آینده یادگیری :یادگیری شخصی سازی شده با هوش مصنوعی

این پژوهش با رویکرد آمیخته به ارزیابی اثر یادگیری شخصی سازی شده مبتنی بر هوش مصنوعی بر عملکرد تحصیلی، انگیزش و عدالت آموزشی در بافت ایران می پردازد. در بخش کمی، طرح شبه تجربی با کنترل نمرات پایه نشان داد گروه AI بهبود معناداری در نمرات، سرعت دستیابی به مهارت و خودتنظیمی داشت و واریانس عملکرد بین فراگیران کاهش یافت؛ اندازه اثرها در دامنه متوسط تا زیاد با فواصل اطمینان مطلوب گزارش شد و پایداری نتایج در پیگیری میان مدت تایید گردید. در بخش کیفی، تحلیل مضمون مصاحبه ها و مشاهدات کلاسی تم هایی چون احساس کنترل بر مسیر یادگیری، بازخورد به موقع، کاهش اضطراب ارزشیابی و بازتعریف نقش معلم به عنوان تسهیل گر را نشان داد، همراه با نگرانی های حریم خصوصی و شفافیت الگوریتمی. تحلیل های افزوده نقش تعدیل گر وفاداری اجرا، کیفیت داده و سبک تدریس را برجسته کرد و مقایسه الگوریتم ها بیانگر برتری مدل های ردیابی دانش نسبت به رویکردهای قاعده محور در تشخیص شکاف ها و تنظیم دشواری بود. پیامدهای عملی شامل نیاز به چارچوب های شفافیت، استانداردهای داده، آموزش معلم و ادغام با برنامه درسی ملی است؛ درمجموع، نتایج حاکی از آن است که AI، در صورت اجرای اخلاق مدار و بومی سازی شده، می تواند یادگیری را عمیق تر، سریع تر و عادلانه تر سازد.

کلیدواژه ها:

یادگیری شخصی سازی شده ، هوش مصنوعی آموزشی ، خودتنظیمی ، عدالت آموزشی ، شفافیت الگوریتمی