه‌ای است که در آن تلاش می‌کنیم مهم‌ترین بینش‌های این گزارش را مرور و خلاصه کنیم. هدف این مجموعه ارائه تصویری روشن‌تر از آن چیزی است که پژوهش‌های موجود واقعاً درباره نقش هوش مصنوعی در آموزش می‌گویند؛ نه صرفاً بر اساس گمانه‌زنی‌ها یا تجربه‌های پراکنده، بلکه بر پایۀ شواهد پژوهشی که می‌توانند به ما در انتخاب ابزارهای هوش مصنوعی برای مدارس و همچنین نوآوری در توسعۀ ابزارهای جدید کمک کنند.

هوش مصنوعی در آموزش: جهش ناگهانی در تولید مقالات

یکی از نخستین نکاتی که این گزارش نشان می‌دهد رشد بسیار سریع پژوهش در این حوزه است. در ابتدای سال ۲۰۲۳ تنها ۲۸ مقاله وجود داشت که معیارهای مخزن پژوهشی AI Hub for Education دانشگاه استنفورد را برآورده می‌کردند. کمتر از سه سال بعد، این عدد به بیش از ۸۰۰ مقاله رسیده است. بخش قابل توجهی از این مطالعات در قالب پیش‌چاپ منتشر شده‌اند؛ یعنی مقاله‌هایی که هنوز فرآیند داوری رسمی علمی را طی نکرده‌اند. این وضعیت نشان می‌دهد که دانش مربوط به هوش مصنوعی در آموزش هنوز در حال شکل‌گیری است و بسیاری از یافته‌ها ممکن است با انتشار پژوهش‌های جدید اصلاح یا تکمیل شوند.

شکل 1: تعداد مقالات مربوط به هوش مصنوعی و آموزش در مخزن AI Hub for Education دانشگاه استنفورد

با وجود تعداد زیاد مقالات، تعداد مطالعاتی که بتوانند اثر واقعی ابزارهای هوش مصنوعی را نشان دهند بسیار محدود است. در میان بیش از ۸۰۰ مقاله بررسی‌شده، تنها ۲۰ مطالعه دارای شواهد علی قوی بودند. منظور از شواهد علی پژوهش‌هایی است که با روش‌هایی مانند آزمایش تصادفی کنترل‌شده (RCT) یا طراحی‌های شبه‌آزمایشی انجام می‌شوند و می‌توانند نشان دهند که یک مداخله آموزشی مشخص واقعاً باعث تغییر در نتایج یادگیری شده است. بسیاری از مطالعات دیگر صرفاً به معرفی ابزارها، بررسی تجربه کاربران یا تحلیل‌های توصیفی پرداخته‌اند.

شمای کلی پژوهش‌ها درباره هوش مصنوعی در مدارس

• تعداد مقالات در این حوزه در کمتر از سه سال از ۲۸ مقاله به بیش از ۸۰۰ مقاله رسیده است.
• بخش زیادی از این مطالعات پیش‌چاپ هستند و هنوز داوری علمی کامل نشده‌اند.
• از میان این مقالات، تنها حدود ۲۰ مطالعه شواهد علّی قوی درباره اثر واقعی AI بر یادگیری دارند.
• بیشتر پژوهش‌ها بر آموزش ریاضی متمرکز بوده‌اند و حوزه‌هایی مانند سواد خواندن و نوشتن یا مهارت‌های اجتماعی کمتر بررسی شده‌اند.

نتیجه: با وجود رشد سریع پژوهش، شواهد محکم درباره اثرات واقعی هوش مصنوعی در مدارس هنوز محدود است.

پژوهش‌های هوش مصنوعی در آموزش به ما چه می‌گویند؟

با وجود محدودیت‌های موجود، مجموعه مطالعات بررسی‌شده چند الگوی اولیه را نشان می‌دهد. در بسیاری از پژوهش‌ها گزارش شده که دسترسی به ابزارهای هوش مصنوعی می‌تواند عملکرد دانش‌آموزان را در انجام تکالیف بهبود دهد. برای مثال، دانش‌آموزانی که از این ابزارها استفاده کرده‌اند در حل مسائل ریاضی، انجام پروژه‌های برنامه‌نویسی یا نگارش متون عملکرد بهتری نشان داده‌اند.

در مورد معلمان نیز برخی نتایج قابل توجه دیده می‌شود. در چند مطالعه نشان داده شده که استفاده از ابزارهای هوش مصنوعی برای آماده‌سازی درس می‌تواند زمان صرف‌شده برای برنامه‌ریزی آموزشی را کاهش دهد، بدون آنکه کیفیت درس افت کند. همچنین ابزارهایی که بازخورد آموزشی در اختیار معلمان یا مربیان قرار می‌دهند در برخی موارد به بهبود کیفیت تدریس و نتایج یادگیری دانش‌آموزان کمک کرده‌اند.

با این حال، نویسندگان گزارش تأکید می‌کنند که این یافته‌ها باید با احتیاط تفسیر شوند. بسیاری از مطالعات در شرایط بسیار محدود انجام شده‌اند؛ برای مثال در قالب آزمایش‌های کوتاه‌مدت یا در محیط‌های کنترل‌شده. در برخی موارد نیز پژوهش‌ها با دانشجویان یا افراد بالای ۱۸ سال انجام شده‌اند، نه با دانش‌آموزان مدرسه‌ای. بنابراین هنوز نمی‌توان با اطمینان گفت که این نتایج در مقیاس گسترده مدارس نیز تکرار خواهند شد.

خلاصۀ یافته‌ها دربارۀ هوش مصنوعی در مدارس

• استفاده از ابزارهای هوش مصنوعی می‌تواند عملکرد دانش‌آموزان در انجام تکالیف را بهبود دهد.
• برخی ابزارها می‌توانند زمان آماده‌سازی درس برای معلمان را کاهش دهند.
• دسترسی نابرابر به ابزارهای AI ممکن است شکاف آموزشی را افزایش دهد.
• هوش مصنوعی می‌تواند ابزار مفیدی باشد، اما شواهد درباره اثرات بلندمدت آن هنوز محدود است.

موضوع مهم دیگری که در گزارش مطرح می‌شود مسئله عدالت آموزشی است. از نظر نظری، ابزارهای هوش مصنوعی می‌توانند فرصت‌های یادگیری را گسترش دهند، زیرا امکان ارائه حمایت آموزشی شخصی‌سازی‌شده را برای تعداد زیادی از دانش‌آموزان فراهم می‌کنند. با این حال تحقق این ظرفیت به شرایط دسترسی نیز وابسته است. اگر مدارس یا مناطق آموزشی کم‌برخوردار به ابزارهای باکیفیت دسترسی نداشته باشند، ممکن است شکاف آموزشی میان دانش‌آموزان افزایش یابد.

جمع‌بندی

در نهایت، تصویری که این گزارش ارائه می‌دهد نه کاملاً خوش‌بینانه است و نه بدبینانه. شواهد موجود نشان می‌دهد که هوش مصنوعی می‌تواند ابزار مفیدی برای پشتیبانی از یادگیری و تدریس باشد، اما دانش فعلی درباره اثرات بلندمدت آن هنوز بسیار محدود است. در ادامه این مجموعه نوشته‌ها، به برخی از مهم‌ترین یافته‌های گزارش با جزئیات بیشتر خواهیم پرداخت و تلاش می‌کنیم نشان دهیم این نتایج برای معلمان، مدیران مدارس و سیاست‌گذاران آموزشی چه معنایی دارد.

منابع

Fesler, L., Martinez, J., Agnew, C., Loeb, S. “The Evidence Base on AI in K-12: A 2026 Review,” AI Hub for Education of the SCALE Initiative, Stanford University, 2026.