مدل سازی رفتار تعلل ورزی (Procrastination) و مداخله های هوشمندانه AI در فرآیند یادگیری

تعلل ورزی تحصیلی به عنوان یکی از موانع رایج در فرایند یادگیری، به ویژه در محیط های آموزش دیجیتال، موجب کاهش عملکرد تحصیلی، افت انگیزه و افزایش اضطراب در میان یادگیرندگان می شود. با گسترش فناوری های نوین و داده محور، پژوهشگران در سال های اخیر تلاش کرده اند تا با بهره گیری از الگوریتم های هوش مصنوعی (AI) رفتار تعلل ورزانه را شناسایی، تحلیل و مدل سازی کرده و مداخله هایی هوشمند برای کاهش آن ارائه دهند. این مقاله مروری با هدف بررسی مطالعات و رویکردهای اخیر در مدل سازی تعلل ورزی و راهکارهای مبتنی بر هوش مصنوعی در محیط های یادگیری صورت گرفته است.نتایج نشان می دهد که مدل های یادگیری ماشین توانسته اند به طور موثری الگوهای پنهان در داده های تعامل کاربران با سامانه های یادگیری الکترونیکی را استخراج کرده و لحظات پرخطر بروز تعلل را پیش بینی کنند. بر این اساس، سیستم های توصیه گر، چت بات های انگیزشی و اعلان های شخصی سازی شده از جمله مداخلات هوشمند پیشنهادی برای کاهش رفتارهای تعلل ورزانه هستند.اگرچه کارایی این فناوری ها در بهبود خودنظم دهی و مدیریت زمان یادگیرندگان اثبات شده است، اما چالش هایی نظیر حفظ حریم خصوصی، تفسیرپذیری الگوریتم ها و تضمین مداخلات غیرقضاوت گرانه از جمله ملاحظات مهم در این زمینه محسوب می شوند. در مجموع، همگرایی علوم شناختی، یادگیری ماشینی و طراحی آموزشی می تواند زمینه ساز ارائه راهکارهای موثرتر برای مقابله با تعلل تحصیلی باشد.

کلیدواژه ها:

کلمات کلیدی: تعلل ورزی تحصیلی ، هوش مصنوعی ، یادگیری ماشین ، آموزش الکترونیکی ، مداخله هوشمند ، تحلیل رفتاری.