Jelena V. Pokimica, Boise State University, Boise, Idaho, USA, e-mail: jelenapokimica@boisestate.edu
Lara A. Sinkovich, Boise State University, Boise, Idaho, USA
Иновације у настави, XXXVIII, 2025/1, стр. 46–58

| PDF | | Extended summary PDF |
DOI: 10.5937/inovacije2501046P

Summary: In this scoping review, we have been guided by questions on the nature of the effects of Generative AI on lifelong learning in terms of its advantages and shortcomings, especially since the proliferation of AI technologies over the last half a decade. We have also highlighted major lifelong learning and artificial intelligence concepts discussed in literature, as well as reviewed current conceptual debates and tensions, while concentrating on higher education and work settings. Our findings are organized by three themes: 1) digitalization and technologication of lifelong learning; 2) self-directed learning, GAI and ChatGPT, and global contexts; and 3) human development and capability approach to lifelong learning. We draw on important implications for future empirical research directions, more fine-grained systematic reviews building on this preliminary work, and organizational considerations. We uniquely add to discussions of global perspectives in the realm of AI and lifelong learning and instigate probing into deeper human ontological processes behind learning.

Keywords: lifelong learning, generative AI, ChatGPT, andragogy, artificial intelligence

Јелена В. Покимица
Лара А. Синковић
Државни универзитет у Бојсију,
Бојси, Ајдахо, САД

МАПИРАЊЕ ЛИТЕРАТУРЕ О НАЈНОВИЈИМ САЗНАЊИМА О ВЕЗАМА ИЗМЕЂУ
ВЕШТАЧКЕ ИНТЕЛИГЕНЦИЈЕ И ЦЕЛОЖИВОТНОГ УЧЕЊА

Сврха овог рада је да се боље разуме утицај генеративне вештачке интелигенције (енг. Generative Artificial Intelligence – GAI) на целоживотно учење (енг. Lifelong Learning – LLL) у смислу предности и мана све веће употребе AI технологија у последњих неколико година. Наш циљ је такође да истакнемо главне концепте и карактеристике у области AI/GAI и LLL, као и да осветлимо концептуалне/теоријске тензије или дебате у контексту ових технологија, које ничу таквом брзином да често не успевамо да разумемо њихове ефекте или функционисање. Значај овог рада је у томе што скреће пажњу на питање шта обим употребе GAI значи за развој знања, вештина и психолошке регулације ученика усред аутоматизације и повећања вештачке интелигенције. Рад је такође претходница будућим истраживањима која би могла дубље да испитају резултате нашег истраживања и да укључе друштвено, развојно и технички оријентисане теоријске оквире у проучавање (G)AI и LLL. Користили смо метод мапирања литературе (енг. scoping review) (Arskey & O’Malley, 2005; Munn et al., 2018; Tricco et al., 2016) у претраживању релевантних база података, као што су Academic Search Premier, ProQuest Central, Eric (EBSCO), Emerald Insight, и кључне речи попут „lifelong learning,” „artificial intelligence”, „generative AI”, „ChatGPT” и друге важне појмове из главних истраживачких питања. Фокусирале смо се на новије публикације, највише на оне објављене у другој половини претходне деценије, и то оне које се баве високим образовањем и организацијама. Занимале су нас и везе између GAI и LLL и концепти који су откривени у одабраним радовима и истраживањима, без стриктно критичког осврта на сама истраживања. У прегледу литературе применили смо тематску анализу (Merriam, 2009) настајућих GAI-LLL образаца. Налази истраживања организовани су у три тематске целине: 1) дигитализација и технологизација целоживотног учења; 2) самоусмерено учење, GAI и ChatGPT, и глобални контексти; и 3) перспективе људског развоја и развоја способности у целоживотном учењу. Откриле смо да је важно успоставити равнотежу између претераног ослањања на AI/GAI, критичког мишљења и дубљег учења. Преглед релевантних извора је указао на појаву (дис)континуитета у процесу учења, од једноставнијих до сложенијих задатака, до којег би могло често да дође због аутоматизације, нарочито науштрб вредних прилика за неформално учење међу ученицима на почетним и вишим нивоима. Све у свему, улога целоживотног учења појачана је инсистирањем на интеграцији вештачке интелигенције на радном месту и у образовању, што ће од ученика захтевати већу самоефикасност и саморегулацију. Међутим, у сфери дебата о вештачкој интелигенцији нека питања и даље остају без одговора. Осим питања да ли су AI/GAI заиста револуционарне технологије или само, као било која друга технологија, имају ефекат новине, остаје неразрешено и питање дигиталног јаза широм света, ако се узму у обзир друштвени и образовни услови у којима људи живе. Стога ће размишљање о образовним (и организационим) интервенцијама, осим техничко-структурних, бити од суштинског значаја. У раду дајемо посебан допринос дискусијама о глобалним перспективама у области вештачке интелигенције и целоживотног учења и подстичемо испитивање дубљих људских онтолошких процеса који се одвијају у позадини учења. Интеграција аутохтоних перспектива и приступа људском развоју била би важна област за проширивање и прилагођавање теоријских и концептуалних смерница. На пример, добри кандидати за тако нешто су приступ заснован на способностима који подржавају Поке и Де Лат (Poquet & De Laat, 2021) и способност коришћења вештачке интелигенције, контекст коришћења (аутоматизација, аугментација), карактеристике људске радне снаге, и организациони оквир који предлажу Чаудери и др. (Chowdhury et al., 2023). Било би корисно испитати краткорочне и дугорочне добити од учења (нпр. самопоуздање ученика и трансфер учења) употребом AI аугментације (нпр. од учионице до примењених контекста или од организационих интервенција), док би се и даље балансирали принципи подучавања и учења и етичка одговорност у вези са употребом вештачке интелигенције.

Кључне речи: целоживотно учење, генеративна вештачка интелигенција, андрагогија, ChatGPT, вештачка интелигенција

References:

• Ardichvilli, A. (2022). The impact of artificial intelligence on expertise development: Implications for HRD. Advances in Developing Human Resources, 24(2), 78–98. https://doi.org/10.1177/15234223221077304
• Arksey, H., & O’Malley L. (2005). Scoping studies: towards a methodological framework. International Jornal of Social Research Methodology, 8(1), 19–32. https://doi.org/10.1080/1364557032000119616
• Asad, M. M., & Ajaz, A. (2024). Impact of ChatGPT and generative AI on lifelong learning and upskilling learners in higher education: Unveiling the challenges and opportunities globally. International Journal of Information & Learning Technology, 41(5), 507–523. https://doi.org/10.1108/IJILT-06-2024-0103
• Beane, M. (2019). Learning to work with intelligent machines. Harvard Business Review, 140–148.
• Bennett, E. E., & McWhorter, R. R. (2021). Digital technologies for teaching and learning. In T. S. Rocco, M. C. Smith, R. C. Mizzi, L. R. Merriweather, & J. D. Hawley (Eds.). The handbook of adult and continuing education (pp. 177–186). Stylus Publishing, LLC.
• Chang, L., Wang, Y., Lin, H., & Liao, L. (2024). Registered nurses’ attitudes towards ChatGPT and selfdirected learning: A cross-sectional study. Journal of Advanced Nursing. https://doi-org.libproxy.boisestate.edu/10.1111/jan.16519
• Chen, C., Hu, W., & Wei, X. (2024). From anxiety to action: Exploring the impact of artificial intelligence anxiety and artificial intelligence self-efficacy on motivated learning of undergraduate students. Interactive Learning Environments, 1–16. https://doi.org/10.1080/10494820.2024.2440877
• Chowdhury, S. et al. (2023). Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human Resource Management Review, 33(1), 1–21. https://doi.org/10.1016/j.hrmr.2022.100899
• Diller, S. J. (2024). Ethics in digital and AI coaching. Human Resource Development International, 27(4), 584–596. https://doi.org/10.1080/13678868.2024.2315928
• Dreier, O. (2008). Psychotherapy in everyday life. Cambridge University Press.•• Ericsson, K. A. (Ed.). (2009). Development of professional expertise: Toward measurement of expert performance and design of optimal learning environments. Cambridge University Press. https://doi.org/10.1017/CBO9780511609817
• Eynon, R., & Young, E. (2021). Methodology, legend, and rhetoric: The constructions of ai by academia, industry, and policy groups for lifelong learning. Science, Technology, & Human Values, 46(1), 166–191. https://doi.org/10.1177/0162243920906475
• Jarrahi, M. H. (2019). In the age of the smart artificial intelligence: AI’s dual capacities for automating and informating work. Business Information Review, 36(4), 178–187. https://doi.org/10.1177/0266382119883999
• Jarvis, P. (2007). Globalization, lifelong learning and the learning society sociological perspectives. Routledge.
• Lee, J., & Park, J. (2023). AI as “Another I”: Journey map of working with artificial intelligence from AI-phobia to AI-preparedness. Organizational Dynamics, 52(3),1–10. https://doi.org/10.1016/j.orgdyn.2023.100994
• Lin, X. (2024). Exploring the role of ChatGPT as a facilitator for motivating self-directed learning among adult learners. Adult Learning, 35(3), 156–166. https://doi-org.libproxy.boisestate.edu/10.1177/10451595231184928
• Merriam, S. B. (2009). Qualitative research: A guide to design and implementation. Jossey-Bass.
• Munn, Z., Peters, M. D. J., Stern, C., Tufanaru, C., McArthur, A., & Aromataris, E. (2018). Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach. BMC Medical Research Methodology, 18(143), 1–7. https://doi.org/10.1186/s12874-018-0611-x
• Ortner, S. B. (2006). Anthropology and social theory: Culture, power, and the acting subject. Duke University Press.
• Ovesni, K., Matović, N., & Janković, S. (2019). The work-related usage of informational communication technology and the learning of employees. In A. Pejatović, & N. Koruga (Eds.). Book of abstracts: Adult education research and practice: Between the welfare state and neoliberalism (pp. 505–517). ESREA 9th Triennial European Research Conference, 19–22 September 2019. University of Belgrade, Faculty of Philosophy, Department for Pedagogy and Andragogy, Institute for Pedagogy and Andragogy, ESREA – European Society for Research on the Education of Adults.
• Palenski, T., Hills, L., Unnikrishnan, S., & Eynon, R. (2024). How AI Works: Reconfiguring Lifelong Learning. Postdigital Science and Education, 6, 1216–1239. https://doi.org/10.1007/s42438-024-00496-y
• Parker, S. K., & Grote, G. (2022). Automation, algorithms, and beyond: Why work design matters more than ever in a digital world. Applied Psychology, 71(4), 1171–1204. https://doi.org/10.1111/apps.12241
• Penuel, W. R., Van Horne, K., DiGiacomo, D., & Kirshner, B. (2016). A social practice theory of learning and becoming across contexts and time. Frontline Learning Research, 4(4), 30–38. http://dx.doi.org/10.14786/flr.v4i4.205
• Poquet, O., & De Laat, M. (2021). Developing capabilities: Lifelong learning in the age of AI. British Journal of Educational Technology, 52(4), 1695–1708. https://doi.org/10.1111/bjet.13123
• Regmi, K. D. (2024). The rise of learning technology in an unequal world: Potentials and limitations in enhancing lifelong learning. International Review of Education, 70, 433–452. https://doi.org/10.1007/s11159-023-10058-2
• Sen, A. (1985). Well-being, agency and freedom: The Dewey lectures 1984. The Journal of Philosophy, 82(4), 169–221. https://doi.org/10.2307/2026184
• Storey, V. A., & Wagner, A. (2024a). Andragogy in the age of AI: Transformative pathways for adult education. In V. Wang (Ed.). Integrating AI into pedagogical and andragogical education (pp. 25–44). IGI Global.
• Storey, V., & Wagner, A. (2024b). Integrating Artificial Intelligence (AI) into adult education: Opportunities, challenges, and future directions. International Journal of Adult Education and Technology, 15(1), 1–15. https://doi.org/10.4018/IJAET.345921
• Sutton, S. G., Arnold, V., & Holt, M. (2018). How much automation is too much? Keeping the human relevant in knowledge work. Journal of emerging technologies in accounting, 15(2), 15–25. https://doi.org/10.2308/jeta-52311
• Tomaszewska, R. (2023). Andragogy meets ChatGPT in lifelong learning: Exploring opportunities and challenges. 2023 IEEE International Conference on Data Mining Workshops (ICDMW) (pp. 868–874). https://doi.org/10.1109/ICDMW60847.2023.00117
• Tricco, A. C. et al. (2016). A scoping review on the conduct and reporting of scoping reviews. BMC Medical Research Methodology, 16(15), 1–10. https://doi.org/10.1186/s12874-016-0116-4
• Zhang, L., & Xu, J. (2025). The paradox of self-efficacy and technological dependence: Unraveling generative AI’s impact on university students’ task completion. The Internet and Higher Education, 65, 100978. https://www.sciencedirect.com/science/article/abs/pii/S109675162400040X
• Zhang, S., Zhao, X., Zhou, T., & Kim, J. H. (2024). Do you have AI dependency? The roles of academic selfefficacy, academic stress, and performance expectations on problematic AI usage behavior. International Journal of Educational Technology in Higher Education, 21(34), 1–14. https://doi.org/10.1186/s41239-024-00467-0

Copyright © 2024 by the publisher Faculty of Education, University of Belgrade, SERBIA. This is an open access article distributed under the terms of the Creative Commons Attribution License (CC BY 4.0) (https://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original paper is accurately cited.