توسعه چارچوبی برای یادگیری ترکیبی انسان– ماشین در محیط های آموزش مجازی

این مقاله چارچوبی منسجم برای یادگیری ترکیبی انسان–ماشین در محیط های آموزش مجازی ارائه می کند که هدف آن افزایش کیفیت تعامل، شخصی سازی مسیر یادگیری و تضمین عدالت و شفافیت در تصمیم های الگوریتمی است. چارچوب پیشنهادی نقش های معلم، فراگیر و سامانه هوشمند را بازتعریف می کند، سطوح اختیار انسانی را در برابر خودکارسازی تعیین می کند و پیوندی عملی میان اصول شناختی با طراحی تجربه یادگیری برقرار می سازد. روش تحقیق به صورت تحلیلی–توصیفی و مبتنی بر مطالعات کتابخانه ای و بررسی نظام مند مقالات معتبر انجام شده است و از طریق ترکیب شواهد نظری و گزارش های میدانی منتشرشده، مجموعه ای از مولفه ها و شاخص های ارزیابی تدوین می شود. یافته ها نشان می دهد طراحی سناریوهای تعاملی با بازخورد بلادرنگ، به کارگیری سامانه های توصیه گر آموزشی تفسیرپذیر، و استقرار تابلوکنترل یادگیری برای سنجش تداوم مشارکت، می تواند پیشرفت تحصیلی و رضایت فراگیران را بهبود دهد و هم زمان ریسک سوگیری الگوریتمی را کاهش دهد. همچنین، آماده سازی شایستگی های داده ای معلمان، بهینه سازی تقسیم کار میان مدرسیار هوشمند و معلم، و رعایت الزامات حریم خصوصی و امنیت داده به عنوان شرایط کلیدی موفقیت مشخص می شود. در پایان، نقشه راهی برای استقرار پایلوت، ارزیابی تدریجی و استانداردسازی فرایندها ارائه می شود تا امکان مقیاس پذیری و تضمین کیفیت فراهم شود.

کلیدواژه ها:

یادگیری ترکیبی انسان–ماشین ، آموزش مجازی ، طراحی آموزشی داده محور ، ارزیابی یادگیری ، شخصی سازی ، شفافیت الگوریتمی