شخصی سازی محتوای چندرسانه ای بر اساس سبک یادگیری دانش آموز با الگوریتم های هوشمند

در عصر دیجیتال، دسترسی به حجم عظیمی از محتوای آموزشی چندرسانه ای، فرصت های بی نظیری را برای یادگیری فراهم کرده است، اما در عین حال چالش «اطلاعات گرایی» و ناتوانی در انتخاب محتوای متناسب با نیازهای فردی را نیز به همراه داشته است. دانش آموزان دارای سبک های یادگیری متفاوتی (مانند بصری، شنیداری، خواندنی-نوشتنی و حرکتی) هستند که یکسان بودن محتوای آموزشی برای همه، مانع از دستیابی آن ها به حداکثر کارایی می شود. این پژوهش با هدف بررسی کاربرد الگوریتم های هوش مصنوعی در شخصی سازی محتوای چندرسانه ای بر اساس سبک یادگیری دانش آموز انجام شده است. نتایج نشان می دهد که الگوریتم های هوشمند با تحلیل داده های رفتاری و تعاملی دانش آموزان، قادرند سبک یادگیری غالب آن ها را شناسایی کرده و محتوای چندرسانه ای (ویدیو، پادکست، متن تعاملی، شبیه سازی و انیمیشن) را به صورت پویا تطبیق دهند. این سیستم های توصیه گر با ارائه محتوا در قالبی که با ترجیحات شناختی دانش آموز همخوانی دارد، باعث افزایش درک مطلب، ماندگاری یادگیری و انگیزه تحصیلی می شوند. همچنین، این رویکرد با کاهش بار شناختی اضافی و جلوگیری از گیجی دانش آموز در مواجهه با محتوای نامناسب، فرآیند یادگیری را بهینه می سازد. در نهایت، پژوهش تاکید می کند که تلفیق هوش مصنوعی و علوم شناختی در طراحی محتوای آموزشی، گامی اساسی به سمت تحقق عدالت آموزشی و آموزش سفارشی برای هر دانش آموز است.

کلیدواژه ها:

شخصی سازی آموزش ، محتوای چندرسانه ای ، سبک های یادگیری ، الگوریتم های هوشمند ، هوش مصنوعی در آموزش ، سیستم های توصیه گر ، یادگیری تطبیقی ، طراحی آموزشی.