| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 3,265 |
| تعداد مقالات | 36,086 |
| تعداد مشاهده مقاله | 55,300,233 |
| تعداد دریافت فایل اصل مقاله | 94,264,643 |
مدل نظری مدیریت آموزش محیط‌زیست کشاورزی مبتنی بر هوش مصنوعی مولد | ||
| پژوهش مدیریت آموزش کشاورزی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 18 مهر 1405 | ||
| نوع مقاله: مروری | ||
| شناسه دیجیتال (DOI): 10.22092/jaear.2026.373962.2120 | ||
| نویسنده | ||
| غلامرضا فرخی* | ||
| استادیار، گروه علوم کشاورزی، دانشکده کشاورزی، دانشگاه پیام نور، تهران، ایران | ||
| چکیده | ||
| تحقق کشاورزی پایدار مستلزم ارتقای دانش، نگرش و رفتار زیست‌محیطی بهره‌برداران است؛ اما نظام مدیریت آموزش محیط‌زیست کشاورزان با محدودیت‌هایی نظیر کمبود نیروی متخصص، یک‌سویه بودن محتوا و ناتوانی در شخصی‌سازی پیام‌های آموزشی مواجه است. ظهور هوش مصنوعی مولد و مدل‌های زبانی بزرگ، فرصت تازه‌ای برای بازطراحی این نظام فراهم کرده است. هدف این مقاله، بررسی ظرفیت‌ها، چالش‌ها و الزامات به‌کارگیری هوش مصنوعی مولد در مدیریت آموزش محیط‌زیستی کشاورزان و ارائه چارچوبی مفهومی برای طراحی چنین نظامی در راستای توسعه پایدار کشاورزی است. این پژوهش با روش مرور تحلیلی منابع علمی انجام شد. یافته‌ها نشان داد هوش مصنوعی مولد می‌تواند از طریق ارائه آموزش‌های شخصی‌سازی‌شده درباره مدیریت پایدار آب و خاک، تولید محتوای بومی‌سازی‌شده درباره کاهش مصرف نهاده‌های شیمیایی، و ارائه بازخورد فوری درباره پیامدهای زیست‌محیطی تصمیم‌های زراعی، به ارتقای سواد زیست‌محیطی کشاورزان کمک کند. بر این اساس، چارچوب مفهومی «مروج هوشمند آموزش محیط‌زیست کشاورزی» در پنج لایه پیشنهاد شد: چهار لایه عملیاتی ورودی، پردازش، دانش تخصصی و خدمات آموزشی، و یک لایه فراگیر حکمرانی و مدیریت سازمانی که تخصیص منابع، ارزیابی عملکرد و مدیریت ریسک را بر عهده دارد و چارچوب فنی-آموزشی را به نظام مدیریت ترویج پیوند می‌دهد. در این چارچوب، هوش مصنوعی نقش واسط دانشی میان منابع علمی زیست‌محیطی و بهره‌برداران را ایفا می‌کند، بدون آنکه جایگزین مربیان انسانی یا مدیران آموزش شود. با این حال، محدودیت داده‌های زیست‌محیطی بومی، شکاف دیجیتال میان مناطق روستایی و شهری، تفاوت‌های زبانی و فرهنگی، و احتمال تولید محتوای نادرست، از مهم‌ترین موانع توسعه این فناوری محسوب می‌شوند. استقرار مؤثر این نظام مستلزم بازتعریف نقش مدیران ترویج، تخصیص هدفمند منابع، مدیریت تغییر سازمانی و رویکرد همکاری میان انسان و هوش مصنوعی در فرآیند آموزش است. | ||
| کلیدواژه‌ها | ||
| مدیریت آموزش محیط‌زیست کشاورزی؛ سواد زیست‌محیطی؛ حکمرانی هوش مصنوعی؛ کشاورزی پایدار؛ هوش مصنوعی مولد | ||
| عنوان مقاله [English] | ||
| A Theoretical Model for Generative AI-Based Management of Agricultural Environmental Education | ||
| نویسندگان [English] | ||
| Gholamreza Farrokhi | ||
| Department of Agriculture, Payame Noor University, Tehran, Iran | ||
| چکیده [English] | ||
| Achieving sustainable agriculture requires enhancing farmers' environmental knowledge, attitudes, and behavior; however, agricultural environmental education management faces persistent limitations, including a shortage of specialized personnel, one-way content delivery, and limited personalization of educational messages. The emergence of generative artificial intelligence (AI) and large language models offers a new opportunity to redesign this system. This paper examines the capacities, challenges, and requirements of applying generative AI to farmers' environmental education management and proposes a conceptual framework for designing such a system in line with sustainable agricultural development. This study used an analytical review of the scientific literature. Findings indicate that generative AI can enhance farmers' environmental literacy through personalized education on sustainable water and soil management, localized content on reducing chemical input use, and immediate feedback on the environmental consequences of farming decisions. Based on these findings, the study proposes a five-layer conceptual framework, the "Smart Agricultural Environmental Education Extension Agent," comprising four operational layers, input, processing, specialized knowledge, and educational services, and one overarching governance layer responsible for resource allocation, performance evaluation, and risk management, linking the framework to the broader agricultural extension management system. AI here acts as a knowledge intermediary between environmental science and farmers, not a replacement for human trainers or managers. Limitations in localized environmental data, the rural-urban digital divide, linguistic and cultural differences, and the risk of inaccurate content generation remain major barriers. Effective implementation requires redefining the role of extension managers, targeted resource allocation, organizational change management, and a collaborative human-AI approach to education. | ||
| کلیدواژه‌ها [English] | ||
| Agricultural Environmental Education Management, AI Governance, Environmental Literacy, Generative AI, Sustainable Agriculture | ||
|
آمار تعداد مشاهده مقاله: 91 |
||