توسعه سامانه های بازخورد بلادرنگ مبتنی بر هوش مصنوعی و تاثیر آن بر کاهش بارشناختی دانش آموزان در یادگیری مفاهیم پیچیده

این مقاله به بررسی توسعه و کاربست سامانه های بازخورد بلادرنگ مبتنی بر هوش مصنوعی در کاهش بارشناختی دانش آموزان هنگام یادگیری مفاهیم پیچیده می پردازد. هدف، تبیین سازوکارهای طراحی و پیاده سازی بازخوردی است که با پایش لحظه ای عملکرد، خطاها و نشانگرهای رفتاری، سطح دشواری، توالی محتوا و نوع راهنمایی را سازگار می کند تا فشار بر حافظه کاری کاهش یابد و منابع ذهنی به پردازش عمیق اختصاص یابد. روش پژوهش به صورت تحلیلی–توصیفی و مبتنی بر مطالعات کتابخانه ای و مقالات معتبر تنظیم شده و با تلفیق چارچوب نظری بارشناختی با الگوهای بازخورد هوشمند، پیامدهای آموزشی و طراحی را یکپارچه می سازد. نتایج نشان می دهد بازخورد بلادرنگ هوشمند از طریق تشخیص خودکار نقاط ابهام، زمان بندی بهنگام اشاره ها، خردسازی تکالیف، ارائه ی توضیح های مرحله به مرحله و جلوگیری از اطلاعات زائد، بار بیرونی را می کاهد، بار ذاتی را با تنظیم تدریجی چالش مدیریت می کند و بار بایسته را با تقویت راهبردهای فراشناختی افزایش می دهد. پیامد این رویکرد، بهبود دقت پاسخ، کاهش زمان فهم، پایداری توجه، انگیزش پیشرفت و عدالت یادگیری به واسطه ی شخصی سازی مسیرها است. جمع بندی مقاله، مجموعه ای از راهنماهای طراحی برای معلمان و طراحان آموزشی پیشنهاد می کند که پیاده سازی امن و اخلاقی این سامانه ها را در کلاس های فناورانه تسهیل می سازد.

کلیدواژه ها:

بازخورد بلادرنگ ، هوش مصنوعی ، بارشناختی ، حافظه کاری ، شخصی سازی یادگیری ، مفاهیم پیچیده