Η ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στην ανώτατη εκπαίδευση έχει επιφέρει σημαντικά οφέλη στη μαθησιακή διαδικασία, ενισχύοντας την παραγωγικότητα και την πρόσβαση στη γνώση. Ένα από τα βασικότερα πλεονεκτήματα είναι η προσωποποιημένη μάθηση (personalized learning), μέσω της οποίας τα εργαλεία ΤΝ προσαρμόζουν το εκπαιδευτικό περιεχόμενο στις ατομικές ανάγκες και προτιμήσεις κάθε φοιτητή (Hwang et al., 2020). Παράλληλα, η ταχύτητα πρόσβασης σε πληροφορίες βελτιώνει τη διαδικασία έρευνας, καθώς οι φοιτητές μπορούν να αντλήσουν έγκυρες πληροφορίες μέσα σε δευτερόλεπτα (Chen, Chen, & Lin, 2020). Επιπλέον, η ΤΝ διευκολύνει τη συγγραφή ακαδημαϊκών κειμένων, παρέχοντας εργαλεία γλωσσικής υποστήριξης, μετάφρασης και ορθογραφικού ελέγχου, όπως το ChatGPT και το DeepL (Malik et al., 2023) . Αυτά τ συμβάλλουν στη βελτίωση της δομής και της σαφήνειας των εργασιών, επιτρέποντας στους φοιτητές να εκφράζονται πιο αποτελεσματικά. Παράλληλα, η ανάλυση μεγάλων όγκων δεδομένων (big data analysis) δίνει τη δυνατότητα επεξεργασίας μεγάλων συνόλων πληροφοριών, καθιστώντας την έρευνα πιο στοχευμένη και αποδοτική (Kuleto et al., 2021) .
Τέλος, τα εργαλεία ΤΝ επιτρέπουν στους φοιτητές να προσαρμόζουν τη μελέτη τους στις προσωπικές τους ανάγκες, αποκτώντας πρόσβαση σε ποικίλες πηγές γνώσης ανεξαρτήτως χρόνου και τόπου (Jain & Jain, 2019). Ωστόσο, παρά τα προφανή οφέλη, η εκτεταμένη χρήση της ΤΝ εγείρει προβληματισμούς, οι οποίοι αναλύονται στη συνέχεια.
