AI ethics

STEM-focused higher education systems worldwide face increasing pressure to prepare learners for complex, ill-structured challenges, from climate resilience to AI ethics, that demand adaptive expertise and integrative thinking. Yet most higher education environments remain oriented toward near transfer, emphasizing the application of knowledge within familiar boundaries more consistently than flexible reasoning across diverse contexts. This essay advances the Fractal Systems Model (FSM), an equity-centered conceptual framework that integrates cognitive, sociocultural, and systems-theoretical perspectives to examine how higher education systems might be designed to support adaptive expertise. FSM reconceptualizes far transfer as a potentially designable system property shaped by recursively aligned learning processes across educational scales. Drawing on research in cognitive science, situated learning, equity studies, and Discipline-Based Education Research, the model specifies how opportunities for abstraction, integration, and recontextualization can recur across the micro, meso, and macro levels of higher education. FSM further proposes that alignment across these levels may strengthen opportunities for far transfer and adaptive expertise while reducing reliance on isolated courses or selective enrichment experiences. The model offers researchers, practitioners, and policymakers an empirically testable systems framework for examining how equitable learning ecosystems can be designed to support adaptive expertise for the complex challenges of the twenty-first century.

سیستم‌های آموزش عالی با تمرکز بر STEM در سراسر جهان با فشار فزاینده‌ای برای آماده‌سازی یادگیرندگان جهت مواجهه با چالش‌های پیچیده و ساختارنیافته، از تاب‌آوری اقلیمی تا اخلاق هوش مصنوعی، که نیازمند تخصص انطباقی و تفکر تلفیقی هستند، روبه‌رو می‌باشند. با این حال، اغلب محیط‌های آموزش عالی همچنان بر انتقال نزدیک متمرکز هستند و کاربرد دانش در چارچوب‌های آشنا را بیش از استدلال انعطاف‌پذیر در زمینه‌های متنوع مورد تأکید قرار می‌دهند. این مقاله مدل سیستم‌های فراکتال (FSM) را به عنوان یک چارچوب مفهومی با محوریت عدالت معرفی می‌کند که دیدگاه‌های شناختی، جامعه‌فرهنگی و نظریه سیستم‌ها را برای بررسی چگونگی طراحی سیستم‌های آموزش عالی به منظور حمایت از تخصص انطباقی ادغام می‌کند. مدل FSM، انتقال دور را به عنوان یک ویژگی بالقوه قابل طراحی سیستم بازتعریف می‌کند که توسط فرآیندهای یادگیری هم‌تراز و بازگشتی در مقیاس‌های مختلف آموزشی شکل می‌گیرد. با بهره‌گیری از پژوهش‌ها در علوم شناختی، یادگیری موقعیتی، مطالعات عدالت و پژوهش آموزش مبتنی بر رشته، این مدل مشخص می‌کند که چگونه فرصت‌های انتزاع، ادغام و بازمتن‌سازی می‌توانند در سطوح خرد، میانه و کلان آموزش عالی تکرار شوند. مدل FSM همچنین پیشنهاد می‌کند که هم‌ترازی در این سطوح می‌تواند فرصت‌های انتقال دور و تخصص انطباقی را تقویت کند و در عین حال اتکا به دوره‌های منفرد یا تجارب غنی‌سازی گزینشی را کاهش دهد. این مدل چارچوبی نظام‌مند و قابل آزمون تجربی برای پژوهشگران، متخصصان و سیاست‌گذاران فراهم می‌آورد تا بررسی کنند چگونه زیست‌بوم‌های یادگیری عادلانه می‌توانند برای حمایت از تخصص انطباقی در مواجهه با چالش‌های پیچیده قرن بیست‌ویکم طراحی شوند.

The development of Artificial Intelligence (AI) is increasingly mediating how humans acquire knowledge, make decisions, and perform cognitive activities. In higher education, the delegation of cognitive activities to algorithmic systems has the potential to shift human judgment and responsibility. This study aims to examine Qur’anic anthropology as a foundation for reframing human agency under increasingly AI-mediated conditions. This study employs a qualitative approach using a literature-based design and conceptual analysis. A semantic-contextual analysis is conducted on the Qur’anic terms al-insān, al-bashar, al-nās, Banī Ādam, al-ins, al-mar’, as well as the concepts of ‘abd and khalīfah. The findings are then synthesized with theories of human agency, moral responsibility, and AI ethics. The findings reveal that Qur’anic anthropology represents human beings as multidimensional entities possessing cognitive, relational, moral, spiritual, and teleological capacities. These dimensions are reconstructed into eight capacities of Qur’anic human agency: epistemic, moral, relational, spiritual, and teleological agency. The findings demonstrate that human agency from a Qur’anic perspective is not synonymous with absolute autonomy, but rather constitutes the capacity to understand, evaluate, choose, and act consciously within an orientation of values and responsibility. In the context of AI, Qur’anic Ethical Intelligence (QEI) is conceptualized as an ethical capacity to direct and evaluate the use of AI without surrendering human judgment and responsibility to algorithmic systems. As a conceptual study, this research does not empirically test the application of QEI among university students. Further research is therefore needed to validate and develop measurement instruments. This study connects Qur’anic anthropology with human agency under algorithmic conditions and proposes QEI as a framework for strengthening human agency resilience in the age of AI.

توسعه هوش مصنوعی (AI) به طور فزاینده‌ای در نحوه کسب دانش، تصمیم‌گیری و انجام فعالیت‌های شناختی توسط انسان‌ها نقش میانجی ایفا می‌کند. در آموزش عالی، واگذاری فعالیت‌های شناختی به سامانه‌های الگوریتمی می‌تواند موجب تغییر در قضاوت و مسئولیت انسانی شود. هدف این پژوهش بررسی انسان‌شناسی قرآنی به عنوان مبنایی برای بازنگری عاملیت انسانی در شرایطی است که به طور فزاینده‌ای با میانجی‌گری هوش مصنوعی مواجه هستیم. این پژوهش با رویکرد کیفی و با استفاده از طراحی مبتنی بر مرور متون و تحلیل مفهومی انجام شده است. تحلیل معنایی-زمینه‌ای بر روی واژگان قرآنی الانسان، البشر، الناس، بنی‌آدم، الانس، المرء و همچنین مفاهیم عبد و خلیفه صورت گرفته است. یافته‌ها با نظریه‌های عاملیت انسانی، مسئولیت اخلاقی و اخلاق هوش مصنوعی تلفیق شده‌اند. نتایج نشان می‌دهد که انسان‌شناسی قرآنی، انسان را به عنوان موجودی چندبعدی با ظرفیت‌های شناختی، ارتباطی، اخلاقی، معنوی و غایتمند معرفی می‌کند. این ابعاد در قالب هشت ظرفیت عاملیت انسانی قرآنی شامل عاملیت معرفتی، اخلاقی، ارتباطی، معنوی و غایتمند بازسازی شده‌اند. یافته‌ها نشان می‌دهد که عاملیت انسانی از منظر قرآنی معادل خودمختاری مطلق نیست، بلکه عبارت است از توانایی فهم، ارزیابی، انتخاب و عمل آگاهانه در چارچوب جهت‌گیری ارزشی و مسئولیت. در زمینه هوش مصنوعی، «هوش اخلاقی قرآنی» (QEI) به عنوان ظرفیتی اخلاقی برای هدایت و ارزیابی استفاده از هوش مصنوعی بدون واگذاری قضاوت و مسئولیت انسانی به سامانه‌های الگوریتمی مفهوم‌سازی می‌شود. این پژوهش به عنوان یک مطالعه مفهومی، به طور تجربی کاربرد QEI را در میان دانشجویان دانشگاهی آزمون نکرده است؛ بنابراین، پژوهش‌های بیشتری برای اعتبارسنجی و توسعه ابزارهای سنجش مورد نیاز است. این مطالعه انسان‌شناسی قرآنی را با عاملیت انسانی در شرایط الگوریتمی پیوند داده و QEI را به عنوان چارچوبی برای تقویت تاب‌آوری عاملیت انسانی در عصر هوش مصنوعی پیشنهاد می‌کند.

Teacher preparation programs have quickly adopted artificial intelligence tools, but the ethical, social, and environmental dimensions of that adoption receive comparatively little attention in how future educators are trained. This conceptual analysis addresses that gap by asking how AI competence, sustainability education, and ethical technology use can be integrated into teacher preparation as a single coherent framework rather than three parallel add-ons. Drawing on critical digital pedagogy, domain-specific cognition theory, and Mezirow's transformative learning theory, we synthesize policy documents and peer-reviewed literature on AI in education, sustainability education, and teacher preparation to develop the SAGE Model (Sustainability and AI for Global Educators). SAGE organizes teacher preparation around three interconnected pillars: Critical Integration, which addresses how AI systems reflect the assumptions and biases of their design; Applied Problem-Solving, which situates AI and sustainability literacy in authentic classroom and systems-level challenges; and Reflexive Praxis, which asks candidates to examine their own judgment and positionality when using AI tools. The model treats AI as an instrument that can extend, not replace, educator judgment in addressing complex sustainability and equity problems in practice. This is a conceptual contribution: SAGE has not yet been implemented or empirically validated in a teacher preparation program, and the paper closes by outlining what that validation would require. The paper examines ethical considerations and challenges of AI in education, presents the SAGE Model and its theoretical grounding with illustrative applications across K–12 and higher education, and discusses implications for practice, policy, and future research.

برنامه‌های تربیت معلم به سرعت ابزارهای هوش مصنوعی را پذیرفته‌اند، اما ابعاد اخلاقی، اجتماعی و زیست‌محیطی این پذیرش نسبتاً کمتر در آموزش معلمان آینده مورد توجه قرار گرفته است. این تحلیل مفهومی به این خلأ می‌پردازد و می‌پرسد چگونه می‌توان شایستگی هوش مصنوعی، آموزش پایداری و استفاده اخلاقی از فناوری را به عنوان یک چارچوب منسجم و نه سه افزونه موازی در تربیت معلم ادغام کرد. با بهره‌گیری از پداگوژی انتقادی دیجیتال، نظریه شناخت دامنه‌محور و نظریه یادگیری تحولی Mezirow، اسناد سیاستی و ادبیات داوری‌شده درباره هوش مصنوعی در آموزش، آموزش پایداری و تربیت معلم را برای توسعه مدل SAGE (پایداری و هوش مصنوعی برای معلمان جهانی) تلفیق می‌کنیم. مدل SAGE تربیت معلم را حول سه رکن به‌هم‌پیوسته سازمان‌دهی می‌کند: ادغام انتقادی که به چگونگی بازتاب مفروضات و سوگیری‌های طراحی در سیستم‌های هوش مصنوعی می‌پردازد؛ حل مسئله کاربردی که سواد هوش مصنوعی و پایداری را در چالش‌های واقعی کلاس درس و سطح نظام قرار می‌دهد؛ و کنش بازاندیشانه که از داوطلبان می‌خواهد قضاوت و جایگاه خود را هنگام استفاده از ابزارهای هوش مصنوعی بررسی کنند. این مدل، هوش مصنوعی را ابزاری می‌داند که می‌تواند قضاوت معلم را در مواجهه با مسائل پیچیده پایداری و عدالت در عمل گسترش دهد، نه جایگزین آن شود. این مقاله یک مشارکت مفهومی است: مدل SAGE هنوز در برنامه تربیت معلم اجرا یا به طور تجربی اعتبارسنجی نشده است و مقاله با ترسیم الزامات این اعتبارسنجی پایان می‌یابد. مقاله به بررسی ملاحظات و چالش‌های اخلاقی هوش مصنوعی در آموزش، ارائه مدل SAGE و مبانی نظری آن با کاربردهای نمونه در آموزش K–12 و آموزش عالی، و بحث درباره پیامدهای آن برای عمل، سیاست و پژوهش‌های آینده می‌پردازد.

This study reviews STEM Education: Shaping Future Learning Practices in the Age of AI, edited by Elmas and Akarsu and published by Palgrave Macmillan in 2026. The review examines how the book conceptualizes the transformation of STEM education in the age of artificial intelligence (AI) and evaluates the opportunities and limitations of its approach from the perspective of chemistry education. Consisting of fourteen chapters, the book was examined in terms of context and purpose, relevance to its target audience, timeliness and contribution to the literature, content, and theoretical, methodological, and practical strengths and limitations. The review indicates that the book considers AI not merely as a technological innovation but in relation to teacher education, teacher and student roles, engineering design, assessment, ethics, equity, real-life problems, and socioecological dimensions. AI is positioned as a means of supporting pedagogical and cognitive processes rather than replacing teachers or students. The chapter on teaching chemical reactions particularly illustrates the use of AI in chemistry education. However, a more holistic conceptual framework connecting the chapters and stronger empirical evidence on learning outcomes are needed. Overall, the book provides a timely, multidimensional, and critical reference for STEM, science, and chemistry education.

این مطالعه به بررسی کتاب آموزش STEM: شکل‌دهی به شیوه‌های یادگیری آینده در عصر هوش مصنوعی، به سردبیری Elmas و Akarsu و منتشرشده توسط Palgrave Macmillan در سال ۲۰۲۶ می‌پردازد. این مرور، نحوه مفهوم‌پردازی کتاب از تحول آموزش STEM در عصر هوش مصنوعی (AI) را مورد بررسی قرار داده و فرصت‌ها و محدودیت‌های رویکرد آن را از منظر آموزش شیمی ارزیابی می‌کند. کتاب متشکل از چهارده فصل است و از نظر زمینه و هدف، ارتباط با مخاطبان هدف، به‌هنگام بودن و سهم در ادبیات، محتوا و نقاط قوت و ضعف نظری، روش‌شناختی و عملی مورد بررسی قرار گرفته است. نتایج مرور نشان می‌دهد که کتاب، هوش مصنوعی را صرفاً به عنوان یک نوآوری فناورانه در نظر نمی‌گیرد، بلکه آن را در ارتباط با آموزش معلمان، نقش‌های معلم و دانش‌آموز، طراحی مهندسی، ارزشیابی، اخلاق، عدالت، مسائل واقعی و ابعاد اجتماعی‌ـ‌اکولوژیکی بررسی می‌کند. هوش مصنوعی به عنوان ابزاری برای حمایت از فرایندهای آموزشی و شناختی، نه جایگزینی معلمان یا دانش‌آموزان، مطرح می‌شود. فصل مربوط به آموزش واکنش‌های شیمیایی به طور خاص کاربرد هوش مصنوعی در آموزش شیمی را نشان می‌دهد. با این حال، چارچوب مفهومی جامع‌تر برای پیوند دادن فصل‌ها و شواهد تجربی قوی‌تر درباره پیامدهای یادگیری مورد نیاز است. در مجموع، این کتاب مرجع به‌هنگام، چندبعدی و انتقادی برای آموزش STEM، علوم و شیمی فراهم می‌کند.