פיתוח תיאוריה ב-AI בחינוך

תרגום אוטומטי של העמוד באנגלית, שטרם נבדק בידי דובר/ת שפת אם.

פיתוח תיאוריה בAI בחינוך — העבודה האקדמית של יצירת, קידום ובדיקה ביקורתית של התיאוריות והמסגרות הקונספטואליות המסבירות כיצד לומדים, מורים ומערכות AI מגיבים. ככל שהבינה המלאכותית הגנרטיבית עוצבת מחדש את החינוך, התחום מציע הן תיאוריות חדשות של למידה-עם-AI והן עיבוד מחודש של תיאוריות למידה מבוססות — בזמן שחולשה מתועדת בשימוש בתיאוריה נשארת מגבלה חוצה-תחומים של מחקר AIEd.

שאלות למחשבה

• אנחנו מדברים לעיתים קרובות על "החלת תיאוריה" על AI בחינוך, אך עמוד זה שואל האם התחום מחדש באמת תיאוריות חדשות. לפני שתמשיכו בקריאה: כאשר מסגרת מוכרת (כמו הביהביוריזם או הקונסטרוקטיביזם) נמתחת כדי לכסות בינה מלאכותית גנרטיבית, במה היא עלולה לצדוק, ובמה היא עלולה לכוון בשקט?
• חשבו על פעם שהשתמשתם ב-AI והרגשתם שההבנה שלכם גדלה — או להפך. מהו ההבדל בין "למידה עם כלי" ל"בניית ידע משותפת עם מכונה"? היכן הייתם משרטטים את הקו הזה, והאם זה בכלל הגיוני לומר שהמכונה היא סוכן-משותף?
• מחקרי חינוך AI רבים מבוקרים על שימוש חלש בתיאוריה או על אי-שימוש בה כלל. אם הייתם קוראים מחקר שמציג כלי AI "שעובד", מה היה צריך לספר לכם על מדוע וכיצד הוא עובד לפני שהייתם מכנים את הממצא משמעותי-תיאורטית ולא רק גודל-אפקט?
• תיאוריה אחת מוצעת טוענת שתלמידים ילידי-AI (AI-native) מעריכים את הלמידה שלהם יותר מדי מפני שה-AI מנפח את ביצועיהם. האם שמתם לב שאתם או אחרים מרגישים מסוגלים יותר לאחר שימוש כבד ב-AI ממה שהייתם יכולים להדגים בלעדיו? מהי הראיה החזקה ביותר לכך שזהו תופעה ממשית ולא רק ארטיפקט של מחקר אחד?
• העמוד מבחין בין תיאוריה (הסברת מנגנונים של למידה) לבין פילוסופיה (ערעור מה שלמידה ונפש הן ביסודן). היכן במחשבה שלכם על AI אתם מוצאים את עצמכם נעים בין השניים — למשל, שאילה לא רק האם מסגרת מסבירה למידה היטב, אלא האם היא תופסת מה שלמידה באמת היא?
• תיאוריות חדשות מופיעות — ג'נרטיביזם, סוכנות-אפיסטמית-משותפת, נחלת קוגניטיבית. כקוראים, מה היה משכנע אתכם שאחת מהן היא התקדמות אמיתית ולא תיוג-חדש אופנתי של רעיונות ישנים? קבעו את המבחן שלכם למה שתיאוריה חדשה טובה על למידה עם AI צריכה להיות מסוגלת להסביר.

מבוא

פיתוח תיאוריה ב-AIED יושב על הגבול בין תיאוריות הלמידה היישומיות שהתחום נשען עליהן לבין הקונסטרוקטים החדשים שהעידן מייצר. בעוד תיאוריות למידה מקטלג את התיאוריות המבוססות החלות על AI (ביהביוריזם, קונסטרוקטיביזם, עומס קוגניטיבי, מוצדדות-עצמית וכו'), מושג זה עוקב אחר התהליך והמוצר של תיאוריזציה עצמה: אילו תיאוריות ומסגרות חדשות נולדות, כיצד תיאוריות מבוססות מקודמות, והשאלה המתודולוגית האם מחקר AIEd מתייחס תיאורטית היטב.

תיאוריות חדשות על למידה עם AI

מקבץ גדל של מאמרים יוצר במפורש תיאוריה חדשה לעידן ה-AI במקום להחיל מסגרות קיימות:

• ג'נרטיביזם. Generativism מוצע כתיאוריית למידה חדשה, וטוען שביהביוריזם, קוגניטיביזם, קונסטרוקטיביזם וקונקטיביזם כל אחד נשען על הנחה אחת שהבינה המלאכותית הגנרטיבית שוברת: שפלט נציר מעיד על למידה (ביהביוריזם), שפעולות קוגניטיביות מתרחשות בתוך הלומד (קוגניטיביזם), שמשמעות נבנית ולא מסופקת (קונסטרוקטיביזם), ושהחלק הקשה הוא ניווט לידע קיים ולא ייצורו (קונקטיביזם). היא מכנה ארבעה קונסטרוקטים — שותפות אפיסטמית, סוכנות מבוזרת, אוריינות גנרטיבית ומטאקוגניציה אדפטיבית — וגוזרת מדד הערכה לכל אחד מהם, הצעה ישירה למתן פרדיגמה תיאורטית נבדלת ללמידה בתיווך-AI. מה שהיא אינה עושה הוא לציין הצעות שיכולות להיכשל: זו נייר-עמדה המסנתז ראיות קיימות, כך שבניגוד ל-Agentivism שלהלן היא מציעה אוצר-מילים וסדר-יום מדידה ולא תיאוריה ניתנת-לפרכוס.

• קשירות AI. Fu and Zhao (2026) בונים מחדש קשירות לעידן ה-AI באמצעות אתיקה של טיפול ותיאוריה ניאו-אקולוגית, ומגדירים "קשירות לבינה מלאכותית" כמחבר פסיכולוגית ממשית אך אתית-אסימטרית בשלוש ממדים ושישה הצעה ניתנות-לפרכוס הממתינות לפיתוח סולם.

העמדה הסינתטית מוסיפה הצעה מתחרה שכן מציינת הצעה: היא מכנה קידום סינתטי (synthetic promotion) והשעיית ייחוס (authorial suspension) — פס מותקל אך לא-מייחס — ומנבאת אינטראקציית חוצה (crossover) שבה הייחוס והקוהרנטיות המדורגים של נרטיב החלטה-בחיים נעים בכיוונים מנוגדים (Du et al. (2026)).

• Agentivism. Yan and Gašević (2026) מציעים Agentivism כתיאוריית למידה טווח-בינוני לאינטראקציית אנוש-AI, ומגדירים למידה כצמיחה עמידה ביכולת אנושית במקום השלמת משימה מוצלחת עם AI, ומציינים ארבעה מנגנונים: סוכנות מואצלת (delegated), ניטור ואימות אפיסטמי, הפנמה בונה-מחדש, והעברה תחת תמיכה מופחתת. מה שמפריד אותו מההצעות האחרות בעמוד זה הוא ניתנות-לפרכוס: הוא מציין שש הצעה, כולל שהלמידה חזקה יותר כאשר AI שומר על אחריות הלומד על מסגור הבעיה, קביעת הקריטריונים וההנמקה מאשר כאשר הוא מספק תשובות, ושדרישת אימות אמורה לשפר ביצועים מעוכבים בעוד שאצילה חוזרת ללא-חיכוך ללא שחזור אמורה לחליש את כיול הלומדים לתחום המומחיות שלהם.

תיאוריזציה בצד המורה עושה כעת את אותה התחייבות לבדיקות-אמתיות: מודל יכולת-החלטה מסדר את יכולת הAI-TPACK במעלה הזרם מגישה ושליטה התנהגותית נתפסת, ומכנה ארבעה תנאי פרכוס — כשל תיווך, קריסת דיסקרימיננציה, אפסיות מתוווכת ויתירות הקשר — אם כי המודל נותר בלתי-נבדק (Mnguni (2026)).

• סוכנות-אפיסטמית-משותפת. Learning with Machines בונה "לקראת תיאוריה של סוכנות-אפיסטמית-משותפת", מודל מודע-תיאוריה של כיצד לומדים ומערכות GenAI מייצרים ידע והבנה במשותף.
• קו-הבסיס הקוגניטיבי הנעדר (ACB). The Absent Cognitive Baseline מתייחס תיאורטית ל פער מבני בהערכה עצמית אקדמית של תלמידים ילידי-AI — מסגרת תלת-ממדית המסבירה מדוע תלמידים מעריכים את הלמידה שלהם יותר מדי כאשר AI מנפח ביצועים.
• הנחלת הקוגניטיבית. Cognitive commons and expertise regeneration נשען על תיאוריית משאב-מאגר-משותף ועל קוגניציה מבוזרת כדי להסביר כיצד החלטות אימוץ AI רציונליות יכולות לדלל את מאגר המומחיות המשותף שהמקצועות דורשים להתחדשות.
• ביצועים לעומת למידה. Performance-vs-learning מתייחס תיאורטית ל את הפער החד בין ביצועי משימה מנופחי-AI ללמידה עמידה, הבחנה החוזרת ברחבי ראיות הרווחי למידה של מאגר הידע.
• אוריינות AI אפיסטמית (EAIL). Epistemic AI Literacy ממסגר מחדש אוריינות AI כמיומנות אפיסטמית מונחת-תהליך, ממורכזת על כיצד ידע נבנה ומוצדק כאשר תלמידים מתכנתים-יחד עם בינה מלאכותית גנרטיבית.
• תיאוריית Tri-System. Shaw and Nave (2026) מרחיבים חשבונות דו-תהליכיים עם מערכת 3 — הסקה חיצונית, אוטומטית ומונעת-נתונים של AI שיכולה להשלים, להחליף או לדכא את מערכות 1 ו-2 — ומכנים כניעה קוגניטיבית, האימוץ הביקורתי-חסר של פלט AI, ככשל האופייני שלה.
• פקחות קוגניטיבית. Credential and cognitive stewardship מתייחס תיאורטית ל את האחריות המוסדית על הגנת ידע ולמידה בהקשרי הערכה חדורי-AI.
• רגולציה משותפת ופרואקטיביות אפיסטמית. AI כשותף קוגניטיבי ברגולציה משותפת משלבת פונקציה מנהלת, מטאקוגניציה, קוגניציה מבוזרת והתפתחות סוציוקולטורלית למודל התפתחותי; פרואקטיביות אפיסטמית מתייחס תיאורטית ל את העמדה האייג'נטית של תלמידים כלפי AI במתמטיקה.
• פרדיגמות מעורבות אנוש-GAI. Strydom (2026) מתייחס ל"גירעון התיאוריה" של התחום על ידי עיגון שבע פרדיגמות מעורבות אנוש-GAI מופעלות (שמורות, ממוקדות-אפשרות, מוגברות, חלוציות, סימביוטיות, מבוססות-ערכים, שוויוניות) במודל הרב-ממדי של Schommer לאמונות אפיסטמיות אישיות — תיאוריה אפיסטמולוגית, ולא ממוקדת-כלי, של כיצד יחידים מתמקמים באופן שונה ביחס ל-AI.
• מסגרת הסוכנות-המשותפת האקולוגית. Poudyal (2026) טוען שהבינה המלאכותית הגנרטיבית מאצלת מחדש סמכות אפיסטמולוגית ממורים לתלמידים למכונות, ומציג מסגרת המגדירה סוכנות-משותפת באמצעות שלושה ממדים תלויים-זה-בזה — יחסי, רגולטורי (הממופה על מחזור הSRL), ופדגוגי (רצף אימוץ של מורים) — כולם חסויים בתנאי בלתי-מתפשר של אחריותיות אפיסטמית אנושית (ערעוריות, ייחוס, אי-האצלת קרדיט מוסרי/אינטלקטואלי). הוא ממקם את הסוכנות כבעיית עיצוב אפיסטמית ולא כדאגת שמישות, ומעניק למוסדות שפה מדויקת יותר מ"איזון" לניהול שילוב GenAI.
• סוכנות אפיסטמית יחסית ותלות אפיסטמית. Du & Yuan (2026) תורמים חשבון ביקורתי-אינטגרטיבי של מתי תלות בתיווך-AI משמרת לעומת מדיחה שיפוט. הם מבצעים את גבול הסתמכות-פרודוקטיבית/התלות-מזיקה באמצעות שישה קריטריוני אבחון (ערעוריות, שחזוריות, העברה, ניתנות-למעקב, אחריותיות מבוזרת, ריבוייות אפיסטמית) ועוקבים אחר ארבעה מסלולים סוציוטכניים (סמכות שוטפת, אצילה ללא-חיכוך, סינתזה אטומה, תלות מוסדית). ההצעה הנורמטיבית שלהם, סוכנות אפיסטמית יחסית, מרחיבה קווי אוטונומיה-יחסית וסוכנות-אפיסטמית-משותפת על ידי שמירה על אסימטריה מפורשת — AI עלול לעצב הסקה ללא אחריותיות הדדית או סמכות לגיטימית — תוך שילוב אחריותיות וצדק אפיסטמי ברמה המוסדית. כתיאוריה של למידה עם AI, היא מזיזה את שאלת התחום מ"האם AI מסייע או מזיק" ל"אילו פעולות אפיסטמיות נשמרות, משתנות או נדחות", והופכת את עיצוב התלות ולא השימוש בלבד לאובייקט של התערבות פדגוגית ומוסדית.

קידום תיאוריה מבוססת

עבודה אחרת מרחיבה תיאוריה קיימת להקשר ה-AI במקום להקים פרדיגמות חדשות: עבודת הפרדוקס של החשיבה הביקורתית משלבת תיאוריית העומס הקוגניטיבי עם הוראה להפחתת-עומס למסגרת תלת-רמית; הערכה שוויונית מתייחס תיאורטית ל מחדש את ההערכה תחת שיבוש GenAI. Ba, Gašević, Lim & Anderson (2026) קונספטואליזציה מחדש את מסגרת קהילת החקירה עצמה: במקום למסגר את GenAI ככלי, שותף דיאלוגי או "נוכחות רביעית" ספקולטיבית, הם ממקמים אותה מחדש כתנאי אפיסטמי שמשנה מחדש כיצד נוכחות קוגניטיבית, חברתית והוראה מופעלות, מתעדות ומנוהלות — המהווה מחדש נוכחויות CoI כהישגים סוציוטכניים של אסמבלאז'ים אנוש-GenAI, ומציע היוריסטיקה מבוססת-תצורה שבה מעורבות GenAI ואיכות חקירה קשורות מותנית באמצעות אחריותיות אנושית. רב מהעבודה הזו היא עבודת מסגרת קונספטואלית (מסגרות בית-ספר לניהול, סימולציה תקפה) המבצעת תיאוריה לפרקטיקה.

Lin and Chang (2026) מרחיבים את למידה מוסדרת-עצמית ורגולציית אנוש-AI על ידי מתן שם למה שהלומד שולט עליו — תקנים, שיפוטים הערכתיים ואישור שליטה — ולא רק למה שה-AI עושה.

An, McLaren, and Stamper (2026) מקדמים את ACT-R ואת מסגרת ידע-למידה-הוראה על ידי תיאוריזציה של הכללה-יתר מטעה (deceptive overgeneralization) — מצב כשל שבו קומפילציית ידע מייצרת פרודוקציה מוכללת-יתר שמייצרת פעולות נכונות תוך השמטת אילוץ יישום קריטי — ועל ידי אימות אמפירי של תהליך גילוי/תיקון על פני ITSs אדפטיביים וקבוצת נתונים למידה עשרונית K-12.

פוסט-פנומנולוגיה ותיווך טכנולוגי. Farazouli et al. (2026) מקדמים את מסגרת התיווך הטכנולוגי הפוסט-פנומנולוגית המבוססת (Ihde 1990; Verbeek 2006, 2011; Rosenberger & Verbeek 2015) להקשר AI בחינוך. במקום להציע תיאוריה חדשה, הם מחילים אותה כדי לקנספטואליזציה מחדש צ'אטבוטים של GAI כארטיפקטים טכנולוגיים מרובי-יציבות (multistable) ש"תסריטים" שלהם (תגובתיות מהירה, טקסט נשמע-טבעי שיכול להשיג ציונים עוברים) מתווכים את תפיסות המורים ומשנים מחדש את פרקטיקתם — מערערים בטחון מורים, עיצוב מחדש של משמעות המומחיות, ודחיפת מורים מעבר לשאלות אינסטרומנטליות של שימוש מתקבל לערכה מחדש של תפקידם ומשמעות ההוראה. זו תרומת קידום-תיאוריה: היא מדגימה כיצד חשבון פילוסופי של יחסי אנוש-טכנולוגיה מסביר את השיבוש הרגשי והמקצועי שמורים חווים כאשר GAI נכנס לפרקטיקה חינוכית מבוססת.

תרומת מסגרת נוספת היא טיפולוגיית ה-AI×Ed של Rismanchian & Doroudi, המרחיבה את "שלושת האינטראקציות" המקוריים של Kahn (1977) בשני צירים — תפקיד ה-AI (כלי יישומי לעומת אנלוגיה לאינטליגנציה אנושית) ומשתמש הקצה (חוקר ללומד) — כדי למקם כל פרויקט AIED. מעבר לקטגוריזציה של התחום, היא טוענת להחייאת זרם התיאוריה והמחקר של "AI כאנלוגיה לאינטליגנציה אנושית", באמצעות מודלים חישוביים ומונעי-סוכן של למידה (למשל, המודל החישובי שלהם של מסגרת הICAP) לגישור בין תיאוריית למידה עכשווית ומודל חישובי — כיוון מתודולוגי שהתחום נטש ברובו כאשר פנה לעבודה יישומית מונעת-נתונים.

פילוסופיה השוואתית כנתיב לרב-תיאורטיות. Xie (2026) מדגים נתיב שונה לפיתוח תיאוריה: במקום לתאר את ה-AI בחינוך מתוך מסורת אחת, המאמר עורך דיאלוג השוואתי שבו כל מסורת "הופכת גלויה את מה שהאחרת מעלימה", ונמנע במפורש מסנתוזה של התיאוריות למסגרת אחת — גישה המתייחסת לרב-תיאורטיות כעמדה מתודולוגית ולא כמחלוקת בלתי-פתורה. הוא טוען שמסורות לא-מערביות יכולות לעשות יותר מאשר לגוון דיונים; הן יכולות לעצב מחדש את היסודות הקונספטואליים של תיאוריית AIED, ובנות מחדש את "טבע הדאו" (道性), תרבות-עצמית (修道) וה"Zhenren" (真人) הדאואיסטים כמשאבים לחשיבה מחדש על סוכנות, על המטרות האפיסטמיות של החינוך ועל פעולה אתית בתנאי תיווך-AI. הוא מציין גם את הגבולות בגלוי: התרומה היא של מחבר יחיד, לא-אמפירית, ומזהירה שתרגום כזה דורש הקשר כדי להימנע מרומנטיזציה ואוריינטליזם.(Alternative AI Philosophy: Daoism as Method for AI in Education)

בעיית השימוש בתיאוריה ב-AIEd

התיאוריזציה של התחום אינה אחידה. Limitations in AIEd research מתעדת שמחקרי AIEd משתמשים לעיתים קרובות בתיאוריה באופן חלש או בלתי-ביקורתי — חולשה מתודולוגית חוזרת לצד פערי שחזוריות ומדידה. סקירות מוצאות שמאמרי AIEd רבים מחילים תיאוריה בשטחיות או לא כלל (למשל, סקירות ספרות המציינות שמחקרים מעטים מעיגונים התערבות בתיאוריית למידה). הדבר הופך פיתוח תיאוריה — ושימוש בתיאוריה — לדאגת איכות לא פחות ממוצר אקדמי, ומתחבר לשיטות מחקר ולהערכת AIEd.

היחס לפילוסופיה של AI בחינוך

פיתוח תיאוריה והפילוסופיה של AI בחינוך הם זרמים משלימים אך נבדלים של העבודה היסודית של מאגר הידע. פיתוח תיאוריה מייצר ובוחן אמפירית את המנגנונים של למידה-עם-AI — תיאוריות ומסגרות בעלות שם כמו ג'נרטיביזם, סוכנות-אפיסטמית-משותפת, וקו-הבסיס הקוגניטיבי הנעדר, המסבירות ומנבאות כיצד לומדים ו-AI מגיבים. פילוסופיה חוקרת את ההנחות המקדימות שעליהן המנגנונים נשענים: מה נחשב ידע, מי נחשב יודע, ומה שהלומד הוא ביסודו. תיאוריה כמו סוכנות-אפיסטמית-משותפת מציעה מנגנון תוך אימוץ משתמע של מחויבויות פילוסופיות על קוגניציה מבוזרת ועל סוכנות; הפילוסופיה הופכת את המחויבויות הללו מפורשות וערעוריות. בעוד פיתוח תיאוריה שואל האם מסגרת מסבירה למידה היטב, הפילוסופיה שואלת האם היא תופסת מה שלמידה ונפש באמת הם — שני הזרמות נפגשים במאמרים היסודיים ביותר של התחום, העושים לעיתים קרובות את שניהם בבת אחת.

מושגים מקושרים

• תיאוריות למידה
• פילוסופיה של בינה מלאכותית בחינוך
• מגבלות במחקר AIEd
• שיטות מחקר ב-AIED
• בינה מלאכותית יוצרת
• קונסטרוקטיביזם
• מטאקוגניציה
• פריקת עומס קוגניטיבי
• רווחי למידה
• בינה מלאכותית בחינוך
• הערכת מערכות בינה מלאכותית בחינוך
• קהילת חקר
• כניעה קוגניטיבית

מאמרים מקושרים

• Agentivism: a learning theory for the age of artificial intelligence — A mid-range learning theory for human-AI interaction, with four mechanisms and six testable propositions (Yan and Gašević 2026)

• Deceptive Overgeneralization: When Adaptive Learning Enables Systematic Misapplication — Deceptive overgeneralization: adaptive mastery can stop practice before learners know when to withhold an action (An, McLaren & Stamper 2026)

• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education

• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — Generativism as a new learning theory

• Learning with machines: Toward a theory of epistemic co-agency — Toward a theory of epistemic co-agency

• Epistemic Dependence in AI-Mediated Learning — Relational epistemic agency and the productive-reliance/harmful-dependence boundary (Du & Yuan 2026)

• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — The absent cognitive baseline (ACB)

• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — Cognitive commons and expertise regeneration

• Distinguishing performance gains from learning when using generative AI — Performance vs. learning

• Constructing Epistemic AI Literacy: Detecting Epistemic Aims and Processes in Student-AI Co-Programming — Epistemic AI Literacy (EAIL)

• What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education — Credential and cognitive stewardship

• Artificial intelligence as a cognitive partner: a developmental framework for human-AI co-regulation in learning — AI as cognitive partner in co-regulation

• From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning — Epistemic proactivity in mathematics

• Framing human-AI dynamics: An epistemological perspective on generative AI practices — Seven human-GAI engagement paradigms grounded in epistemological beliefs

• The critical-thinking paradox in generative AI-integrated learning: distinguishing efficiency from cognitive depth — a differentiated framework and testable propositions — The critical thinking paradox

• Reimagining Success and Failure: Equitable Assessment Practices in an Age of Artificial Intelligence — Equitable assessment under GenAI

• Thinking—Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning and the Rise of Cognitive Surrender — Tri-System Theory and cognitive surrender: how AI reshapes human reasoning (Shaw & Nave 2026)

• Reconceptualizing Community of Inquiry in the Age of Generative Artificial Intelligence — Reconceptualizing Community of Inquiry in the age of generative AI

• Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence — University teachers' experiences and perceptions of GAI: vulnerability, rethinking assessment, student learning at risk (Farazouli et al. 2026)

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework

• Alternative AI Philosophy: Daoism as Method for AI in Education — Alternative AI Philosophy: Daoism as Method for AI in Education

• EduBehaviors: Assertion-based Schemas for Auditable Coding of Educational Dialogues — EduBehaviors: Assertion-based Schemas for Auditable Coding of Educational Dialogues

• Metacognitive Ownership in Human-AI Regulation: Construct Definition, Boundaries, and a Research Agenda — Metacognitive ownership: construct definition, boundaries, and a research agenda

• The synthetic position: generative artificial intelligence and the suspension of self-authorship in emerging adulthood — The synthetic position: a dialogical-self bid naming synthetic promotion and authorial suspension with a crossover prediction

• A Capability–Decision Model of teacher readiness for AI integration in teaching — Falsifiable capability-first teacher readiness model with four disconfirmation conditions

• Artificial Intelligence Connectedness: Theoretical Reconstruction of Connectedness and Its Impacts on Adolescent Mental Health — Artificial intelligence connectedness: a three-dimensional construct with six falsifiable propositions for later testing