AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Kusini ya Dunia

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Kusini ya Dunia inamaanisha nchi za Afrika, Asia, Amerika ya Kilatini, na Oshania ambazo mara nyingi zinatengwa kwa kiuchumi, kisiasa na kihistoria ikilinganishwa na Kaskazini ya Dunia. Katika Akili Bandia katika elimu na utafiti, miktadha ya Kusini ya Dunia inatambulika kwa kiwango kinachozidi kuwa haijuwakilishwa katika msingi wa ushahidi, hata hivyo huibua maswali mahususi kuhusu usawa, ufaa wa kitamaduni, vikomo vya nyenzo, na utawala wa maarifa wa data ya mafunzo ya Magharibi na ya Kiingereza.

Maswali ya Kutafakari

  • Ikiwa mfumo wa AI unafanya vizuri katika majaribio ya kigezo yaliyojengwa kutoka data ya Magharibi na ya Kiingereza, unapaswa kuwa na uhakika kiasi gani kuwa utafanya kazi vizuri kiasi kile kwa wanafunzi wako? Ungependa kukagua nini kabla ya kuutumainia katika muktadha wako mwenyewe?
  • Fikiria zana ya kujifunza ambayo data yake ya mafunzo na vipimo vyake vya tathmini vilikamilika katika Kaskazini ya Dunia. Ni dhana zipi kuhusu lugha, mila za maarifa, na uhalisia wa elimu inaweza kuweka kwa siri — na ni nani anayewezekana zaidi kutowakilishwa vizuri nazo?
  • Wakati matumizi ya AI yanachunguzwa, ni madarasa na taasisi zipi zinaelekea kushinda katika msingi wa ushahidi? Hiyo inawezaje kupotosha kile tunachodhani tunajua kuhusu iwapo AI 'inafanya kazi' katika elimu?
  • Ukurasa huu unatetea kuchukulia maarifa ya wanafunzi ya maisha na ya jamii kama yenye mamlaka, si tu kama nyongeza kwa mifano ya Magharibi. Ingechukua nini ili mazoezi yako mwenyewe ya AI au utafiti uweke maarifa ya mahali pa kitu badala ya kuleta kutoka mahali pengine?
  • Vikomo vya nyenzo ni mada inayojirudia katika miktadha ya Kusini ya Dunia. Je, ahadi ya msaada wa gharama ndogo na unaoweza kupanuliwa ya AI inawezaje kufunga na kupanua pengo la fursa zilizopo, kulingana na jinsi imebuniwa na kutekelezwa?
  • Unawezaje kutambua iwapo teknolojia iliyo 'kukubalika' katika mazingira fulani ilikubaliwa kwa kweli kwa sababu ilifaa masharti ya mahali pa kitu — au kwa sababu ilidhaniwa kuwa itahamishika? Ni ushahidi upi ungetofautisha hilo mbili?

Utangulizi

Kwa Nini Ni Muhimu kwa AIED

Utafiti wa kawaida wa AI na wa teknolojia ya elimu umeelekezwa kihistoria na data za Magharibi na za Kiingereza na miktadha ya taasisi. Hii huunda matatizo mawili: (1) mifumo ya AI iliyofunzwa kwa data kama hiyo inaweza kufanya vibaya au kutowakilisha wanafunzi katika mazingira ya Kusini ya Dunia, na (2) vigezo vya Kigezo cha Kupima vilivyojengwa katika Kaskazini ya Dunia vinaweza kutowakilisha uhalisia wa elimu, lugha, au mila za maarifa za mikanda mingine. Utafiti kutoka miktadha ya Kusini ya Dunia katika hifadhi hii ya maarifa unajumuisha data zilizojengwa kwa kitamaduni, vigezo, na masudio ya matumizi ya teknolojia, yenye athari kwa Ujuzi wa AI na elimu ya chuo kikuu na ya K-12.

Matumizi katika Hifadhi ya Maarifa

  • Data na vigezo vilivyojengwa kwa kitamaduni: IKS-Instruct hutoa seti ya data ya maelekezo ya lugha nyingi ya Mifumo ya Maarifa ya India; NSMQ Riddles inaleta kigezo cha STEM cha Ghana, mojawapo ya seti za kwanza za tathmini ya elimu za Kusini ya Dunia.

  • Ufahamu wa maadili ya AI katika elimu ya juu ya Ghana: Acquah et al. (2026) walithibitisha kipimo cha ufahamu wa maadili ya AI cha vipimo vitatu (uhuru, wema, haki) na wanafunzi 509 wa chuo kikuu nchini Ghana, wakipata profaili tano zilizofichwa kutoka ufahamu wa juu sana wa usawa hadi kundi dogo chenye karibu hakuna — dhaifu zaidi kwa wema — na bila tofauti za jinsia, wakitoa kigezo cha kupima cha Kusini ya Dunia kwa fasihi ya Maadili ya AI.

  • Mantiki ya maadili ya walimu katika miktadha ya nyenzo chache: Adelana et al. (2026) waligundua kuwa walimu wa sekondari wa STEAM wanaohudumu katika miktadha wa nyenzo chache wanafikiri kuhusu maadili ya AI kupitia utambulisho wa kitaaluma, uhalisia wa darasa, na mila za kitamaduni badala ya orodha rasmi za kanuni, wakipinga dhana za "maadili matupu" kuhusu Kusini ya Dunia.

  • Kukubalika kwa muktadha: Asag & Al Mamun wanaunda mfano wa matumizi ya GenAI miongoni mwa wanafunzi wa uhandisi wa Bangladeshi, na ConnectED inatekeleza mfumo wa kupanga masomo unaolingana na mtaala kwa elimu ya Vietnam.

  • Ujenzi wa uwezo, sio miundo msingi, ulihamisha kukubalika kwa wataalam. Miongoni mwa wataalam 255 wa Bangladeshi, mtazamo kuelekea GenAI ulitabiri kwa nguvu matumizi (β = 0.556) na ufaao wa mahususi wa taaluma ulichochea mtazamo (β = 0.413), huku utoaji wa teknolojia ya taasisi na mila za kihisia zisizokuwa vigezo muhimu (Alam et al. (2026)).

  • Ujumuishaji wa taasisi na ukosefu wa usawa wa muundo: Adeniranye et al. (2026)' uchanganuzi wa kulinganisha maudhui ya vyuo 45 vya Nigeria (shirikisho/jimbo/binafsi) uligundua kuwa ujumuishaji wa AI unatabiriwa na umri wa taasisi na eneo la kijiografia — si aina ya utawala — na kuwa viungo vya mtandao wa kimataifa na wa viwanda vinaimarisha kila mmoja (r = 0.74), hivyo taasisi zilizounganishwa vizuri huongeza faida huku zingine zikiongeza kuachwa nyuma. Inaweka ukosefu wa usawa wa kidijitali si tu katika kiwango cha mwanafunzi bali katika uwezo wa muundo wa taasisi za elimu ya juu zenyewe.

  • Maendeleo ya kitaaluma kama upatanishi wa kidijitali chini ya kizuizi cha muundo: Sithole (2026) anahoji wataalam kumi na wawili wa maendeleo ya kitaaluma na wabuni wa kujifunza katika taasisi mbili za Kihistoria za Afrika Kusini zilizokuwa na hasara na anatoa mstari wa kuchanganua ambao fasihi ya Kusini ya Dunia mara nyingi huchanganya: ukosefu wa usawa wa kidijitali ni wa kugawa na unaweza kujibiwa kwa kanuni kupitia mgawanyo upya na upatikanaji, huku ukoloni wa algoriti ukiwa wa maarifa na ukiendelea hata chini ya upatikanaji kamili kwa sababu unategemea kile mifumo inaweka na maarifa ya nani yanayowekwa katikati. Yote mawili yamechanganyika lakini yanahitaji majibu tofauti, na taasisi imewekwa mara mbili — imetengwa na upungufu wa miundo msingi, na, ikijumuishwa, imedhalilishwa na mifumo iliyoletwa ambayo huweka maarifa na mila za wengine. Hotari ya AI ya taasisi ("utendaji zaidi ya mazoezi") ilifika bila muunganisho thabiti na uhalisia wa nyenzo wa kufundisha, hivyo wataalam walihamisha mazungumzo ya mabadiliko ya kidijitali ya ulimwengu kuwa mazoezi yanayofaa kwa muktadha: kupima na kuvunja zana kwa makusudi katika nafasi za marika, kusisitiza hukumu juu ya ujuzi, na kuchukua gharama ya kihisia ya kuonyesha utaalam ambao bado waliupata.

  • Kutengwa kwa maarifa: Tali-Otmani anadai kuwa data ya mafunzo inayoelekea Magharibi inatenga maarifa yasiyo ya Magharibi na yanayozingatia ulemavu — kuunganisha wasiwasi wa Kusini ya Dunia na Usawa na Mbinu za Kufundisha Zinazohusiana na Kitamaduni.

  • Ulemavu na ujumuisha katika Kusini ya Dunia: Khlaif et al. (2026) — utafiti wa kina wa wanafunzi 21 wa uandishi unaoona wanaojifunza katika vyuo vitatu vya Palestina — waligundua GenAI inavunja pengo la kidijitali, la kijiografia na la kiuchumi kwa wanafunzi wenye ulemavu, wakipanua utafiti wa kukubalika kwa teknolojia kwa miktadha ya ulemavu ambapo ufaa wa matumizi, uwezo wa bei, na Ufikivu unaimarisha kila mmoja.

  • Kubuni kwa vigezo vya mahali pa kitu chini ya vikomo vya nyenzo: Bashir na Afzal (2026) wanajenga Sukoon kama majibu ya kubuni ya Kusini ya Dunia kwa kutofautiana kuliorekodiwa — chatbot za afya ya akili zilizofunzwa hasa kwa data za Magharibi na kwa lugha ya Kiingereza kwa kiasi kikubwa, huku wanafunzi wa Pakistan wakikabiliana na vigezo vya kitaaluma, vya kifedha, vya familia na vya mahusiano kwa wakati mmoja na mara nyingi wasioweza kuibua matatizo ya kihisia na wazazi, walimu, au marika kwa sababu ya aibu. Vikomo vya vitendo vya waandishi ni vya kuelimisha kiasi kile kama mfano wao: Mifano Mikubwa ya Lugha (LLM) ya Chanzo Huria ya upatikanaji bila malipo kupitia API iliyopangwa kwa mahitaji madogo ya nyenzo, utekelezaji nyepesi wa Flask kwa vyuo vya mikanda, "zana zinapatikana lakini mara nyingi ni za gharama kubwa" ikiorodheshwa kama kizuizi, na upatikanaji usio wa usawa wa mifano ya kulipia ukitajwa kama hatari ya utegemezi wa jumla. Wanabainisha pia kuwa kibainishaji kilifunzwa kwa seti ya data inayopatikana kwa umma isiyowakilisha wanafunzi wa Pakistan, na wanajitolea kwa data ya DASS-21 iliyokusanywa mahali pa kitu kabla ya kutoa hitimisho za idadi ya watu.

  • Ushahidi wa tathmini mdogo na mahususi wa zana kutoka elimu ya juu ya Afrika: Mapitio ya kimfumo ya PRISMA 2020 ya utafiti wa kiuchunguzi uliochapishwa kati ya 2023 na 2025 ulipata masudio kumi tu, yaliyokusanyika Nigeria na Afrika Kusini na yalifanywa karibu yote kwa ChatGPT, hivyo kile kinachojulikana kuhusu kubuni upya tathmini kwa AI ya kizalishaji katika elimu ya juu ya Afrika hutegemea masudio ya sampuli ndogo, ya taasisi moja, na ya kujitangaza badala ya mapato ya kujifunza yaliyopimwa — waandishi wa mapitio wanaweka mapendekezo yao kama mwelekeo badala ya athari zilizokwisha kubainishwa.

  • Usawa ni kipimo kisichochunguzwa zaidi katika mikanda yote. Mapitio ya PRISMA-ScR ya masudio 75 ya Kusini ya Dunia (2022–2025) yaligundua usawa kuwa kipimo kisichochunguzwa zaidi katika maeneo yake matano licha ya umuhimu wake kwa elimu ya ujumuishaji, na yaliripoti pengo kati ya msimamo wa maadili ulioelezwa na wanafunzi na tabia yao (Nguyen & Perkins, 2026).

Athari

Kuzingatia miktadha ya Kusini ya Dunia kunahitaji kuenda zaidi ya kudhani kuwa mifano na vigezo vya Magharibi vinahamishika moja kwa moja. Inahitaji data zilizojengwa mahali pa kitu, Mbinu za Kufundisha na Mikakati ya Kufundisha inayofaa kitamaduni, viwango vya tathmini vinavyozingatia jamii, na utafiti unaochukua maarifa ya maisha na ya jamii ya wanafunzi kama yenye mamlaka — yakilingana na miundo kama kujifunza AI kwa msingi wa jamii na utafiti wa kukubalika kwa teknolojia uliobadilishwa kuendana na masharti ya mahali pa kitu.

Rekodi ya upanuzi ni sehemu ya picha hiyo, na ni ya kukasirisha. Programu zinazofanya kazi kwenye kiwango cha jaribio mara nyingi huacha kufanya kazi serikali zinapozitekeleza: mpango wa Kenya ambao ulizalisha mapato makubwa chini ya utekelezaji wa mashirika yasiyo ya serikali haukuonyesha mapato yanayotambulika kwa kiwango cha serikali (Bold et al.), viwango vya athari vinaelekea kushuka kadiri programu zinavyokua (Vivalt), na ubora wa utekelezaji hupungua kadiri maeneo yakiongezeka (Al-Ubaydli, List & Suskind). Kigezo cha Amerika ya Kilatini chenyewe ni mpango wa One Laptop per Child wa Peru — takribani laptop 800,000 zilisambazwa bila athari inayotambulika kwa hisabati au kusoma — ambalo somo lililovutwa ni kwamba upatikanaji wa teknolojia sio mafunzo. Restrepo Morales et al. (2026) wanaongeza somo la kuripoti kwa somo la upanuzi: katika tukio la 2026 la El Salvador, jaribio la mafunzo ya AI katika shule 171 lilitangazwa kuwa linalinganishwa na Ujerumani na Uswidi huku sampuli ya uwakilishi ya PISA 2025 ya nchi hiyo hiyo ikionesha hakuna mabadiliko katika masomo mawili kati ya matatu, na data ya jaribio zilikuwa nyembamba mno (wanafunzi 7.0 waliotathminiwa kwa shule dhidi ya 25.4 kitaifa) kuzuia uteuzi kama maelezo. Kwa mifumo ya Kusini ya Dunia inayokubali AI kwa kiwango kubwa athari ni mbili: ushahidi kwamba mabadiliko yanafanya kazi kwa kawaida unahusu vipengele inavyojumuisha badala ya teknolojia katika kichwa chake, na utekelezaji wa awamu uliopangwa kabla ya kuweka unatambua athari kwa gharama karibu sifuri — jambo linalomuhimu zaidi pale muunganisho unaelekea awamu vile vile.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

NgaziHigher Ed, K 12
Teknolojia na MbinuAkili Bandia ya Kizazi
Usawa, Maadili, na Matumizi ya UwajibikajiMbinu za Kufundisha Zinazohusiana na Kitamaduni, Usawa, Kusini ya Dunia
Misingi ya Akili Bandia katika ElimuUjuzi wa AI
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.