از برنامه درسی ثابت تا مسیر یادگیری پویا: تحلیل آموزش شخصی سازی شده مبتنی بر هوش مصنوعی در نظام های آموزشی

تحولات شتابان فناوری های دیجیتال، به ویژه هوش مصنوعی، موجب بازاندیشی جدی در ساختارهای سنتی آموزش و برنامه های درسی ثابت شده است. نظام های آموزشی کلاسیک که بر یک مسیر یادگیری یکسان برای همه یادگیرندگان تاکید دارند، غالبا قادر به پاسخ گویی به تفاوت های فردی، سبک های یادگیری متنوع و نیازهای متغیر فراگیران در مقاطع مختلف تحصیلی نیستند. در این میان، آموزش شخصی سازی شده مبتنی بر هوش مصنوعی به عنوان رویکردی نوین، امکان طراحی مسیرهای یادگیری پویا، انعطاف پذیر و متناسب با ویژگی های شناختی، عاطفی و عملکردی هر یادگیرنده را فراهم می سازد (Holmes et al.، ۲۰۱۹).پژوهش حاضر با هدف تحلیل مفهومی و تبیین نقش هوش مصنوعی در گذار از برنامه درسی ثابت به مسیرهای یادگیری پویا انجام شده و از روش پژوهش کتابخانه ای بهره می برد. بدین منظور، با بررسی نظام مند منابع علمی معتبر داخلی و خارجی منتشرشده در پایگاه هایی نظیر Scopus، Web of Science، Springer و IEEE، ابعاد مختلف آموزش شخصی سازی شده، الگوریتم های تطبیقی، سیستم های توصیه گر آموزشی و کاربردهای هوش مصنوعی در سطوح مختلف آموزش مورد تحلیل قرار گرفته است (Zawacki-Richter et al.، ۲۰۱۹).یافته های پژوهش نشان می دهد که استفاده از هوش مصنوعی در طراحی آموزش، ضمن افزایش مشارکت یادگیرندگان و بهبود نتایج یادگیری، می تواند به ارتقای عدالت آموزشی و پاسخ گویی بهتر به تفاوت های فردی منجر شود. همچنین نتایج حاکی از آن است که پیاده سازی موفق آموزش شخصی سازی شده نیازمند بازطراحی برنامه درسی، توانمندسازی معلمان و تدوین سیاست های آموزشی مبتنی بر داده است. در پایان، پیشنهادهایی برای پژوهش های آتی و سیاست گذاران آموزشی ارائه شده است.

کلیدواژه ها:

آموزش شخصی سازی شده ، هوش مصنوعی ، مسیر یادگیری پویا ، برنامه درسی ، فناوری های آموزشی