مستقبل عمل الأكاديميين في عصر الذكاء الاصطناعي
The Future of Work of Academics in the Age of Artificial Intelligence State-of-the-Art and a Research Roadmap
الملخّص
ملخص: حظي مستقبل العمل باهتمم كبير من جانب الأكاديميين والممرِسين؛ إذ يؤدي ظهور الذكاء الاصطناعي دورًا مهّمًا في تشكيل هذا الخطاب. وعلى الرغم من التصور الشائع المتمثّل في أن الآلات الذكية تُشكّل تهديدًا للعاملين في الوظائف الروتينية، فإن تقنيات الذكاء الاصطناعي أصبحت تُستخدم على نحو متزايد في المهّمات المتقدمة التي يضطلع بها العاملون في الحقل المعرفي. واستنادًا إلى أحدث ما توصلت إليه الأبحاث والأمثلة الواقعية، نُطوّر إطارًا متكاملًا لاستكشاف مستقبل العمل الأكاديمي نركّز فيه على الأكاديميين، بوصفهم فئة أساسية من العاملين في الحقل المعرفي، ومع ذلك فإن البحث لم يُولِها ما يكفي من الاهتمم، ونناقش طبيعة عملهم وعلاقته بالذكاء الاصطناعي عبر أبعاد المكان والزمان والمهمة. ويكشف تحليلنا أن استخدام تقنيات هذا النوع من الذكاء قد يكون له تداعيات على أنشطة البحث والتدريس والخدمات التي يقوم بها الأكاديميون؛ ومن ثمّ على عمليات إنتاج المعرفة، واكتسابها، ونشرها، وتطبيقها. واستنادًا إلى هذا الإطار، نضع عددًا من السيناريوهات ونقترح "خريطة طريق" للأبحاث المستقبلية. كلمت مفتاحية: مستقبل العمل، الأكاديميون، العمل في المعرفة، الذكاء الاصطناعي.
Abstract
The Future of Work (FoW) has garnered significant attention among scholars and practitioners, with the advent of Artificial Intelligence (AI) playing an important role in shaping this discourse. Despite the common perception that intelligent machines pose a threat to workers in routine roles, AI technologies are increasingly being utilized for advanced tasks carried out by knowledge workers. Drawing on state-of-the-art research and real-life examples we develop an integrated framework to explore the future of academic work. Our focus is on academics, an essential yet under-researched group of knowledge workers, and we discuss their work in relation to AI across space, time, and task dimensions. Our analysis reveals that the usage of AI technologies can have implications for the research, teaching, and service activities of academics and thereby also for the creation, acquisition, dissemination, and application of knowledge. Based on our framework we develop scenarios and propose a future research roadmap.
- مستقبل العمل
- الأكاديميون
- لعمل في المعرفة
- الذكاء الاصطناعي
- future of work
- Academia
- Knowledge
- Artificial Intligence
آيزان تورسونباييفا*Aizhan Tursunbayeva | **Translated by:Mohammed Seyam | ترجمة: محمد صيام
مستقبل عمل الأكاديميين يف عصر الذكاء الاصطناعي أحدث التطورات وخريطة طريق بحثية The Future of Work of Academics in the Age of Artificial Intelligence
State-of-the-Art and a Research Roadmap
الرقم التعريفيDOI https://doi.org/10.31430/CXMQ3307
مقدمة
تشير التطورات الحالية في مجال الذكاء الاصطناعي (AI) إلى آثار ذات أهمية في التعليم العالي (والعاملين فيه)؛ إذ تُظهر الأبحاث أنه يُستخدم بطرائق متنوعة لأتمتة عمل الأكاديميين وتعزيزه1، وهو يشير إلى تقنيات ذات قدرة على تفسير البيانات، والتعلم منها، من أجل تحقيق أهداف محددة من خلاال التكيّف2، استنادًا إلى محاكاة الذكاء الطبيعي انطقًا من الإحساس بالبيئة المحيطة وإدراكها3. وقد اجتذبت أدبيات مستقبل العمل اهتممًا أكاديميًا متزايدًا، لا سيم منذ توسّع الرقمنة وما نتج منها من استخدام واسع النطاق للتقنيات المتسارعة مثل الذكاء الاصطناعي4. ويشير مفهوم مستقبل العمل، بوجه عام، إلى التنبؤ بالتغيرات المستقبلية في العمل أو أماكن العمل نتيجةً للتطورات التكنولوجية والاجتمعية. وفي هذه الدراسة، نعتمد منظور مستقبل العمل لدراسة عمل الأكاديميين على وجه التحديد، نظرًا إلى
أن الأبحاث أظهرت أن للذكاء الاصطناعي قدرةً على إحداث تغييرات جذرية في التعليم العالي5. وركّزت أدبيات مستقبل العمل، في أغلب الأحيان، على التهديد الذي يواجه العمل بسبب توقعات إحلاال الوظائف الروتينية محلّ الآلات "الذكية"، ومنها - على سبيل المثال - كتاب إريك برينجولفسون وأندرو مكافي6، ودراسة كارل بيندكت فراي ومايكل أوزبورن7. ومع ذلك، تُظهر التحليلاات التاريخية أنه، على الرغم من توقّع تأثيرات سلبية في الوظائف في كثير من الأحيان، فإن هذه التقنيات الذكية أدّت، في الواقع، إلى ظهور مهّما ت جديدة، أو حتى وظائف جديدة8 يجري فيها تعزيز أداء العاملين بدلًا من استبدالهم9.
1 Michael Bearman, Judith Ryan & Rola Ajjawi, "Discourses of Artificial Intelligence in Higher Education: A Critical Literature Review," Higher Education, vol. 86 (2023), pp. 369-385. 2 Andreas Kaplan & Michael Haenlein, "Siri, Siri, in My Hand: Who's the Fairest in the Land? On the Interpretations, Illustrations, and Implications of Artificial Intelligence," Business Horizons, vol. 62, no. 1 (2019), pp. 15–25. 3 Stuart Russell & Peter Norvig, Artificial Intelligence: A Modern Approach, 4 th ed., Global ed. (Harlow: Pearson Education Limited, 2022). 4 James A. Boyd & Michael Huettinger, "Smithian Insights on Automation and the Future of Work," Futures, vol. 111 (2019), pp. 104–115. 5 Bearman, Ryan & Ajjawi; Olaf Zawacki-Richter et al., "Systematic Review of Research on Artificial Intelligence Applications in Higher Education—Where Are the Educators?" International Journal of Educational Technology in Higher Education, vol. 16, no. 1 (2019), pp. 1–27. 6 Erik Brynjolfsson & Andrew McAfee, The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies (New York: W.W. Norton & Company, 2014). 7 Carl Benedikt Frey & Michael A. Osborne, "The Future of Employment: How Susceptible Are Jobs to Computerisation?" Technological Forecasting and Social Change, vol. 114 (2017), pp. 254–280. 8 David H. Autor, "Why Are There Still So Many Jobs? The History and Future of Workplace Automation," Journal of Economic Perspectives, vol. 29, no. 3 (Summer 2015), pp. 3–30; Michael R. Frank et al., "Toward Understanding the Impact of Artificial Intelligence on Labor," Proceedings of the National Academy of Sciences, vol. 116, no. 14 (2019), pp. 6531–6538. 9 Line Pettersen, "Why Artificial Intelligence Will Not Outsmart Complex Knowledge Work," Work, Employment and Society, vol. 33, no. 6 (2019), pp. 1058–1067; Sebastian Raisch & Simon Krakowski, "Artificial Intelligence and Management: The Automation-Augmentation Paradox," Academy of Management Review, vol. 46, no. 1 (2021), pp. 192–210.
ولهذه الأسباب، يرّك ز النقاش المعاصر على أتمتةٍ وتعزيزٍ لعمل المهنيين ذوي التعليم العالي والمهارات المتقدمة، ومنهم الأكاديميون. فهؤلاء يُعدّون مجموعة كبيرة من العاملين في حقل المعرفة تتمثّل مهمتها الأساسية في إنتاجها10. ويمكن تمييز العمل المعرفي بأنه استخدام لتقنيات المعلومات، والاعتمد على أفراد ذوي تعليم عالٍ، وأداء مهّما ت غير روتينية11. ومن الضروري فهم متطلبات العمل الفريدة، والمواقف، والسلوكيات الخاصة بالعاملين في حقل المعرفة، بخلااف العمل التقليديين؛ نظرًا إلى الأهمية المتزايدة لاقتصاد المعرفة والاستخدام الواسع للتقنيات المتقدمة12. وفي هذا السياق، قدّرت شركة غارتنر (Gartner) للااستشارات أن عدد العاملين في مجال المعرفة بلغ مليار شخص في عام 2019 عالمًّيًا13. ومن المهم جًّدًا أن نفهم، على نحو أعمق، كيفية تغّير الهياكل الدائمة لعملهم، بما فيها المكان والزمان والمهّما ت14. نظرًا إلى أن تطبيقات الذكاء الاصطناعي تبدو مؤثّرةً في عمل المعرفة وأماكنه أكثر من تأثير التقنيات السابقة15، فإنه ينبغي لنا إيلااء كيفية تأثير استخدامه في المكان والزمان والمهّما ت التي يؤديها الأكاديميون مزيدًا من الاهتمم. وتكمن أهمية ذلك في أن تطبيقات هذا النوع من الذكاء حاليّا تؤثر فعالًا في التدريس، وتُحدث تغييرات في البحث الأكاديمي؛ ما قد يؤثر أيضًا في المسارات المهنية الأكاديمية ويثير قضايا أخلااقية مهمة. ونتناول هذه المسألة من خلاال تبنّي منظور عمل المعرفة ودمجه في أدبيات مستقبل العمل. وبناءً على ذلك، نسعى للإجابة عن سؤال البحث التالي: "ما مستقبل عمل الأكاديميين في عصر الذكاء الاصطناعي؟". يُعدّ الأكاديميون فئة محددة من العاملين في حقل المعرفة، وتتمثل أنشطتهم الأساسية في اكتساب المعرفة، وإنتاجها، وتوزيعها، وتطبيقها. بوجه عام، تُعدّ الفئات المهنية (مثل المستشارين والمحاسبين والمهندسين والأكاديميين) من أكثر الفئات التي يُشار إليها بوصفها من فئات العاملين في حقل المعرفة، وقد أصبحت اليوم متأثرة، بل مُهَدَّدة أيضًا، بتقنيات الذكاء الاصطناعي16. ومع ذلك، فإن مستقبل عمل الأكاديميين لم يحظَ حتى الآن إّلا باهتمم
10 Peter Drucker, "The Age of Social Transformation," The Atlantic Monthly, vol. 274, no. 5 (November 1994). 11 Pasi Pyöriä, "The Concept of Knowledge Work Revisited," Journal of Knowledge Management, vol. 9, no. 3 (2005), pp. 116–127. 12 Kimberly H. Dekas et al., "Organizational Citizenship Behavior, Version 2.0: A Review and Qualitative Investigation of OCBs for Knowledge Workers at Google and Beyond," Academy of Management Perspectives, vol. 27, no. 3 (2013), pp. 219–237. 13 Craig Roth, "2019: When We Exceeded 1 Billion Knowledge Workers," Gartner (2019). 14 Dana Minbaeva, "Disrupted HR?" Human Resource Management Review, vol. 31, no. 4 (2020), pp. 100820. 15 Samer Faraj, Salima Pachidi & Kristina Sayegh, "Working and Organizing in the Age of the Learning Algorithm," Information and Organization, vol. 28, no. 1 (2018), pp. 62–70. 16 Tom Meltzer, "Robot Doctors, Online Lawyers and Automated Architects: The Future of the Professions," The Guardian, 15/6/2014, accessed on 20/4/2025, at: https://acr.ps/1L9zR4H; Richard E. Susskind & Daniel Susskind, The Future of the Professions: How Technology Will Transform the Work of Human Experts (Oxford: Oxford University Press, 2022).
محدود في الأدبيات. وعلى سبيل المثال، نذكر دراسة أدريانا كيزار وإليزابيث هولكومبي17، ودراسة رينانا بيريز وآخرين18. وعلى الرغم من أن بعض الدراسات تناولت التقنيات المتعلقة بالتدريس والبحث كااًّلا على حدة، فإنه لا توجد أيّ دراسة - بحسب علمنا -زت على نحو خاص على الأبعاد المختلفة لمستقبل ركّ عمل الأكاديميين. ولذلك، تستكشف هذه الدراسة، من خلاال دمج أبعاد مستقبل العمل في عمل المعرفة، كيفية تأثير تطبيقات الذكاء الاصطناعي (المتنوعة) في المكان (الفضاء)، والزمان (الوقت)، وماهية الأنشطة الأساسية للعاملين في المعرفة الأكاديمية (العمل/ المهّما ت) مثل إجراء الأبحاث، والتدريس، وتقديم الخدمات الأكاديمية، وتُظهر تأثير هذه التطبيقات19؛ ما يعزز فهمنا لكيفية التعايش المستقبلي بين العاملين في مجال المعرفة والذكاء الاصطناعي في أماكن العمل المستقبلية. ولتحقيق ذلك، نقدّم أدبيات مستقبل العمل أول، ا ثم نناقش مفاهيم عمل المعرفة والعاملين في هذا الحقل، مع التركيز خاصةً على الأكاديميين. واستنادًا إلى أمثلة متقدمة وحديثة، نعرض الإطار المتكامل الذي نقترحه لمستقبل عمل الأكاديميين؛ إذ نبّين كيف يمكن أن يتأثر عمل الأكاديميين باستخدام حلول الذكاء الاصطناعي. وأخيرًا، نقدّم "خريطة طريق" بحثية يمكن من خلاالها تطوير مشاريع مستقبلية وسيناريوهات محتملة لمستقبل العمل.
نحو إطار مفاهيمي
1. مستقبل العمل والذكاء الاصطناعي
، يُعدّ مفهوم مستقبل العمل من المفاهيم التي حظيت باهتمم متزايد في مختلف التخصصات العلمية وهو يرتبط، في أغلب الأحيان، بكيفية أداء الموظفين أعملهم في المستقبل، وكيفية إدارة هؤلاء الموظفين. ويُعَرَّف هذا المفهوم بأنه "نتيجة للعديد من قوى التغيير التي تؤثر في ثلااثة أبعاد مترابطة بعمق داخل المنظمة: العمل (ماذا يُنجز؟)، والقوى العاملة (مَن ينجِز؟)، ومكان العمل (أين يُنجَز؟)". وقد خلص محمد شوارتز وآخرون20، وشولتِه وآخرون أيضًا21 إلى أن التكنولوجيا تُعدّ عامالًا مؤثرًا في تشكيل
17 Adrianna Kezar & Elizabeth Holcombe, "The Professoriate Reconsidered," American Association of University Professors, 2015, accessed on 20/4/2025, at: https://acr.ps/1L9zQsg 18 Renana Peres et al., "On ChatGPT and Beyond: How Generative Artificial Intelligence May Affect Research, Teaching, and Practice," International Journal of Research in Marketing, vol. 40, no. 2 (2023), pp. 269–275. 19 Mark I. Rapert, David L. Kurtz & Steve Smith, "Beyond the Core Triad: Just What Do Marketing Academics Do Outside of Teaching, Research, and Service?" Journal of Marketing Education, vol. 24, no. 2 (2002), pp. 161–167. 20 Jeff Schwartz et al., "What Is the Future of Work? Redefining Work, Workforces, and Workplaces," Deloitte Insights, 2019, pp. 1–12. 21 Paul A. Schulte et al., "Potential Scenarios and Hazards in the Work of the Future: A Systematic Review of the Peer Reviewed and Gray Literatures," Annals of Work Exposures and Health, vol. 64, no. 8 (2020), pp. 786–816.
مستقبل العمل؛ فمن المحتمل أن تغّير أسواق العمل، والقيم المجتمعية، وأنواع العمل (الذهني في مقابل اليدوي). وبوجهٍ عام، تنتمي الدراسات المتعلقة بمستقبل العمل إلى نقاشات أوسع تتناول التغير التكنولوجي والتوظيف؛ إذ تركز، في أغلب الأحيان، على تأثير الأتمتة في البطالة واستقطاب الوظائف22. يُعدّ الذكاء الاصطناعي إحدى التقنيات المهمة التي تُناقَش في سياق مستقبل العمل23. وينبع مجال هذا النوع من الذكاء من عدة تخصصات علمية مثل الفلسفة، والرياضيات، وعلم النفس، والإحصاء24. ويُعدّ، أيضًا، مصطلحًا شامالًا يشير إلى الأنظمة التي تحاكي خصائص الذكاء الطبيعي مثل الاستشعار، والتعلّم، من أجل أتمتة المهّما ت البشرية وتعزيزها25. وبحسب شركة "آي بي إم " (IBM، فإنّ)26 أنواع الذكاء الاصطناعي يمكن فهمها من خلاال النظر في قدراتها ووظائفها. ومن حيث القدرات، فإن ما يوجد حاليّا هو الذكاء الاصطناعي الضيق (أو الضعيف) فحسب، في حين لا يزال الذكاء الاصطناعي العام والذكاء الاصطناعي الفائق الذكاء نظريًا في أغلب الأحيان. ولذلك، تُركّز هذه الدراسة على الذكاء الاصطناعي الضيّق. ويتضمن هذا النوع من الذكاء كااًّلا من الذكاء الاصطناعي القائم على الآلات التفاعلية (RMAI، الذي لا يشتمل على ذاكرة، وقد جرى تطويره لأداء مهّما ت محددة (مثل "ديب بلو)27 Deep " Blue التابع لشركة "آي بي إم"، ومحرك توصيات نتفليكس28 Netflix، والذكاء الاصطناعي المحدود)29 الذاكرة (LMAI)30، القادر على الاحتفاظ بالبيانات في مكتبته فتراتٍ طويلةً (مثل الذكاء الاصطناعي التوليدي والمساعدين الافتراضيين وروبوتات "الدردشة"). وفي هذه الدراسة، نعتمد تصنيفات "آي بي إم"
22 Boyd & Huettinger, pp. 104–115. 23 Adam Bohr & Kaveh Memarzadeh, "Chapter 2: The Rise of Artificial Intelligence in Healthcare Applications," in: Adam Bohr & Kaveh Memarzadeh (eds.), Artificial Intelligence in Healthcare (Cambridge, MA: Academic Press, 2020), pp. 25–60. 24 Stuart & Norvig. 25 Stefan Strohmeier, "Artificial Intelligence in Human Resources—An Introduction," in: Stefan Strohmeier (ed.), Handbook of Research on Artificial Intelligence in Human Resource Management, (Cheltenham: Edward Elgar Publishing, 2022), pp. 1–22. 26 IBM, "Understanding the Different Types of Artificial Intelligence," IBM Blogs, 2023, accessed on 20/4/2025, at: https://acr.ps/1L9zRbz 27 يشير هذا الاختصار إلى عبارة (AI Machine Reactive)، وترجمتها كما ورد أعلااه هي: "الذكاء الاصطناعي القائم على الآلات التفاعلية". (المترجم) 28 ديب بلو (Blue Deep) هو نظام خبير في لعب الشطرنج، يعمل على كمبيوتر (IBM) العملااق والمصمم لهذا الغرض. كان أول جهاز كمبيوتر يفوز بمباراة ضد بطل العالم في الشطرنج بناءً على ضوابط الوقت العادية. بدأ تطويره في عام 1985 في جامعة كارنيغي ميلون تحت اسم
ChipTest(). ثم انتقلت مسألة هذا التطوير إلى "آي بي إم"، وأُعيد تسميته عام 1989 فصار "ديب بلو". يعتبر فوز هذا البرنامج في المباريات علاامة فارقة في تاريخ الذكاء الاصطناعي، وكان موضوع العديد من الكتب والأفلاام. للمزيد، ينظر: https://acr.ps/1L9zQuq (المترجم) 29 تُبنى فكرة محرك توصيات نتفليكس (Engine Recommendations Netflix) على مراقبة الأشياء التي شاهدها المستخدم، وتحليلها، وبعد ذلك تقترح توصيات للمشاهدة بناءً على ذلك. بدأت نتفليكس بتطبيق هذا الأمر عام 2000، ثمّ جرت عملية تطوير لهذا المحرك. للمزيد، ينظر: Mahendra Kadam, "Netflix's Recommendation Engine: An Artificial Brain Built Using Amazon Tools," LinkedIn, المترجم 19/3/2023, accessed on 20/4/2025, at: https://acr.ps/1L9zRlk () 30 يشير هذا الاختصار إلى عبارة (AI Memory Limited)، وترجمتها كما ورد أعلااه هي: "الذكاء الاصطناعي المحدود الذاكرة". (المترجم)
للذكاء الاصطناعي، لأنها تتيح لنا الجمع بين الدراسات العامة المتعلقة بالذكاء الاصطناعي في المجال الأكاديمي. ومنها، على سبيل المثال، دراسة سايرا أنور وآخرين31، والمنشورات الأكثر تخصيصًا في مجال الذكاء الاصطناعي التوليدي والأوساط الأكاديمية32. ونوضح في هذه الدراسة - ما أمكننا ذلك - إذا ما كان التركيز قائمًا على الذكاء الاصطناعي المحدود الذاكرة، أو قائمًا على الآلات التفاعلية. في أماكن العمل المستقبلية، سيتعايش العاملون من البشر مع تطبيقات الذكاء الاصطناعي33، التي تتضمن قدرات ووظائف متنوعة34؛ بحيث ستجري أتمتة بعض الأنشطة بطريقة كاملة، في حين ستُدعَم مهّما ت أخرى بتقنيات الذكاء الاصطناعي35. واستنادًا إلى ما سبق، نشير إلى مفهوم "مستقبل عمل المعرفة المُمَكَّن بالذكاء الاصطناعي"، بوصفه "دراسة التغيرات المتوقعة في العمل، أو أماكن العمل، نتيجةً لتكامل تطبيقات الذكاء الاصطناعي والتطورات المجتمعية". بوجه عام، يناقش خبراء الاقتصاد العملي مستقبل العمل في علااقته بالذكاء الاصطناعي من حيث كمية الوظائف، إلا أننا نستجيب للدعوات التي تدعو إلى دراسة مستقبل العمل من حيث نوعية الوظائف36. ففيم تتمثّل طبيعة المهّما ت التي تشتمل عليها الوظائف؟ وما الأنشطة التي تندرج فيها؟ وما مدى جودة هذه الوظائف؟ وكيف يُنَظَّم مكان العمل؟ من أجل استكشاف مستقبل العمل بطريقة أكثر نوعية، نركّز على ثلااثة أبعاد مهمة لمستقبل العمل ذات صلة بمستقبل عمل الأكاديميين: يتعلق البُعد "ماذا..؟" بنوع العمل الذي يؤديه الموظفون، ومدى استقلااليتهم في اتخاذ القرارات بشأن كيفية أداء العمل؛ بعبارة أخرى، حريتهم في اتخاذ القرار لتحديد المهمّت التي ينبغي تنفيذها، والطريقة التي يجري بها تنفيذ هذه المهمّت. يرتبط البُعد "أين..؟" بالمكان (أو الفضاء) الذي يعمل فيه الأفراد، وغالبًا ما يتعلق بالعمل عن بُعد37، وقد ازداد التركيز على هذا البعد في الآونة الأخيرة نتيجةً لجائحة فيروس كورونا المستجد (Covid-19) التي ساهمت جزئيًّا في تعزيز انتشار هذا النمط من العمل.
31 Sadaf Anwar et al., "A Systematic Review of Studies on Educational Robotics," Journal of Pre-College Engineering Education Research (J-PEER), vol. 9, no. 2 (2019). 32 Ana Barros, Anshuman Prasad & Martyna Sliwa, "Generative Artificial Intelligence and Academia: Implication for Research, Teaching and Service," Management Learning, vol. 54, no. 5 (2023), pp. 597–604; Matthew Grimes et al., "From Scarcity to Abundance: Scholars and Scholarship in an Age of Generative Artificial Intelligence," Academy of Management Journal, vol. 66, no. 6 (2023), pp. 1617–1624. 33 Kristina Einola & Violetta Khoreva, "Best Friend or Broken Tool? Exploring the Co-Existence of Humans and Artificial Intelligence in the Workplace Ecosystem," Human Resource Management, vol. 62, no. 1 (2022). 34 IBM. 35 Georg von Krogh, "Artificial Intelligence in Organizations: New Opportunities for Phenomenon-Based Theorizing," Academy of Management Discoveries, vol. 66, no. 6 (2018), pp. 1617–1624. 36 Leslie Willcocks, "Robo-Apocalypse Cancelled? Reframing the Automation and Future of Work Debate," Journal of Information Technology, vol. 35, no. 4 (2020), pp. 286–302. 37 Minbaeva.
يشير البُعد "متى..؟" إلى الجوانب الزمنية المرتبطة بعمل المعرفة مثل أوقات العمل "المرنة"، والعمل بنظام التناوب، وسرعة إنجاز العمل. وكم أوضحت دراسة آينس سبيلر وآخرين38، فإن هياكل العمل لن تعتمد مستقبالً على نمط أيام العمل الخمسة بساعات عمل من التاسعة صباحًا حتى الخامسة مساءً.
2. عمل المعرفة (والعاملون فيها)
منذ أن صيغ مصطلح "العامل في مجال المعرفة"، في عام 1979 (أوّل مرة)39، جرى تعريفه بطرائق متعددة. وقد وُصف العاملون في مجال المعرفة بأنهم فئة جديدة من العاملين القادرين على تطبيق المعرفة النظرية والتحليلية التي اكتسبوها من خلاال التعليم الرسمي40، وأنهم يختلفون عن العمل التقليديين في احتياجاتهم وقيمهم ودوافعهم، وقادرون على إنتاج مزيد من المعرفة في مكان العمل، وهي فكرة لم تكن مألوفة في المؤسسات التقليدية ذات الهياكل الهرمية واللاامركزية41. وتُعدّ المعرفة في يلنماعلا لإى ةبسنلاب طعمو لامًاعو لاخًادم ةفرعلام لاجمى ناتجًا من عملهم42. وهم يؤدون عمالًا معرفًّيًا يُوصف من حيث محتوى الوظيفة الفعلي أو التوازن بين أنشطة "التفكير" (أي الذين يعملون بعقولهم) و"التنفيذ" (أي الذين يعملون بأيديهم)43. وجرى أيضًا تصنيف العاملين في مجال المعرفة، على نحو أوسع، على أنهم ينتمون إلى قائمة محددة من المهن التي تندرج عادة ضمن الفئات المهنية؛ مثل العلمء، والمهندسين، والمحامين، والأطباء، والمحاسبين44. ويعتمد العاملون في مجال المعرفة على خصائصهم الفردية مثل الإبداع، وهو ما يمكنهم توظيفه في الإسهام في المنظمت عمومًا، أو في منتجات المنظمت وخدماتها على نحو أكثر تحديدًا45. وقد ركّزت الأبحاث المتعلقة بإدارة العاملين في مجال المعرفة تركيزًا واسعًا على مهن المحاسبين، والمحامين، والمستشارين، والمهنيين في قطاع الرعاية الصحية46. ومن اللاافت للاانتباه أن الأبحاث التي ركّزت على وظائف الأكاديميين و/ أو الباحثين لا تزال محدودة، على
38 Isabelle Spieler et al., "Help or Hindrance? Day-Level Relationships Between Flextime Use, Work–Nonwork Boundaries, and Affective Well-Being," Journal of Applied Psychology, vol. 102, no. 1 (2017), pp. 67–80. 39 Frank Blackler, "Knowledge, Knowledge Work and Organizations: An Overview and Interpretation," Organization Studies, vol. 16, no. 6 (1995), pp. 1021–1046. 40 Brian D. Janz, Jason A. Colquitt & Raymond A. Noe, "Knowledge Worker Team Effectiveness: The Role of Autonomy, Interdependence, Team Development, and Contextual Support Variables," Personnel Psychology, vol. 50, no. 4 (1997), pp. 877–904. 41 Drucker. 42 Sue Newell et al., Managing Knowledge Work (Basingstoke: Palgrave Macmillan, 2002). 43 Blackler. 44 Ibid.; E. Kevin Kelloway & Julian Barling, "Knowledge Work as Organizational Behavior," International Journal of Management Reviews, vol. 2, no. 3 (2000), pp. 287–304 45 Michael Harris & Geoffrey W. Vining, "The IE's Future Role in Improving Knowledge," Industrial Engineering, vol. 19, no. 7 (1987), pp. 28–32. 46 Susskind & Susskind.
الرغم من أن تقنيات الذكاء الاصطناعي ذات قدرة على إحداث تحّولّات جذرية في العمل الأكاديمي. ونظرًا إلى الأهمية المتزايدة لاقتصاد المعرفة والدور الشامل لتقنيات المعلومات47، فإنه من الضروري فَهْم احتياجات العمل الفريدة، والمواقف، والسلوكيات الخاصة بالأكاديميين التي تختلف عّما هو خاصّ بأنواع أخرى من العاملين في مجال المعرفة. فبالنسبة إلى الأكاديميين، لا يُعدّ عمل المعرفة مهنة فحسب، بل هو مزيج من الخصائص الفردية (أي كونهم من ذوي التعليم العالي)، والنشاط الفردي (أي المهّما ت اليومية التي يؤدونها)، واستخدامهم للمعرفة من أجل إنتاج معرفة جديدة. يمكن أن يتخذ عمل المعرفة أشك لًا متعددة، وتوجد - على الأقل - أربعة أنماط من أنشطة عمل المعرفة داخل المؤسسات، هي: [أ] اكتساب المعرفة، [ب] إنتاج معرفة جديدة، [ج] تعليم المعرفة48، [د] تطبيق المعرفة القائمة على المشكلاات الراهنة. ومن خلاال تبنّي هذا المنظور، ندمج هذه الأنماط المعرفية في الأنشطة الثلااثة الأساسية التي تشكّل جوهر عمل الأكاديميين، وهي: البحث العلمي ([أ] و[ب])، والتدريس ([ج])، وأنشطة الخدمة الأكاديمية ([د])49.
3. إطار عام لمستقبل عمل العاملين في المعرفة الأكاديمية
نستخدم، في هذا السياق، مع تقديم أمثلة ملموسة، إطارًا عاًّمًا مستندًا إلى أدبيات مستقبل العمل وعمل المعرفة؛ من أجل توضيح كيفية استخدام الموظفين الأكاديميين العاملين في الجامعات، ممن يتفاعلون مع حلول الذكاء الاصطناعي ويتعايشون معها، تطبيقاته ذات الوظائف المتنوعة50، ونتبّين كيف أنّ هذه التطبيقات يمكنها أن تُحدث تحّولّات في المكونات الثلااثة الرئيسة لوظيفة الأكاديمي: 1. البحث العلمي، 2. التدريس، 3. الخدمات الأكاديمية51، وذلك من حيث أنشطة العمل (ماذا يُنجز؟ وتوقيت العمل: متى يُنجز؟ ومكان العمل: أين يُنجز؟52، وكذلك من حيث اكتساب المعرفة، وإنتاجها، ونشرها، وتطبيقها. وبعد عرض أمثلة ملموسة متعلقة بالتطورات الجارية، نوضح الاتجاهات البحثية المستقبلية المتعلقة بالنتائج (المحتملة) لاستخدام الذكاء الاصطناعي في هذه المكونات الثلااثة الرئيسة.
47 Georg von Richthofen, Samwel Ogolla & Hendrik Send, "Adopting AI in the Context of Knowledge Work: Empirical Insights from German Organizations," Information, vol. 13, no. 4 (2022), p. 199. 48 Allan Bird, "Careers as Repositories of Knowledge: A New Perspective on Boundaryless Careers," Journal of Organizational Behavior, vol. 15, no. 4 (1994), pp. 325–344; Ikujiro Nonaka, "A Dynamic Theory of Organizational Knowledge Creation," Organization Science, vol. 5, no. 1 (1994), pp. 14–37. 49 Rapert, Kurtz & Smith, pp. 161–167. 50 IBM. 51 Bruce Macfarlane, "Defining and Rewarding Academic Citizenship: The Implications for University Promotions Policy," Journal of Higher Education Policy and Management, vol. 29, no. 3 (2007), pp. 261–273; Michael I. Rapert, David L. Kurtz & Susan Smith, "Beyond the Core Triad: Just What Do Marketing Academics Do Outside of Teaching, Research, and Service?" Journal of Marketing Education, vol. 24, no. 2 (2002), pp. 161–167. 52 Macfarlane. pp. 261–273; Rapert, Kurtz & Smith, pp. 161–167.
4. الأنشطة المتعلقة بالبحث العلمي (اكتساب المعرفة وإنتاجها)
يقترح إطار العمل الذي نقدّمه أن الذكاء الاصطناعي يؤثر في ما يلي: "ماذا ينجز الباحثون؟" و"كيف ينجزون أبحاثهم؟"53. فهذا النوع من الذكاء يُعدّ موضوعًا دراسًّيًا مهّمًا بالنسبة إلى الباحثين، غير أنه يؤثر في الكيفية التي تُنجز بها الأبحاث أيضًا، وهو ما نركّز عليه هنا (ينظر أيضًا الملحق 1)؛ لأن الجانب عساو يملع ممتاهاب لاعًاف يظح دقو لاقًاتسم اعوضوم دعيُ لولاأ54.
أ. البحث: الماهيّة/ "ماذا..؟"
تهدف المشاريع البحثية التي تُعنى باكتساب المعرفة الجديدة وإنتاجها تقليدًّيًا إلى تطوير الفكرة أو تصميمها، وجمع البيانات، وتحليلها، وتفسيرها، وصياغتها، ومراجعتها من حيث المحتوى الفكري55. وفيم يلي، نبّين بإيجاز إذا ما كان يمكن الذكاء الاصطناعي أن يغّير خصائص هذه الأنشطة وكيف يمكنه ذلك في حال قدرته على تغييرها، مع الإشارة إلى أن هذا الأمر قد يختلف بين التخصصات الأكاديمية56. وفي الواقع، أثارت فكرة البحث المَُؤتمَت كليّا أو جزئيّا بواسطة هذا النوع من الذكاء نقاشات في مجالات علمية كثيرة57. وقد جرى مؤخرًا تحديد ثلااث فئات رئيسة من الذكاء الاصطناعي القائم على الآلات التفاعلية يمكنها أن تُسهم في الفهم العلمي، وهي: 1. العمل كمِجهر حاسوبي (Computational) يمكنه الكشف عن أنماط جديدة في البيانات، 2. إنتاج حلول إبداعية للمشكلاات العلمية، 3. اكتساب رؤى جديدة وشرحها للبشر58. للأدوات المعتمدة على الذكاء الاصطناعي؛ مثل مكتبات البرمجة (على سبيل المثال، المكتبات التي تدعم التحليلاات الموضوعية) والمنصات المطابقة، قدرة على مساعدة الباحثين في تحديد أسئلة البحث والحالات ذات الصلة. ويمكن أن تسهم هذه الأدوات في تطوير مناهج بحثية جديدة (مثل التعرف إلى الصور، أو التنقيب عن البيانات)، مم يؤدي إلى تداخل الحدود بين المناهج الكمية (مثل التحليل
53 Manas Kulkarni et al., "The Future of Research in an Artificial Intelligence-Driven World," Journal of Management Inquiry, vol. 33, no. 3 (2024), pp. 207–229; Gerit Wagner, Roman Lukyanenko & Guy Pare, "Artificial Intelligence and the Conduct of Literature Reviews," Journal of Information Technology, vol. 37, no. 2 (2022), pp. 54 Sharon Parker & Gudela Grote, "Automation, Algorithms, and Beyond: Why Work Design Matters More Than Ever in a Digital World," Applied Psychology (2020), pp. 1–45; Aizhan Tursunbayeva & Maarten Renkema, "Artificial Intelligence in Health-Care: Implications for the Job Design of Healthcare Professionals," Asia Pacific Journal of Human Resources (2022). 55 BMJ, "Authorship & Contributorship," BMJ (2024), accessed on 20/4/2025, at: https://acr.ps/1L9zRlw 56 Yuxin Xu et al., "Artificial Intelligence: A Powerful Paradigm for Scientific Research," The Innovation, vol. 2, no. 4 (2021). 57 Wagner, Lukyanenko & Pare, pp. 209–226. 58 Markus Krenn et al., "On Scientific Understanding with Artificial Intelligence," Nature Reviews Physics, vol. 4, no. 12 (2022), pp. 761–769, accessed on 22/4/2025, at: https://acr.ps/1L9zRvZ
الإحصائي) والنوعية (مثل التنقيب الخوارزمي في النصوص). وفي العلوم الطبيعية وعلوم الحياة، يمكن أن يساعد الذكاء الاصطناعي في اكتشاف مواد جديدة، وتعزيز الفيزياء النووية، واكتشاف الأدوية الطبية، وتطوير الزراعة الذكية، وجعل المناهج البحثية أكثر أمانًا للبشر (استخدام الأتمتة أو الروبوتات مثال)ا59. أما في بحوث الإدارة، فيمكن استخدام هذا الذكاء بوصفه منهجيةً لتحليل البيانات أو اكتشاف الأنماط. وعلى سبيل المثال، نجد في هذا السياق دراسةً لبريثويراج تشوذري وآخرين60، ودراسةً لجوزيف س. هاريسون وآخرين61، ودراسةً لسيم ساجّادياني وآخرين62. ويمكن أن توفّر أدوات الذكاء الاصطناعي دعمًا شبه مؤتمت في مهّما ت متعددة مثل فحص الأوراق العلمية والتلخيص (مثال:ا موقع: https://www.scholarcy.com، وموقع: https://www.researchrabbit.ai)، واستخلااص البيانات، وتوليد الأكواد المستخدمة في التحليل الإحصائي أو مراجعتها، وترميز البيانات النوعية (مثال، ا الأداة Atlas.ti)، والتلخيص الوصفي، بل حتى في مهّما ت تطوير النظريات واختبارها أيضًا63. ومع الزيادة الهائلة في عدد المنشورات في قواعد البيانات العلمية الإلكترونية مثل سكوبس (Scopus، قد يصبح استخدام أدوات الذكاء الاصطناعي في مثل هذه الأنشطة أمرًا لا غنى عنه)64 للعثور على المراجع المناسبة وتقييم المقالات العلمية (مثال:ا https://scite.ai). وتدعم المساعِدات المعتمدة على هذا النوع من الذكاء الأكاديميين في الكتابة الأكاديمية، مثل تحسين القواعد اللغوية ت). وقد شاركَhttps://www.grammarly.com(وإعادة صياغة النصوصhttps://quillbot.com() نماذج "جي بي تي" (GPT)65 من شركة "أوبن أيه آي " (OpenAI) فعلًّيًا في تأليف عدد من الأوراق العلمية66؛ ما أثار نقاشات كثيرة، وصار من الضروري تطوير إرشادات عاجلة لاستخدام الذكاء الاصطناعي
59 Yuxin Xu et al. 60 Prithwiraj Choudhury, Ryan T. Allen & Michael G. Endres, "Machine Learning for Pattern Discovery in Management Research," Strategic Management Journal, vol. 42, no. 1 (2021), pp. 30–57, accessed on 22/4/2025, at: https://acr.ps/1L9zS5L 61 Jeffrey S. Harrison et al., "Using Supervised Machine Learning to Scale Human-Coded Data: A Method and Dataset in the Board Leadership Context," Strategic Management Journal (2022), accessed on 22/4/2025, at: https://acr.ps/1L9zRBE 62 Shahrzad Sajjadiani et al., "Using Machine Learning to Translate Applicant Work History into Predictors of Performance and Turnover," The Journal of Applied Psychology, vol. 104, no. 10 (2019), pp. 1207–1225, accessed on 22/4/2025, at: https://acr.ps/1L9zRzq 63 Anton Korinek, "Generative AI for Economic Research: Use Cases and Implications for Economists," Journal of Economic Literature 61, no. 4 (2023), pp. 1281–1317; Wagner, Lukyanenko & Pare, pp. 209–226. 64 Mike Thelwall & Preeti Sud, "Scopus 1900–2020: Growth in Articles, Abstracts, Countries, Fields, and Journals," Quantitative Science Studies, vol. 3, no. 1 (2022), pp. 37–50, accessed on 22/4/2025, at: https://acr.ps/1L9zRzc 65 الحروف الثلااثة (GPT) هي اختصار لجملة (Transformers Pretrained Generative)، وهي بالعربية "المحّولّات التوليدية
المدربة مسبقًا". وهي تشير إلى طريقة عمل الذكاء الاصطناعي في توفير الإجابات عن الأسئلة اعتمادًا على التدريب المسبق على كٍّمٍ هائلٍ من البيانات. (المترجم) 66 Chris Stokel-Walker, "ChatGPT Listed as Author on Research Papers: Many Scientists Disapprove," Nature (2023).
المحدود الذاكرة عبر مختلف مراحل دورة البحث العلمي67؛ بما في ذلك توليد الأفكار، والتخطيط البحثي، والتنفيذ، ونشر النتائج، من جهة الجامعات، والجهات الممولة (مثال، ا برنامج Horizon التابع للااتحاد الأوروبي)، والمجلاات الأكاديمية (مثال، ا Elsevier)، أو المؤتمرات العلمية68. وقد أدى ذلك إلى مناقشات موضوعها؛ إنْ كان ينبغي استخدام الذكاء الاصطناعي كلم كان ذلك ممكنًا. ويمكن أن يؤثر هذا الذكاء في تصنيف المقالات الأكاديمية في محركات البحث69 وقواعد البيانات العلمية.
ب. البحث (المكان)
يَعِدُ وصول تقنيات الواقع الافتراضي/ المعَّزَز، والميتافيرس (Metaverse)70 المرتبطة بالذكاء الاصطناعي71، بتوسيع إمكانات وتجارب البحث الافتراضي، والأنشطة والفعاليات الاجتمعية والمهنية عبر الإنترنت، بالنسبة إلى الأكاديميين؛ ما يتيح لهم المشاركة في هذه الفعاليات من دون حاجة إلى السفر، وتجاوز عوامل اختلااف المناطق الزمنية، وحواجز اللغة، ونقص ميزانيات السفر، وغيرها72. ثمّ إن الوعي المتزايد بالتأثيرات البيئية، لا سيم ما يتعلق منها بالمناخ نتيجةً للسفر، يؤثر كثيرًا في مستقبل العمل. وهكذا، فإن العمل من خلاال الواقع الافتراضي لا يتعلق بالراحة وتوفير التكاليف فحسب، بل إنه يحمل أيضًا إمكانية المساهمة في تحقيق أهداف التنمية المستدامة. وعلااوة على ذلك، يمكن أن يُحدث توظيف تقنيات الواقع الافتراضي أو المعَّزَز في جمع البيانات ثورة في عملية جمع البيانات النوعية الحاليّة (من قبيل إخفاء هوية المشاركين في الأبحاث). فعلى سبيل المثال، سيكون في إمكان المحاورين والمشاركين في المقابلاات اختيار ظهورهم بهوياتهم الحقيقية استنادًا إلى تمثيلاات رقمية تُعرف باسم أفاتار.)Avatar(
67 Harvard Library, "The Research Lifecycle," Harvard Library, 2023, accessed on 22/4/2025, at: https://acr.ps/1L9zR7Y. 68 Matthias Petermann et al., "Looking Before We Leap: Expanding Ethical Review Processes for AI and Data Science Research," Ada levelace Institute, 2022, accessed on 22/4/2025, at: https://acr.ps/1L9zQLH 69 John Steinhauer, "Does History Have a Future?" in: John Steinhauer (ed.), History Disrupted: How Social Media and the World Wide Web Have Changed the Past (United State: Springer International Publishing, 2022), pp. 107–117, accessed on 22/4/2025, at: https://acr.ps/1L9zRNP 70 ميتافيرس (Metaverse): كلمة تتكون من شّقيّن: الأول Meta"" (بمعنى ما وراء، أو الأكثر وصفًا)، والثاني هو Verse"" (مصوغ من Universe" " (بمعنى ما وراء العالم). وقد كان أول استخدام لهذا المصطلح في رواية الخيال العلمي تحطم الثلج (Crash Snow) عام 1992 التي كتبها نيل ستيفنسون؛ إذ يتفاعل البشر على أنهم شخصيات خيالية (Avatar) مع بعضهم، ومع برمجيات، في فضاء افتراضي ثلااثي الأبعاد مشابه للعالم الحقيقي. و"الميتافيرس"، بوجه عامّ، هو مكان افتراضي نعمل فيه ونتعلم ونرفه عن أنفسنا ونكسب الأموال وننفقها، ويتفق معظم خبراء التكنولوجيا على أنه سيغير حياتنا جذرًّيًا. فالميتافيرس، كما يقول ساتيا ناديلاا، الرئيس التنفيذي لشركة مايكروسوفت (Microsoft) "لن يغير الطريقة التي نرى بها العالم فحسب، بل كيفية مشاركتنا فيه أيضًا، من المصنع إلى غرفة الاجتماعات". (المترجم). للمزيد، ينظر: عبد القادر الكاملي، "عالم الميتافيرس.. ماذا يحمل لنا المستقبل؟"، الجزيرة نت، 2022/8/1، شوهد في 2025/4/22، في: https://bit.ly/3FQi3Xe 71 Vijay Pereira et al., "A Systematic Literature Review on the Impact of Artificial Intelligence on Workplace Outcomes: A Multi-Process Perspective," Human Resource Management Review, vol. 33, no. 1 (2023), accessed on 22/4/2025, at: https://acr.ps/1L9zSbt 72 Brian Chodor, "Council Post: Meetings in the Metaverse: Is This the Future of Events and Conferences?" Forbes, 13/1/2022, accessed on 22/4/2025, at: https://acr.ps/1L9zQU3
ج. البحث (الزمان)
نظرًا إلى إمكانية الذكاء الاصطناعي في أتمتة العديد من المهّما ت البحثية، مثل عمليات المراجعة المنهجية، يمكننا أن نفترض أن الأكاديميين قد يتوقعون أيضًا توفيرًا للوقت73؛ ما قد يؤدي إلى تغييرات كبيرة في أساليب عملهم أو في كيفية تقييمهم. فعلى سبيل المثال، يُقَيَّم الباحثون اليوم للحصول على وظائف بناءً على منشوراتهم العلمية. ومن ثمّ، فإن أي وقت يجري توفيره من خلاال الذكاء الاصطناعي يمكن استثمره في إنتاج مزيد من الأوراق البحثية. ثمّ إنّ هذا الذكاء قادر أيضًا على إنتاج أوراق علمية بسرعة تفوق سرعة باحثين قد يقضون سنوات في العمل على إنجاز دراسة واحدة74. يحتاج الأكاديميون إلى مواكبة أحدث موضوعات البحث والمنهجيات (المرتبطة بالذكاء الاصطناعي)، وهو ما يتطلب استثمرًا كبيرًا في الوقت. وتتمثّل نقطة التحوّل المحتملة في القدرة على توليد ملخصات ذكية للمقالات العلمية باستخدام الذكاء الاصطناعي. وتَعِد الإنجازات الحديثة، مثل تقنية "الانتباه المتوسع" التي نشرها باحثون من شركة مايكروسوفت75، بإحداث ثورة في هذه العملية. فعلى سبيل المثال، قد يتمكّن الأكاديميون في المستقبل من اكتساب المعرفة وتطبيقها على الفور؛ كم فعل "نيو" في فيلم "ذي ماتريكس" حين تعلّم فنون القتال في ثوانٍ معدودات. لدمج الذكاء الاصطناعي قدرة على إعادة تعريف مرونة العمل الأكاديمي. فعلى سبيل المثال، يمكن أن تستفيد إدارات الجامعات من تقنيات هذا النوع من الذكاء في تحديد الباحثين الذين يعملون في عطلاات نهاية الأسبوع أو في ساعات متأخرة من الليل، وذلك من أجل تعزيز التوازن الصحي بين العمل والحياة الشخصية لديهم. ومع ذلك، من الضروري الإقرار بأن مثل هذا النوع من المتابعة أثار مخاوف، وأنه كان موضع نقاش في أدبيات تحليلاات الأفراد (Analytics People)؛ إذ إنه في تماٍّسٍ مفاهيم الرقابة الرقمية76.
73 Justin Clark et al., "A Full Systematic Review Was Completed in 2 Weeks Using Automation Tools: A Case Study," Journal of Clinical Epidemiology, vol. 121 (2020), pp. 81–90, accessed on 22/4/2025, at: https://acr.ps/1L9zS4X; Zhiqiang Deng et al., "Validation of a Semiautomated Natural Language Processing- Based Procedure for Meta-Analysis of Cancer Susceptibility Gene Penetrance," JCO Clinical Cancer Informatics, vol. 3 (2019), pp. 1–9, accessed on 22/4/2025, at: https://acr.ps/1L9zSjO; Stan Matwin et al., "A New Algorithm for Reducing the Workload of Experts in Performing Systematic Reviews," Journal of the American Medical Informatics Association: JAMIA 17, vol, no. 4 (2010), pp. 446–453, accessed on 22/4/2025, at: https://acr.ps/1L9zSpR 74 Steinhauer, "Does History Have a Future," pp. 107–117. 75 Jiezhong Ding et al., "LongNet: Scaling Transformers to 1,000,000,000 Tokens," arXiv, Preprint arXiv:2307.02486, 76 Aizhan Tursunbayeva et al., "The Ethics of People Analytics: Risks, Opportunities and Recommendations," Personnel Review, vol. 51, no. 3 (2022), pp. 900–921, accessed on 22/4/2025, at: https://acr.ps/1L9zSmG
د. اتجاهات البحث المستقبلية المتعلقة بالأنشطة البحثية
نظرًا إلى الاستخدام المتزايد للذكاء الاصطناعي في الأغراض البحثية، نقترح استكشاف أثر الذكاء الاصطناعي في المنهجيات البحثية (مثل البحث الاستقرائي، أو الاستنباطي، أو الاستنتاجي)77، لا سيم فيم يتعلق بقدرته على التعرف إلى الأنماط داخل البيانات، وديناميات التفاعل بين الإنسان والذكاء الاصطناعي في العملية البحثية (على سبيل المثال، إذا ما كان يمكن أن نعُدّ الذكاء الاصطناعي المحدود الذاكرة مُراجِعًا، أو مؤلفًا، وجيهًا). ويجب أن يشمل هذا الاستكشاف دراسة حدود تطبيقه، وإسناد المسؤولية أو الفضل/ الاستحقاق في الأبحاث، والانخفاض المحتمل في الخبرة البشرية، والجوانب الأخلااقية المسؤولة والمرتبطة باستخدام الذكاء الاصطناعي المحدود الذاكرة في البحث العلمي. على سبيل المثال، من الضروري أخذ احتمل التحيّزات والأخطاء التي قد يُدخلها الذكاء الاصطناعي في الحسبان؛ إذ يمكن أن تؤدي إلى نتائج بحثية معيبة واستنتاجات خاطئة. وحتى الآن، نوقشت التحيّزات الخوارزمية في المجال الأكاديمي خصوصًا في سياق التعليم78، ولكن ثمّة تقارير ناشئة تبُرز أهميتها أيضًا في مجال البحث العلمي المعتمد على الذكاء الاصطناعي79، لا سيم مع ازدياد الاعتمد على البيانات الضخمة وإجراء الأبحاث بمساعدة هذا الذكاء، مثلم أوضحَت ذلك دراسة دان أفراهامي وآخرين80. ومن المهم استكشاف كيفية تأثير ظهور الإرشادات الأخلااقية الخاصة بهذا النوع من الذكاء في زيادة متطلبات العمل الأكاديمي؛ إذ أصبح من المتوقع من الأكاديميين حالًّيًا أن يفهموا، في أعملهم مبادئ وُصفت حديثًا بأنها صعبة التطبيق، ومعزولة، ومختلف فيها، أو غير منسجمة، وأن يطوّروها، ويطبّقوها81. ثمّ إن القنوات التي تُجرَى من خلاالها الأبحاث ومواقع تنفيذها قد تؤدي إلى "إلغاء جزئي" للمكوّن البشري في الأبحاث التي تشمل مشاركين بشريين. وهذا يرتبط بقضايا أخلااقية وعملية، مثل عدم القدرة على قراءة الإشارات غير اللفظية بسبب عدم استقرار الاتصال أو تأخره82، وغموض أنظمة الذكاء الاصطناعي، وصعوبة تفسير قراراتها، والانحياز العرقي. ومع ذلك، لم تُدرس - بحسب علمنا – أيّ قضية من هذه القضايا في سياق أكاديمي على نحو خاص أو تجريبي. لهذا، نقترح إجراء مزيد من الأبحاث في موضوع هذه التبعات (المرغوب فيها، وغير المرغوب فيها أيضًا).
77 Choudhury, Allen & Endres, pp. 30–57. 78 Ryan S. Baker & Andrew Hawn, "Algorithmic Bias in Education," International Journal of Artificial Intelligence in Education (2022), pp. 1–41. 79 Aizhan Tursunbayeva & Luca Moschera, "Ethics in People Analytics Research: A Multi-Disciplinary Perspective," in: Vicenc Fernandez & Eva Gallardo Gallardo (eds.), A Research Agenda for HR Analytics, Eldar Research Agendas series. (forthcoming) 80 Amit Avrahami et al., "A Human Resources Analytics and Machine-Learning Examination of Turnover: Implications for Theory and Practice," International Journal of Manpower, vol. 43, no. 6 (2022), pp. 1405–1424. 81 Luke Munn, "The Uselessness of AI Ethics," AI and Ethics, vol. 3, no. 3 (2023), pp. 869–877. 82 Hannah Deakin & Kelly Wakefield, "Skype Interviewing: Reflections of Two PhD Researchers," Qualitative Research, vol. 14, no. 5 (2014), pp. 603–616.
قد يجد الأكاديميون صعوبة في مواكبة التقنيات المتغيرة بسرعة، وهذا الأمر يؤدّي إلى ازدياد متطلبات وظائفهم، والتقليل من شأن الإمكانات الكامنة في هذه المنصات وفهمها بوصفها أدوات بحثية؛ ومن ثمّ يضعف استخدامها. ومع ذلك، يمكن أن يُحفّز هذا الوضع على إجراء مزيد من الأبحاث البَينية التي تجمع بين الباحثين المتمكنين تقنيّا والملّميّن بالأبعاد الأخلااقية. ويمكن أن يستقصي الباحثون كيفية مساهمة تبنّي الذكاء الاصطناعي في تعزيز الإنتاجية البحثية بالنسبة إلى الأكاديميين في سياقات مختلفة. وتُركّز العديد من الدراسات التي تناقش الجوانب الزمنية ("متى..؟") المرتبطة باستخدام الذكاء الاصطناعي في الأنشطة البحثية على "قياس" الوقت الذي يمكن أن يوفره العلمء. ومع ذلك، لا تناقش هذه الدراسات النشاط الأكاديمي الذي ينبغي أن يُستثمر فيه ما جرى توفيره من الوقت. لذا، لا يزال من غير الواضح إذا ما كان ينبغي للأكاديميين استخدام هذا الوقت الإضافي لإجراء مزيد من الأبحاث، أو مزيد من التدريس، أو الأنشطة الإدارية، أو الخدمية، أو لاكتساب المعرفة وتطويرها وتطبيقها ونشرها، أو إذا ما كانت الحاجة إلى عدد أقل من الأكاديميين ستنجُم عن ذلك. فعلى سبيل المثال، قد يؤدي استخدام الذكاء الاصطناعي المحدود الذاكرة كمساعِد في الكتابة إلى تغييرات في كيفية تقييم الأكاديميين (كأن يؤثر في مسارهم نحو التثبيت الأكاديمي) إذا أدى إلى زيادة إنتاجيتهم. وبناءً عليه، من الضروري دراسة التأثير المحتمل للذكاء الاصطناعي في إدارة الأداء الأكاديمي.
5. الأنشطة المتعلقة بالتدريس (نشر المعرفة)
تشكل التقنياتُ المتقدمة الطرائق التي يُجري بها الأكاديميون أنشطتهم التدريسية83؛ إذ تؤثر فيم يجري تدريسه، وكيفيته، ومكانه، وزمانه؛ ومن ثمّ، فإنها تؤثر في كيفية نشر المعرفة. ونركّز، في هذا السياق، على كيفية تأثير تقنيات الذكاء الاصطناعي في الأنشطة التدريسية تحديدًا، وهي تُعرّف بأنها عمل المدرّس المرتبط بمحتوى المادة التي يجري تدريسها (ينظر الملحق.)2 تُستخدم التطبيقات المعتمدة على الذكاء الاصطناعي في التعليم (العالي) على نحو متزايد، وقد أصبحت موضوعًا للدراسة في علوم التربية، ويُشار إليها بمصطلح "الذكاء الاصطناعي في التعليم" (AIEd). ومن الدراسات في هذا السياق دراسة جيو جِن هوانغ وآخرين84، ودراسة سيلينا نيمورين وآخرين85، ودراسة أولاف زاواكي- ريتشر وآخرين86. وتوجد عدة فئات لاستخدام الذكاء الاصطناعي القائم على
83 Adolf Sife, Edda Lwoga & Carol Sanga, "New Technologies for Teaching and Learning: Challenges for Higher Learning Institutions in Developing Countries," International Journal of Education and Development Using ICT, vol. 3, no. 2 (2007), pp. 57–67. 84 Gwo-Jen Hwang et al., "Vision, Challenges, Roles and Research Issues of Artificial Intelligence in Education," Computers and Education: Artificial Intelligence, vol. 1 (2020), Article 100001, accessed on 22/4/2025, at: https://acr.ps/1L9zRUC 85 Shane Nemorin et al., "AI Hyped? A Horizon Scan of Discourse on Artificial Intelligence in Education (AIED) and Development," Learning, Media and Technology, vol. 48, no. 1 (2023), pp. 38–51. 86 Zawacki-Richter et al.
الآلات التفاعلية في التعليم، ومنها ما يلي: المعلمون الشخصيون، والدعم الذكي للتعلم التعاوني، والواقع الافتراضي الذكي، وتحليل ملفات الطلااب الشخصية87. ومن اللاافت للاانتباه أن منظور المعلّم يكاد يكون معدومًا في هذه الدراسات88، مم يسلّط الضوء على الثغرة التي نتناولها في هذه الدراسة.
أ. التدريس (الماهيّة)
توفّر التقنيات المعتمِدة على الذكاء الاصطناعي فرصًا متعددة لتحسين عمل المدرّسين الأكاديميين، ومن ذلك دراسة محمد رضا فاروخنيا وآخرين89، ودراسة بيريز وآخرين90، ودراسة زاواكي -ريتشر وآخرين91. وقد وصفت العديد من الدراسات الوعود والإمكانات التي توفّرها أدوات هذا النوع من الذكاء في التعليم، والتي يمكن أن تُحدث تغييرات في نوع الأنشطة التدريسية التي يؤديها الأكاديميون، وفي درجة الاستقلاالية التي يجب أن يتمتعوا بها في عملهم. ولا يعني استخدام أدوات الذكاء الاصطناعي في التعليم أن الروبوتات ستحلّ فورًا محلّ المعلّمين، لكن هذا الأمر يؤدي إلى تغييرات جوهرية في بيئة الصف الدراسي92. ويتمثل هدف هذا الذكاء في التعليم في "جعل أشكال المعرفة التعليمية والنفسية والاجتمعية، التي غالبًا ما تكون ضمنية، أكثر دقة ووضوحًا من الناحية الحاسوبية"93. وبناءً على ذلك، يمكن استخدام التطبيقات المعتمدة على الذكاء الاصطناعي القائم على الآلات التفاعلية في دعم المهّما ت الإدارية، وتقديم رؤى تعليمية ذات صلة. إن أدوات الذكاء الاصطناعي في التعليم الموجهة نحو المعلمين، على سبيل المثال، يمكن أن تدعمهم من خلاال أتمتة المهّما ت المتعلقة بالإدارة، وتطوير المحتوى (إعداد الاختبارات مثال)ا، والتقييم، والتحقق من الانتحال العلمي، وتقديم التغذية الراجعة، مم يساهم في توليد رؤى إضافية بشأن الطلااب، وتقليل عبء العمل على المدرّسين، وتوفير وقت إضافي94. ويمكن أن تدعم تطبيقات هذا الذكاء القائم على
87 Rose Luckin et al., Intelligence Unleashed: An Argument for AI in Education (2016); Zawacki-Richter et al. 88 Zawacki-Richter et al. 89 Mohammad Farrokhnia et al., "A SWOT Analysis of ChatGPT: Implications for Educational Practice and Research," Innovations in Education and Teaching International, vol. 61, no. 3 (2024), pp. 460–474. 90 Peres et al., pp. 269–275. 91 Zawacki-Richter et al. 92 Wayne Holmes, Maya Bialik & Charles Fadel, Artificial Intelligence in Education (USA: Center for Curriculum Redesign, 2019). 93 John Self, "The Defining Characteristics of Intelligent Tutoring Systems Research: ITSs Care, Precisely," International Journal of Artificial Intelligence in Education, vol. 10, no. 3–4 (1999), pp. 350–364. 94 Tom Baker, Laura Smith & Nida Anissa, Educ-AI-tion Rebooted: Exploring the Future of Artificial Intelligence in Schools and Colleges, Nesta (London: 2019), pp. 1–56.
الآلات التفاعلية عملَ المدرّسين الأكاديميين والقرارات التي يتخذونها، من خلاال المساعدة في تقييم مقالات الطلااب وأسئلة الامتحانات ذات "النهايات المفتوحة"95. علااوة على ذلك، يمكن أن يستخدم المدرّسون الذكاء الاصطناعي القائم على الآلات التفاعلية، وتحديد الطلااب المعرّضين لخطر التوقف عن الدراسة، استنادًا إلى تتبّع حضورهم في الصفوف وتسليمهم للواجبات96، ويمكن أن يساعد هذا الذكاء المعلمين في تدعيم عملية تعلّم الطلااب انطقًا من تحليل مواضع الأخطاء الشائعة97، وزيادة تفاعلهم بناءً على تحديد مواضع الملل أو الحمسة والعمل على تحسينها98. وتُعدّ هذه أمثلة من تحليلاات التعلّم، وهي تركّز على قياس البيانات التعليمية وتحليلها والإبلااغ عنها99؛ ما يساعد على توفير رؤى مخصصة بالنسبة إلى المتعلمين. وفي نهاية المطاف، قد يصبح من الممكن أن يشُرف الذكاء الاصطناعي على تصميم الأنشطة التعليمية بطريقة كاملة، ويمكن أن يكون ذلك من خلاال روبوت اجتمعي، أو روبوت دردشة، أو مساعد صوتي. فعلى سبيل المثال، يمكن استخدام هذا النوع من الذكاء المحدود الذاكرة مثل "تشات جي بي تي" (ChatGPT) لتحديد أهداف المقرر الدراسي، ومخططاته العامة، ومواد القراءة، استنادًا إلى ملاايين النصوص العلمية المتاحة. وتُعدّ الدروس الخصوصية الذكية من التطبيقات المهمة الأخرى في مجال الذكاء الاصطناعي في التعليم. وعلى سبيل المثال، تساعد تقنيات الذكاء الاصطناعي القائم على الآلات التفاعلية في إعداد خطط تعلّم فردية مخصصة لكل طالب100. ويمكن استخدام الذكاء الاصطناعي المحدود الذاكرة في تطوير روبوتات دردشة تستجيب لاستفسارات الطلااب101، و"متعلمين أذكياء" يمكن الطلااب تدريبهم وتوجيههم للتعلم102، إضافةً إلى المعلمين الرقميين الشخصيين المعروفين باسم أنظمة التعليم الذكية Intelligent(
95 Andreea Aldea, Stefan Haller & Marco Luttikhuis, "Towards Grading Automation of Open Questions Using Machine Learning," 48 th SEFI Annual Conference on Engineering Education, SEFI, 2020; Steven P. Balfour, "Assessing Writing in MOOCs: Automated Essay Scoring and Calibrated Peer Review™," Research & Practice in Assessment, vol. 8 (2013), pp. 40–48. 96 Luckin et al. 97 Ibid. 98 Steinhauer, "Does History Have a Future?" pp. 107–117. 99 Dragan Gasevic, Shane Dawson & George Siemens, "Let's Not Forget: Learning Analytics Are About Learning," TechTrends, vol. 59 (2015), pp. 64–71. 100 Luckin et al. 101 ينظر: Donghui Feng et al., "An Intelligent Discussion-Bot for Answering Student Queries in Threaded Discussions," in: Proceedings of the International Conference on Intelligent User Interfaces (2006), pp. 171–177, accessed on 22/4/2025, at: https://acr.ps/1L9zRnW; Ocelot Team, "AI Chatbots Radically Improve How Students Get Answers," OCELOT, 18/10/2018, accessed on 22/4/2025, at: https://acr.ps/1L9zQKD; "Q&A Bot That Answers Student Queries in Microsoft Teams," Deakin University, 14/1/2021, accessed on 22/4/2025, at: https://acr.ps/1L9zQP2 102 Hwang et al.
)Tutoring Systems103. وقد يعمد المدرّسون، أيضًا، إلى تبنّي روبوتات المحادثة القائمة على الذكاء الاصطناعي المحدود الذاكرة بالتعاون مع الطلااب، من أجل ابتكار أنماط جديدة من التعلم104. من ناحية أخرى، تطرح أدوات الذكاء الاصطناعي المحدود الذاكرة مثل "تشات جي بي تي" العديد من التحديات بالنسبة إلى المعلّمين105، نظرًا إلى إمكانية إساءة استخدام الطلااب إيّاها، من خلاال استخدامها في كتابة المقالات الدراسية على سبيل المثال106، وهو ما قد يستدعي إدخال تعديلاات على طبيعة المهّما ت الأكاديمية أو تطوير أدوات ذكية جديدة للكشف عن الانتحال العلمي. وفضالًا عن ذلك، قد يكون لروبوتات المحادثة المعتمدة على الذكاء الاصطناعي المحدود الذاكرة تأثيرات تربوية بعيدة المدى بوصفها أدوات تعُّلُم؛ وذلك بسبب تداعياتها على مهارات الكتابة الأكاديمية والتفكير النقدي لدى الطلااب، وهو أمرٌ يفرض على الأكاديميين تحديات إضافية107. خلااصة القول أنّ تبنّي الذكاء الاصطناعي في مجال التدريس لا يقتصر على أتمتة بعض الأنشطة التدريسية (الإدارية)، بل يمكن توظيفه لتعزيز دور المعلّمين انطقًا من تزويدهم برؤى ذات صلة. ومع ذلك، يجب الإقرار بالمخاطر المحتملة المرتبطة بسوء السلوك الأكاديمي.
ب. التدريس (المكان)
تُسهّل تقنيات الذكاء الاصطناعي عملية التدريس، نظريّا من أي مكان كان؛ إذ يتيح الواقع الافتراضي، وفصول الميتافيرس المرتبطة بهذا النوع من الذكاء، إمكانية التدريس من مواقع مختلفة. وتتيح التطبيقات الحديثة مثل "التعلم في الفضاء الثالث" (Learning Space Third) التدريس عبر الإنترنت108، مم يربط المعلمين بالطلااب في جميع أنحاء العالم، حتى خارج فصولهم الدراسية109. وحالًّيًا، يُحِلّ المدرّسون بيئات افتراضية أو محاكاة رقمية (مثال، ا Room Escape Analytics People) محلّ أنشطة بناء
103 Luckin et al. 104 Ethan R. Mollick & Lilach Mollick, "New Modes of Learning Enabled by AI Chatbots: Three Methods and Assignments," SSRN, 2022, accessed on 22/4/2025, at: https://acr.ps/1L9zREY 105 Sabina Milano, James A. McGrane & Sabina Leonelli, "Large Language Models Challenge the Future of Higher Education," Nature Machine Intelligence, vol. 5, no. 4 (2023), pp. 333–334. 106 Chris Stokel-Walker, "AI Bot ChatGPT Writes Smart Essays—Should Academics Worry?" Nature (2022). 107 Milano, McGrane & Leonelli, pp. 333–334. 108 (Learning Space Third): منصة تعليمية تقدّم دروسًا خصوصية في الرياضيات عبر الإنترنت للطلااب في المراحل الابتدائية
والإعدادية، وهي توفر تعليمًا فردًّيًا مخصصًا وفقًا لمستوى كل طالب بمساعدة مدرسين مؤهلين، مع التركيز على دعم الطلااب الذين يواجهون صعوبات في استيعاب المنهج الدراسي المتوافق مع المعايير التعليمية مثل المنهج البريطاني أو الأميركي، وهي أيضًا تتابع تقدّم الطالب وتُعدّل الدروس بناءً على أدائه، مما يجعلها خيارًا مثاليّا بالنسبة إلى المدارس التي تبحث عن برامج دعم تعليمي ذات فاعلية أو الأهالي الراغبين في تحسين مستوى أبنائهم في الرياضيات (المترجم). للمزيد، ينظر: "Closing the Maths Attainment Gap with One-to-One Teaching," Third Space Learning, accessed on 22/4/2025, at: https://acr.ps/1L9zRPA 109 Baker, Smith & Anissa.
الفريق التقليدية والألعاب الاستراتيجية الجادة110. وتُنتج تقنيات الذكاء الاصطناعي مزيدًا من هذه البيئات التعليمية الافتراضية التي مُتكّن المعلمين والطلااب من التفاعل مع بعضهم من مواقع متباعدة. وُيكمن أن يساهم هذا النوع من الذكاء في تطبيق نموذج "الفصل المعكوس". فمثال، ا يستخدم الطلااب روبوتات المحادثة استعدادًا للمواد الدراسية التي ستُناقش في الفصل111. وفي الوقت ذاته، ومع التقدّم في استخدام الطلااب لروبوتات المحادثة المدعومة بأدوات الذكاء الاصطناعي المحدود الذاكرة، قد يُعيد المعلمون النظر في العودة إلى نماذج الاختبار الورقي التقليدي داخل الصف. كان تقديم التغذية الراجعة للمتعلمين يجري تقليدًّيًا مباشرة في الفصل، إلا أن التطورات التكنولوجية الحديثة المدمجة في أنظمة التعليم الذكي القائمة على الذكاء الاصطناعي المحدود الذاكرة، صارت تتيح للمعلمين دعم طلاابهم وتقديم ملااحظات مخصصة لهم من أي مكان112. وثمّة أيضًا أمثلة دالة على استخدام الروبوتات التعليمية (الاجتمعية) في الفصول الدراسية كمعلّمين رئيِسيِن أو بُدلاء من المعلمين، وليس بوصفها أدوات داعمة في الأنشطة التدريسية فحسب؛ مثل استخدام الذكاء الاصطناعي المحدود الذاكرة في تعليم اللغات. وعلى سبيل المثال، تُدرج دراسة أنور وآخرين في هذا السياق113.
ج. التدريس (الزمان)
تتيح تقنيات الذكاء الاصطناعي، إضافةً إلى تمكين التدريس من أي مكان في العالم، إمكانية التدريس المستقل عن الزمن؛ إذ يمكن أن يصل الطلااب إلى المحاضرات والتغذية الراجعة في أي وقت يشاؤون. ويمكن استخدام تطبيقات هذا النوع من الذكاء لتوفير تغذية راجعة وتقييمت فورية، مم يسهم في دعم عملية التعلّم المستمر لدى الطلااب114. وعلى سبيل المثال، تتيح تقنيات الذكاء الاصطناعي للأكاديميين تسجيل محاضرات تفاعلية وشخصية جزئية (Lectures Micro) يمكن من خلاالها تنفيذ التدريس غير المتزامن في أي وقت.
110 (Room Escape Analytics People): غرفة الهروب التحليلية للموارد البشرية، وهي تجربة تعليمية تفاعلية تُحاكي ألعاب الهروب، مصممة لمساعدة متخصصي الموارد البشرية والقيادات على تطوير مهاراتهم في تحليل البيانات واتخاذ القرارات القائمة على الأدلة. وخلاال اللعبة، يحل المشاركون ألغازًا تعتمد على سيناريوهات واقعية مثل تقليل معدل دوران الموظفين أو تحسين التنوع، باستخدام مؤشرات أداء الموارد البشرية والتحليلاات (المترجم). للمزيد، ينظر: The Chartered Institute of Personnel and Development (CIPD), accessed on 22/4/2025, at: https://acr.ps/1L9zRMC 111 Yogesh K. Dwivedi et al., "'So What If ChatGPT Wrote It?' Multidisciplinary Perspectives on Opportunities, Challenges and Implications of Generative Conversational AI for Research, Practice and Policy," International Journal of Information Management, vol. 71 (2023), Article 102642. 112 Galina Deeva et al., "A Review of Automated Feedback Systems for Learners: Classification Framework, Challenges and Opportunities," Computers & Education, vol. 162 (2021), Article 104094, accessed on 22/4/2025, at: https://acr.ps/1L9zRxO 113 Anwaret al., p. 2. 114 Luckin et al.
وبناءً على تبنّي أنظمة التعليم الذكي وروبوتات المحادثة المعتمدة على الذكاء الاصطناعي المحدود الذاكرة، يضمن المدرّسون الأكاديميون تَلقّى طلاابهم تغذية راجعة مخصصة من دون تقيّد بالزمن115. وبدلًا من أن يردّ الأكاديميون على استفسارات الطلااب وطلباتهم على امتداد الأسبوع، يمكن أن تتولى هذه الأنظمة الذكية الرد بعد ساعات العمل الرسمية، مم يتيح للأكاديميين أن ينظّموا أوقات عملهم على نحو أفضل، وللطلااب أن يتعلّموا وفقًا لسرعتهم الخاصة.
د. اتجاهات البحث المستقبلية المتعلقة بالأنشطة التدريسية
إنّ الدراسات التي تناولت تصميم العمل التدريسي نادرة116؛ لذلك ينبغي للأبحاث المستقبلية أن تستقصي إمكانات تأثير تقنيات الذكاء الاصطناعي في هذا التصميم، من حيث مكونات العمل الأساسية والنتائج المرتبطة به، مثل الرفاهية والأداء. فقد كان المعلّمون يتحملون من قبلُ المسؤولية كاملة عن تصميم المواد والأنشطة التعليمية، ولكنهم أصبحوا يدمجون في تدريسهم أدوات وخدمات قائمة على الذكاء الاصطناعي المحدود الذاكرة، غالبًا ما يرجع تصميمها إلى تطبيقات تورّدها أطراف خارجية117. ويستوجب هذا "النمط الخارجي من التوريد" دراسة معمقة لفهم إذا ما كان ينبغي إشراك المعلّمين في تصميم هذه التطبيقات، و/ أو في حلقات التغذية الراجعة الخاصة بها. وبالنظر إلى أنّ الأكاديميين لا يتبنّون بالضرورة جميع التقنيات التعليمية المتاحة118، فإنّ الدراسات المستقبلية ينبغي لها أن تركز على العوامل التي تشكّل تصوراتهم، وسلوك تبنّيهم، واستخدامهم لهذه التقنيات، وينبغي أيضًا دراسة التأثيرات البيداغوجية وتبعاتها المتعلقة بالعمل الأكاديمي وإنتاج المعرفة، نتيجةً لاستخدام المعلمين والطلااب الذكاءَ الاصطناعي. ينبغي أن تتناول الأبحاث المستقبلية في التدريس البُعد الأخلااقي لاستخدام الذكاء الاصطناعي أيضًا. وعلى سبيل المثال، يجب أن يُدرس الطرف الذي يتحمل المسؤولية عن التصميم الأخلااقي لتطبيقات الذكاء الاصطناعي وتطبيقاتها العملية، وإمكانات تأثير هذا الذكاء في الجانب العلاائقي (Relational) من الوظائف الأكاديمية، وعلااقات السلطة بين المدرّسين الأكاديميين والطلااب. وفي هذا السياق، تبرز أسئلة محورية من بينها: من يضمن أنّ تطبيقات الذكاء الاصطناعي لا تتحيّز ضد طلااب معيّنين (أو
115 Deeva et al. 116 Feng Ouyang & Pei Jiao, "Artificial Intelligence in Education: The Three Paradigms," Computers and Education: Artificial Intelligence, vol. 2 (2021), Article 100020, accessed on 22/4/2025, at: https://acr.ps/1L9zRAS; Zawacki- Richter et al. 117 المقصود بكلمة خارجية في هذا السياق: من خارج المؤسسة، أطراف ثالثة (Outsourcing)؛ مثل الشركات والمؤسسات العاملة في تصميم تلك الأدوات. (المترجم) 118 Qian Liu, Susan Geertshuis & Robyn Grainger, "Understanding Academics' Adoption of Learning Technologies: A Systematic Review," Computers & Education, vol. 151 (2020), Article 103857, accessed on 22/4/2025, at: https://acr.ps/1L9zRwF
مجموعات منهم) بناءً على العِرق/ الإثنية أو النوع الاجتمعي أو الجنسية؟119، ومَن المسؤول عن القرارات الجوهرية (مثل التقييم وإسناد الدرجات) التي تُحدّد، أو تُنَفَّذ، بواسطة هذا النوع من الذكاء؟ وهل ينبغي تأطير هذه المسؤوليات وتوثيقها رسمًّيًا (من خلاال إرشادات جامعية مثال)ا؟ قد يتطلب استخدام تطبيقات الذكاء الاصطناعي التي تتيح إمكانية العمل من أي مكان (البُعد المكاني) موارد مالية إضافية (مثل الاشتراكات)، وكفاءات في استخدام التكنولوجيا، وموارد تتيح تجربة هذه التطبيقات وفهم طرائق عملها وشرحها للطلااب. ولا تزال هذه المتطلبات الإضافية للعمل تناقش على نحو محدود في سياق استخدام تطبيقات الذكاء الاصطناعي، لا سيم فيم يتعلق بالأكاديميين. ومن ثم، ينبغي للأبحاث المستقبلية أن تُقيّم مدى تأثير تبنّي الطلااب لتقنيات هذا الذكاء في تحديد أماكن تنفيذ أنشطة التدريس والتقييم. مع التقدّم في تقنيات الذكاء الاصطناعي وما يصاحبها من إمكانيات في التدريس المخصص والمستقل عن الزمن، بات الأكاديميون من حيث أوقات العمل قادرين على العمل بمرونة أكثر فأكثر (البُعد الزماني). وفي الوقت ذاته، تتيح تطبيقات هذا النوع من الذكاء للطلااب التعلم طوال الوقت، مم قد يؤثر أيضًا في توقيت العمل المتوقع من المعلمين. وهذا يثير تساؤلات مهمة، منها ما يلي: ما الكيفية التي سيتغير بها توقيت يوم العمل الأكاديمي عند استخدام حلول الذكاء الاصطناعي؟ وكيف تؤثر هذه الحلول في التوازن بين العمل والحياة الشخصية بالنسبة إلى الأكاديميين؟
6. الأنشطة المتعلقة بالخدمات الأكاديمية (تطبيق المعرفة)
يجب أن يستثمر الأكاديميون باستمرار في الأنشطة المتعلقة بالخدمات الأكاديمية وتطبيق المعرفة. ويُطلق على هذا المفهوم أحيانًا مصطلح "سلوكيات المواطنة الأكاديمية"، أي إنّ الأكاديميين هم أعضاء يخدمون مجتمعًا أكاديمًّيًا أوسع اجتمعيّا. فهم يقدّمون خدمات أكاديمية، ويطبّقون معارفهم على نحو يعود بالنفع على الطلااب، والزملااء، والمؤسسة التي ينتمون إليها، والمهنة الأكاديمية، والجمهور العام. ويمكن أن يُسهم الذكاء الاصطناعي في أتمتة مثل هذه الأنشطة الأكاديمية وتعزيزها (ينظر الملحق.)3
أ. الخدمات - الماهيّة
تشمل الأنشطة المتعلقة بالخدمات الأكاديمية إجراء المقابلاات مع المرشحين، والإرشاد الأكاديمي، وتقييم الزملااء، والمشاركة في اللجان، وتنظيم المؤتمرات، وتقديم الاستشارات إلى القطاع الخاص، والتفاعل مع وسائل الإعلاام والجمهور من خلاال المحاضرات والعروض التقديمية والمناظرات120، إضافةً إلى ذلك،
119 Baker & Hawn, pp. 1–41; Rod D. Roscoe et al., "Inclusion and Equity as a Paradigm Shift for Artificial Intelligence in Education," in: Fan Ouyang et al. (eds.), Artificial Intelligence in STEM Education (London/ New York: CRC Press, 2022), pp. 359–374. 120 Macfarlane, pp. 261–273.
يتحمّل الأكاديميون مسؤوليات مراجعة المقالات العلمية، والمشاركة في الهيئات التحريرية للمجلاات، والتقدّم بطلبات للحصول على منح بحثية، والمشاركة في لجان التوظيف والتطوير المهني. ولمواكبة المشهد المتغير بسرعة في عالم الأعمل، يُقيم الأكاديميون روابط وثيقة مع القطاع الصناعي لاكتساب فهم أعمق للمشكلاات الواقعية، وتأمين التمويل الخارجي لأنشطة متعلّقة بخدمات الاستشارات والبحث121. بيد أن البحث عن المنح والتقدّم بطلبات للحصول عليها قد يكون مرهقًا ومعقّدًا وغير مُجدٍ، نظرًا إلى كثرة الإجراءات المطلوبة وصعوبة العثور على مصادر تمويل مناسبة122. واليوم، توجد منصات تعتمد على محركات بحثٍ متقدمة تتيح سهولة البحث عن المنح (مثال، ا الموقع https://acr.ps/1L9zS81)، و العثور على الشركاء (مثال، ا الموقع https://msca.b2match.io)، فضالًا عن التقدّم بطلبات الحصول على المنح (مثال، ا الموقعان: https://grantai.com، https://news.brevio.org)، ويمكن أن تساعد حلول الذكاء الاصطناعي الجهات المانحة في تقييم طلبات التمويل البحثي123. يُعدّ الإرشاد الأكاديمي جانبًا مهّمًا من العمل الأكاديمي، غير أنّ إيجاد التوافق المناسب بين المُرشِد والمُسترشِد ربما يكون تحدّيًا. وقد سعَت بعض المنصات لسدّ هذه الفجوة انطقًا من خوارزميات المطابَقة، مثل (https://mentorloop.com). إضافةً إلى ذلك، يجري تطوير أدوات مراجعة أكاديمية بمساعدة الذكاء الاصطناعي من أجل تخفيف العبء الناتج من العدد المتزايد من المقالات المقَّدَمة للنشر124، وهو اتجاه مرشّح للاازدياد بسبب تنامي ظاهرة الأوراق المنتَجة من خلاال هذا النوع من الذكاء125. وفي هذا السياق، تُستخدم أنظمة مثل (Matching Paper TorontoOpenReview()، و)، و (PeerReview4All) في توزيع المقالات تلقائيًا على المراجِعين، مم يسهم في معالجة التحدّي المتمثّل في تحديد المراجِعين الأنسب لكل ورقة بحثية. يمكن أن يُسهم الذكاء الاصطناعي في دعم الأكاديميين عند أدائهم دَور "شهود خبراء" من خلاال تمكينهم من تحليل الأدلة بسرعة أكبر. ثمّ إنّ قدرات المطابقة التي توفّرها تقنيات هذا النوع من الذكاء يمكن أن تساعد الأكاديميين في العثور على المؤتمرات والمجلاات المناسبة لمناقشة أبحاثهم أو نشرها. ويمكن، أيضًا، تبسيط الأنشطة الإدارية المتزايدة في العمل الأكاديمي (مثل تقارير المصروفات أو جدولة المواعيد) استنادًا إلى أنظمة ذكية ومساعِدين افتراضيين. ويمكن كذلك تفويض مقابلاات العمل مع طلبة الدكتوراه
121 Mark I. Rapert, David L. Kurtz & Steve Smith, "Beyond the Core Triad: Just What Do Marketing Academics Do Outside of Teaching, Research, and Service?" Journal of Marketing Education, vol. 24, no. 2 (2002), pp. 161–167, accessed on 22/4/2025, at: https://acr.ps/1L9zSok 122 Mark Speller et al., "UK Third Sector Grant Making: A Summary of Research by the University of Bath," University of Bath, 2019. 123 Andrea Checco et al., "AI-Assisted Peer Review," Humanities and Social Sciences Communications, vol. 8, no. 1 (2021), pp. 1–11, accessed on 22/4/2025, at: https://acr.ps/1L9zRKW 124 Ibid. 125 Dwivedi et al.
أو الزملااء الجدد، جزئيًا، إلى روبوتات محادثة قائمة على الذكاء الاصطناعي المحدود الذاكرة، أو روبوتات اجتمعية (مثال، ا.)Furhat مع تزايد إتاحة المعرفة العلمية لعامة الجمهور (من خلاال روبوتات المحادثة أو حركة العلم المواطن على سبيل المثال)126، قد يتغّير دور الأكاديميين من الاقتصار على مشاركة المعرفة إلى مساعدة أصحاب المصلحة في تطبيقها عملًّيًا. ومن المحتمل أن يَُسّرَع هذا التحوّل نتيجة استخدام الجمهور لروبوتات المحادثة المعتمدة على الذكاء الاصطناعي المحدود الذاكرة مثل "تشات جي بي تي" للإجابة عن أسئلة معرفية أساسية.
ب. الخدمات - المكان
تتمتّع تقنيات الميتافيرس والواقع الافتراضي/ المعَّزَز المرتبطة بالذكاء الاصطناعي بإمكانات كبيرة لإحداث ثورة في الأماكن التي يزاول فيها الأكاديميون أعملهم الخدماتية؛ انطقًا من تمكينهم من المشاركة الافتراضية في الاجتمعات، أو المؤتمرات، أو غيرها من الفعاليات (المداخلاات التلفزيونية مثال)ا. وباستخدام تكنولوجيا التصوير التجسيمي (Technology Holographic)، يمكن أن يُسقط الأكاديميين تمثيالًا واقعًّيًا لأنفسهم (صورة رمزية/ أفاتار) في موقع بعيد في أي وقت، والتفاعل مع الآخرين كم لو أنهم كانوا حاضرين فعلًّيًا، مستخدمين الهوية التي يختارونها. ويُعدّ هذا الأمر مفيدًا؛ خصوصًا بالنسبة إلى الأكاديميين الذين يتعذر عليهم السفر لأسباب صحية أو عائلية، أو لأسباب متعلقة بتخفيضات في ميزانيات السفر، أو غير ذلك من الأسباب. ومن المحتمل أن يُسهم هذا الأمر في تعزيز إنتاجية الأكاديميين في المستقبل127. نظرًا إلى قدرة الذكاء الاصطناعي على مساعدة الأكاديميين في التواصل (قراءةً وكتابةً) بأي لغة كانت، فإنهم قد يتمكّنون من أداء أدوار الخبراء (تقييم طلبات المنح البحثية مثال)ا أو الشهادة في أي بلد، بغضّ النظر عن لغاتهم المحلية.
ج. الخدمات - الزمان
يمكن أن يساعد الذكاء الاصطناعي الأكاديميين على أداء مهّما ت متعددة في الوقت ذاته، أو تنفيذ أنشطة متنوعة على نحو متزامن، من خلاال أتمتة المهّما ت الإدارية أو الخدمية الروتينية المتكررة. وعلى
126 (Science Citizen) هو توجه يمكن ترجمته ب "علم الجميع"، أو "علم المواطن"، أو "علم الشعب"، بحيث يشارك الجمهور طواعية في العملية العلمية، ويعالج مشكلاات العالم الحقيقي بطرائق قد تشمل صياغة أسئلة بحثية، وإجراء التجارب العلمية، وجمع البيانات وتحليلها، وتفسير النتائج، والتوصل إلى اكتشافات جديدة، وتطوير التقنيات والتطبيقات، وحل المشكلاات المعقدة (المترجم). للمزيد، ينظر: CitizenScience.gov, accessed on 22/4/2025, at: https://acr.ps/1L9zQuK 127 Edward Herman, "Scholarly Reputation," FEMS Microbiology Letters, vol. 365, no. 18 (2018), accessed on 22/4/2025, at: https://acr.ps/1L9zS5r
وجه التحديد، يمكن استخدام هذا الذكاء في إدارة البريد الإلكتروني وتنظيم الجداول الزمنية، بناءً على فرز الرسائل، وتحديد أولويات المهّما ت، وإرسال ردود تلقائية. وقد يسهم ذلك في مساعدة الأكاديميين على الحفاظ على التنظيم والتركيز على أعملهم الأساسية، كم يمكن أن يؤدي إلى تقليل اعتمدهم على الطاقم الإداري في الجامعة.
د. اتجاهات البحث المستقبلية المتعلقة بالأنشطة الخدمية الأكاديمية
تُعدّ الكثير من الأنشطة الخدمية الأكاديمية، مثل عمل الخبراء، نتيجةً لبناء السمعة الأكاديمية والحفاظ عليها وتعزيزها، فضالًا عن ارتباطها بالبُنى السلطوية الراسخة داخل الحقل الأكاديمي. ومع ذلك، لا يزال من غير الواضح إذا ما كان استخدام الذكاء الاصطناعي ممكن التأثير في السمعة العلمية التي بُنيت على مدى زمني طويل، أو في البُنى السلطوية، من خلاال تحسين الإنتاجية والتأثير128. ويمكن أن تَدرس الأبحاث كيفيّة تغيير استخدام المعرفة المتاحة للجمهور، عبر روبوتات المحادثة القائمة على الذكاء الاصطناعي، دَورَ الأكاديميين في المجتمع. ونقترح أيضًا أن يعمل الباحثون على تحديد المهّما ت الخدمية التي يمكن أن تُؤَدَّى على نحو أفضل من خلاال هذا النوع من الذكاء أو استخدامه، وما إذا كانت توجد أنشطة يجب أن تُنجز حضورًّيًا. وعلى سبيل المثال، لا تزال مشاركة العلمء، بوصفهم خبراء في المحاكم، تتطلب حضورًا شخصيّا في كثير من الحالات129. وينبغي أن تكون هذه الدراسات عابرة للتخصصات، وجامعة بين خبراء في القانون والعلوم الاجتمعية والعلوم التقنية على الأقل. ويمكن أن تسعى الدراسات المستقبلية لاستشراف تأثير الذكاء الاصطناعي في توزيع العمل بين الأكاديميين والموظفين الإداريين/ الداعمين في الجامعات (على سبيل المثال تحويل المهّما تShift Task)، ولا سيم فيم يتعلق بالأنشطة الخدمية أو الإدارية/ الداعمة، وينبغي أيضًا التحقّق مّما إذا كانت توجد أنشطة لا يمكن تنفيذها بمساعدة الذكاء الاصطناعي، سواء بسبب تعقيدها الشديد واعتمدها على المعرفة الضمنية، أو بسبب خضوعها لمتطلبات صارمة تتعلق بالسرية أو الخصوصية.
المناقشة
استنادًا إلى الإطار المفاهيمي المقترح والأمثلة التوضيحية المتعلقة باستخدام الأكاديميين المحتمل للذكاء الاصطناعي، قدّمنا تصورًا عامّا متعلقًا بكيفية دراسة مستقبل عمل الأكاديميين، يمكن من خلااله بناء سيناريوهات مستقبلية استنادًا إليه. وينبغي استخدام هذا الإطار لدراسة إمكانات استخدام الذكاء الاصطناعي لأتمتة عمل المعرفة و/ أو تعزيز أماكنها؛ مثل الجامعات، في المستقبل، وكيفية ذلك في
128 Ibid. 129 Daniel L. Rubinfeld & Joe S. Cecil, "Scientists as Experts Serving the Court," Daedalus, vol. 147, no. 4 (2018), pp. 152–163, accessed on 22/4/2025, at: https://acr.ps/1L9zS1p
حال تحقّق هذه الإمكانات. وإذا استمرت التطورات الحالية، واعتمُد هذا النوع من الذكاء على نطاق واسع، فإنه يكون لهذا الأمر تبعات مهمة متعلقة بجوهر الوظائف الأكاديمية بوصف أصحابها عاملين في حقل المعرفة، ولا سيم في سياق مسؤولياتهم المرتبطة باكتساب المعرفة، وإنتاجها، ونشرها، وتطبيقها (الشكل.)1 وفقًا لما طرحته دراسة شارون باركر، وجوديلاا غروته130، يسلّط نموذجنا الضوء على أن استخدام الذكاء الاصطناعي يُعيد تشكيل العمل الأساسي الذي يؤديه الأكاديميون، وهو متمثل في البحث العلمي، والتدريس، والخدمات الأكاديمية؛ ومن ثمّ، فهو يُحدث تغييرات في عمليات عمل المعرفة. وفي الوقت نفسه، فإن الطريقة التي يُعيد بها هذا النوع من الذكاء تشكيل مستقبل عمل الأكاديميين عبر الزمن تتأثر بعوامل في مستويات عليا، مثل القوانين والتشريعات المرتبطة بهذا الذكاء، وبعوامل فردية أيضًا، مثل مواقف الأكاديميين ودوافعهم تجاه الذكاء الاصطناعي، ومستوى معارفهم ومهاراتهم وكفاءاتهم المتعلقة به (أي محو الأمية في مجال الذكاء الاصطناعي). إنّ الطريقة التي يؤثر بها الذكاء الاصطناعي في مستقبل عمل الأكاديميين تتشكل أيضًا بناءً على تطورات تكنولوجيا هذا النوع من الذكاء نفسها. وقد ذكرنا العديد من الأمثلة المتعلقة بكيفية استخدامه أو إمكانية استخدام الأكاديميين له، لكن ينبغي لنا الإقرار كذلك بأن الحمسة الراهنة المحيطة بالذكاء الاصطناعي في الأوساط الأكاديمية قد مُتثّل ما يُعرف بمرحلة "ذروة التوقعات المبالغ فيها" وفقًا لنموذج دورة الضجيج (Cycle Hype)131 الخاص بشركة غارتنر132. وعلى الرغم من أن هذا النموذج قد تعرّض لبعض الانتقادات، كم هو الشأن في دراسة أوزغور ديديهاير، ومارتن ستينرت133، فإنه يتوافق مع ما شهده تاريخ تطور هذا النوع من الذكاء من فترات حمسة مفرطة (صيف الذكاء الاصطناعي) يعقبها خيبة أمل (شتاء الذكاء الاصطناعي)134. ويساعدنا هذا المنظور في فهم مسار تطور هذه التكنولوجيا الناشئة من حيث التوقعات والدور الذي ستؤديه في المنظمت مستقبال؛ ا إذ تؤدي الموجات الأولى من التطوير إلى حمسة مفرطة وتوقعات غير واقعية، يعقبها طورٌ من خيبة الأمل حين يتعذر تحقيق هذه
130 Parker & Grote, pp. 1–45. 131 تتمحور فكرة دورة الضجيج (Cycle Hype) حول القدرة على تمييز الضجيج مّما هو مُمكن التطبيق تجارًّيًا حينما تقدّم التقنيات
الجديدة وعودًا جريئة، وحينما تؤتي هذه المطالبات ثمارها، إنْ وجدت. وتوفر دورة الضجيج تمثيالًا بيانًّيًا لنضج التقنيات والتطبيقات واعتمادها، وكيف يمكن أن تكون ذات صلة بحل مشكلاات الأعمال الحقيقية واستغلاال الفرص الجديدة. وتتيح هذه المنهجية النظر إلى كيفية تطوّر التكنولوجيا أو التطبيق بمرور الوقت (المترجم). للمزيد، ينظر: "Gartner Hype Cycle," Gartner, accessed on 22/4/2025, at: https://acr.ps/1L9zS8F 132 Ibid. 133 Orkun Dedehayir & Martin Steinert, "The Hype Cycle Model: A Review and Future Directions," Technological Forecasting and Social Change, vol. 108 (2016), pp. 28–41. 134 Michael Haenlein & Andreas Kaplan, "A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence," California Management Review, vol. 61, no. 4 (2019), pp. 5–14.
التوقعات135. ونظرًا إلى أن الذكاء الاصطناعي (وخاصة التوليدي منه) حاليّا في ذروة التوقعات المبالغ فيها136، فقد تكون خيبة الأمل وشيكة. وفي هذا السياق، تجادل دراسة نيمورين وآخرين137 بأن الذكاء الاصطناعي في التعليم يشهد حاليّا ضجة إعلاامية مفرطة؛ إذ لا تزال الأدلة التي تدعم التوقعات والنتائج المرجوّة من تطبيقاته محدودةً. وبناءً عليه، فإن تطورات تكنولوجيا هذا الذكاء، وما يرتبط بها من توقعات وتحقيقات على أرض الواقع، تُعدّ عامالًا مهّمًا في تشكيل مستقبل عمل الأكاديميين.
الجدول (1) السيناريوهات المستقبلية لعمل الأكاديميين المُوَلَّدة من الذكاء الاصطناعي
سيناريو أوّل: مستقبل متفائل
تشهد تكنولوجيا الذكاء الاصطناعي تقدمًا كبيرًا، لتصبح أداة قوية تعزّز العمل الأكاديمي وإنتاج المعرفة. وتمكّن أدوات البحث المدعومة بالذكاء الاصطناعي الأكاديميين من تحليل مجموعات ضخمة من البيانات بسرعة ودقة غير مسبوقتين، مما يؤدي إلى اكتشافات علمية رائدة. وتسهم المساعِدات التدريسية القائمة على هذا النوع من الذكاء في توفير تجارب تعليمية مخصصة تتكيف مع احتياجات كل طالب؛ ما يتيح نهجًا تربوًّيًا أكثر فاعلية. ويتبنى الأكاديميون محو الأمية في مجال هذا الذكاء، ويُدمجون أدواته بسلااسة في سير عملهم اليومي، ويصبح قبول الذكاء الاصطناعي واسع الانتشار؛ إذ يُنظر إليه بوصفه شريكًا متعاونًا، وليس بوصفه منافسًا. وتتطور الأطر التنظيمية من أجل دَعْم الاستخدام الأخلااقي للذكاء الاصطناعي في المجال الأكاديمي، مع ضمان خصوصية البيانات وتعزيز الشفافية. وتشجع هذه القوانين على الابتكار، وتوفر الحماية من إساءة الاستخدام، مما يخلق بيئة إيجابية يسهم من خلاالها الذكاء الاصطناعي في رفع جودة الجهود الأكاديمية وتأثيرها.
تتفاعل هذه المكونات الثلااثة معًا لتؤثر في إمكانية تشكيل الذكاء الاصطناعي لمستقبل عمل الأكاديميين، فضالًا عن كيفية هذا التشكيل في حال تحقق هذه الإمكانية. ويمكن أن تساعد السيناريوهات المستقبلية في تحديد ملاامح هذه التطورات المحتملة، والاستفادة من هذا النوع من الذكاء المحدود
135 Jackie Fenn & Mark Raskino, Mastering the Hype Cycle: How to Choose the Right Innovation at the Right 136 "Gartner Places Generative AI on the Peak of Inflated Expectations on the 2023 Hype Cycle for Emerging
سيناريو ثانٍ: مستقبل تشاؤمي
تتطور تكنولوجيا الذكاء الاصطناعي بسرعة، لكنها تتجاوز وتيرة تطوير اللوائح التنظيمية والإرشادات الأخلااقية المناسبة، وتصبح أدوات البحث المعتمدة على الذكاء الاصطناعي شائعة، غير أن نقص الفهم والقبول بين الأكاديميين يؤدي إلى سوء استخدامها والاعتماد المفرط عليها، وتتدهور جودة البحث العلمي نتيجةً لعدم تقييم البيانات والنتائج التي ينتجها هذا النوع من الذكاء بطريقة نقدية، ويتأثر التدريس سلبًّيًا؛ إذ تحلّ المساعِدات التدريسية المعتمدة على هذا الذكاء محلّ المعلمين البشريين، مما يؤدي إلى تجربة تعليمية تفتقر إلى الطابع الإنساني، وتعجز القوانين والتنظيمات عن مواكبة التقدم في الذكاء الاصطناعي؛ ما يؤدي إلى حماية غير كافية لخصوصية البيانات والنزاهة الأكاديمية، وينقسم المجتمع الأكاديمي؛ إذ يبدي جزءٌ كبير منه مقاومةً لدمج الذكاء الاصطناعي بسبب المخاوف الأخلااقية وخشيةً من فقدان الوظائف، وهو أمرٌ يعرقل التقدم والتعاون في مجاَلي إنتاج المعرفة ونشرها.
Time (New York: Harvard Business Press, 2008). Technologies," Gartner, 2023, accessed on 22/4/2025, at: https://acr.ps/1L9zR3k 137 Nemorin et al.,p. 38–51.
الذاكرة في تطوير مثل هذه السيناريوهات. وعلى سبيل المثال، واستنادًا إلى إطارنا المفاهيمي، طوّرنا سيناريوَهيَن مستقبلَّييَن باستخدام نموذج "جي بي تي "4 (GPT-4) التابع لشركة "أوبن أيه آي". ويتضمن الجدول (1) هذين السيناريوَهيَن، اعتمدًا على الإطار المفاهيمي المطوّر (الشكل 1)، مع اتباع إرشادات إعداد أوامر (Prompts) الفعّالة والعالية الجودة (ينظر في أدنى الجدول 1). وتجدر الإشارة إلى أن هذه السيناريوهات تشمل أبعاد الإطار المفاهيمي؛ فهي تَعرض نهايتين متقابلتين للااستمرارية تراوح بين سيناريو إيجابي وآخر سلبي. خلااصة القول أنّ منظور تصميم العمل يُسهم في فهم كيفية تأثير الذكاء الاصطناعي في عمل الأكاديميين، والعوامل المحرّكة لهذه التغييرات التي يُرَجَّح أن تنعكس في نهاية المطاف على نتائج جوهرية مثل الأداء الأكاديمي، والرفاهية، وحجم المعرفة العلمية وإنتاجيتها138.
1. التأثيرات المترتبة على مستقبل عمل المعرفة الأكاديمي
من المرجّح أن يؤدي استخدام الذكاء الاصطناعي في عمل المعرفة الأكاديمي إلى تغييرات في الطريقة التي يكتسب بها العاملون في مجال المعرفةِ المعرفةَ، وأن يطوّروها، وينشروها، ويطبّقوها؛ ما قد يؤثر أيضًا في مستوى المعرفة وقيمتها. واستنادًا إلى إطارنا المفاهيمي والأمثلة الواضحة المتعلقة باستخدام هذا النوع من الذكاء، تبرز وجهات نظر متباينة في موضوع مستقبل عمل الأكاديميين من حيث التأثيرات المترتبة على عمل المعرفة. من الناحية الإيجابية، قد تجعل تقنيات الذكاء الاصطناعي عملَ الأكاديميين أكثر كفاءة وفاعلية؛ إذ يمكن أتمتة المهّما ت الروتينية والإدارية. فمثال، ا يمكن أن تحسّن أدوات الكتابة المعتمدة على الذكاء الاصطناعي المحدود الذاكرة جودةَ المخرجات. وهذا يتيح للأكاديميين التركيز على مستويات أعلى (أو نوعية أعلى) من الإنتاج المعرفي مثل اكتساب المعرفة وتطويرها (أي البحث العلمي)، ونشرها وتطبيقها (أي التدريس)؛ ما يؤدي في نهاية المطاف إلى إنتاج الأكاديميين وغيرهم من الأطراف المعنية بهذا الشأن (الطلااب مثال)ا مزيدًا من المعرفة، ويمكن أن يعزّز هذا الأمر الإبداع أيضًا. وقد تفتح الأدوات آفاقًا لأفكار جديدة لم تكن لتُطرح لولا وجود هذه الأدوات؛ وذلك من خلاال دعم العاملين في مجال المعرفة في توليد أفكار مبتكرة، وتقديم اقتراحات ذكية139. وعلى سبيل المثال، تُستخدم المجلاات الأكاديمية أنظمة توصية قائمة على الذكاء الاصطناعي لاقتراح مقالات إضافية للقراءة.
أما من الناحية السلبية، فقد تؤدي هذه الإنتاجية المعَّزَزة إلى زيادة متطلبات التقييم وضغوط العمل المفروضة على الأكاديميين. علااوة على ذلك، قد يُقلّل الاعتمد على الذكاء الاصطناعي في عمل المعرفة فرص تطوير المعرفة وفرص التعلّم أيضًا؛ نظرًا إلى تراجع فرص التعلّم غير الرسمي والعَرضَي، كم جاء
138 وكذلك الشأن أيضًا بالنسبة إلى باركر وغروته في دراستهما، ولم نرّك ز على نتائج استخدام الأكاديميين للذكاء الاصطناعي؛ إذ كان اهتمامنا منصًّبًا على التغيرات التي طرأت على أعمالهم. 139 Krenn et al.
في دراسة أرجان إيفرز وبياتريس آي جي إم فان دير هايدن140، وفي دراسة موكتا كولكاراني وآخرين141. ففي حال الاعتمد كلًّيًا على الذكاء الاصطناعي في اتخاذ القرارات، تقُّلُ قدرة العاملين في مجال المعرفة على التعلّم
وفهم أداء هذه التقنيات والتحكّم فيها142. ثمّ إنّ دمج الذكاء الاصطناعي المحدود الذاكرة في عمل المعرفة يفتح مج لًا لحالات الغش وسوء السلوك الأكاديمي، خصوصًا من جانب الطلااب. وهذا مّما قد يصعب اكتشافه ولا سيم في المدى القريب. فهذا النوع من الذكاء التوليدي مثل" تشات جي بي تي" حفّز العديد من الأكاديميين على المسارعة لفهم تأثيره في البحث والتدريس، وهذا ما ناقشَته، على سبيل المثال دراسة يوجش دويفيدي وآخرين143، ودَفعَ الكليات، أيضًا، إلى حالة من "الطوارئ" لحمية النزاهة الأكاديمية144. وقد تثير أنشطة التدريس والبحث والخدمة الأكاديمية المدعومة بالذكاء الاصطناعي ما يُعرف ب "مشكلة التوافق" (Problem Alignment؛)145 ذلك أن قرارات هذا النوع من الذكاء قد تؤدي إلى نتائج عكسية، أو تُعتبر غير أخلااقية، أو غير منسجمة مع أهداف الأكاديميين والطلااب وتطلّعاتهم. وعلى سبيل المثال، في حين يُقَدَّم التعلم المخصص المدعوم بالذكاء الاصطناعي بوصفه حااًّلا لمشكلاات مثل ضعف الدافعية وفجوات التحصيل، فإن بعض الدراسات أشارت إلى أنه قد يُقوّض تحقيق الذات لدى الطلااب؛ ما يؤدي في نهاية الأمر إلى مخرجات تعُّلُم موحّدة ومحدودة146. قد تتأثر الديناميات والهياكل السلطوية في الأوساط الأكاديمية أيضًا بمدى معرفة الأفراد بكيفية تطوير الذكاء الاصطناعي أو استخدامه. إضافة إلى ذلك، فإن غموضه قد يُعرقل إمكانية تتبّع التوصيات وفهمها، وهو ما يقلّل من الشفافية ويُضعف القدرة على تقييم مدى دقتها؛ وهكذا، يعرقل الغموض عمليات التعلّم وإنتاج المعرفة أيضًا. وقد خَلص هينك دي ريجت147 إلى أن "الفهم، في نظر معظم العلمء والمثقفين، هو الهدف المركزي للعلم"148. لكن أُيكمننا فهم الظواهر التي يجري استكشافها من خلاال الذكاء الاصطناعي؟ إذا أوصت إحدى تطبيقات هذا النوع من الذكاء بإجراء دراسة معيّنة، أو إذا رفض أحد المراجعين المعتمدين على هذا الذكاء ورقة بحثية، على
140 Arjan Evers & Beatrice I. J. M. van der Heijden, "Competence and Professional Expertise," in: Martin Mulder (ed.), Competence-Based Vocational and Professional Education: Bridging the Worlds of Work and Education, Technical and Vocational Education and Training: Issues, Concerns and Prospects (TVET), vol. 23 (New York: Springer, 2016), pp. 83–101, accessed on 22/4/2025, at: https://acr.ps/1L9zRCn 141 Mukta Kulkarni et al., "The Future of Research in an Artificial Intelligence-Driven World," Journal of Management Inquiry, vol. 33, no. 3 (2024), pp. 207–229. 142 Faraj, Pachidi & Sayegh. 143 Dwivedi et al. 144 Debby R. E. Cotton, Paul A. Cotton & James R. Shipway, "Chatting and Cheating: Ensuring Academic Integrity in the Era of ChatGPT," Innovations in Education and Teaching International (2023), pp. 1–12, accessed on 22/4/2025, at: https://acr.ps/1L9zSfa 145 Brian Christian, The Alignment Problem: Machine Learning and Human Values, 1 st ed. (New York: W.W. Norton & Company, 2020). 146 Wayne Holmes, "The Unintended Consequences of Artificial Intelligence and Education," Education International (2023), accessed on 22/4/2025, at: https://acr.ps/1L9zRWo 147 Henk W. de Regt, Sabina Leonelli & Kai Eigner, "Focusing on Scientific Understanding," in: Henk W. de Regt, Sabina Leonelli & Kai Eigner (eds.), Scientific Understanding: Philosophical Perspectives (Pittsburgh: University of Pittsburgh Press, 2009), pp. 1–17. 148 Ibid., p. 1.
سبيل المثال، فإن الفرص المتاحة لفهم الأسباب الكامنة في هذه التوصيات؛ ومن ثمّ تعميق الفهم، تكون محدودة. وتشير الأبحاث إلى أن استخدام الذكاء الاصطناعي يؤثر في تطور الخبرة، بل تُطرح ادّعاءات مفادها أنه قد يؤدي إلى تراجع المهارات وتدهور مستوى الخبرة149، وخصوصًا لأن العاملين في مجال المعرفة مُينَعون من فرص الممرسة القصدية. والتجريب، ويُحرمون من رؤية الصورة الكاملة لتفاعلاات عملهم. يحدث هذا، بوجه خاص، عندما تتحوّل أدوار العاملين في المعرفة من صنّاع قرار إلى متّبِعين للتكنولوجيا (بطريقة عمياء). وتُعدّ هذه التطورات مقلقة، خصوصًا بالنسبة إلى المهنيين المبتدئين الذين لا يزالون في طور تطوير خبراتهم، أو الموظفين الذين يشغلون مواقع هامشية، والذين قد يواجهون صعوبات في التعاون أو التقدّم نحو مركز مجتمعاتهم المهنية150. ومن هنا، فإن ما نُطلق عليه مصطلح "الأكاديميا الخوارزمية" (Algoacademia) قد يؤثر سلبًّيًا في عمل المعرفة في المستقبل القريب؛ من خلاال إضعاف فرص النمو والتفاعل المهني، وتقييد عمليات التعلم والخبرة. ومع ذلك، قد يتغير هذا الواقع في المستقبل البعيد، إذا تحققت الوعود المتعلقة بالجيل المقبل من التقنيات، مثل تقنية "الانتباه المتوسع").Dilated Attention(
أمْرَ151: "بصفتك متخصصًا في تطوير السيناريوهات المستقبلية، فإن مهمتك هي تطوير سيناريوَهيَن متعلقين بالدور المستقبلي للأكاديميين، فهؤلاء يتأثرون بالذكاء الاصطناعي. طوّر سيناريو إيجابًّيًا وآخر سلبًّيًا استنادًا إلى إطارنا المفاهيمي الذي يشمل الأبعاد التالية: أول، ا العمل الأكاديمي الذي يتكوّن من البحث، والتدريس، والخدمات الأكاديمية؛ ثانيًا، العمل المعرفي الذي يتكوّن من إنتاج المعرفة، واكتسابها، ونشرها، وتطبيقها، على أن يستند كل سيناريو إلى إطار يشمل ما يلي: التطورات في تكنولوجيا الذكاء الاصطناعي (العامل التكنولوجي). التطورات في إلمام الأكاديميين بالذكاء الاصطناعي وقبولهم به (العوامل الفردية). التطورات في القوانين والأنظمة (العوامل على المستوى الأعلى). طِّوِر السيناريوَهيَن مستخدمًا نحو 150 كلمة في كلّ سيناريو في فقرة واحدة". ملاحظة: تهدف السيناريوهات، عمومًا، إلى تقديم مثال توضيحي لإمكانيات الذكاء الاصطناعي التوليدي في بناء السيناريوهات المستقبلية، وذلك من خلاال تبنّي إرشادات إعداد الأوامر الواردة على الموقع الإلكتروني (https://www.promptingguide.ai)، وموارد شركة "أوبن أيه آي" المتعلقة بتصميم الأوامر على الموقع الإلكتروني (https://acr.ps/1L9zS8m)، التي تشمل: صياغة أوامر محددة (مهمة
149 Alexander Ardichvili, "The Impact of Artificial Intelligence on Expertise Development: Implications for HRD," Advances in Developing Human Resources, vol. 24, no. 2 (2022), pp. 78–98, accessed on 22/4/2025, at: https://acr.ps/1L9zRN7; Faraj, Pachidi & Sayegh, pp. 62–70. 150 Ayelet Sapir, Israel Drori & Shmuel Ellis, "The Practices of Knowledge Creation: Collaboration Between Peripheral and Core Occupational Communities," European Management Review, vol. 13, no. 1 (2016), pp. 19– 36, accessed on 22/4/2025, at: https://acr.ps/1L9zS0u 151 المقصود "أمر" بمعنى ط (Prompt)، وهو يُكتب في نوافذ الدردشة الخاصة بإحدى أدوات الذكاء الاصطناعي للحصول على لَب إجابة. (المترجم)
تطوير سيناريوَهيَن)، وتقمّص شخصية (خبير في تطوير السيناريوهات)، وتوفير سياق (إطار عملنا الخاص بمستقبل العمل)، وتحديد نتيجة مرغوب فيها (عدد الكلمت). تشير وجهة نظر متدرجة، قدّمتها دراسة ستيف ساتون وآخرين152، إلى أن الخبرة البشرية يمكن تطويرها بالتعاون مع الذكاء الاصطناعي ("تشات جي بي تي" مثال)ا. وعلى الرغم من إقرار أصحاب الدراسة بأن فقدان المهارات يُعد احتملًا خطرًا، فإنهم يسلّطون الضوء على أن أنواع المعرفة وأهميتها النسبية مرشّحة كلّها للتغير. وعلى سبيل المثال، بدلًا من حفظ المعرفة التصريحية التي يمكن أتمتتها، يصبح العاملون في مجال المعرفة أكثر مهارة في إيجاد المعلومات، وهو ما يُعرف بالذاكرة التبادلية153، ويمكن أيضًا أن يصبح العاملون في مجال المعرفة أكثر كفاءة في استخدام الذكاء الاصطناعي المحدود الذاكرة والتفاعل معه بكفاءة. واستنادًا إلى الأمثلة التي جرى ذكرها في القسم الثاني من هذه الدراسة، فإن هذه التطبيقات الذكية توفّر للأكاديميين فرصًا للتعاون مع تقنياته في البحث والتدريس والخدمات الأكاديمية؛ ما يتيح إنشاء ما يُعرف بالذكاء الهجين من خلاال فروق مشتركة بين الإنسان وهذا النوع من الذكاء154. لفهم تأثير الذكاء الاصطناعي في الأكاديميين، من المهم التمييز بين عمل العاملين في مجال المعرفة من جهة، ومخزون المعرفة (المتخصصة) المتاح من جهة أخرى. وقد جادل ريتشارد ساسكايند ودانيل ساسكايند155 بأن عمل المهنيين مرشّح للتراجع نتيجةً للتقنيات الجديدة، لأن المجتمع أصبح لا يعتمد كلًّيًا على العاملين في مجال المعرفة للوصول إلى المعرفة (المتخصصة)، في حين أن أهمية المعرفة ذاتها باتت أمرًا ملًّحًا أكثر من أي وقت مضى. ولهذه الأسباب، قد يُنظر إلى تقنيات الذكاء الاصطناعي على أنها تهديد لشرعية الخبرة المهنية من جانب العاملين في مجال المعرفة؛ ما قد يؤدي إلى مقاومة لاستخدامها156، لا سيم من جانب الأكاديميين ذوي المكانة العالية، الذين يرون في هذه التقنيات تهديدًا لموقعهم وخبراتهم157، وهو ما يبُرز أهمية فَهْم هذه الديناميات فهمًا عميقًا.
2. المحددات
تتضمن هذه الدراسة عددًا من المحددات. فقد وصفنا العديد من الأمثلة المتعلقة بكيفية تأثير تقنيات الذكاء الاصطناعي في عمل الأكاديميين أساسًا. ومن هذا المنطلق، نؤكد أن ما نقدمه هو استنتاجات
152 Steve G. Sutton, Vicky Arnold & Matthew Holt, "How Much Automation Is too Much? Keeping the Human Relevant in Knowledge Work," Journal of Emerging Technologies in Accounting, vol. 15, no. 2 (2018), pp. 15–25. 153 Ibid. 154 M. M. Peeters et al., "Hybrid Collective Intelligence in a Human–AI Society," AI & Society, vol. 36, no. 1 (2021), pp. 217–238. 155 Susskind & Susskind. 156 Faraj, Pachidi & Sayegh, pp. 62–70; Liu, Geertshuis & Grainger. 157 D. E. Bailey & Stephen R. Barley, "Teaching-Learning Ecologies: Mapping the Environment to Structure Through Action," Organization Science, vol. 22, no. 1 (2011), pp. 262–285.
في مسألة كيفية استخدام تطبيقات هذا النوع من الذكاء فعلًّيًا، وما قد يترتب عليه من آثار مهمة في مستقبل الأكاديميين في المدى القريب على الأقل؛ إذ نرى أن الإنسان باستخدامه للذكاء الاصطناعي هو الذي يحدّد النتائج، وليس الذكاء الاصطناعي نفسه من خلاال تأثير تقني حتمي. ويتّفق هذا النهج مع القانون الرابع الذي طرحه ضياء الدين ساردار158 في دراسته للمستقبل؛ إذ يقول: "بالنظر إلى أنه لا يمكننا أن نحصل على معرفة حقيقية بالمستقبل، فإن تأثير أي استكشاف مستقبلي لا يمكن تقييمه تقييمًا ذا معنى إلا في الحاضر". ومن المهم الإقرار بأن ما قد يبدو لبعضهم تطبيقات حالية للذكاء الاصطناعي، قد مُيثّل المستقبل القريب أو حتى البعيد بالنسبة إلى العديد من الأمثلة والتأثيرات التي نعرضها في هذه الدراسة، في حين قد تُذكّر هذه التطورات بعضهم الآخَر بمراحل سابقة من التقدم التكنولوجي. يتمثل أحد المحددات الأخرى في تركيزنا على أنشطة العمل الأكاديمي، من دون التطرّق إلى إمكانية أن يُدارَ الأكاديميون من خلاال الذكاء الاصطناعي (تتبّع الأداء الأكاديمي مثال)ا، ومن دون التمييز بين مختلف المناصب الأكاديمية أو دمج أصحاب المصلحة الآخرين مثل الطلااب والموظفين الإداريين أيضًا. وينبغي للأبحاث المستقبلية أن تتناول عوامل اجتمعية تقنية أوسع تسهم في النتائج المترتبة على تطبيقه (مثل العوامل البيئية والتنظيمية)، ودَور البشر في تشكيل هذه النتائج، والعوامل التعديلية المحتملة والتدخلاات الممكنة، إضافةً إلى الآثار التفاضلية المحتملة التي تتعلق بفئات مختلفة من أصحاب المصلحة في البيئة الأكاديمية. نشير، أيضًا، إلى أننا لم نرسم خريطة تربط بين الوظائف المحددة وأنواع الذكاء الاصطناعي المختلفة وكل الأمثلة المتعلقة بمستقبل العمل الأكاديمي الواردة في هذه الدراسة؛ وذلك لأن العديد من المؤلفين لا يصنّفون الأنواع المحددة منه التي يشيرون إليها، فضالًا عن التعقيد التقني المرتبط بإجراء مثل هذه الروابط بأنفسنا. إضافةً إلى ذلك، ركّزنا تحديدًا على الآثار المترتبة على مستوى الفرد والوظيفة بالنسبة إلى الأكاديميين، من دون التعمق في دراسة أنظمة الذكاء الهجين المختلفة، أو فرق العمل المشتركة بين الإنسان والذكاء الاصطناعي، وما يترتب عليها من تبعات159. ويُعدّ إطارنا المفاهيمي (الشكل 1) تمثيالًا مبسّطًا، وقد يكون غير مكتمل بالنظر إلى التداخل المعقّد بين عمل الأكاديميين ومكوناته المعرفية، إضافةً إلى ما يترتب عليه من آثار في مستقبل العمل. ومع ذلك، فإننا نعتقد أن تحليلنا وإطارنا المفاهيمي يتضمّنان آثارًا مهمة على الصعيدين النظري والتطبيقي.
158 Ziauddin Sardar, "The Namesake: Futures; Futures Studies; Futurology; Futuristic; Foresight—What's in a Name?" Futures, vol. 42, no. 3 (2010), pp. 177–184. 159 M. M. Peeters et al., "Hybrid Collective Intelligence in a Human–AI Society," AI & Society, vol. 36, no. 1 (2021), pp. 217–238.
الشكل (1) الإطار المفاهيمي لمستقبل عمل المعرفة الأكاديمي
3. محددات نظرية
تشهد أبحاث مستقبل العمل التي تهدف إلى تقدير تأثير التقنيات المتقدمة، مثل الذكاء الاصطناعي، نمًّوًا سريعًا160. ويركّز العديد منها على التغّيارت الكمية. لكننا تحدّينا هذا المنظور من خلاال تركيزنا على التغّيارت النوعية الناتجة منه، واستكشاف مستقبل العمل الأكاديمي؛ نظرًا إلى احتملية أن يشهد هذا المجال تحّولّات جذرية مع الانتشار المتزايد لتقنيات هذا النوع من الذكاء. أول، ا تُقدّم هذه الدراسة إطارًا متكامالًا جديدًا161، وتلفت الانتباه إلى إمكانات استخدام الذكاء الاصطناعي وكيفية هذا الاستخدام من منظور الأكاديميين، وذلك بخلااف الأبحاث السابقة التي ركّزت، في أغلب الأحيان، على وجهات نظر الطلااب162، أو مستقبل العمل في الوظائف ذات التخصص الأفقي (عدد المهّما ت المنفذة) والرأسي (مستوى المسؤولية) المحدود، مثل قطاع التصنيع163. وتُسهم الدراسة
160 Boyd & Huettinger, pp. 104–115. 161 Howard J. Klein & Denise Potosky, "Making a Conceptual Contribution at Human Resource Management Review," Human Resource Management Review, vol. 29, no. 3 (2019), pp. 299–304. 162 Zawacki-Richter et al. 163 Ibid.
في إثراء الأبحاث الحالية من خلاال تطوير إطار يجمع بين أدبيات البحث والتدريس والخدمات الأكاديمية التي كانت من قبلُ متفرقة ومُجَزَّأة. ويُعدّ هذا المنظور ضرورًّيًا لتطوير فهم أكثر شمولًا فيم يتعلق بكيفية تأثير الذكاء الاصطناعي في عمل الأكاديميين، ولتسليط الضوء كذلك على التحولات الجوهرية التي يشهدها عمل المعرفة. ومُيهّد إطارُنا لتبنّي نهج تفكير أكثر شمولًا في مستوى الأنظمة، ويمكن تطويره أكثر فأكثر من خلاال النظر في أدوار أصحاب المصلحة الآخرين مثل الطلااب، والموظفين الإداريين، وأولياء الأمور، وصنّاع السياسات، ومديري الموارد البشرية، أو المجتمع بوجه عام. ثانيًا، نقترح الفئات الرئيسة ومحركات التغيير، ونوضّح مدى ما هو معروف بالنسبة إلى تطبيقات الذكاء الاصطناعي أو تأثيراتها في بُعد الماهيّة "ماذا..؟"؛ أي الأنشطة التي يؤديها الأكاديميون، في حين لا يزال محدودًا نسبًّيًا ما هو معروف حول البُعد "أين..؟"؛ أي المكان الذي تُنفّذ فيه هذه الأنشطة، و"متى..؟"؛ أي الجوانب الزمنية لعمل المعرفة. ومن خلاال تطوير إطار عمل يدمج بين الأنشطة الوظيفية المختلفة للأكاديميين (البحث، والتدريس، والخدمات الأكاديمية) مع أبعاد العمل العامة ("ماذا..؟"؛ "أين..؟"؛ "متى..؟") وأنشطة عمل المعرفة (اكتساب المعرفة، وإنتاجها، ونشرها، وتطبيقها)، نقدّم نهجًا أكثر شمولية لتحليل كيفية تشكيل الذكاء الاصطناعي لمستقبل عمل الأكاديميين وغيرهم من العاملين في مجال المعرفة، عبر أبعاد المكان والزمان والمهمة. ويمكن أن يُسهم هذا الإطار في إثراء الجسم المتنامي من الأدبيات المتفرقة حتى الآن، وهي تركز على جوانب مختلفة من مستقبل العمل الأكاديمي، ومنها على سبيل المثال دراسة شون ليهي164، مم يساعد أيضًا في تفسير كيفية تأثير هذا النوع من الذكاء في مخرجات العمل الأكاديمي. وفي السياق ذاته؛ بينم تُعد مفاهيم التدريس والبحث العلمي مفهومة على نطاق واسع، فإن مفهوم الخدمات الأكاديمية لا يزال أقل وضوحًا، على الرغم من أننا نسلّط الضوء على عدة استخدامات محتملة بالنسبة إليه. ثالثًا، تُظهر تحليلااتنا أن التطبيقات التي يوفّرها الذكاء الاصطناعي للعاملين في مجال المعرفة الأكاديمية -مع ما لها من فوائد متوقّعة - قد تكون ضارة بتطوير المعرفة، وقد تزيد من متطلبات العمل والجوانب الاجتمعية والعلااقية بين الباحثين والطلااب. ولذلك، نقترح دراسة هذه المكونات المختلفة استنادًا إلى نظريات راسخة في تصميم العمل أو الهوية المهنية؛ مثل دراسة باركر وغروته165، أو شرعية العاملين في مجال المعرفة الذين تتعرض مكانتهم وخبراتهم للتهديد166. ويعني ذلك ضرورة توجيه مزيد من الاهتمم إلى دور الوكالة الذاتية للأكاديميين في تبنّي هذا النوع من الذكاء واستخدامه؛ إذ إن استجابتهم له واستخداماتهم إيّاه قد تختلف باختلااف مكانتهم المهنية أو انتمءاتهم الجمعية.
164 Siobhán M. Leahy, Carmel Holland & Fiona Ward, "The Digital Frontier: Envisioning Future Technologies' Impact on the Classroom," Futures, vol. 113 (2019), Article 102422. 165 Parker & Grote, pp. 1–45. 166 Faraj, Pachidi & Sayegh, pp. 62–70.
وتشتمل هذه الدراسة على مسائل مهمة ذات تأثير بالنسبة إلى الباحثين. ونوصي بأن يكون الأكاديميون، ولا سيم أولئك الذين يُجرون أبحاثًا عند تقاطع التكنولوجيا ومستقبل العمل والأخلااقيات، هم الفئة المستهدفة بشأن دراسة التطبيق المسؤول للذكاء الاصطناعي في السياق الأكاديمي، على نحو يشمل قضايا مثل الملكية الفكرية، والخصوصية، والثقة، وحوكمة الذكاء الاصطناعي في الأوساط الأكاديمية، ونقترح كذلك اعتمد منهج السيرة الذاتية الإثنوغرافية (Autoethnography) الذي يتعامل مع الباحثين بصفتهم فاعلين مركزيين167. ويمكن أن تكون نتائج مثل هذه الدراسات ذات صدقية، ومُمكنة التعميم على فئات أخرى من العاملين في مجال المعرفة. ويُعدّ البحث في كيفية تشكيل هذا النوع من الذكاء لوظيفة الأكاديمي ميدانًا مثاليّا لتبنّي هذا المنهج، لأننا - بصفتنا أكاديميين - نُشكّل في الوقت ذاته الباحثين وموضوعات البحث.
4. الآثار العملية
نُقدّم في هذه الدراسة أمثلة توضيحية واصِفة لتطبيقات الذكاء الاصطناعي المتقدّمة التي يمكن استخدامها في الأنشطة اليومية للأكاديميين. ونشير إلى أن معظم حلول هذا الذكاء المتاحة للأكاديميين حلولٌ مجَّزَأة تستهدف مهّما ت أو مشكلاات محددة، وأنها ليست أدوات متكاملة تُعنى بأنشطة التدريس والبحث والخدمات الأكاديمية على نحو شامل. ويعكس هذا الأمر الفرق بين الذكاء الاصطناعي الضيّق والذكاء الاصطناعي القوي168. وحينم نحاول النظر إلى المستقبل، تُظهر الأبحاث أن الذكاء الاصطناعي قد يُحدث تحّولّات جذرية في البيئة الأكاديمية. ومن ثمّ، يمكن أن يدرس الباحثون مستقبل العمل الأكاديمي من خلاال استلهام دروس من قطاعات أخرى، والنظر في كيفية تطبيقها في السياق الأكاديمي. وعلى سبيل المثال، يمكن أن يستفيد القادة الأكاديميون من دراسات التنظيم والإدارة لفهم كيفية تأثيره في تغيير طبيعة المهّما ت الإدارية، والعمليات الأكاديمية، والعمل الجمعي. وفي الوقت نفسه، يحتاج الأكاديميون إلى الإلمام بإمكاناته وحدوده في سياق عملهم اليومي؛ ومن ثمّ تطوير مستوى عالٍ من الإلمام به. وتُحرز التطورات التكنولوجية في هذا المجال وتطبيقاته تقدّمًا سريعًا (كم هو الحال مع "تشات جي بي تي")، وقد تُصبح بعض الأمثلة التي أوردناها جزءًا من الماضي في وقت قريب. لذلك، ندعو إلى إجراء مزيد من الأبحاث المتعلقة بمستقبل العمل الأكاديمي، ونحثّ الجامعات وصنّاع السياسات على الاستفادة من النتائج التي توصّلنا إليها لوضع قواعد وإرشادات فاعلة لاستخدام الذكاء الاصطناعي استخدامًا أخلااقيّا في السياقات الأكاديمية، وتنفيذها أيضًا؛ سواء كان ذلك في التدريس، أو البحث، أو الخدمات الأكاديمية.
167 Carolyn Ellis, Tony E. Adams & Arthur P. Bochner, "Autoethnography: An Overview," Historical Social Research/ Historische Sozialforschung, vol. 36, no. 4 (138) (2011), pp. 273–290, accessed on 22/4/2025, at: https://acr.ps/1L9zRBm 168 Russell & Norvig.
خاتمة
استكشفنا كيف أن استخدام تطبيقات الذكاء الاصطناعي يُغّير مستقبل العمل الأكاديمي، وأنه قد يستمر في تغييره. وأوضحنا أن للذكاء الاصطناعي قدرةً على إحداث ثورة في الزمان والمكان وماهيّة أنشطة البحث والتدريس والخدمات الأكاديمية. وُيبُرز تحليلنا التطبيقات المتقدمة الحالية والتغيرات التي يُحدثها استخدام هذا النوع من الذكاء في عمل المعرفة الأكاديمي، وهو أمرٌ مُيهّد لتصوّر بيئة عمل مستقبلية يتعايش فيها الأكاديميون مع الذكاء الاصطناعي. ويساعد إطار العمل الذي نقترحه على تحديد إذا ما كان هذا الذكاء ممكنَ التأثير في عمليات اكتساب المعرفة، وإنتاجها، ونشرها، وتطبيقها، وكيفية حدوث ذلك في حال كونه ممكنًا، ويسلّط الضوء على العوامل المحرّكة لهذه التغيرات المحتملة. ويربط هذا الإطار المتكامل بين هذه المسائل المعقّدة، ويقدّم منظورًا شمولًّيًا لدراسة مستقبل العمل في الأوساط الأكاديمية؛ مثل تطوير سيناريوهات محتملة، ودراسة مستقبل عمل المعرفة بوجه عام. ونقدّم، من خلاال هذه الدراسة، توجّهات لبحوث مستقبلية متعلقة بمستقبل العمل في ظل الذكاء الاصطناعي في السياق الأكاديمي، وبالنسبة إلى صنّاع السياسات أيضًا، من أجل فهمٍ أفضل لهذه التغيرات وما يترتب عليها من آثار مختلفة.
التمويل
جرى دَعْم عمل آيزان تورسونباييفا من خلاال مشروع البحث "نحو جامعة رقمية، مستدامة، ذكية، وشاملة: تقاطعات استراتيجية وتنظيمية وتكنولوجية من أجل التنافسية والنجاح"، والمموّل هو من جامعة نابولي بارثينوب ضمن برنامج تمويل البحث لتطوير المسيرة المهنية للباحثين الشباب. بيان مساهمة المؤلفين وفق تصنيف "كريديت":)CRediT(مارتن رينكيم: الكتابة والمراجعة والتحرير، الكتابة والمسودة الأصلية، والتصور البصري، وإدارة المشروع، والتحليل الرسمي، والتنظير. آيزان تورسونباييفا: الكتابة والمراجعة والتحرير، والكتابة والمسودة الأصلية، والتصور البصري، والتحليل الرسمي، والتنظير.
إقرار تعارُض المصالح
يقرّ المؤلفان بأنه لا توجد أي مصالح مالية أو علااقات شخصية معروفة مؤثّرة في هذه الدراسة.
إتاحة البيانات
لم تُستخدم أُّيُ بيانات في البحث الموصوف في هذه الدراسة.
الشكر والتقدير
نتوجه بالشكر إلى المحرّر والمراجعين المجهولين الاثنين على تعليقاتهم القيّمة.
الإقرار
أثناء إعداد هذا العمل، استخدم المؤلفان أداة "تشات جي بي تي" من موقع (https://chatgpt.com) لتحسين جودة بعض أجزاء النص (نموذج جي بي تي 4)، وتطوير السيناريوهات. ثمّ راجع المؤلفان المحتوى وحرّراه، بحسب ما يقتضيه، وهم يتحملاان المسؤولية كاملةً عن محتوى هذا المنشور.
الملحق (1) البحث المُعاد تشكيله من خلال الذكاء الاصطناعي
| أبعاد مستقبل العمل | الأمثلة | اتجاهات البحث المستقبلة |
|---|---|---|
| "ماذا..؟" | ||
| تحديد المجالات الواعدة والأسئلة البحثية والتحقق من الفجوات البحثية. | مكتبات البرمجة الداعمة لتحليلاات الموضوعات. | كيف يمكن أن يغير الذكاء الاصطناعي أساليب البحث العلمي التقليدية إن كان يمكنه أن يغّيهرا؟ |
| تحديد الحالات المناسبة للدراسة. | منصات المطابَقة. | التحيّزات المحتملة في استخدام الذكاء الاصطناعي في البحث العلمي. |
| مراحل البحث المؤتمتة (مثال:ا فحص الأوراق العلمية، واستخلااص البيانات). | https://www.scholarcy.com | حدود أخلااقية لاستخدام الذكاء الاصطناعي في البحث العلمي. |
| صياغة المقالات العلمية أو تقييمها. | https://scite.ai https://www.researchrabbit.ai https://www.grammarly.com https://quillbot.com https://openai.com | أثر الذكاء الاصطناعي في الخبرة البشرية والتفكير النقدي. |
| تطوير مناهج بحثية جديدة وتداخل الحدود بين البحث النوعي والكمّي. | التنقيب النّصي الخوارزمي. | |
| أين..؟ | ||
| إجراء البحث من خلاال الميتافيرس أو بمساعدة تقنيات الواقع الافتراضي/ المعزّز. | تمجارب سريرية من خلاال الميتافيرس. | البيانات التجريبية المتعلقة بالأساليب المستخدمة لتوظيف الذكاء في هذه الأغراض أو نتائجها. |
| أبعاد مستقبل العمل | الأمثلة | اتجاهات البحث المستقبلة |
|---|---|---|
| إجراء البحث بأي لغة كانت، وفي أي بلد كان. | تاطبيقات الترجمة. | الحدود الأخلااقية لاستخدام الذكاء الاصطناعي في البحث من أيّ مكان كان. الحاجة المستمرة إلى التطوير، وإعادة التأهيل المهني، لمواكبة التقنيات الناشئة. زيادة متطلبات العمل. |
| "متى..؟" | ||
| زيادة السرعة وتوفير مزيد من الوقت. | أدوات أتمتة المراجعة المنهجية. | فيمَ ينبغي استثمار هذا الوقت؟ |
الملحق (2) التدريس المُعاد تشكيله من خلال الذكاء الاصطناعي
| أبعاد مستقبل العمل | الأمثلة | اتجاهات البحث المستقبلة |
|---|---|---|
| "ماذا..؟" | ||
| أتمتة المهمات الإدارية. | التقييم، وفحص الانتحال العلمي، ودرجات الطلااب، والتغذية الراجعة. | موثوقية التقييم المؤتمت وصلااحيتها. وجهة نظر المعلم في قبول الذكاء الاصطناعي واستخدامه. |
| رصد درجات أعمال الطلااب وتقييمها. | التقييم المؤتمت للمقالات وأسئلة الامتحانات...(ا EasyGrader مثال)ا | الانخفاض أو التحوّل في أشكال التفاعل بين المعلمين والطلااب. |
| تحليلاات الطلااب. | الردود التلقائية على أسئلة الطلااب، والمعلمين الرقمّييّن الشخصّييّن، وطرائق التعلم الجديدة. | مدى استعداد الطلااب للتفاعل مع المعلمين الأذكياء. |
| "أين..؟" | ||
| يجري التدريس من خلاال فمصول دراسية افتراضية. | الميتافيرس، بيئات التعليم الافتراضية، والفصل المعكوس. | التفاعلاات بين المعلم والطالب المدعومة بالتكنولوجيا. أثر التعليم عن بُعد في أداء المتعلم. |
| تقديم التغذية الراجعة لملمتعلمين من أي مكان كان. | يمكن أن تتجاوز الدروس الخصوصية الذكية دَور المعلمين. | قبول المعلمين واستخدامهم للروبوتات "الاجتماعية" في الفصول الدراسية. |
"متى..؟"
محاضرات مصغّرة مسجلة من قبلُ، وأنظمة تعليم
التدريس غير المتزامن.
ذكية، وروبوتات دردشة للتعلم غير المرتبط بالزمن.
الملحق (3) الخدمات المُعاد تشكيلها من خلال الذكاء الاصطناعي
تأثير أسبوع العمل في المعلمين ورفاههم النفسي.
| أبعاد مستقبل العمل | الأمثلة | اتجاهات البحث المستقبلة |
|---|---|---|
| "ماذا..؟" | ||
| البحث والتقديم للحصول على منح بحثية. | https://www.researchprofessional.com https://grantai.com | إمكانات تنظيم أنشطة عشوائية مُمكنة الأتمتة المحتملة، وكيفية هذه الأتمتة إن كان تنظيمها ممكنًا. |
| إرشاد الطلااب أو الكوادر الأكاديمية المبتدئة المساعِدة في مراجعة الأوراق العلمية. | https://www.mentorloop.com أدوات المراجعة النظرية المدعومة بالذكاء الاصطناعي. | التأثير في السمعة الأكاديمية. |
| المساعدة في أداء دَور الشاهد الخبير. املأنشطة الإدارية. | تطبيقات التنقيب في النصوص. المساعد الذكي سيري (Siri) أو أليكسا.)Alexa( | مدى استعداد الطلااب للتفاعل مع المعلمين الأذكياء. |
| "أين..؟" | ||
| المشاركة الافتراضية في الاجتماعات أو المؤتمرات. اتّخاذ دور الخبير في أيّ بلد. | ||
| "متى..؟" | ||
| أداء مهّمت متعددة أو تنفيذ أنشطة مختلفة في الوقت ذاته. | أاتمتة المهّمت الإدارية. | توزيع العمل بين الأكاديميين والموظفين الإداريين/ الداعمين. تأثير تبنّي الأكاديميين للذكاء الاصطناعي في الوظائف الإدارية (تحويل المهّمت مثال)ا. |
المراجع Anwar, Sadaf et al. "A Systematic Review of Studies on Educational Robotics." Journal of Pre-College Engineering Education Research. J-PEER. vol. 9, no. 2 Ardichvili, Alexander. "The Impact of Artificial Intelligence on Expertise Development: Implications for HRD." Advances in Developing Human Resources. vol. 24, no. 2 (2022). at: https://acr.ps/1L9zRN7 Autor, David H. "Why Are There Still So Many Jobs? The History and Future of Workplace Automation." Journal of Economic Perspectives. vol. 29, no. 3 (Summer 2015). Avrahami, Amit et al. "A Human Resources Analytics and Machine-Learning Examination of Turnover: Implications for Theory and Practice." International Journal of Manpower. vol. 43, no. 6 (2022). Bailey, D. E. & Stephen R. Barley. "Teaching-Learning Ecologies: Mapping the Environment to Structure Through Action." Organization Science. vol. 22, no. Baker, Ryan S. & Andrew Hawn. "Algorithmic Bias in Education." International Journal of Artificial Intelligence in Education (2022). Baker, Tom, Laura Smith & Nida Anissa, Educ-AI-tion Rebooted: Exploring the Future of Artificial Intelligence in Schools and Colleges. Nesta. London: 2019. Barros, Ana, Anshuman Prasad & Martyna Sliwa. "Generative Artificial Intelligence and Academia: Implication for Research, Teaching and Service." Management Learning. vol. 54, no. 5 (2023). Bearman, Michael, Judith Ryan & Rola Ajjawi. "Discourses of Artificial Intelligence in Higher Education: A Critical Literature Review." Higher Education. vol. 86 Bird, Allan. "Careers as Repositories of Knowledge: A New Perspective on Boundaryless Careers." Journal of Organizational Behavior. vol. 15, no. 4
Blackler, Frank. "Knowledge, Knowledge Work and Organizations: An Overview and Interpretation." Organization Studies. vol. 16, no. 6 (1995). BMJ. "Authorship & Contributorship." BMJ (2024). at: https://acr.ps/1L9zRlw Bohr, Adam & Kaveh Memarzadeh. (eds.) Artificial Intelligence in Healthcare. Cambridge, MA: Academic Press, 2020. Boyd, James A. & Michael Huettinger. "Smithian Insights on Automation and the Future of Work." Futures. vol. 111 (2019). Brynjolfsson, Erik & Andrew McAfee, The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. New York: W.W. Norton & Company, 2014. Checco, Andrea et al. "AI-Assisted Peer Review." Humanities and Social Sciences Communications. vol. 8, no. 1 (2021). at: https://acr.ps/1L9zRKW Choudhury, Prithwiraj, Ryan T. Allen & Michael G. Endres. "Machine Learning for Pattern Discovery in Management Research." Strategic Management Journal. vol. 42, no. 1 (2021). at: https://acr.ps/1L9zS5L Christian, Brian. The Alignment Problem: Machine Learning and Human Values. 1 st ed. New York: W.W. Norton & Company, 2020. CitizenScience.gov. at: https://acr.ps/1L9zQuK Clark, Justin et al. "A Full Systematic Review Was Completed in 2 Weeks Using Automation Tools: A Case Study." Journal of Clinical Epidemiology. vol. 121 (2020). at: https://acr.ps/1L9zS4X Cotton, Debby R. E., Paul A. Cotton & James R. Shipway. "Chatting and Cheating: Ensuring Academic Integrity in the Era of ChatGPT." Innovations in Education and Teaching International (2023). at: https://acr.ps/1L9zSfa Craig Roth. "2019: When We Exceeded 1 Billion Knowledge Workers." Gartner De Regt, Henk W., Sabina Leonelli & Kai Eigner (eds). Scientific Understanding: Philosophical Perspectives. Pittsburgh: University of Pittsburgh Press, 2009.
Deakin, Hannah & Kelly Wakefield. "Skype Interviewing: Reflections of Two PhD Researchers." Qualitative Research. vol. 14, no. 5 (2014). Dedehayir, Orkun & Martin Steinert. "The Hype Cycle Model: A Review and Future Directions." Technological Forecasting and Social Change. vol. 108 (2016). Deeva, Galina et al. "A Review of Automated Feedback Systems for Learners: Classification Framework, Challenges and Opportunities." Computers & Education. vol. 162 (2021). at: https://acr.ps/1L9zRxO Dekas, Kimberly H. et al. "Organizational Citizenship Behavior, Version 2.0: A Review and Qualitative Investigation of OCBs for Knowledge Workers at Google and Beyond." Academy of Management Perspectives. vol. 27, no. 3 Deng, Zhiqiang et al. "Validation of a Semiautomated Natural Language Processing-Based Procedure for Meta-Analysis of Cancer Susceptibility Gene Penetrance." JCO Clinical Cancer Informatics. vol. 3 (2019). at: https://acr.ps/1L9zSjO Drucker, Peter. "The Age of Social Transformation." The Atlantic Monthly. vol. 274, no. 5 (November 1994). Dwivedi, Yogesh K. et al. "'So What If ChatGPT Wrote It?' Multidisciplinary Perspectives on Opportunities, Challenges and Implications of Generative Conversational AI for Research, Practice and Policy." International Journal of Information Management. vol. 71 (2023). Einola, Kristina & Violetta Khoreva. "Best Friend or Broken Tool? Exploring the Co-Existence of Humans and Artificial Intelligence in the Workplace Ecosystem." Human Resource Management. vol. 62, no. 1 (2022). Ellis, Carolyn, Tony E. Adams & Arthur P. Bochner. "Autoethnography: An Overview." Historical Social Research/ Historische Sozialforschung. vol. 36, no. 4 (138) (2011). at: https://acr.ps/1L9zRBm Faraj, Samer, Salima Pachidi & Kristina Sayegh. "Working and Organizing in the Age of the Learning Algorithm." Information and Organization. vol. 28, no. 1
Fenn, Jackie & Mark Raskino, Mastering the Hype Cycle: How to Choose the Right Innovation at the Right Time. New York: Harvard Business Press, 2008. Fernandez, Vicenc & Eva Gallardo Gallardo (eds.). A Research Agenda for HR Analytics. Eldar Research Agendas series. forthcoming Frank, Michael R. et al. "Toward Understanding the Impact of Artificial Intelligence on Labor." Proceedings of the National Academy of Sciences. vol. 116, no. 14 Frey, Carl Benedikt & Michael A. Osborne. "The Future of Employment: How Susceptible Are Jobs to Computerisation?" Technological Forecasting and Social Change. vol. 114 (2017). "Gartner Hype Cycle." Gartner. at: https://acr.ps/1L9zS8F "Gartner Places Generative AI on the Peak of Inflated Expectations on the 2023 Hype Cycle for Emerging Technologies." Gartner. 2023. at: https://acr.ps/1L9zR3k Grimes, Matthew et al. "From Scarcity to Abundance: Scholars and Scholarship in an Age of Generative Artificial Intelligence." Academy of Management Journal. vol. 66, no. 6 (2023). Haenlein, Michael & Andreas Kaplan. "A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence." California Management Review. vol. 61, no. 4 (2019). Harris, Michael & Geoffrey W. Vining. "The IE's Future Role in Improving Knowledge." Industrial Engineering. vol. 19, no. 7 (1987). Herman, Edward. "Scholarly Reputation." FEMS Microbiology Letters. vol. 365, no. 18 (2018). at: https://acr.ps/1L9zS5r Hwang, Gwo-Jen et al. "Vision, Challenges, Roles and Research Issues of Artificial Intelligence in Education." Computers and Education: Artificial Intelligence. vol. 1 (2020). at: https://acr.ps/1L9zRUC IBM. "Understanding the Different Types of Artificial Intelligence." IBM Blogs. 2023. at: https://acr.ps/1L9zRbz
Janz, Brian D., Jason A. Colquitt & Raymond A. Noe. "Knowledge Worker Team Effectiveness: The Role of Autonomy, Interdependence, Team Development, and Contextual Support Variables." Personnel Psychology. vol. 50, no. 4 (1997). Kadam, Mahendra. "Netflix's Recommendation Engine: An Artificial Brain Built Using Amazon Tools." LinkedIn. 19/3/2023. at: https://acr.ps/1L9zRlk Kaplan, Andreas & Michael Haenlein. "Siri, Siri, in My Hand: Who's the Fairest in the Land? On the Interpretations, Illustrations, and Implications of Artificial Intelligence." Business Horizons. vol. 62, no. 1 (2019). Kelloway, E. Kevin & Julian Barling. "Knowledge Work as Organizational Behavior." International Journal of Management Reviews. vol. 2, no. 3 (2000). Kezar, Adrianna & Elizabeth Holcombe. "The Professoriate Reconsidered." American Association of University Professors. 2015. at: https://acr.ps/1L9zQsg Klein, Howard J. & Denise Potosky. "Making a Conceptual Contribution at Human Resource Management Review." Human Resource Management Review. vol. 29, no. 3 (2019). Krenn, Mario et al. "On Scientific Understanding with Artificial Intelligence." Nature Reviews Physics. vol. 4, no. 12 (2022). at: https://acr.ps/1L9zRvZ Krogh, Georg von. "Artificial Intelligence in Organizations: New Opportunities for Phenomenon-Based Theorizing." Academy of Management Discoveries. vol. 66, no. 6 (2018). Kulkarni, Mukta et al. "The Future of Research in an Artificial Intelligence-Driven World." Journal of Management Inquiry. vol. 33, no. 3 (2024). Leahy, Siobhán M., Carmel Holland & Fiona Ward. "The Digital Frontier: Envisioning Future Technologies' Impact on the Classroom." Futures. vol. 113 Liu, Qian, Susan Geertshuis & Robyn Grainger. "Understanding Academics' Adoption of Learning Technologies: A Systematic Review." Computers & Education. vol. 151 (2020). at: https://acr.ps/1L9zRwF
Macfarlane, Bruce. "Defining and Rewarding Academic Citizenship: The Implications for University Promotions Policy." Journal of Higher Education Policy and Management. vol. 29, no. 3 (2007). Meltzer, Tom. "Robot Doctors, Online Lawyers and Automated Architects: The Future of the Professions." The Guardian. 15/6/2014. at: https://acr.ps/1L9zR4H Minbaeva, Dana. "Disrupted HR?" Human Resource Management Review. vol. 31, no. 4 (2020). Mollick, Ethan R. & Lilach Mollick. "New Modes of Learning Enabled by AI Chatbots: Three Methods and Assignments." SSRN. 2022. at: https://acr. ps/1L9zREY Mulder, Martin (ed.). Competence-Based Vocational and Professional Education: Bridging the Worlds of Work and Education, Technical and Vocational Education and Training: Issues, Concerns and Prospects. TVET. vol. 23. New York: Springer, 2016. at: https://acr.ps/1L9zRCn Munn, Luke. "The Uselessness of AI Ethics." AI and Ethics. vol. 3, no. 3 (2023). Nemorin, Shane et al. "AI Hyped? A Horizon Scan of Discourse on Artificial Intelligence in Education. AIED and Development." Learning, Media and Technology. vol. 48, no. 1 (2023). Newell, Sue et al. Managing Knowledge Work. Basingstoke: Palgrave Macmillan, Nonaka, Ikujiro. "A Dynamic Theory of Organizational Knowledge Creation." Organization Science. vol. 5, no. 1 (1994). Ocelot Team. "AI Chatbots Radically Improve How Students Get Answers." OCELOT, 18/10/2018. at: https://acr.ps/1L9zQP2 Ouyang, Feng & Pei Jiao. "Artificial Intelligence in Education: The Three Paradigms." Computers and Education: Artificial Intelligence. vol. 2 (2021). at: https://acr.ps/1L9zRAS Parker, Sharon & Gudela Grote. "Automation, Algorithms, and Beyond: Why Work Design Matters More Than Ever in a Digital World." Applied Psychology
Peeters, M. M. et al. "Hybrid Collective Intelligence in a Human–AI Society." AI & Society. vol. 36, no. 1 (2021). Peres, Renana et al. "On ChatGPT and Beyond: How Generative Artificial Intelligence May Affect Research, Teaching, and Practice." International Journal of Research in Marketing. vol. 40, no. 2 (2023). Petermann, Matthias et al. "Looking Before We Leap: Expanding Ethical Review Processes for AI and Data Science Research." Ada Levelace Institute. 2022. at: https://acr.ps/1L9zQLH Pettersen, Line. "Why Artificial Intelligence Will Not Outsmart Complex Knowledge Work." Work, Employment and Society. vol. 33, no. 6 (2019). Pyöriä, Pasi. "The Concept of Knowledge Work Revisited." Journal of Knowledge Management. vol. 9, no. 3 (2005). Raisch, Sebastian & Simon Krakowski. "Artificial Intelligence and Management: The Automation-Augmentation Paradox." Academy of Management Review. vol. 46, no. 1 (2021). Rapert, Mark I., David L. Kurtz & Steve Smith. "Beyond the Core Triad: Just What Do Marketing Academics Do Outside of Teaching, Research, and Service?" Journal of Marketing Education. vol. 24, no. 2 (2002). Richthofen, Georg von, Samwel Ogolla & Hendrik Send. "Adopting AI in the Context of Knowledge Work: Empirical Insights from German Organizations." Information. vol. 13, no. 4 (2022). Rapert, Molly I., David L. Kurtz & Steve Smith. "Beyond the Core Triad: Just What Do Marketing Academics Do Outside of Teaching, Research, and Service?" Journal of Marketing Education. vol. 24, no. 2 (2002). at: https://acr.ps/1L9zSok Rubinfeld, Daniel L. & Joe S. Cecil. "Scientists as Experts Serving the Court." Daedalus. vol. 147, no. 4 (2018). at: https://acr.ps/1L9zS1p Russell, Stuart & Peter Norvig, Artificial Intelligence: A Modern Approach. 4 th ed., Global ed. Harlow: Pearson Education Limited, 2022. Sapir, Ayelet, Israel Drori & Shmuel Ellis. "The Practices of Knowledge Creation: Collaboration Between Peripheral and Core Occupational
Communities." European Management Review. vol. 13, no. 1 (2016). at: https://acr.ps/1L9zS0u Sardar, Ziauddin. "The Namesake: Futures; Futures Studies; Futurology; Futuristic; Foresight—What's in a Name?" Futures. vol. 42, no. 3 (2010). Schulte, Paul A. et al. "Potential Scenarios and Hazards in the Work of the Future: A Systematic Review of the Peer Reviewed and Gray Literatures." Annals of Work Exposures and Health. vol. 64, no. 8 (2020). Schwartz, Jeff et al. "What Is the Future of Work? Redefining Work, Workforces, and Workplaces." Deloitte Insights. 2019. Sife, Adolf, Edda Lwoga & Carol Sanga. "New Technologies for Teaching and Learning: Challenges for Higher Learning Institutions in Developing Countries." International Journal of Education and Development Using ICT. vol. 3, no. 2 (2007). Speller, Mark et al. "UK Third Sector Grant Making: A Summary of Research by the University of Bath." University of Bath. 2019. Spieler, Isabelle et al. "Help or Hindrance? Day-Level Relationships Between Flextime Use, Work–Nonwork Boundaries, and Affective Well-Being." Journal of Applied Psychology. vol. 102, no. 1 (2017). Steinhauer, John (ed.). History Disrupted: How Social Media and the World Wide Web Have Changed the Past. United State: Springer International Publishing, 2022. at: https://acr.ps/1L9zQU3 Strohmeier, Stefan (ed.). Handbook of Research on Artificial Intelligence in Human Resource Management. Cheltenham: Edward Elgar Publishing, 2022. Susskind, Richard E. & Daniel Susskind. The Future of the Professions: How Technology Will Transform the Work of Human Experts. Oxford: Oxford University Press, 2022. Sutton, Steve G., Vicky Arnold & Matthew Holt. "How Much Automation Is too Much? Keeping the Human Relevant in Knowledge Work." Journal of Emerging Technologies in Accounting. vol. 15, no. 2 (2018). The Chartered Institute of Personnel and Development. CIPD. at: //acr.ps/1L9zRMC
Tursunbayeva, Aizhan & Maarten Renkema. "Artificial Intelligence in Health- Care: Implications for the Job Design of Healthcare Professionals." Asia Pacific Journal of Human Resources (2022). Wagner, Gerit, Roman Lukyanenko & Guy Pare. "Artificial Intelligence and the Conduct of Literature Reviews." Journal of Information Technology. vol. 37, no. 2 (2022). Wayne, Holmes. "The Unintended Consequences of Artificial Intelligence and Education." Education International (2023). at: https://acr.ps/1L9zRWo Willcocks, Leslie. "Robo-Apocalypse Cancelled? Reframing the Automation and Future of Work Debate." Journal of Information Technology. vol. 35, no. 4 Xu, Yuxin et al. "Artificial Intelligence: A Powerful Paradigm for Scientific Research." The Innovation. vol. 2, no. 4 (2021). Zawacki-Richter, Olaf et al. "Systematic Review of Research on Artificial Intelligence Applications in Higher Education—Where Are the Educators?" International Journal of Educational Technology in Higher Education. vol. 16, no. 1 (2019).