طراحی تکالیف معنادار با هوش مصنوعی برای کاهش اضطراب تحصیلی

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RRCONF01_3588

تاریخ نمایه سازی: 8 بهمن 1404

چکیده مقاله:

اضطراب تحصیلی به عنوان یکی از شایع ترین مشکلات روان شناختی در محیط های آموزشی، تاثیرات منفی عمیقی بر عملکرد تحصیلی، سلامت روان و کیفیت زندگی دانش آموزان و دانشجویان می گذارد. این پدیده پیچیده اغلب ریشه در عواملی چون فشار انتظارات، ماهیت ناکارآمد تکالیف، ترس از شکست، و روش های ارزیابی سنتی دارد. در دهه های اخیر، با پیشرفت های چشمگیر در حوزه هوش مصنوعی (AI)، فرصت های جدیدی برای بازنگری در رویکردهای آموزشی و طراحی محیط های یادگیری سازگارتر و حمایتی تر فراهم شده است. این مقاله به بررسی نقش پتانسیل هوش مصنوعی در طراحی «تکالیف معنادار» می پردازد و استدلال می کند که با شخصی سازی، ارائه بازخورد فوری، و تطبیق سختی تکالیف با سطح توانایی هر فرد، می توان میزان اضطراب تحصیلی را به طور موثری کاهش داد. تمرکز اصلی بر چگونگی استفاده از الگوریتم های هوش مصنوعی برای خلق تجارب یادگیری متمرکز بر فرد است که نه تنها دانش و مهارت ها را تقویت می کند، بلکه حس خودکارآمدی و کنترل بر فرآیند یادگیری را نیز افزایش می دهد. همچنین، ملاحظات آموزشی، چالش های پیاده سازی و ابعاد اخلاقی مرتبط با به کارگیری هوش مصنوعی در این زمینه مورد بحث و بررسی قرار می گیرد تا چارچوبی جامع برای توسعه سیستم های آموزشی آینده فراهم شود.

کلیدواژه ها:

کلیدواژه ها: اضطراب تحصیلی ، هوش مصنوعی ، تکالیف معنادار ، یادگیری شخصی سازی شده ، روانشناسی تربیتی ، بازخورد هوشمند.

نویسندگان

مریم حسینی

کارشناسی ارشد شیمی _ فیزیک دانشگاه آزاد گچساران