نقش داده کاوی آموزشی و هوش مصنوعی در بهبود فرآیند تدریس و تصمیم گیری آموزشی

دوران حاضر آموزش عالی و آموزش عمومی با تحولات بنیادینی روبرو است که ریشه در پیشرفت های سریع فناوری های اطلاعاتی، به ویژه داده کاوی آموزشی (Educational Data Mining - EDM) و هوش مصنوعی (Artificial Intelligence - AI) دارد. این مقاله با رویکرد روش کتابخانه ای و با هدف بررسی جامع نقش این دو حوزه در بهبود فرآیندهای تدریس و یادگیری تهیه شده است. داده کاوی آموزشی به عنوان رشته ای بین رشته ای، از روش های آماری و یادگیری ماشین برای استخراج دانش جدید از داده های یادگیری استفاده می کند .همزمان، هوش مصنوعی، به ویژه یادگیری ماشین و یادگیری عمیق، توانایی هایی بی نظیر در شخصی سازی، خودکارسازی ارزیابی و تولید محتوای تطبیقی فراهم می آورد. این پژوهش ابتدا به تشریح مبانی نظری EDM و AI در بافت آموزش می پردازد و سپس با مرور نظام مند مطالعات منتشر شده بین سال های ۲۰۱۹ تا ۲۰۲۵، آخرین پیشرفت ها، مدل ها و چارچوب های پیشنهادی را تحلیل می کند. کاربردهای اصلی مورد بحث شامل تشخیص زودهنگام ریسک ترک تحصیل، تحلیل الگوهای تعاملی، توصیه گرهای آموزشی شخصی سازی شده و ابزارهای خودکارسازی وظایف تکراری معلمان است. همچنین، نقش محوری این فناوری ها در توانمندسازی تصمیم گیری آموزشی مبتنی بر شواهد (Evidence-Based Decision Making) مورد تاکید قرار می گیرد. با وجود پتانسیل های چشمگیر، چالش های مهمی نظیر ملاحظات اخلاقی پیرامون حریم خصوصی داده ها، سوگیری الگوریتمی، و نیاز به توسعه زیرساخت های داده ای مناسب مطرح است تحلیل نهایی نشان می دهد که ادغام موثر EDM و AI نیازمند رویکردی انسان محور است که در آن، فناوری ها به عنوان ابزارهایی برای توانمندسازی معلمان عمل کنند، نه جایگزین آن ها.

کلیدواژه ها:

داده کاوی آموزشی ، هوش مصنوعی ، یادگیری شخصی سازی شده ، تصمیم گیری آموزشی ، بهبود تدریس ، یادگیری ماشین.