استفاده از مدل های چندوجهی هوش مصنوعی (Multimodal AI) در سنجش یاددهی–یادگیری دانش آموزان

در سال های اخیر، توسعه فناوری های هوش مصنوعی چندوجهی (Multimodal AI) با قابلیت تحلیل ترکیبی داده های صوتی، تصویری، متنی و رفتاری، تحول قابل توجهی در زمینه سنجش و ارزیابی یاددهی و یادگیری دانش آموزان به وجود آورده است. این مقاله با رویکرد تحلیلی و بدون استفاده از جداول، آمار پیچیده یا فرمول های دشوار، به بررسی کاربرد این فناوری ها در محیط های آموزشی پرداخته است. منابع جاری و معتبر بین المللی (از سال ۲۰۲۳ به بعد) نشان می دهند که تکنیک های چندوجهی نه تنها توانایی تشخیص وضعیت های شناختی و عاطفی یادگیرندگان را افزایش داده اند، بلکه موجب تولید بازخورد فوری، شخصی سازی فرآیند آموزش و بهبود مهارت های پیچیده ای مانند تفکر انتقادی، ارائه شفاهی و تعاملی نیز شده اند. برای مثال، سیستم MOSAIC‑F قادر است با تحلیل ویدیو، صدا و پارامترهای فیزیولوژیک ارائه دانش آموزان را به صورت دقیق و فوری ارزیابی نموده و بازخورد ساختاریافته ارائه دهد . همچنین بررسی تحلیل داده های چشم نگر و کلیک استریم نشان داده که می توان پروفایل های یادگیری دانش آموزان را شناسایی کرده و سازوکارهای آموزشی را بر اساس نیازهای فردی تنظیم کرد. این مقاله با ترکیب یافته های این دستاوردها در قالب چهار بخش اصلی—مقدمه، بررسی ادبیات جدید، تحلیل مزایا و چالش ها، و پیشنهاد چارچوب کاربردی برای معلمان—، نشان می دهد چگونه سنجش چندوجهی می تواند نقطه عطفی در بهبود کیفیت آموزش در مدارس باشد. یافته ها تاکید دارند که این شیوه ضمن تقویت خودآگاهی و انگیزه ی یادگیرندگان، به معلمان ابزارهای دقیقی برای درک وضعیت یاددهی–یادگیری و مداخله به موقع می دهد.

کلیدواژه ها:

هوش مصنوعی چندوجهی ، سنجش ترکیبی ، بازخورد شخصی سازی شده ، تحلیل یادگیری ، آموزش هوشمند