ارزیابی تبعیض الگوریتمی در سیستم های پیشنهاد محتوای آموزشی فارسی و روش های تصحیح سوگیری

گسترش سامانه های پیشنهاددهنده در محیط های آموزشی دیجیتال، شیوه دسترسی یادگیرندگان به محتوا، مسیرهای یادگیری و حتی انگیزه آموزشی آن ها را به طور بنیادین دگرگون کرده است. این سامانه ها با اتکا بر داده های رفتاری کاربران و مدل های یادگیری ماشین، تلاش می کنند محتوایی متناسب با نیازها و علایق افراد پیشنهاد دهند. با وجود این، شواهد نظری و تجربی نشان می دهد که چنین سیستم هایی الزاما خنثی یا عادلانه عمل نمی کنند و ممکن است الگوهای نابرابری موجود در داده ها یا طراحی الگوریتم ها را بازتولید کرده و تشدید کنند. در بستر آموزش فارسی زبان، این مسئله اهمیتی دوچندان می یابد؛ زیرا تنوع زبانی، فرهنگی و سطح دسترسی یادگیرندگان می تواند زمینه ساز شکل گیری انواع خاصی از سوگیری الگوریتمی شود که کمتر مورد توجه پژوهش های پیشین قرار گرفته اند.هدف این پژوهش، تحلیل نظام مند اشکال مختلف سوگیری الگوریتمی در سامانه های پیشنهاد محتوای آموزشی فارسی و بررسی امکان کاهش این سوگیری ها از طریق رویکردهای فنی و تحلیلی است. پژوهش حاضر با تمرکز بر خروجی های سیستم های پیشنهاددهنده، به ارزیابی نابرابری در میزان دیده شدن محتوا، تنوع پیشنهادها و توزیع فرصت های یادگیری میان گروه های مختلف کاربران می پردازد. برای دستیابی به این هدف، از ترکیبی از شاخص های سنجش عدالت الگوریتمی و تحلیل های آماری استفاده شده است که امکان مقایسه رفتار سیستم پیش و پس از اعمال روش های اصلاح سوگیری را فراهم می کند.یافته های پژوهش نشان می دهد که در غیاب مداخلات هدفمند، سامانه های پیشنهاددهنده آموزشی فارسی تمایل دارند به تقویت الگوهای مسلط مصرف محتوا منجر شوند و در نتیجه، بخشی از کاربران با تنوع محدودتری از منابع آموزشی مواجه شوند. به کارگیری راهبردهای تصحیح سوگیری، به ویژه در سطح بازنمونه گیری داده ها و تنظیم تابع هدف مدل، می تواند به بهبود معنادار شاخص های عدالت منجر شود، بی آنکه دقت کلی سیستم به طور چشمگیری کاهش یابد. این نتایج بیانگر آن است که عدالت الگوریتمی نه یک ملاحظه جانبی، بلکه بخشی جدایی ناپذیر از کیفیت سامانه های آموزشی هوشمند است.اهمیت این تحقیق در ارائه چارچوبی تحلیلی برای ارزیابی سوگیری در سیستم های پیشنهاددهنده فارسی و برجسته سازی ضرورت طراحی آگاهانه و مسئولانه این سامانه ها نهفته است. نتایج پژوهش می تواند برای توسعه دهندگان پلتفرم های آموزشی، سیاست گذاران حوزه آموزش دیجیتال و پژوهشگران هوش مصنوعی مبنایی کاربردی برای تصمیم گیری و پژوهش های آتی فراهم آورد، به گونه ای که مسیر توسعه آموزش هوشمند با اصول عدالت و دسترسی برابر هم راستا شود.

کلیدواژه ها:

سوگیری الگوریتمی ، سیستم های پیشنهاددهنده ، آموزش دیجیتال ، عدالت الگوریتمی ، محتوای آموزشی فارسی