شخصی سازی آموزش؛ پیوند هوش مصنوعی و اصول روانشناسی یادگیری

پژوهش حاضر با هدف واکاوی عمیق پیوند هوش مصنوعی و اصول روانشناسی یادگیری در راستای شخصی سازی آموزش و شناسایی پیامدهای آن بر نظام آموزشی انجام شده است. با بهره گیری از رویکرد ترکیبی و تحلیل محتوای نظام مند پژوهش های دفاع شده و کتب معتبر حوزه فناوری آموزشی، مولفه های کلیدی تاثیرگذار بر اثربخشی سیستم های هوشمند شناسایی گردید. یافته ها نشان می دهد که الگوریتم های یادگیری ماشین قادرند با پایش دقیق رفتارهای شناختی و هیجانی فراگیران، مسیرهای یادگیری منحصر به فردی را طراحی کنند که منجر به کاهش بار شناختی خارجی و افزایش انگیزش درونی بر اساس نظریه خودتعیین گری می شود. نتایج کلیدی حاکی از آن است که شخصی سازی محتوا با تطبیق سبک های یادگیری، پیشرفت تحصیلی را به طور معناداری ارتقا می دهد، اما موفقیت این فرآیند منوط به وجود زیرساخت های فنی مناسب و تدوین چارچوب های اخلاقی شفاف برای حفاظت از داده های دانش آموزان است. همچنین نقش معلم از انتقال دهنده صرف دانش به تسهیل گر هوشمند تغییر یافته که نیازمند بازنگری اساسی در برنامه های تربیت معلم و توسعه حرفه ای است. چالش های فرهنگی و مقاومت در برابر پذیرش فناوری از موانع اصلی پیاده سازی در بافت آموزشی ایران شناسایی شدند که نیازمند مداخلات سیاستی است. در نهایت، مدل مفهومی ارائه شده بر لزوم هم افزایی میان داده های کلان آموزشی و نظریه های روانشناسی شناختی برای خلق محیط های یادگیری انعطاف پذیر تاکید دارد. اجرای موفق این سیستم ها مستلزم توجه هم زمان به جنبه های فنی، روان شناختی و اخلاقی است تا عدالت آموزشی در دسترسی به ابزارهای هوشمند تضمین گردد و شکاف دیجیتال در میان اقشار مختلف دانش آموزان تشدید نشود و کیفیت یادگیری عمیق حاصل شود. بازخوردهای آنی سیستم های هوشمند باعث تقویت خودتنظیمی تحصیلی شده و ارزیابی های تکوینی را دقیق تر می سازد. تلفیق پردازش زبان طبیعی با نظریه های ساخت گرایی اجتماعی، امکان تعاملات معنادارتری را فراهم کرده و یادگیری تطبیقی را بر اساس سطح تسلط فردی تسهیل می نماید که منجر به پایداری آموخته ها در بلندمدت خواهد شد. این پژوهش راهکارهای عملی برای سیاست گذاران آموزشی ارائه می دهد.

کلیدواژه ها:

هوش مصنوعی ، شخصی سازی آموزش ، روانشناسی یادگیری ، بار شناختی ، عدالت آموزشی