تاثیر محدودیت های زیرساختی بر یادگیری هوشمند

یادگیری هوشمند به عنوان یکی از مهم ترین دستاوردهای تحول دیجیتال در آموزش، ظرفیت آن را دارد که کیفیت یادگیری را از طریق شخصی سازی محتوا، تحلیل رفتار یادگیرنده، ارائه ی بازخورد لحظه ای و تولید محتوای تطبیقی به طور چشمگیری افزایش دهد. با این حال، بهره گیری از این ظرفیت ها به شدت وابسته به زیرساخت های دیجیتال است؛ از جمله اینترنت پایدار، سخت افزار مناسب، برق قابل اعتماد و دسترسی به سرورهای پردازشی. در بسیاری از مناطق محروم، ضعف این زیرساخت ها باعث می شود ابزارهای هوش مصنوعی نتوانند عملکرد واقعی خود را نشان دهند و تجربه ی یادگیری به صورت سیستماتیک کاهش یابد. این مقاله با رویکردی نظری و مبتنی بر تحلیل اسنادی، مفهوم «سوگیری زیرساختی» را معرفی و تبیین می کند؛ پدیده ای که طی آن کیفیت تجربه ی یادگیری هوشمند به دلیل ضعف زیرساخت ها نابرابر می شود، حتی اگر دسترسی اولیه به فناوری فراهم باشد. مدل مفهومی پیشنهادی پژوهش نشان می دهد که رابطه ی میان زیرساخت ها و یادگیری هوشمند یک زنجیره ی علی چندلایه است که از ورودی ها (زیرساخت ها) آغاز می شود، از طریق فرآیند یادگیری (عملکرد ابزارهای هوش مصنوعی و تجربه ی یادگیری) عبور می کند و در نهایت به خروجی ها (کیفیت یادگیری، پیشرفت تحصیلی و نابرابری آموزشی) منتهی می شود. یافته ها نشان می دهد که بدون عدالت زیرساختی، یادگیری هوشمند نه تنها نمی تواند به بهبود کیفیت آموزش منجر شود، بلکه ممکن است نابرابری آموزشی را تشدید کند. در پایان، مجموعه ای از پیشنهادهای سیاستی برای کاهش شکاف زیرساختی و تقویت عدالت دیجیتال ارائه می شود.کلمات کلیدی: یادگیری هوشمند، محدودیت های زیر ساختی، نابرابری آموزشی