نقش یادگیری ماشین در علوم تربیتی: فرصت ها و چالش ها

هدف علم یادگیری ماشین توانمند نمودن رایانه ها برای کارایی بهتر به صورت تدریجی و با افزایش داده ها می باشد. یادگیری ماشین (ML) یک چارچوب قدرتمند برای تحلیل مجموعه داده ها با تعداد بالا و مدل سازی روابط پیچیده فراهم می کند که اغلب تکنولوژی های مدرن آموزشی با متغیرها و اثرات بالقوه ناشناخته با آن مواجه می شوند. تاثیر روش های ML بر تحقیقات و کاربردهای عملی در علوم تربیتی هنوز محدود است اما به طور مداوم رشد می کند زیرا مجموعه های داده بزرگ تر و پیچیده تری از طریق دوره های آموزشی برخط و تحقیقات در مقیاس بزرگ در دسترس محققان علوم تربیتی قرار می گیرند. به دلیل تاثیرات پیچیده‎ی روش های ML برای این رشته، محققان علوم تربیتی در نقطه‎ای حیاتی قرار دارند. در تحقیق حاضر ابتدا به ارائه مقدمه ای مفصل درباره موضوع و خلاصه ای از فرصت ها و چالش های ML برای علوم تربیتی پرداخته می شود. سپس نشان داده می شود که چگونه نگاهی به رشته های مرتبط می‎تواند به یادگیری از تجربیات آن ها کمک کند. در انتها نشان داده می شود که چگونه ML می تواند نقش تعیین کننده ای در اعتبارسنجی مدل های تجربی بازی کند. این مقاله به محققان علوم تربیتی کمک می کند تا برای فرصت ها و چالش هایی که با تغییر به سمت دیجیتالی کردن آموزش به وجود می آید، آماده شوند. در انتها با استفاده از فرصت ها و اجتناب از دام های رایج یادگیری ماشین، نکات ضروری نظری، مفهومی و عملی را در اختیار مربیان علوم تربیتی قرار می دهد.

کلیدواژه ها:

علوم تربیتی ، یادگیری ماشین ، آموزش بر خط ، تحلیل داده‎ها