طراحی محیط یادگیری بازی محوربا استفاده از هوش مصنوعی در نظام آموزشی

هدف این مقاله، طراحی و تبیین یک مدل نظری برای محیط های یادگیری بازی محور (GBL) تطبیقی است که از قابلیت های هوش مصنوعی (AI) برای شخصی سازی عمیق فرایند آموزشی در نظام های رسمی استفاده می کند. یادگیری بازی محور، با افزایش انگیزه، درگیری شناختی و استمرار یادگیری، یک پارادایم اثربخش شناخته می شود. با این حال، چالش اصلی این رویکرد، عدم توانایی آن در ارائه بازخورد و مسیرهای یادگیری منحصر به فرد برای هر دانش آموز به صورت خودکار است. در این پژوهش، یک معماری سه لایه (شامل موتور بازی سازی، لایه مدل سازی یادگیرنده مبتنی بر AI، و ماژول تطبیق پویا) معرفی می شود. این مدل پیشنهادی، از الگوریتم های یادگیری تقویتی (Reinforcement Learning) و سیستم های خبره برای تحلیل لحظه ای سطح تسلط، سبک یادگیری و وضعیت عاطفی کاربر استفاده کرده و مکانیک های بازی (مانند سطح دشواری، نوع چالش و سناریو) را به صورت بلادرنگ تعدیل می نماید. نتایج نظری نشان می دهند که یکپارچه سازی هوش مصنوعی با GBL، نه تنها اثربخشی آموزشی را بهبود می بخشد، بلکه قابلیت مقیاس پذیری آن را در سیستم های آموزشی پرجمعیت افزایش می دهد. این مدل می تواند به عنوان چارچوبی برای توسعه نسل جدید ابزارهای آموزشی هوشمند در نظر گرفته شود.

کلیدواژه ها:

یادگیری بازی محور ، هوش مصنوعی ، یادگیری تطبیقی ، شخصی سازی آموزش ، نظام آموزشی ، مدل سازی یادگیرنده.