یادگیری ترکیبی در مدارس با پشتیبانی سیستم های هوش مصنوعی

پژوهش حاضر با هدف بررسی نقش، کاربردها و چالش های به کارگیری سیستم های هوش مصنوعی (AI) در ارتقای کیفیت یادگیری ترکیبی (Blended Learning) در محیط های مدرسه ای انجام شده است. با توجه به تحولات سریع فناوری در دوران پساکرونا، یادگیری ترکیبی به عنوان الگوی غالب نظام های آموزشی مطرح شده است، با این حال، طراحی تجارب یادگیری شخصی سازی شده و معنادار در این بستر همچنان با چالش هایی مواجه است. این مطالعه با اتخاذ رویکرد مرور سیستماتیک و فراتحلیل، به بررسی یافته های ۲۱ مطالعه معتبر (با ۲۸۷۳ شرکت کننده) و همچنین تحلیل کیفی چندین کارگاه و مطالعه موردی در زمینه کاربست هوش مصنوعی در یادگیری ترکیبی پرداخته است . یافته های کمی پژوهش نشان می دهد که هوش مصنوعی تاثیری در حد متوسط (۰.۵ = g) بر پیشرفت تحصیلی در محیط های یادگیری ترکیبی دارد. در این میان، «سیستم های شخصی سازی یادگیری» بیشترین تاثیر را در مقایسه با «سیستم های معلم خصوصی هوشمند» و «ربات های گفتگو» از خود نشان داده اند . از سوی دیگر، بررسی های کیفی حاکی از آن است که ابزارهای هوش مصنوعی نظیر دستیاران آموزشی مولد (مانند ChatGPT و Amazon Bedrock) می توانند منجر به افزایش خودتنظیمی یادگیرندگان، کاهش ۸۰ درصدی زمان آماده سازی محتوا برای معلمان و پوشش ۲۵ درصدی بیشتر محتوای آموزشی در زمان کلاس شوند . با این حال، موانع متعددی از جمله شکاف زیرساخت های دیجیتال، نگرانی های اخلاقی مرتبط با حریم خصوصی داده ها، سواد دیجیتال پایین معلمان و ماهیت مبهم فرآیندهای الگوریتمی، فراروی این حوزه قرار دارد . نتیجه گیری مقاله بر این اصل استوار است که هوش مصنوعی نه یک راه حل یکسان برای همه، بلکه ابزاری راهبردی برای بازتعریف نقش معلم و توانمندسازی یادگیرنده است، مشروط بر آنکه در چارچوبی اخلاقی و مبتنی بر زیرساخت های فکری و فناوری مناسب پیاده سازی شود.

کلیدواژه ها:

یادگیری ترکیبی ، هوش مصنوعی در آموزش ، سیستم های شخصی سازی یادگیری ، ربات های گفتگو ، فراتحلیل ، آموزش مبتنی بر فناوری.