Από την εμπειρία χρήσης ΤΝ σε μαθησιακά περιβάλλοντα και γενικότερα, προκύπτει ότι αλγόριθμοι που χρησιμοποιούνται σε συστήματα ΤΝ μπορεί να αναπαράγουν προκαταλήψεις και να ενισχύσουν τις κοινωνικές ανισότητες, κάτι το οποίο αναδεικνύει την ανάγκη για διαφάνεια και υπευθυνότητα στον σχεδιασμό αυτών των συστημάτων (Atlas, 2023).Οι εκπαιδευτικοί και οι φορείς της εκπαίδευσης καλούνται να εξασφαλίσουν ότι η χρήση της ΤΝ δεν υπονομεύει τα δικαιώματα των μαθητών, ιδιαίτερα σε σχέση με την ακαδημαϊκή τους ελευθερία και τη λογοδοσία (Luckin et al., 2018). Αναδύονται επίσης ανησυχίες σχετικά με την επίβλεψη και τον έλεγχο της συμπεριφοράς των μαθητών μέσω ΤΝ ενισχύοντας τη σημασία της διαφάνειας και της ενημέρωσης για τη χρήση αυτών των τεχνολογιών (Kajiwara, 2021). Η ενσωμάτωση της ΤΝ στην εκπαιδευτική διαδικασία με ηθικές βάσεις θα μπορούσε να εφαρμοστεί πρακτικά στα ήδη υπάρχοντα μαθησιακά περιβάλλοντα και αντικείμενα.Οι εκπαιδευτικοί και οι μαθητές καλούνται να αναπτύξουν τεχνικές δεξιότητες για εφαρμοσμένη χρήση Τεχνητής Νοημοσύνης, λαμβάνοντας υπόψιν τις ηθικές και κοινωνικές επιπτώσεις που μπορούν να προκύψουν από την χρήση αυτή. (Garrett, Beard & Fiesler, 2020).
Το ακρωνύμιο F.A.T.E. που σημαίνει Δικαιοσύνη, Λογοδοσία, Διαφάνεια και Δεοντολογία, αποτελεί ένα σημαντικό πλαίσιο για την καθοδήγηση της υπεύθυνης ανάπτυξης και εφαρμογής της ΤΝ στην εκπαίδευση. Η δικαιοσύνη εξασφαλίζει δίκαια αποτελέσματα και περιορίζει την αναπαραγωγή προκαταλήψεων και τη δημιουργία ανισοτήτων. Η λογοδοσία οριοθετεί το πλαίσιο ευθύνης των αποφάσεων που λαμβάνονται μέσω ΤΝ. Η διαφάνεια καθιστά ανοιχτές σε έλεγχο όλες τις ενέργειες που γίνονται μέσω ΤΝ. Τέλος η ηθική προσέγγιση διασφαλίζει τις ανθρώπινες αξίες στο πλαίσιο του εκπαιδευτικού περιβάλλοντος κατά τη χρήση ΤΝ (Memarian & Doleck, 2020). 
Ένα ακόμη πλαίσιο ηθικής εκπαιδευτικής εφαρμογής της ΤΝ είναι το ‘‘EThICAL AI Readiness’’, το οποίο αποτελείται από επτά βήματα που μπορούν να βοηθήσουν εκπαιδευτικούς οργανισμούς να προετοιμαστούν για την ενσωμάτωση της Τεχνητής Νοημοσύνης σε μαθησιακά περιβάλλοντα:
- EXCITE: Ενημέρωση και κινητοποίηση του προσωπικού για την υιοθέτηση της ΤΝ.
- TAILOR and HONE: Αναγνώριση και επιλογή των ηθικών προκλήσεων που πρέπει να αντιμετωπιστούν.
- IDENTIFY: Αξιολόγηση των διαθέσιμων δεδομένων του οργανισμού.
- COLLECT: Συλλογή νέων δεδομένων για την ανάλυση των ηθικών και κοινωνικών προκλήσεων.
- APPLY: Επιλογή και εφαρμογή κατάλληλων τεχνικών ΤΝ για την ανάλυση των δεδομένων.
- LEARN: Ερμηνεία των αποτελεσμάτων και κατανόηση του τρόπου ενσωμάτωσης της ΤΝ στον οργανισμό.
- ITERATE: Αξιολόγηση της διαδικασίας και επανάληψη των βημάτων εάν απαιτείται, ώστε να διασφαλιστεί η ηθική και αποτελεσματική εφαρμογή της ΤΝ (Luckin et al., 2022).
