بررسی کاربرد سیستم های توصیه گر آموزشی هوشمند در انتخاب منابع یادگیری متناسب با سبک یادگیری دانش آموزان

هدف از این پژوهش، طراحی و ارزیابی یک سیستم توصیه گر آموزشی هوشمند مبتنی بر سبک های یادگیری و بررسی تاثیر آن بر رضایت و عملکرد ادراک شده دانش آموزان در انتخاب منابع یادگیری بوده است. این مطالعه از نوع تحقیقات کاربردی-توسعه ای با روش شبه آزمایشی (طرح پیش آزمون-پس آزمون با گروه کنترل) انجام شد. جامعه آماری پژوهش را دانش آموزان پایه ششم ابتدایی و نهم متوسطه اول شهر مشهد در سال تحصیلی ۱۴۰۲-۱۴۰۱ تشکیل دادند که از میان آنان ۱۲۰ دانش آموز (۶۰ نفر از هر مقطع) به روش نمونه گیری تصادفی خوشه ای انتخاب و به طور تصادفی در دو گروه آزمایش و کنترل گمارده شدند. ابتدا سبک یادگیری غالب هر دانش آموز با استفاده از پرسشنامه استاندارد سبک های یادگیری VARK شناسایی شد. برای گروه آزمایش، یک سیستم توصیه گر هوشمند مبتنی بر الگوریتم فیلترینگ ترکیبی (محتوامحور و مشارکتی) طراحی و در قالب یک اپلیکیشن وب پیاده سازی گردید. این سیستم با در نظر گرفتن سبک یادگیری (دیداری، شنیداری، خوانداری/نوشتاری، جنبشی) و سوابق تعامل دانش آموز با منابع، اقدام به پیشنهاد منابع آموزشی (فیلم، پادکست، مقاله، تمرین تعاملی، آزمایش مجازی) می کرد. گروه کنترل به یک کتابخانه دیجیتالی غیرهوشمند با دسترسی آزاد به همه منابع دسترسی داشتند. دوره مداخله ۸ هفته و در درس علوم تجربی انجام شد. ابزارهای گردآوری داده ها شامل: ۱) پرسشنامه رضایت از سیستم توصیه گر (محقق ساخته)، ۲) مقیاس سودمندی ادراک شده منابع یادگیری، ۳) آزمون پیشرفت تحصیلی معلم ساخته، و ۴) لاگ های تعامل با سیستم بود. داده ها با استفاده از نرم افزارهای SPSS و Python و با بهره گیری از آزمون های t مستقل و وابسته، تحلیل واریانس دوطرفه و معیارهای ارزیابی سیستم توصیه گر (دقت، پوشش و نرخ کلیک) تحلیل شدند. یافته ها نشان داد که میانگین نمره رضایت و سودمندی ادراک شده در گروه آزمایش به طور معناداری بالاتر از گروه کنترل بود (۰.۰۰۱>p). همچنین، عملکرد سیستم توصیه گر در پیشنهاد منابع مرتبط برای سبک های یادگیری مختلف، با دقت ۸۶.۵٪ و پوشش ۸۲٪ ارزیابی شد. اگرچه تفاوت آماری معناداری در نمره آزمون پیشرفت تحصیلی دو گروه مشاهده نشد، اما تحلیل لاگ ها حاکی از افزایش میانگین زمان تعامل و کاهش نرخ خروج زودهنگام در گروه آزمایش بود. نتایج این مطالعه موید آن است که سیستم های توصیه گر آموزشی هوشمند با شخصی سازی پیشنهادات بر اساس سبک یادگیری، می توانند تجربه جستجو و انتخاب منابع را برای دانش آموزان مقاطع مختلف تسهیل نموده و رضایت و درگیری آنان را افزایش دهند. این امر گامی به سوی تحقق یادگیری شخصی سازی شده در محیط های دیجیتال است. پیشنهاد می شود با توسعه بانک های اطلاعاتی غنی از منابع آموزشی برچسب خورده و ادغام مولفه های پیشرفته تر مانند تشخیص هیجان، این سیستم ها در مقیاس وسیع تری به کار گرفته شوند.

کلیدواژه ها:

کلمات کلیدی: سیستم توصیه گر آموزشی ، سبک های یادگیری ، شخصی سازی یادگیری ، منابع یادگیری ، دانش آموزان ابتدایی و متوسطه ، فیلترینگ ترکیبی.