Enhancing quality education through AI and youth-driven digital platforms - A scalable model for achieving SDG 4

Mungai Kibiku Samuel (2026) Enhancing quality education through AI and youth-driven digital platforms - A scalable model for achieving SDG 4. In: ESG - Risk Management or New Sustainability? VIII.BUEB International Sustainability Student ConferenceProceedings - Budapest University of Economics and Business 2025. Budapesti Gazdaságtudományi Egyetem, Budapest, Magyarország, pp. 1-20. ISBN 978-615-6886-27-9

Szöveg SUS Conference Proceedings - ESG Risk Managenemt_10.cikk.pdf - Megjelent verzió Download (615kB)

Abstract

This paper examines how Artificial Intelligence and youth-driven digital platforms can transform education to achieve Sustainable Development Goal 4. Using a conceptual synthesis of policy frameworks, a literature review on AI in education, and access statistics, it critiques the limitations of traditional models and proposes a scalable, learner-centred framework that leverages mobile technology, Artificial Intelligence-enabled personalisation, and creator-educators. The model addresses barriers such as digital divide, data privacy, and teacher displacement while emphasising ethical governance, public-private partnerships, and inclusive access. By reframing education as flexible, culturally contextualised, and human-centred, the paper outlines a pragmatic pathway to equitable, high-quality learning for digital-native generations, especially in underserved regions, and positions Artificial Intelligence as a complement to, not a replacement for, teachers.

Tudományterület / tudományág

bölcsészettudományok > neveléstudományok

Kar

Nem releváns

Intézmény

Budapesti Gazdaságtudományi Egyetem

Mű típusa:	Könyv része
Szerző publikációban használt neve:	Publikációban használt név ORCID MTMT szerző azonosító Mungai Kibiku Samuel
Kulcsszavak:	Quality education, Artificial Intelligence in Education, mobile-first learning, digital platforms, creator-educators, digital divide, policy and governance
Felhasználó:	Kinga Eszenyi-Bakos
DOI azonosító:	https://doi.org/10.29180/978-615-6886-27-9_10
Rekord készítés dátuma:	2026. Már. 26. 12:23
Utolsó módosítás:	2026. Már. 26. 12:23
URI:	https://publikaciotar.uni-bge.hu/id/eprint/2640

Actions (login required)

Tétel nézet