فراتر از چت بات ها: استراتژی های بهره گیری از هوش مصنوعی برای ارزیابی تکوینی و بازخورد هوشمند در کلاس های پرجمعیت.

تحول دیجیتال در نظام های آموزشی پسا ۲۰۲۴، از مرحله استفاده ساده از چت بات ها فراتر رفته و به سمت ادغام سیستم های تصمیم یار هوشمند حرکت کرده است. یکی از چالش های بنیادین معلمان در کلاس های پرجمعیت، ناتوانی در ارائه بازخوردهای بهنگام، شخصی سازی شده و مستمر (ارزیابی تکوینی) به تمامی دانش آموزان است؛ نقیصه ای که منجر به یادگیری سطحی و افت انگیزه تحصیلی می گردد. پژوهش حاضر با عنوان «فراتر از چت بات ها: استراتژی های بهره گیری از هوش مصنوعی برای ارزیابی تکوینی و بازخورد هوشمند»، با هدف تدوین راهکارهای عملیاتی برای استفاده از ابزارهای هوش مصنوعی (AI) در جهت پایش دقیق فرآیند یادگیری انجام شده است.این تحقیق با روش توصیفی-تحلیلی و با نگاهی به رویکرد «یادگیری انطباقی» (Adaptive Learning)، نشان می دهد که تکنولوژی های نوین نظیر تحلیل گرهای پیش بین (Predictive Analytics) و سیستم های ارزیابی خودکار نوشتار (AES)، چگونه می توانند بار تصحیح تکالیف تکراری را از دوش معلم برداشته و در مقابل، نقشه های مفهومی از نقاط ضعف و قوت هر دانش آموز را در اختیار وی قرار دهند. یافته های پژوهش حاکی از آن است که فراتر از پاسخ های ساده متنی، هوش مصنوعی می تواند با تحلیل الگوهای خطای دانش آموزان در کلاس های پرجمعیت، «بازخوردهای اصلاحی هوشمند» تولید کند که دقیقا بر لبه یادگیری (Zone of Proximal Development) هر فرد منطبق باشد.در این مقاله، استراتژی هایی برای استفاده از پلتفرم های ارزیابی هوشمند جهت تحلیل داده های حجیم کلاسی ارائه شده است که به معلم اجازه می دهد به جای صرف وقت برای نمره دهی، به «تسهیل گری آموزشی» و «مداخله های هدفمند» بپردازد. نتایج نشان می دهد که ارزیابی تکوینی مبتنی بر هوش مصنوعی، نه تنها عدالت آموزشی را در کلاس های شلوغ بهبود می بخشد، بلکه با ارائه بازخوردهای فوری، چرخه یادگیری را کامل کرده و اضطراب ناشی از ارزیابی های پایانی را به شکل معناداری کاهش می دهد. در نهایت، ملاحظات اخلاقی و ضرورت حفظ «عامل انسانی» در فرآیند ارزیابی هوشمند مورد واکاوی قرار گرفته است.

کلیدواژه ها:

هوش مصنوعی مولد ، ارزیابی تکوینی ، بازخورد هوشمند ، کلاس های پرجمعیت ، یادگیری انطباقی ، پدیده فراتر از چت بات