آسیب‌شناسی چالش‌ها و فرصت‌های بهره‌گیری دانشجویان تحصیلات تکمیلی رشته جغرافیا از سامانه‌های هوش مصنوعی در ایران

رشد شتابان فناوری‌های هوش مصنوعی، ضرورت بازاندیشی در روش‌های آموزشی و پژوهشی علوم جغرافیا را آشکار ساخته است. پژوهش حاضر با رویکرد ترکیبی (کمی–کیفی) و با هدف بررسی میزان استفاده، فرصت‌ها، چالش‌ها و سناریوهای بهره‌گیری از هوش مصنوعی توسط دانشجویان تحصیلات تکمیلی رشته جغرافیا انجام شد. در بخش کمی، جامعه آماری شامل 180 نفر از دانشجویان کارشناسی ارشد و دکتری بود که با روش نمونه‌گیری تصادفی، 125 پرسشنامه معتبر گردآوری و تحلیل گردید. نتایج نشان داد که 67 درصد دانشجویان حداقل یک‌بار از نرم‌افزارهای هوش مصنوعی در فعالیت‌های آموزشی یا پژوهشی خود استفاده کرده‌اند؛ با این حال، میانگین کلی استفاده (3٫1 از 5) بیانگر سطح متوسط بهره‌برداری است. بیشترین کاربرد در نگارش و ویرایش متون علمی (74%) و تحلیل داده‌های مکانی و سنجش از دور (59%) گزارش شد، در حالی‌ که تنها 28٪ از دانشجویان از قابلیت‌های مدل‌سازی محیطی بهره برده‌اند. آزمون همبستگی پیرسون نشان داد بین میزان استفاده و سطح تحصیلات رابطه معناداری وجود دارد (r، p<0.01=0.38). در بخش کیفی، داده‌های حاصل از 15 مصاحبه نیمه‌ساختاریافته تحلیل مضمون شدند. مهم‌ترین فرصت‌ها شامل تسریع پردازش کلان‌داده‌های مکانی، ارتقای خلاقیت پژوهشی، و تقویت مهارت حل مسئله شناسایی شد. در مقابل، چالش‌ها در سه محور اصلی نمایان گردید: کمبود مهارت‌های فنی و آموزشی، نگرانی‌های اخلاقی و سرقت علمی، و محدودیت‌های دسترسی ناشی از تحریم‌ها یا هزینه‌های بالا. تحلیل آینده‌پژوهانه نیز چهار سناریو را ترسیم کرد: «پذیرش گسترده و آموزش سازمان‌یافته»، «استفاده پراکنده و غیررسمی»، «مقاومت و محدودسازی نهادی» و «بومی‌سازی و توسعه نرم‌افزارهای داخلی». یافته‌ها حاکی از آن است که در صورت سرمایه‌گذاری هدفمند بر آموزش رسمی و بومی‌سازی ابزارهای هوش مصنوعی، می‌توان شاهد تحولی بنیادین در آموزش و پژوهش‌های جغرافیایی بود.

pathology of challenges and opportunities in the use of artificial intelligence systems by geography graduate students in iran

the rapid advancement of artificial intelligence technologies has highlighted the need to rethink educational and research methods in the geographical sciences. this study employs a mixed-methods (quantitative–qualitative) approach to examine the extent of use، opportunities، challenges، and future scenarios associated with ai adoption among graduate students in geography. in the quantitative phase، the statistical population consisted of 180 master's and doctoral students، from whom 125 valid questionnaires were collected through random sampling. the results showed that 67% of students had used ai software at least once in their academic or research activities; however، the overall mean usage level (3.1 out of 5) indicated a moderate rate of utilization. the highest levels of application were reported in academic writing and text editing (74%) and in spatial and remote-sensing data analysis (59%)، whereas only 28% of students had employed ai-based environmental modeling capabilities. pearson's correlation test revealed a significant relationship between the level of ai use and academic degree (r = 0.38، p < 0.01). in the qualitative phase، data obtained from 15 semi-structured interviews were subjected to thematic analysis. the key opportunities identified included accelerated processing of spatial big data، enhanced research creativity، and strengthened problem-solving skills. conversely، the challenges emerged across three major dimensions: insufficient technical and educational skills، ethical concerns and risks of plagiarism، and access limitations arising from sanctions or high costs. the foresight analysis outlined four potential scenarios: widespread adoption and structured training، fragmented and informal use، institutional resistance and restriction، and localization and development of domestic ai tools. overall، the findings indicate that with targeted investment in formal training and the localization of ai technologies، a profound transformation in geographical education and research can be expected.