یادگیری شخصی سازی شده مبنتی بر هوش مصنوعی

یادگیری شخصی سازی شده، تلاش می کند تا جایگزینی برای رویکرد یکسان برای همه در آموزش ارائه دهد. راه حل های مبتنی بر فناوری یادگیری شخصی سازی شده اثربخشی قابل توجهی در بهبود عملکرد یادگیری نشان داده اند. با این حال، هم سویی این راه حل ها با اهداف گسترده تر آموزش مدرن در میان فناوری ها و حوزه های پژوهشی مختلف ناسازگار است. در این مقاله، ویژگی های راه حل های یادگیری شخصی سازی شده مبتنی بر هوش مصنوعی را با توجه به اهداف ۲۰۳۰ را بررسی می کنیم. تحلیل ما نشان دهنده فاصله ای بین اهداف آموزش مدرن و مسیر فعلی یادگیری شخصی سازی شده است. ما حوزه هایی را شناسایی می کنیم که در آن ها فناوری های فعلی یادگیری شخصی سازی شده می توانند عناصر ضروری آموزش معاصر، مانند همکاری، درگیری شناختی و توسعه شایستگی های عمومی را بهتر دربرگیرند. در حالی که راه حل های کنونی یادگیری شخصی سازی شده در تسهیل فرایندهای یادگیری نقش موثری دارند، چشم انداز یادگیری شخصی سازی شده که توسط کارشناسان آموزشی تصور شده است فراتر از ابزارهای فناوری ساده است و نیازمند تغییرات جامع در نظام آموزشی است. در نهایت، ما پتانسیل مدل های زبانی بزرگ، مانند ChatGPT، را بررسی کرده و مدل هیبریدی (ترکیبی) را پیشنهاد می کنیم که هوش مصنوعی را با رویکردی مشارکتی و تحت راهنمایی معلمان در یادگیری شخصی سازی شده تلفیق می کند.

کلیدواژه ها:

یادگیری شخصی سازی شده ، هوش مصنوعی ، سیستم های یادگیری تطبیقی ، یادگیری خودتنظیمی