التطوير المهني

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

التطوير المهني — إعداد المعلمين وتطويرهم المهني المستمر، وهو يمتد من التدريب قبل الخدمة للمعلمين (برامج التأهيل الأولية) إلى التطوير المهني أثناء الخدمة. في أبحاث الذكاء الاصطناعي في التعليم، صار تعليم المعلمين محور اهتمام مركزي لأن ثقافة المعلمين في الذكاء الاصطناعي، ومعرفتهم التكنولوجية-التربوية، وطلاقتهم الأخلاقية، واستعدادهم لدمج الذكاء الاصطناعي في التدريس هي ما يحدد نجاح تبنّي الذكاء الاصطناعي في الصفوف. ينظّم هذا المفهوم التغطية الكبيرة التي توليها قاعدة المعارف لكيفية إعادة تشكيل الذكاء الاصطناعي لإعداد المعلمين المستقبليين والممارسين على السواء، ومعارفهم، ومعتقداتهم، وممارساتهم.

أسئلة تستحق التأمل

• يمتد تعليم المعلمين هنا من التدريب قبل الخدمة (المعلمون المستقبليون في برامج التأهيل) إلى التطوير المهني أثناء الخدمة (المعلمون الممارسون). أي الاثنين تراه يواجه التحدي الأكبر في الاستعداد لصفوف الذكاء الاصطناعي، ولماذا؟
• تقترح الصفحة أن تعليم المعلمين يجب أن يُعِدّ المعلمين لا لاستخدام أدوات الذكاء الاصطناعي فحسب بل لفهمها وتقييمها ودمجها أخلاقيًا — تحول «يعيد تعريف معنى أن تكون معلمًا». كيف ينبغي لهذا التعريف الجديد أن يغيّر ما تُدرّسه برامج التأهيل؟
• أطر مثل AI-TPACK تمدّ نموذج TPACK الكلاسيكي بإضافة بُعد للذكاء الاصطناعي والأخلاقيات. ما الذي تعتقد أن «بُعد الذكاء الاصطناعي» في المعرفة التكنولوجية-التربوية-المحتوية ينبغي أن يحتويه فعلًا إلى جانب كيفية تشغيل روبوت محادثة؟
• يجد استعراضًا نطاقيًا لـ 55 دراسة مذكورة في الصفحة أن الذكاء الاصطناعي يعزز تصميم التدريس والتأمل والتفكير النقدي لدى المعلمين قبل الخدمة. لكن إذا كان الذكاء الاصطناعي قادرًا على إنجاز بعض ذلك عنهم، فمتى يبني استخدامه في تدريب المعلمين المهارة ومتى يحل محل الحكم ذاته الذي سيحتاجونه؟
• لو كنت تُعيد تصميم برنامج تعليم معلمين لعصر الذكاء الاصطناعي، فما الذي ستُلزم كل معلم مستقبلي بتجربته — وما الذي ستمنعه عن قصد من تفويضه للذكاء الاصطناعي؟

مقدمة

يجلس تعليم المعلمين عند تقاطع عدة خيوط في قاعدة المعارف: فهو مجال دراسي/مجال (مثل تعليم الطب وتعليم العلوم الإنسانية)، لكنه يستند أيضًا إلى المفاهيم العامة لـ دور المعلم، والمعرفة التربوية التكنولوجية بالمحتوى (TPACK)، وكفاية المعلم مع الذكاء الاصطناعي، وثقافة الذكاء الاصطناعي. في عصر الذكاء الاصطناعي، يجب أن يُعِدّ تعليم المعلمين المعلمين لا لاستخدام أدوات الذكاء الاصطناعي فحسب بل لفهمها وتقييمها ودمجها أخلاقيًا — تحول يعيد تعريف معنى أن تكون معلمًا. تُزوّد علوم التعلّم المعرفة التي يجب أن يحملها هذا التشكيل: فعندما يدرس ذلك المجال كيف يتعلم الناس وكيف ينبغي تصميم بيئات التعلّم، يكون تعليم المعلمين هو التشكيل المهني الذي يجب أن تهبط فيه تلك الأدلة كقدرة لدى المعلم على التصميم والتعليم والتقويم.

تشحذ الأدلة العابرة للمستويات أولوية التصميم: وجدت دراسة متعددة المستويات على 46 معلمًا و2,832 طالبًا في التعليم الثانوي أن المعرفة التربوية بالذكاء الاصطناعي (TPAIK) — لا المعرفة التقنية بالذكاء الاصطناعي — هي ما قاد تصورات الطلاب للذكاء الاصطناعي من أجل الخير الاجتماعي ونيتهم في تعلم الذكاء الاصطناعي. وبالتالي ينبغي لتعليم المعلمين أن يُقدّم كيفية التعليم مع الذكاء الاصطناعي وعنه على إجادة الأدوات، تماشيًا مع المبدأ التوجيهي «التربية أولًا، التقنية ثانيًا».

تعليم المعلمين قبل الخدمة

يُعِدّ تعليم المعلمين قبل الخدمة (الأولي) المعلمين المستقبليين أثناء برامج تأهيلهم. تشمل أبحاث الذكاء الاصطناعي في هذا الخيط:

• جاهزية AI-TPACK وTPACK الذكي. تقيس الأدوات والأطر جاهزية معلمي ما قبل الخدمة لدمج الذكاء الاصطناعي وتبنيها، ممدّةً إطار المعرفة التربوية التكنولوجية بالمحتوى (TPACK) ببُعد للذكاء الاصطناعي/الأخلاقيات.(Conceptualizing pre-service teachers' readiness for AI integration into teaching practices: An intelligent-TPACK approach)(Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs)

• أنماط القبول، ومفارقة سهولة الاستخدام/النية. صنّف Chen et al. (2026) 128 معلمًا في مرحلة ما قبل الخدمة إلى أربع مجموعات لقبول ChatGPT: المتشككون المقاومون (14.06%) أفادوا بسهولة استخدام عالية مُدركة لكن بنية سلوكية منخفضة جدًا، فالتدريب على المهارات العملية وحده لا يقلبهم.

• التطبيقات والفوائد. يُظهر استعراض نطاقي لـ 55 دراسة أن الذكاء الاصطناعي يعزز تصميم التدريس لدى معلمي ما قبل الخدمة، وتعليم المادة، ومهارات التعليم العملي، والتقييم، والممارسة التأملية، والتفكير النقدي، ودمج التقنية، والابتكار التربوي.(Harnessing artificial intelligence for preservice teachers' development: A scoping review of applications, benefits, and challenges)

• وصول بلا سقالة إلى الذكاء الاصطناعي التوليدي سجّل أدنى من عدم استخدامه. في تجربة شبه تجريبية مدتها 11 أسبوعًا مع 52 معلمًا في مرحلة ما قبل الخدمة، أنتج الصف الذي استخدم الذكاء الاصطناعي التوليدي بلا سقالة خططًا دروسية أقل تقييمًا بالسلّم من صف عدم الاستخدام (86.54 مقابل 81.87 معدَّلة، F = 8.348، p = 0.006، η² = 0.146)، دون فرق بين المجموعتين في التعلم ذاتي التنظيم أو التفكير النقدي (Zhang et al. (2026)).

• الروبوتات التعليمية وتعلم الآلة. يضمّ التدريب الأولي للمعلمين أنشطة البرمجة والروبوتات وتعلم الآلة (مثل micro:bit) لبناء التفكير الحاسوبي لدى المعلمين المستقبليين.(Coding, robots, computational concepts, and machine learning using the microbit card and the Maqueen and Nezha kits. A study in initial teacher training)

• التقويم الأصيل وما وراء المعرفة. تدمج نماذج التقويم بوساطة الذكاء الاصطناعي (مثل AAIWA) التقويم الأصيل القائم على سلالم التقييم، وتغذية الذكاء الاصطناعي الراجعة المستجيبة للحالة، والتأمل المعرفي-ما-ورائي في برامج ما قبل الخدمة.(AI-mediated authentic assessment and metacognitive reflection: A mixed-methods study of the AAIWA model)

• الاستقصاء المدعوم بالذكاء الاصطناعي في تعليم العلوم. في تجربة شبه تجريبية مع 48 معلمًا للعلوم في مرحلة ما قبل الخدمة في تركيا (Aydın)، دمج برنامج استقصاء موجَّه مدعوم بالذكاء الاصطناعي مدته 8 أسابيع التعلّم القائم على المشكلات والتصميم في موضوع البناء الضوئي والتنفس. فأنتج مكاسب كبيرة في الفهم التصوري للعمليتين الحيويتين، لكنه لم يُنتج أي أثر دال على ثقافة الذكاء الاصطناعي أو التفكير الحاسوبي المُدرك ذاتيًا — تذكير بأن التعلّم القائم على الاستقصاء المدعوم بالذكاء الاصطناعي يستطيع تعميق فهم المادة لدى المرشحين للمهنة دون بناء كفاياتهم في الذكاء الاصطناعي/التفكير الحاسوبي تلقائيًا، وهي كفايات تستلزم تصميمًا صريحًا موجَّهًا.

• الذكاء الاصطناعي التوليدي لتصميم تعليمي بنائي. نموذج SAHAB تدخل تطوير مهني شبه تجريبي يُفعّل فيه الذكاء الاصطناعي التوليدي المعلمين لتصميم تعليم بنيوي، بمكاسب كبيرة (d = 1.18). ويُظهر أن الذكاء الاصطناعي التوليدي يستطيع أن يسقال تصميم التعليم لمرشحي المهنة والمعلمين الممارسين على السواء — لا أن يقدّم المحتوى فحسب بل أن يدعم تصميم أنشطة تعلّم محوره الطالب.

• تدريب الصف الذكي لطلاب الرياضيات في درجة الماجستير في التعليم. يُظهر Zhu, Liang, Mao, and Wang (2026) كيف يمكن لدورة ماجستير في تعليم الرياضيات أن تُعزَّز بـ تقنيات تعليمية ذكية (تصحيح آلي، وتوصيات مخصصة، وتغذية راجعة من عدة ذكاءات اصطناعية) على امتداد مراحل ما قبل الصف وأثناءه وبعده، مما يثمر مكاسب ذات دلالة إحصائية في إجادة تصميم الأهداف التعليمية. ويقدّم نموذج D-T-E القابل للنقل (الطلب التخصصي–التمكين التقني–حلقة التقييم) للمربين إطارًا خاصًا بمجال دراسي لدمج التعليم الذكي في إعداد المعلمين في الدراسات العليا.

• التبنّي تحت سياسة متساهلة أرقّ مما تشير إليه الاستطلاعات، وثقافة التقويم لا تنتقل. أجرى Zou et al. (2026) استطلاعًا مع 85 معلمًا طالبًا في ثلاث دورات لتعليم المعلمين في هونغ كونغ كان فيها الذكاء الاصطناعي التوليدي مسموحًا به صراحةً في التقويم: 62.4% (53) اختاروا عدم استخدامه على الإطلاق، وكان استخدام المتبنين سطحيًا وتصحيحيًا (تدقيق لغوي 43.8%، فحوص وضوح 34.4%، توليد نص 18.8%، عصف ذهني 12.5%). وتغلب الخوف من اتهام خاطئ بالسرقة الأدبية (41.5% من غير المتبنين) وتفضيل العمل الفردي (77.4%) على نقص المهارات (13.2%)، وقرأ تسعة من أحد عشر شريكًا في مقابلات السياسة المتساهلة على أنها «فخ» محتمل — دليل على أن معلمي ما قبل الخدمة يجلبون قلقًا يتعلق بالنزاهة]، لا جاهزية أدوات فحسب، إلى أعمال دراسية يُسمح فيها بالذكاء الاصطناعي.

• كتابة سياسة الذكاء الاصطناعي للصف كنافذة على تفكير ما قبل الخدمة. طلب Nash & Burriss (2026) من 27 معلمًا في مرحلة ما قبل الخدمة في اللغة الإنجليزية الثانوية، في سنة المشروع الختامي في برنامج إعداد لغة إنجليزية ثانوية، أن يكتبوا سياسات الذكاء الاصطناعي التي سيستخدمونها في صفوفهم الخاصة من الصف السادس إلى الثاني عشر، في ولاية بلا توجيه على مستوى الولاية. وقد سمح 26 من الـ 27 ببعض استخدام الذكاء الاصطناعي، مقيَّدًا دائمًا بمهام وأزمنة وأماكن يحددها المعلم، ولم يحظره سوى واحد فقط استنادًا إلى أسس أخلاقية تتعلق بممارسات العمل وحقوق النشر؛ وسمح 22 باستخدام الذكاء الاصطناعي لتوليد الأفكار في حين منع 22 أو أبقوا غير واضح استخدام الذكاء الاصطناعي في تأليف الجمل والفقرات أو الأوراق، وتُقرأ التأملات المصاحبة كمفاوضات بين التزامات تربوية والتزام مُحسّ بدمج الذكاء الاصطناعي. فأن يُطلب من معلمي ما قبل الخدمة تأليف سياسة — بدل مناقشة الذكاء الاصطناعي في المجرد — يُظهر فلسفاتهم ومعتقداتهم وافتراضاتهم المنهجية، مما يجعل كتابة السياسة نشاطًا عالي القيمة في منهجيات تدريس المواد.

• السياسة لا تحكم الممارسة. تُظهر أربعة فصول دراسية من بيانات استطلاعية في برنامج أمريكي لتعليم المعلمين أن استخدام الذكاء الاصطناعي التوليدي في التحضير للتقويم يرتفع من 57% إلى 83% وفي الدراسة من 44% إلى 76%، حتى مع تداول المؤسسات فكرة برامج كشف الذكاء الاصطناعي، مع ارتفاع عدم اليقين الأخلاقي عبر موجات الاستطلاع (Parker et al. (2026)).

التطوير المهني أثناء الخدمة

يدعم التطوير المهني أثناء الخدمة المعلمين الممارسين في دمج الذكاء الاصطناعي. تشمل أبحاث الذكاء الاصطناعي هنا:

• أطر التطوير المهني القائمة على TPACK الذكي. إطار مستنير بالأبحاث يوفّق بين مجالات المعرفة الخمس في i-TPACK وأربعة مسارات تطوير مهني قائمة على الأدلة (التعلم النشط، والنماذج/الأمثلة، والتوجيه، والتغذية الراجعة/التأمل).(Designing effective AI professional development: A framework grounded in intelligent-TPACK)

• المعرفة التكنولوجية التربوية الخاصة بالذكاء الاصطناعي التوليدي (TPK). يحتاج مربو المعلمون هم أنفسهم إلى TPK خاص بالذكاء الاصطناعي التوليدي — استدلال تربوي، ووعي أخلاقي، وتصميم تعليمي مُعزَّز بالذكاء الاصطناعي — لإعداد المعلمين.(Teaching the teachers: A systematic review of genAI-specific technological pedagogical knowledge (TPK) in teacher education)

• ثقافة إنسانية المحور ونقدية في الذكاء الاصطناعي. يُنتج البحث القائم على التصميم مناهج تعلّم مهني تُشغّل ثقافة نقدية في الذكاء الاصطناعي من خلال أنشطة ذكاء اصطناعي محوره الإنسان، بما فيها مهام يكون المربي في الحلقة.(Human-centered AI for teacher educators: Designing professional learning for critical AI literacy)

• القدرة تُبنى بالفعل لا بالدراسة. وجد نموذج بنيوي قائم على TPACK مع 122 معلمًا أثناء الخدمة أن الاستخدام الفعلي للذكاء الاصطناعي في مهام العلوم والطاقة الخضراء والمشاركة في تطوير مواد متوافقة مع التنمية المستدامة تنبأت بقدرة دمج الذكاء الاصطناعي، في حين لم تفعل ذلك المعرفة المجردة بالذكاء الاصطناعي ولا المواقف تجاهه (Riandi et al. (2026)).

• تقييم تعاوني لـ محتوى مولَّد بالذكاء الاصطناعي كتطوير مهني. يُبلّغ Gat, Usher, and Barak (2026) عن ورشة عمل صنّف فيها 60 معلمًا للعلوم في المرحلة الإعدادية أسئلة تقويم مولَّدة بـ ChatGPT عبر حكمهم التخصصي والتربوي والمنهجي. فالتقييم التعاوني ذاته عمل كتطوير مهني، ساعدًا المعلمين على تطبيق معايير الدقة التصورية على مخرَج الذكاء الاصطناعي وكاشفًا الخطر المتمثل في أن محتوى الذكاء الاصطناعي يعزز المفاهيم الخاطئة — مما يضع المعلمين كمقيّمين نقدين لمادة الذكاء الاصطناعي التوليدي لا كمستهلكين سلبيين.

• التطوير المهني المنظم لمربيي اللغة نادر لكنه فعال. وجد استعراض منهجي لـ 23 دراسة (Li et al. 2026) أن ثلاث دراسات فقط من الدراسات المضمّنة أفادت بتطوير مهني منظم — وحدة مدمجة في منهج قواعد، وبرنامج EMI حكومي، واستقصاء مدمج بروبوت محادثة — لكنها جميعًا تقاربت في مكاسب المعرفة والثقة وإعادة تأطير الهوية، منقلةً نظرة المربين للذكاء الاصطناعي التوليدي من «خطر الاستبدال» إلى مساعد/معزّز. ويقول الاستعراض إن التطوير المهني ينبغي أن يقرن بناء المهارة التقنية بالحكمة العملية، منطلقًا من الوعي والأخلاقيات إلى إتقان الأدوات العملي إلى التصميم المشترك لدروس مُعزَّزة بالذكاء الاصطناعي، وموصيًا باستراتيجية تنفيذ من مرحلتين «الخلفية ثم الصف». تعدّ أنضج نماذج التطوير المهني القائم على الأطر والمحرَّك بالذكاء الاصطناعي التوليدي في الرياضيات في قاعدة المعارف دراسة على ثمانية معلمين أثناء الخدمة من مناطق ريفية وذات موارد محدودة أتمّوا عشر وحدات تفاعلية مبنية على إطار Rhodes ذي الأربع بؤرات (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge). وهي تزوّد التصميم بآليتين يفتقر إليهما تصميم التطوير المهني أثناء الخدمة هنا: سقالة تتلاشى بشكل مقصود (توجيه صريح مبكرًا، ثم طلبات تبرير وتعميم وتصميم مهام) واستدلال طلابي مُحاكى على امتداد الوحدات 6-10، إلى جانب النتيجة القائلة إن MC و CK و PCK تحركت معًا — مع أن الدراسة قاست الاندماج فقط، لا معرفة المعلم ولا تعلّم الطلاب.

• البرامج بعد التأهيل. تُبنى برامج ما بعد التأهيل المتعلقة بالذكاء الاصطناعي انطلاقًا من ثقافة واستخدام معلمي العلوم أثناء الخدمة في الذكاء الاصطناعي.(Science educators' AI literacy and AI usage in teaching: Implications for post-qualification programs)

• دعم وتوجيه الذكاء الاصطناعي في أعمال التصميم عند المعلمين. طلب Pishtari, Gnadlinger & Ley (2026) من 13 معلمًا في التعليم العالي تصميم أنشطة في ثلاثة شروط: بلا ذكاء اصطناعي، وروبوت محادثة، وذكاء اصطناعي مع تدريب، في برنامج مدته نصف يوم. فقد رفع الوصول إلى الذكاء الاصطناعي التحصيل في مهام الرتبة العليا (بلوم) وقلّل الجهد المعرفي المُدرك، في حين أن جلسة التدريب التفاعلي التالية ثبّتت الجودة لكنها رفعت الجهد قليلًا (بين الحمل المُثمر والحمل الدخيل لم يُحسم). ويؤطّر ذلك التطوير المهني للتعليم في عصر الذكاء الاصطناعي كحاجة إلى أطر تصميم مؤسسة على التربية (بلوم، ICAP) واستراتيجيات تفاعل منظمة مع روبوت المحادثة معًا، محذرًا من أن مكاسب الجودة قد تُخفي إفراغًا معرفيًا للقرارات التربوية على الذكاء الاصطناعي.

المعرفة والمعتقدات والممارسة

نتيجة رئيسة عبر أبحاث تعليم المعلمين هي الفجوة بين ما يُعبّر عنه المعلمون وما يمارسهونه فعليًا: فالمعلمون يزعمون في كثير من الأحيان امتلاك مهارات عملية في الذكاء الاصطناعي لكنهم يصعب عليهم تطبيق المعرفة ذات المعنى التربوي في الممارسة.(Beyond operational skills: Teachers' AI knowledge and interactions with generative AI in lesson planning) ويصير التمييز أعمق عندما تُعبرِر الخبرة مع إجادة الذكاء الاصطناعي: وجد Choi et al. (2026) أن المبتدئين الأطلّين تقنيًا ما زالوا يقبلون مخرَج الذكاء الاصطناعي سلبيًا أثناء تصميم الدرس، في حين أن المعلمين ذوي الخبرة — حتى أولئك الأقل إجادةً مقيسةً للذكاء الاصطناعي — يعيدون التحفيز نقديًا ويكيّفون مقترحات الذكاء الاصطناعي لطلابهم وسياقهم. والمقتضى أن التطوير المهني أثناء الخدمة لا يستطيع معاملة «بناء مهارة الذكاء الاصطناعي» كافٍ؛ بل يجب تمييزه وفق خبرة المعلم وملف إجادته — سقالة تقييم الرد والتكيّف النقدي للمبتدئين، وبناء مهارة الذكاء الاصطناعي العملي للمعلمين ذوي الخبرة الأضعف إجادةً للذكاء الاصطناعي. ويرسم الحكم الخبير على خطط الدروس المولَّدة بالذكاء الاصطناعي موقف التكيّف النقدي ذاك كالقاعدة لا الاستثناء: وجد Karaismailoglu, Surmeli and Yildirim (2026) أن أحد عشر أخصائيًا تركيًا في تعليم العلوم قيّّموا خطط ChatGPT-4 وTeacher's Buddy لوحدة للصف السادس كمسودات صالحة للاستخدام — إذ حكم 7 من 11 بأنها «قابلة للتطبيق بالتصحيح»، ولم يحكم سوى 3 بأنها «قابلة للتطبيق» مباشرةً — وتباعدت تفضيلاتهم عن الدرجات الخام، مفضّلين الصفات الوجدانية والسياقية على الأمانة البنيوية. وبالتالي ينبغي لتعليم المعلمين أن يبني القدرة على تقييم المواد التعليمية المولَّدة بالذكاء الاصطناعي وتكيّيفها وتوطينها ككفاية مهنية جوهرية، في برامج ما قبل الخدمة وأثناءها معًا. والعوامل النفسية مهمة أيضًا — فـ الكفاءة الذاتية تتنبأ تنبؤًا إيجابيًا بـ AI-TPACK، في حين أن معتقدات التعليم التقليدية القوية يمكن أن تعمل كحاجز معرفي.(Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs) والثقة في الذكاء الاصطناعي تتشكل بكلٍّ من المعرفة التقنية والتصورات الأخلاقية (الشفافية، والإنصاف، والمسؤولية، والشمول).(Unpacking ethics-domain of intelligent-TPACK scale in relation to in-service teachers' trust and distrust) وقياس ثقافة المعلمين في الذكاء الاصطناعي جبهة نشطة في ذاته: لأنه لما كانت معظم تقويمات ثقافة الذكاء الاصطناعي تستهدف الطلاب أو المستخدمين العامين، طُوّر مقياس ثقافة الذكاء الاصطناعي للمعلمين (TAILS) — المؤسس على إطار ED-AI ذي الأبعاد الستة — وتُحققت صحته خصيصًا لـ معلمي اللغة في مرحلة ما قبل الخدمة عبر التحليل العاملي الاستكشافي والتأكيدي، مسدًّا فجوة القياس داخل تعليم المعلمين. وسؤال مُهمَل بالمثل هو ما إذا كان نمط الإعداد يغيّر جاهزية الذكاء الاصطناعي. أجرى Mnguni et al. (2026) استطلاعًا مع 186 معلمًا طالبًا للعلوم في سنتهم النهائية في جنوب أفريقيا فوجد أن TPACK المُبلَّغ عنه ذاتيًا للتعليم المدمج مع الذكاء الاصطناعي أعلى في جامعة قائمة على الحضور (64.0%) منه في جامعة التعليم عن بُعد (47.4%)، مع كون المعرفة التربوية هي الأضعف في الاثنين، وارتباط تدريب الذكاء الاصطناعي بـ TPACK المُبلَّغ عنه ذاتيًا في مؤسسة التعليم عن بُعد فقط، حيث تنبأت دورة قصيرة بخمس وحدات دراسية بـ TPACK مُبلَّغ عنه أضعف من عدم التدريب. وبالتالي فإن الإعداد عن بُعد يحتاج قاعدة أدلة خاصة به بدل الافتراض بأن التدريب المصمم لبرامج الحضور ينتقل.

الممارسة التعليمية المُحاكاة

إلى جانب المحتوى والمعتقدات، يستخدم إعداد المعلمين بصورة متزايدة صفوفًا مُحاكاة للممارسة العملية القابلة للتوسّع. يستخدم EducaSim وكلاء طلاب مولَّدين (بشخصيات وذكريات مؤسسة على الدورة ووسيط كلام نموذج لغوي كبير-كحكم) لمحاكاة مجموعة صغيرة للمعلمين في التدريب في دورة CS1 تدعم نحو 20,000 طالب. وموزَّع كأداة تحضير اختيارية على 254 جلسة (بمتوسط نحو 16 دقيقة)، يقدّم ممارسة تمثيل أدوار منخفضة التكلفة (\$0.05–\\$0.10 للجلسة) مع تغذية راجعة منظمة بعد الجلسة (إحصاءات زمن الكلام، وسلوكيات تعليمية يحددها النموذج اللغوي الكبير) ومحفّزات تأمل ذاتي. وهذا يكمل نموذج محاكاة الطلاب: فالمتعلّمون المُحاكون يخدمون لا التقويم فحسب بل إعدادًا معلميًا تجريبيًا عالي التواتر، لا سيما في الدورات الضخمة عبر الإنترنت حيث لا يمكن للتوجيه المباشر أن يتوسّع. ومثيل خاص بمجال ما هو Student GPT (Zhuang & Zhang 2025)، وهو روبوت محادثة ChatGPT مخصص يمثل دور طالب في المرحلة الإعدادية يحمل مفاهيم خاطئة شائعة في الاستدلال على النسب؛ فقد تدرب معلمو الرياضيات الثانوية في مرحلة ما قبل الخدمة على تشخيص تلك المفاهيم الخاطئة ومعالجتها في تفاعلات مخصصة منخفضة المخاطر داخل منهج مواد تدريس، مُظهرين كيف يمكن لتمثيل أدوار خفيف بـ الذكاء الاصطناعي التوليدي أن يدعم التعليم القائم على الممارسة.

آثار على مربي المعلمين

• بناء ثقافة الذكاء الاصطناعي و AI-TPACK النقدية معًا. يحتاج معلمو ما قبل الخدمة وأثناءها إلى جاهزية دمج الذكاء الاصطناعي — تُمدّ الأدوات TPACK ببُعد للذكاء الاصطناعي/الأخلاقيات (AI-TPACK، i-TPACK PD)؛ ويُدرَّس الاستدلال الأخلاقي والشفافية والإنصاف جنبًا إلى جنب مع استخدام الأدوات.

• سدّ الفجوة بين التعبير والممارسة. يزعم المعلمون في كثير من الأحيان امتلاك مهارات عملية في الذكاء الاصطناعي لكن يصعب عليهم تطبيقها تربويًا؛ صمّم تطويرًا مهنيًا ينتقل من المعرفة إلى الممارسة الفعلية (تخطيط الدروس).

• استخدام الممارسة المُحاكاة لتوسيع نطاق الإعداد. تمنح الصفوف المُحاكاة على نمط EducaSim المعلمين في التدريب ممارسة منخفضة التكلفة عالية التواتر مع تغذية راجعة — كمكمل للتوجيه المباشر المحدود.

• معالجة المعتقدات والثقة. تتنبأ الكفاءة الذاتية بـ AI-TPACK في حين أن معتقدات التعليم التقليدية القوية يمكن أن تكون حاجزًا، والثقة تتشكل بالشفافية/الإنصاف — انتبه إلى هذه العوامل النفسية لا إلى المهارات فحسب.

• التراجع عن معضلات الصف. أجرى Kohnke et al. (2026) مقابلات مع 17 معلمًا في مرحلة ما قبل الخدمة في جامعة في هونغ كونغ وعملوا رجوعًا من معضلات الصف المتوقعة إلى احتياجات تصميم تعليم المعلمين. فقد أثار معلمو ما قبل الخدمة مخاوف بشأن النزاهة الأكاديمية، والخصوصية، والحفاظ على المهارات الإنسانية الأساسية في بيئة يقودها الذكاء الاصطناعي التوليدي، مشيرين إلى آثار على المنهج تنسج الأخلاقيات، والخصوصية، وثقافة الذكاء الاصطناعي (مع مهارات التفكير النقدي) عبر إعداد المعلمين برمته بدل معاملة الاستخدام المسؤول كإضافة.

• الذكاء الاصطناعي كوسيط معرفي في تأمل المعلم (2026): نموذج مثلث تأملي قائم على الممارسة يستخدم الذكاء الاصطناعي للتوسط بين تأمل المعلم الفردي والمعرفة المهنية المشتركة في مجتمعات التعلّم، معالجًا الفشل الشكل المتمثل في أن التأمل لا يتحول إلى تعلّم مهني جماعي (The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development).

• اجعل تصميم تقويم الذكاء الاصطناعي التوليدي جزءًا من أعمال المنهج المهني. أظهر المعلمون الطلابون في Zou et al. (2026) نية قليلة في إعادة تصميم تقويمات مدرستهم المستقبلية الخاصة استجابةً للذكاء الاصطناعي التوليدي، وحكم المشاركون في رياض الأطفال والتعليم الثانوي في معظمهم بأن التقنية غير ذات صلة بسياقهم التعليمي الخاص — وهو بُعد غير مطوَّر لثقافة التقويم لا فجوة معرفة. وبالتالي ينبغي لبرامج تعليم المعلمين أن تضمن الاستخدام الأخلاقي للذكاء الاصطناعي التوليدي في تصميم التقويم كجزء من المنهج المهني، مقرنةً اتساق السياسة على مستوى البرنامج بأمثلة ملموسة على الاستخدام المقبول وغير المقبول وتغذية راجعة في الوقت المناسب على استخدام الطلاب الفعلي للذكاء الاصطناعي.

• افصل العمل القابل للتفويض عن غير القابل له. وجد O'Byrne (2026) أن 23 طالبًا جامعيًا، معظمهم معلمون في مرحلة ما قبل الخدمة، أنتجوا منتجات متماثلة سواء أقاموا عمل وضع الحدود أم فوّضوه مبكرًا، وكان «توتر الغش» على الأصالة أقوى بين من قاموا بأكبر قدر من عمل الحدود — فهدف التعليم هو الحكم على أي العمل التفسيري لا يُسلَّم.

• اجعل كتابة سياسة الصف نشاطًا جوهريًا في تعليم المعلمين، وعالج الغموض كعيب في السياسة. وجد Nash & Burriss (2026) أن مطالبة معلمي ما قبل الخدمة بكتابة سياسات الذكاء الاصطناعي لصفوفهم تعمل كبناء عالم بلاغي حول الغرض من الكتابة — نافذة على معتقدات ناشئة لا يفتحها النقاش المجرد. ولأن الذكاء الاصطناعي يفصل الكتابة-كمنتج عن الكتابة-كعملية، ينبغي للبرامج أن تساعد المعلمين على تحديد موضع التفكير والتعلّم والقيمة فعليًا عبر العصف الذهني والصياغة والمراجعة والتحرير بدل تحديد التفكير في النص النهائي فقط، وأن تدعمهم في ترجمة معتقداتهم إلى قواعد تشغيلية غير غامضة مقرونةً بتعليم ثقافة الذكاء الاصطناعي: فالتناقضات مثل منع النص المولَّد بالذكاء الاصطناعي مع تحميل الطلاب مسؤولية المحتوى المولَّد بالذكاء الاصطناعي الذي يقدمونه تترك الطلاب عاجزين عن الامتثال.

المفاهيم المرتبطة

• التدريس
• المعرفة التربوية التكنولوجية بالمحتوى (TPACK)
• كفاءة المعلم في الذكاء الاصطناعي
• ثقافة الذكاء الاصطناعي
• التطوير التربوي
• K-12
• الأخلاقيات
• الذكاء الاصطناعي في التعليم
• علوم التعلّم
• تعليم الكيمياء — تعليم الكيمياء والذكاء الاصطناعي: المعامل، والتقويم التكويني، وحدود النماذج اللغوية الكبيرة، وفلسفة التجريب

المقالات المرتبطة

• How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge — How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge

• Writing the Rules for Generative Machines: Tensions and Entanglements in Preservice Teachers' Classroom AI Policies — Preservice English teachers authoring classroom AI policies: permitted, limited, and banned uses (Nash & Burriss 2026)

• "Is this a trap?": Student teachers' perceptions and adoption of GenAI in assessments in three teacher education courses — 85 student teachers: shallow GenAI adoption, integrity anxiety, and assessment literacy that doesn't transfer

• When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort — AI chatbot support and training in teachers' learning design

• Pedagogy first, technology second: Cross-level relationships between teacher professional knowledge and student — Pedagogical AI knowledge as the priority lever for teacher professional learning (Shen et al. 2026)

• Preparing Pre-Service Teachers for Responsible Generative AI Use: Curriculum Implications for Ethics, Privacy, and AI Literacy — Pre-service teachers' responsible GenAI use: curriculum implications (Kohnke et al. 2026)

• Harnessing artificial intelligence for preservice teachers' development: A scoping review of applications, benefits, and challenges — Scoping review of AI in preservice teacher development

• Designing effective AI professional development: A framework grounded in intelligent-TPACK — Intelligent-TPACK-based professional development framework

• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — Professional learning for critical AI literacy in teacher educators

• Teaching the teachers: A systematic review of genAI-specific technological pedagogical knowledge (TPK) in teacher education — GenAI-specific TPK in teacher education

• Beyond operational skills: Teachers' AI knowledge and interactions with generative AI in lesson planning — Teachers' AI knowledge in GenAI lesson planning

• Analyzing teacher-AI interaction patterns across teacher experience and AI proficiency in student-centered lesson design — Teacher-AI interaction patterns across teaching experience and AI proficiency in lesson design (Choi et al. 2026)

• Conceptualizing pre-service teachers' readiness for AI integration into teaching practices: An intelligent-TPACK approach — Pre-service intelligent-TPACK readiness

• Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs — AI-TPACK in mathematics teacher education

• Unpacking ethics-domain of intelligent-TPACK scale in relation to in-service teachers' trust and distrust — Ethics domain and in-service teachers' trust

• Coding, robots, computational concepts, and machine learning using the microbit card and the Maqueen and Nezha kits. A study in initial teacher training — Micro:bit robotics in initial teacher training

• AI-mediated authentic assessment and metacognitive reflection: A mixed-methods study of the AAIWA model — AI-mediated authentic assessment in pre-service education

• Science educators' AI literacy and AI usage in teaching: Implications for post-qualification programs — Science educators' AI literacy and post-qualification programs

• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — Instructors report institutional AI-skills consensus and assessment gaps

• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — Teachers essential for relational/higher-order work in hybrid arrangements

• Using Context-Based and AI-Enhanced Approaches to Improve Student Engagement and Achievement in Secondary Chemistry Education — Context-based 7E + AI instruction in secondary chemistry

• Instructor and AI Roles in the Chemistry Classroom: Future Science Teachers' Perceptions in a ChatGPT-Enhanced Formative Assessment — Instructor and AI roles in ChatGPT-enhanced formative assessment

• EducaSim: Interactive Simulacra for CS1 Instructional Practice — EducaSim: interactive simulacra for CS1 instructional practice

• Unpacking the Heterogeneity of Pre-service Teachers' ChatGPT Acceptance: A Latent Profile Analysis Across STEM and Non-STEM Disciplines — Pre-service teacher ChatGPT acceptance profiles

• Motivation to shape the future of education with Artificial Intelligence: An international comparison between Switzerland and China — Motivation to shape the future of education with AI

• AI-Supported Inquiry-Based Learning in Photosynthesis and Respiration: Implications for Sustainable Science Teacher Education — AI-supported guided inquiry in science teacher education

• The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development — Reflective Triangle Model: AI as cognitive mediator

• Evaluating the Effectiveness of Generative Artificial Intelligence in Empowering Teachers for Constructivist — SAHAB model: GenAI constructivist instructional design

• Teacher Involvement in Developing Sustainable Education Materials for AI Integration in Green Energy Education — Teacher involvement in AI integration for green energy education (Riandi et al. 2026)

• Perceived Utility Moderates Motivational Intervention Effects in Learning to Teach Responsibly with GenAI — Utility-value intervention effects in learning to teach responsibly with GenAI (Boos, Eder & Lachner 2026)

• Pre-service teachers' agency during their interactions with generative AI while designing for learning - a process view — Pre-service teacher agency during GenAI interactions in design for learning (Krushinskaia, Elen & Raes 2026)

• Longitudinal Insights into AI in Education: Usage, Ethics, and Policy Development in Higher Education — Longitudinal GenAI usage, ethics, and policy in teacher education (Parker et al. 2026)

• Improving Instructional Design Proficiency of Master's Students in Mathematics Education Through Intelligent Educational Technologies — Smart-classroom model and D-T-E loop improving M.Ed. instructional design proficiency in mathematics (Zhu et al. 2026)

• A Systematic Review of Language Educators' Practices and Development with GenAI — Language educators' practices and development with GenAI

• Integrating ChatGPT in Mathematics Teacher Education: AI-Based Simulation Role-Playing to Support Practice-based Teaching

• Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts

• Teachers' Collaborative Evaluation of AI-Generated Content: Insights from a Professional Development Workshop — Teachers' collaborative evaluation of AI-generated content as professional development (Gat, Usher & Barak 2026)

• AI training and science student teachers’ TPACK in campus-based and distance education: a comparative study — Campus versus distance comparison of 186 science student teachers' AI-related TPACK and training levels

• Co-Constructing AI Boundaries: Agency, Judgment, and Ethical Literacy in AI-Mediated Meaning-Making — traces pre-service teachers building AI boundaries in a semester-long literacy ethnography

• The Impact of Unscaffolded GenAI Use on Pre-Service Teachers' AI Readiness, Self-Regulated Learning, Critical Thinking, and Instructional Design Performance: A Quasi-Experimental Study — Unscaffolded genAI lowered pre-service teachers' lesson-plan quality below the no-genAI class