بررسی هوش مصنوعی به عنوان ابزار تشخیص زودهنگام مشکلات یادگیری درمقطع ابتدایی

هدف از پژوهش حاضر، بررسی نقش هوش مصنوعی در تشخیص زودهنگام مشکلات یادگیری در دانش آموزان مقطع ابتدایی و ارزیابی دقت و اثربخشی آن در مقایسه با روش های سنتی شناسایی مشکلات یادگیری است. روش پژوهش توصیفی-همبستگی و از نظر هدف، کاربردی بود. جامعه آماری شامل دانش آموزان پایه دوم تا پنجم ابتدایی یکی از مناطق آموزش وپرورش شهردزفول در سال تحصیلی ۱۴۰۴–۱۴۰۳ بود که از میان آن ها نمونه ای به حجم ۲۰۰ نفر با روش خوشه ای چندمرحله ای انتخاب شد. داده ها از طریق پایگاه های آموزشی دیجیتال، پرسش نامه عملکرد شناختی، و خروجی الگوریتم های هوش مصنوعی (Random Forest و KNN) گردآوری و با آزمون های آماری (t مستقل، همبستگی، و رگرسیون لجستیک) تحلیل شد. یافته ها نشان داد الگوریتم Random Forest با دقت ۸۹٪، توانایی بالایی در شناسایی اختلالات یادگیری دارد و در مقایسه با تشخیص سنتی معلمان عملکرد دقیق تری دارد. همچنین، رابطه معناداری میان متغیرهای شناختی (زمان پاسخ، تعداد خطاها، تعامل دیجیتال) و خروجی مدل هوش مصنوعی مشاهده شد. علی رغم چالش هایی چون کمبود زیرساخت، نبود داده های بومی، و نگرانی های اخلاقی، نتایج پژوهش نشان می دهد که هوش مصنوعی می تواند نقش موثری در شناسایی زودهنگام مشکلات یادگیری و بهبود عدالت آموزشی ایفا کند.

کلیدواژه ها:

هوش مصنوعی ، مشکلات یادگیری ، آموزش ابتدایی ، تشخیص زودهنگام ، فناوری آموزشی