تحولات هوش مصنوعی و یادگیری شخصی سازی شده در آموزش و پرورش: مروری نظام مند بر فرصت ها، چالش ها و جهت گیری های آینده

در سال های اخیر، هوش مصنوعی به یکی از پیشران های اصلی تحول در نظام های آموزشی جهان تبدیل شده است و نقش مهمی در تحقق یادگیری شخصی سازی شده ایفا می کند. یادگیری شخصی سازی شده رویکردی است که در آن محتوا، مسیر، سرعت و شیوه های یادگیری متناسب با ویژگی های فردی هر یادگیرنده تنظیم می شود؛ هدفی که در نظام های سنتی آموزشی به دلیل محدودیت منابع انسانی و ساختاری، به طور گسترده محقق نشده بود. ظهور فناوری های نوین مبتنی بر هوش مصنوعی، از جمله سیستم های آموزشی هوشمند، پلتفرم های یادگیری تطبیقی، تحلیل یادگیری و به ویژه هوش مصنوعی مولد، امکان طراحی تجربه های یادگیری پویا، داده محور و مقیاس پذیر را فراهم کرده است.هدف این مقاله، ارائه یک مرور نظام مند از پژوهش های انجام شده درباره نقش هوش مصنوعی در یادگیری شخصی سازی شده در آموزش و پرورش و شناسایی فرصت ها، چالش ها و جهت گیری های آینده است. این مطالعه بر اساس چارچوب PRISMA ۲۰۲۰ انجام شد و در مجموع ۶۸ منبع علمی (۴۲ مطالعه بین المللی و ۲۶ منبع فارسی) منتشرشده عمدتا بین سال های ۲۰۲۰ تا ۲۰۲۵ مورد تحلیل قرار گرفت.یافته ها در پنج محور اصلی سازمان دهی شدند: (۱) تعاریف و مدل های مفهومی، (۲) فناوری های کلیدی، (۳) فرصت ها و مزایا، (۴) چالش ها و محدودیت ها، و (۵) شواهد تجربی. نتایج نشان داد که هوش مصنوعی می تواند از طریق ارائه بازخورد فوری، تطبیق مسیر یادگیری، افزایش انگیزش، تقویت خودتنظیمی و حمایت از یادگیرندگان با نیازهای متنوع، به بهبود کیفیت و عدالت آموزشی کمک کند. در مقابل، چالش هایی نظیر حریم خصوصی داده ها، سوگیری الگوریتمی، شکاف دیجیتال، کاهش تعامل انسانی و کمبود آمادگی حرفه ای معلمان، موانع جدی در مسیر پیاده سازی موثر این رویکردها به شمار می روند.در زمینه ایران، مرور مطالعات نشان می دهد که اگرچه گفتمان نظری درباره ظرفیت های هوش مصنوعی در آموزش در حال گسترش است، اما فاصله قابل توجهی میان سیاست گذاری، پژوهش تجربی و اجرای عملی وجود دارد. بر این اساس، توسعه زیرساخت های فناورانه، تدوین چارچوب های اخلاقی بومی، توانمندسازی معلمان و انجام پژوهش های طولی و بومی، از جمله جهت گیری های کلیدی برای آینده پیشنهاد می شود.این مقاله با ارائه تصویری یکپارچه و انتقادی از وضعیت موجود، می کوشد مبنایی نظری و کاربردی برای تصمیم گیری های آموزشی و پژوهش های آتی در حوزه هوش مصنوعی و یادگیری شخصی سازی شده فراهم آورد.

کلیدواژه ها:

هوش مصنوعی در آموزش ، یادگیری شخصی سازی شده ، آموزش تطبیقی ، هوش مصنوعی مولد ، عدالت آموزشی ، مرور نظام مند