ارزشیابی تکوینی داده محور: استفاده از تحلیل های یادگیری برای شخصی سازی آموزش در کلاس های چندسطحی

در دهه های اخیر، هم زمان با پیچیده تر شدن نظام های آموزشی و افزایش تنوع در جمعیت دانش آموزی، چالش فراهم آوری فرصت های یادگیری عادلانه و باکیفیت برای تمامی فراگیران، به یکی از دغدغه های اصلی سیاست گذاران و کنشگران آموزشی تبدیل شده است. کلاس های چندسطحی، که در آن ها دانش آموزان با توانایی ها، علایق، سبک های یادگیری و پیش نیازهای متفاوت در کنار یکدیگر به تحصیل اشتغال دارند، تجسم عینی این تنوع و پیچیدگی هستند. در چنین بسترهایی، اتکا به روش های سنتی و یکسان آموزش و ارزشیابی، نه تنها ناکارآمد که به تشدید شکاف های یادگیری و سرخوردگی بخش قابل توجهی از دانش آموزان منجر می شود. در این میان، ارزشیابی تکوینی به عنوان فرآیندی مستمر برای سنجش پیشرفت یادگیری و ارائه بازخوردهای اصلاحی، از دیرباز به عنوان یکی از موثرترین راهبردهای بهبود کیفیت تدریس و یادگیری شناخته شده است. با این حال، اجرای اثربخش ارزشیابی تکوینی در کلاس های پرجمعیت و چندسطحی، به دلیل محدودیت های زمانی و شناختی معلمان، همواره با دشواری های عملی فراوانی روبه رو بوده است. ظهور فناوری های نوین دیجیتال و به ویژه گسترش رویکرد «تحلیل های یادگیری»، افق تازه ای را برای غلبه بر این محدودیت ها و بازتعریف ماهیت و کارکرد ارزشیابی تکوینی گشوده است. تحلیل های یادگیری با گردآوری، تحلیل و تفسیر خودکار داده های برآمده از تعاملات دانش آموزان با محیط های یادگیری دیجیتال، امکان درک عمیق و لحظه ای از فرآیند یادگیری هر فرد را فراهم می آورند. مقاله مروری حاضر، با رویکردی تحلیلی و تلفیقی، به واکاوی نقش و کارکرد «ارزشیابی تکوینی داده محور» در شخصی سازی آموزش برای دانش آموزان کلاس های چندسطحی می پردازد. بدین منظور، ابتدا مبانی نظری ارزشیابی تکوینی و چالش های اجرای آن در کلاس های ناهمگن بررسی می شود. سپس، مفهوم تحلیل های یادگیری و ظرفیت های آن برای پشتیبانی از ارزشیابی مستمر و ارائه بازخوردهای شخصی سازی شده تشریح می گردد. در ادامه، با تلفیق این دو حوزه، مدلی مفهومی از چگونگی بهره گیری از داده های یادگیری در طراحی و اجرای ارزشیابی های تکوینی تطبیقی ارائه می شود که می تواند مسیرهای یادگیری منحصربه فردی را برای دانش آموزان با سطوح توانایی متفاوت ترسیم کند.

کلیدواژه ها:

ارزشیابی تکوینی ، تحلیل های یادگیری ، شخصی سازی آموزش ، کلاس های چندسطحی ، بازخورد تطبیقی