طراحی و اعتبارسنجی چارچوبی برای شخصی سازی بلادرنگ برنامه درسی ابتدایی با هوش مصنوعی سازگارشونده و بازخورد غیرکلامی

هدف این پژوهش، طراحی و اعتبارسنجی چارچوبی نوآورانه برای شخصی سازی بلادرنگ برنامه درسی دوره ابتدایی با بهره گیری از هوش مصنوعی سازگارشونده و تحلیل بازخوردهای غیرکلامی دانش آموزان است. این چارچوب به دنبال پاسخگویی به این مسئله محوری است که سیستم های آموزشی کنونی فاقد مکانیزمی برای درک و پاسخگویی بلادرنگ به وضعیت شناختی و هیجانی هر دانش آموز در حین فرآیند یادگیری هستند. پژوهش حاضر با رویکردی ترکیبی (کیفی-کمی) و در چارچوب یک طرح پژوهشی اکتشافی متوالی انجام شد. در فاز کیفی، با استفاده از مصاحبه های عمیق با ۱۵ متخصص برجسته در حوزه های تکنولوژی آموزشی، علوم اعصاب شناختی و برنامه ریزی درسی، مولفه های اساسی چارچوب استخراج گردید. در فاز کمی، چارچوب طراحی شده در یک محیط آموزشی واقعی با نمونه ای متشکل از ۱۲۰ دانش آموز و ۱۰ معلم به مدت یک نیمسال تحصیلی مورد آزمایش و اعتبارسنجی قرار گرفت. داده ها از طریق مشاهده سیستماتیک، پرسشنامه های استاندارد سنجش درگیری و تعامل و مصاحبه با معلمان گردآوری شد. یافته ها نشان داد که اجرای این چارچوب منجر به افزایش معنادار درگیری و تعامل عمیق دانش آموزان با محتوا و کاهش قابل توجه نشانه های سردرگمی و اضطراب آنان گردید. همچنین، معلمان گزارش دادند که داشبورد ارائه شده توسط سیستم، بینش بی سابقه ای از وضعیت فردی و کلاسی در اختیار آنان قرار داده و امکان مداخلات آموزشی هدفمندتر را فراهم کرده است. این مطالعه موید آن است که ادغام هوش مصنوعی سازگارشونده با تحلیل بازخوردهای غیرکلامی می تواند پارادایم برنامه ریزی درسی را از رویکردی ثابت و یکسان ساز به سمت یک اکوسیستم یادگیری پویا و پاسخگو متحول کند.

کلیدواژه ها:

هوش مصنوعی سازگارشونده ، برنامه ریزی درسی شخصی شده ، بازخورد غیرکلامی ، آموزش ابتدایی ، یادگیری سازگارشونده