هوش مصنوعی و ایجاد فرصت های نوین برای آموزش میان رشته ای تفکر انتقادی

با توجه به پیچیدگی فزاینده آموزش میان رشته ای و نیاز به تقویت مهارت های تفکر انتقادی (CT)، این پژوهش چارچوب هوش مصنوعی انطباقی (ALS) مبتنی بر داده کاوی آموزشی (EDM) را طراحی و ارزیابی کرد. اهداف اصلی شامل مدل سازی توانمندی های میان رشته ای CT، طراحی بازخورد سه سطحی تطبیقی و بررسی ملاحظات اخلاقی (شامل XAI و حریم خصوصی) بود. روش پژوهش شبه آزمایشی و ترکیبی با تحلیل کمی و کیفی داده ها از LMS و تعاملات ALS بود. نتایج نشان داد که چارچوب توسعه یافته موجب افزایش معنادار مهارت های تحلیل، استنتاج و ارزیابی میان رشته ای، و بهبود خودتنظیمی یادگیرندگان شده است. همچنین، اهمیت شفافیت الگوریتمی و رعایت اصول اخلاقی در پذیرش سیستم تاکید شد. این چارچوب در ارائه یک رویکرد مقیاس پذیر و موثر برای آموزش CT میان رشته ای اثربخش بوده است.

کلیدواژه ها:

تفکر انتقادی میان رشته ای ، هوش مصنوعی انطباقی ، داده کاوی آموزشی ، بازخورد تطبیقی ، شفافیت الگوریتمی.