هوش مصنوعی در طراحی آزمون های تطبیقی برای ارزیابی دقیق سطح دانش آموزان

در عصر حاضر، نظام های آموزشی با چالش های متعددی در زمینه سنجش و ارزیابی دقیق توانایی های دانش آموزان مواجه هستند. روش های سنتی آزمون سازی که غالبا بر پایه یکسان سازی سوالات برای همه شرکت کنندگان استوار است، قادر به تفکیک دقیق سطوح دانشی و شناختی فراگیران نیستند. ظهور هوش مصنوعی (AI) و تلفیق آن با نظریه های روان سنجی نوین، منجر به شکل گیری نسل جدیدی از ارزیابی ها تحت عنوان «آزمون های تطبیقی کامپیوتری» (CAT) شده است. این پژوهش به بررسی نقش هوش مصنوعی در طراحی، اجرا و تحلیل این آزمون ها می پردازد. هدف اصلی، تبیین چگونگی استفاده از الگوریتم های یادگیری ماشین و شبکه های عصبی برای انتخاب هوشمندانه سوالات بر اساس سطح توانایی لحظه ای دانش آموز است. نتایج نشان می دهد که آزمون های تطبیقی مبتنی بر هوش مصنوعی، علاوه بر کاهش زمان آزمون و استرس دانش آموزان، دقت اندازه گیری را به طرز چشمگیری افزایش می دهند و مسیر یادگیری شخصی سازی شده را هموار می سازند.

کلیدواژه ها:

کلیدواژه ها:هوش مصنوعی ، آزمون های تطبیقی کامپیوتری (CAT) ، روان سنجی نوین ، یادگیری ماشین ، ارزیابی آموزشی ، شخصی سازی یادگیری ، نظریه پاسخ سوال (IRT).