هوش مصنوعی و آموزش تطبیقی: راهکاری برای کاهش شکاف های آموزشی بین دانش آموزان

پژوهش حاضر با هدف بررسی نقش هوش مصنوعی و آموزش تطبیقی در کاهش شکاف های آموزشی میان دانش آموزان انجام شد. در این مطالعه از روش ترکیبی کمی و کیفی (Mixed Methods) استفاده شده است. جامعه آماری شامل دانش آموزان دوره ابتدایی یک منطقه شهری بود و نمونه گیری به روش تصادفی طبقه بندی شده انجام شد. داده های کمی از طریق آزمون پیشرفت تحصیلی و پرسشنامه انگیزش و خودکارآمدی جمع آوری شد و داده های کیفی از مصاحبه نیمه ساختاریافته با معلمان و دانش آموزان و مشاهدات کلاس درس حاصل گردید.یافته های کمی نشان داد که گروه آزمایشی که از سیستم آموزش تطبیقی مبتنی بر هوش مصنوعی استفاده کردند، عملکرد تحصیلی، انگیزش و خودکارآمدی بالاتری نسبت به گروه کنترل داشتند و شکاف آموزشی میان دانش آموزان ضعیف و قوی به طور قابل توجهی کاهش یافت. یافته های کیفی نیز نشان داد که معلمان و دانش آموزان تجربه مثبت و موثری از شخصی سازی یادگیری داشتند و بازخورد فوری سیستم موجب افزایش تعامل، اعتماد به نفس و انگیزه یادگیری شد.با وجود مزایا، چالش هایی مانند محدودیت های فنی و زیرساختی، آمادگی ناکافی معلمان، مسائل فرهنگی و نگرانی های امنیت داده ها شناسایی شد. با این حال، با برنامه ریزی دقیق، توانمندسازی معلمان، بومی سازی محتوا و رعایت استانداردهای امنیت داده ها، استفاده از آموزش تطبیقی مبتنی بر هوش مصنوعی می تواند به کاهش شکاف های آموزشی و تحقق عدالت آموزشی کمک کند.در نهایت، پژوهش حاضر نشان می دهد که هوش مصنوعی و آموزش تطبیقی می توانند نقشی کلیدی در ارتقای کیفیت یادگیری، افزایش انگیزه دانش آموزان و کاهش نابرابری های آموزشی در نظام آموزشی ایران ایفا کنند.

کلیدواژه ها:

هوش مصنوعی ، آموزش تطبیقی ، شکاف آموزشی ، عدالت آموزشی ، انگیزش یادگیری ، شخصی سازی یادگیری