نوع مقاله : مقاله پژوهشی
نویسنده
دانش آموخته دکتری تخصصی مدیریت دولتی، پژوهشگر و مدرس دانشگاه
چکیده
هدف: نظام آموزش عالی در دهه‌های اخیر با تحولات سریع فناورانه، دیجیتالی و اجتماعی مواجه شده است که دانشگاه‌های نسل پنجم را به‌عنوان افق جدیدی از توسعه مطرح ساخته است. در این چارچوب، هدف پژوهش حاضر مدل‌سازی نظری فرایند هم‌افزایی میان مدیریت دانش و هوش مصنوعی مولد و استخراج مؤلفه‌ها، سازوکارها و پیامدهای آن برای تحول آموزش عالی می‌باشد.
روش‌شناسی: این مطالعه با رویکرد نظریه‌پردازی داده‌بنیاد انجام شد. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با ۲۰ نفر از اعضای هیئت علمی، مدیران و کارشناسان سیاست‌گذاری دانشگاه‌ها و همچنین بررسی اسناد و گزارش‌های رسمی گردآوری گردید. مصاحبه‌ها پیاده‌سازی و طی سه مرحله کدگذاری باز، محوری و انتخابی تحلیل شدند. نمونه‌گیری به‌صورت هدفمند و تا حد اشباع نظری ادامه یافت.
یافته‌ها: تحلیل داده‌ها منجر به شناسایی پنج مقوله اصلی گردید: (۱) تحول دیجیتال و زیرساخت‌های فناورانه، (۲) نوآوری پژوهشی و پژوهش داده‌محور، (۳) یادگیری شخصی‌سازی‌شده و انعطاف‌پذیر، (۴) فرهنگ و رهبری دانش‌محور و توانمندسازی منابع انسانی، و (۵) سیاست‌گذاری هوشمند و حمایت‌های کلان. این مقوله‌ها با یکدیگر تعامل داشته و مدل مفهومی هم‌افزایی مدیریت دانش و هوش مصنوعی را شکل می‌دهند.
نتایج: ادغام ساختاریافته مدیریت دانش با هوش مصنوعی مولد منجر به ارتقای نوآوری علمی، افزایش کیفیت آموزش، تسریع تبدیل دانش به محصول و تقویت تأثیر اجتماعی و بین‌المللی دانشگاه‌ها می‌شود.
اصالت و ارزش: این پژوهش با ارائه یک چارچوب نظری بومی و داده‌محور، می‌تواند به‌عنوان راهنمایی کاربردی
برای مدیران و سیاست‌گذاران آموزش عالی در مسیر حرکت به‌سوی دانشگاه‌های نسل پنجم مورد استفاده قرار گیرد.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
Theoretical Modeling of Knowledge Management–Artificial Intelligence Synergy in Fifth-Generation Universities for Higher Education Transformation
نویسنده [English]
- Javad Moghtader Kargaran
Ph.D. Graduate in Public Administration, Researcher and University Lecturer.
چکیده [English]
Purpose: Higher education systems in recent decades have faced rapid technological, digital, and social transformations, which have introduced the concept of fifth-generation universities as a new horizon of development. Within this context, the purpose of this study is to model the process of synergy between knowledge management and generative artificial intelligence, and to extract the key components, mechanisms, and outcomes that drive the transformation of higher education,
Methodlogy: The study employed a grounded theory approach. Data were collected through semi-structured interviews with 20 faculty members, administrators, and policy experts from universities, as well as by analyzing official documents and reports. Interviews were transcribed and analyzed through open, axial, and selective coding. Sampling was conducted purposefully and continued until theoretical saturation was achieved. Qualitative data analysis software was used to organize the data and identify categories,
Findlings: The analysis led to the identification of five main categories: (1) digital transformation and technological infrastructure, (2) research innovation and data-driven scholarship, (3) personalized and flexible learning, (4) knowledge-oriented culture and human resource empowerment, and (5) intelligent policymaking and institutional support. These categories interact to form a conceptual model of knowledge management–AI synergy,
Conclusion: he structured integration of knowledge management and generative artificial intelligence enhances scientific innovation, improves the quality of teaching and learning, accelerates knowledge commercialization, and strengthens the social and international impact of universities,
Value: By proposing a context-specific and data-driven conceptual framework, this study provides practical insights for higher education leaders and policymakers in advancing toward fifth-generation universities.
کلیدواژه‌ها [English]
- digital transformation
- research innovation
- personalized learning
- intelligent policymaking
)