دور الذكاء الاصطناعي في تطوير التعليم الإلكتروني: مراجعة منهجية شاملة للأدبيات

يزن نافع محمود; زيد عبد النافع سعيد

doi:10.61704/pr.706

المؤلفون

يزن نافع محمود رئاسة جامعة نينوى، جامعة نينوى، نينوى، العراق.
زيد عبد النافع سعيد قسم ادارة تقنيات المعلومات، الكلية التقنية الادارية، الجامعة التقنية الشمالية، الموصل، العراق.

DOI:

https://doi.org/10.61704/pr.706

الكلمات المفتاحية:

الذكاء الاصطناعي، التعلم الإلكتروني، التعلم الآلي، التعلم العميق

الملخص

يتناول برز دمج الذكاء الاصطناعي في بيئات التعلم الإلكتروني كأحد أهم التطورات التحويلية في تكنولوجيا التعليم المعاصرة. يستعرض هذا البحث المنهجي الأدبي نتائج خمس دراسات أساسية نُشرت بين عامي 2022 و2025، والتي تتناول الدور المتعدد الأوجه للذكاء الاصطناعي في تخصيص تجارب التعلم، وتعزيز التقييم التكيفي، ودعم الحالة النفسية والعاطفية للمتعلمين، ومعالجة التحديات المرتبطة بالاستخدام الأخلاقي للأنظمة الذكية. يحدد البحث ثلاثة محاور رئيسية: مسارات التعلم التكيفي والتخصيص المدفوع بالذكاء الاصطناعي؛ التعرف على الحالة النفسية والعاطفية للمتعلمين وإدارتها من خلال خوارزميات التعلم الآلي والتعلم العميق؛ التحديات الأخلاقية والمتعلقة بالخصوصية والإنصاف الكامنة في منصات التعليم المدعومة بالذكاء الاصطناعي. تكشف النتائج أن خوارزميات مثل آلات المتجهات الداعمة (SVM)، والشبكات العصبية الالتفافية (CNN)، والذاكرة طويلة المدى ثنائية الاتجاه (BiLSTM)، والترشيح التعاوني، تُحسّن نتائج التعلم باستمرار عند تطبيقها بشكل مناسب. في الوقت نفسه، تستدعي المخاوف المتعلقة بخصوصية البيانات، والتحيز الخوارزمي، والفجوة الرقمية، وجود أطر حوكمة قوية. ويختتم التقرير بتوصيات بشأن توجهات البحث المستقبلية وآثارها على السياسات العامة للمعلمين والتقنيين وصناع القرار.

المراجع

Alharbi, L. A. (2023). A systematic literature review on AI algorithms and techniques adopted by e-learning platforms for psychological and emotional states. International Journal of Advanced Computer Science and Applications, 14(2), 453–464. https://doi.org/10.14569/IJACSA.2023.0140254

Ali, A., Khan, R. M. I., Manzoor, D., Mateen, M. A., & Khan, M. A. (2025). AI-powered e-learning: Innovations, challenges, and the future of education. International Journal of Information and Education Technology, 15(5), 882–890. https://doi.org/10.18178/ijiet.2025.15.5.2294

Alqahtani, A. Y., & Rajkhan, A. A. (2020). E-learning critical success factors during the COVID-19 pandemic: A comprehensive analysis of e-learning managerial perspectives. Education Sciences, 10(9), 216. https://doi.org/10.3390/educsci10090216

Basak, S. K., Wotto, M., & Bélanger, P. (2018). E-learning, M-learning and D-learning: Conceptual definition and comparative analysis. E-Learning and Digital Media, 15(4), 191–216. https://doi.org/10.1177/2042753018785180

Ekman, P. (1992). An argument for basic emotions. Cognition and Emotion, 6(3–4), 169–200. https://doi.org/10.1080/02699939208411068

Gligorea, I., Cioca, M., Oancea, R., Gorski, A.-T., Gorski, H., & Tudorache, P. (2023). Adaptive learning using artificial intelligence in e-learning: A literature review. Education Sciences, 13(12), 1216. https://doi.org/10.3390/educsci13121216

Kitchenham, B., & Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering (Version 2.3, EBSE Technical Report EBSE-2007-01). Keele University.

Murtaza, M., Ahmed, Y., Shamsi, J. A., Sherwani, F., & Usman, M. (2022). AI-based personalized e-learning systems: Issues, challenges, and solutions. IEEE Access, 10, 81323–81342. https://doi.org/10.1109/ACCESS.2022.3193938

Tanjga, M. (2023). E-learning and the use of AI: A review of current practices and future directions. Qeios. https://doi.org/10.32388/AP0208

Zheng, W.-L., Liu, W., Lu, Y., Lu, B.-L., & Cichocki, A. (2019). EmotionMeter: A multimodal framework for recognizing human emotions. IEEE Transactions on Cybernetics, 49(3), 1110–1122. https://doi.org/10.1109/TCYB.2018.2797176