الگویی برای سیستم های کمک کننده که معلم را در جایگاه تصمیم گیری می گذارند

هدف از پژوهش حاضر، طراحی و تبیین یک الگوی مفهومی نوین برای سیستم های کمک کننده تصمیم گیری (DSS) در محیط های آموزشی است. این الگو بر مبنای پارادایم هوشمندی مکمل معلم (Teacher-Augmented Intelligence) بنا نهاده شده و هدف اصلی آن، تقویت نقش محوری و اقتدار حرفه ای معلم به عنوان تصمیم گیرنده نهایی بالینی است. در مواجهه با روند فزاینده استفاده از هوش مصنوعی در آموزش، این سیستم ها به جای اتخاذ رویکرد جایگزینی یا خودکارسازی کامل، به عنوان یک همکار تحلیلی شفاف عمل می کنند.سیستم کمک کننده پیشنهادی، با یک معماری چهار ماژوله طراحی شده است: ۱. ماژول جمع آوری داده های ناهمگون (شامل داده های عملکردی، رفتاری و تعاملی LMS)؛ ۲. ماژول تحلیل و تفسیرپذیری (XAI) که با استفاده از شبکه های عصبی و تحلیل داده های کلان، بینش هایی را فراتر از آمار ساده ارائه می دهد؛ ۳. ماژول تولید پیشنهادات انعطاف پذیر که مجموعه ای از راهکارهای چندوجهی و با وزن دهی احتمالی (و نه دستوری) را برای شخصی سازی مسیر یادگیری، مدیریت کلاس و مداخلات ترمیمی ارائه می کند؛ و نهایتا، ۴. ماژول بازخورد معلم که امکان رد یا تایید پیشنهادات سیستم، همراه با ثبت استدلال حرفه ای و زمینه انسانی را فراهم می سازد. این چرخه بازخورد نه تنها به بهبود تصمیمات آنی معلم کمک می کند، بلکه به آموزش و تنظیم مستمر الگوریتم های هوشمند بر اساس قضاوت های انسانی و حرفه ای معلم می انجامد.این مقاله ابتدا با مرور مبانی نظری، لزوم انتقال از مدل های "خودکارسازی" به "کمک رسانی" را تبیین می کند. سپس، با جزئیات به تشریح مولفه های معماری سیستم و سازوکارهای فنی برای تضمین شفافیت الگوریتمی و کاهش سوگیری های داده ای می پردازد. در ادامه، نقش تقویت شده معلم در این فرآیند مورد تجزیه و تحلیل قرار می گیرد و نشان می دهد که DSS چگونه با کاهش بار شناختی ناشی از مدیریت داده ها، به معلم فرصت می دهد تا بر قضاوت های ظریف تر، انگیزشی و عاطفی تمرکز کند. در نهایت، ضمن بررسی چالش های فنی و فرهنگی پیاده سازی این الگو در بستر نظام آموزشی ایران (مانند ضرورت ارتقای سواد داده ای معلمان و مسائل اخلاقی حفظ حریم خصوصی)، نتیجه گیری می شود که موفقیت آینده هوش مصنوعی در آموزش، در گرو این هم افزایی متوازن است که در آن، ماشین داده را تحلیل می کند و انسان (معلم) تصمیم نهایی را اتخاذ می نماید.

کلیدواژه ها:

واژگان کلیدی: سیستم های کمک کننده تصمیم گیری (DSS) ، هوش مصنوعی در آموزش ، تصمیم گیری معلم ، هوشمندی مکمل ، یادگیری شخصی سازی شده ، تحلیل داده های آموزشی ، اقتدار حرفه ای معلم ، تفسیرپذیری هوش مصنوعی (XAI).