کارکردهای فناوری های هوش مصنوعی در نظام یادگیری آموزش عالی: همسویی با تحولات جهانی یادگیری

پیشینه و اهداف: یکی از مهم ترین تحولات اخیر، ظهور فناوری های آموزشی و ادغام هوش مصنوعی در نظام های یادگیری به ویژه در آموزش عالی است. هوش مصنوعی ظرفیت آن را دارد که فرآیندهای آموزش، یادگیری و کسب دانش را از اساس دگرگون کند و راهکارهای نوینی را برای بهبود عملکرد نظام های یادگیری فراهم آورد. پژوهش حاضر به بررسی پیامدهای کلیدی و فرصت های جدیدی که از ادغام فناوری های هوش مصنوعی در آموزش عالی به وجود می آید، می پردازد.روش ها: این مطالعه با استفاده از مرور نظام مند ادبیات و مقالات علمی مرتبط با موضوع، ابتدا به شناسایی فناوری های هوش مصنوعی مورد استفاده در یادگیری پرداخته و سپس پیامدها و عملکردهای آن ها را در نظام یادگیری آموزش عالی تحلیل کرده است. فرآیند تحقیق در دو گام اصلی انجام شده است. گام اول به تحلیل چهار نظریه یادگیری مهم شامل نظریه ساخت گرایی، ارتباط گرایی، یادگیری شخصی سازی شده و یادگیری تحول آفرین می پردازد. براساس این نظریه ها، مجموعه ای از فناوری های هوش مصنوعی که با اصول هر نظریه همخوانی دارند، شناسایی و معرفی شده اند. در گام دوم، این پژوهش با استفاده از روش تحلیل موضوعی، کارکردهای مختلف این فناوری ها را در آموزش عالی دسته بندی کرده است.یافته ها: بر پایه نتایج، فناوری های هوش مصنوعی در نظام یادگیری عبارتند از: «سیستم های یادگیری انطباقی (ALS)» که با تجزیه و تحلیل داده های یادگیری، محتوای آموزشی را به صورت انطباقی برای هر دانشجو تنظیم می کنند؛ «سیستم های تدریس خصوصی هوشمند (ITS)» که به کمک الگوریتم های هوشمند، نقش معلم خصوصی را برای دانشجویان ایفا می کنند؛ «تجزیه و تحلیل یادگیری (AL)» که با تحلیل داده های یادگیری دانشجویان به بهبود فرآیندهای آموزشی کمک می کند؛ «سیستم های تولید و مدیریت محتوای مبتنی بر هوش مصنوعی (CPMS)» که به صورت خودکار محتوای آموزشی را تولید و مدیریت می کنند؛ «سیستم های تشخیص سرقت ادبی و تحلیل استنادی (PD&CA)» که امکان ارزیابی صحت و اصالت پژوهش ها را فراهم می کنند؛ «محیط های یادگیری اکتشافی (ELEs)» که به دانشجویان امکان تجربه یادگیری عملی و اکتشافی را می دهند؛ و «سیستم های کمکی هوشمند برای معلولین (IAS)» که به دانشجویان با نیازهای خاص کمک می کنند تا دسترسی بهتری به آموزش داشته باشند. از جمله کارکردهای این فناوری ها عبارتند از «آموزش شخصی سازی شده» که از طریق تنظیم محتوای آموزشی براساس نیازهای هر دانشجو، تجربه یادگیری را بهبود می بخشد؛ «بازخورد بلادرنگ و شخصی سازی شده» که به دانشجویان امکان می دهد تا به سرعت نتایج عملکرد خود را مشاهده کرده و مسیر یادگیری خود را تنظیم کنند؛ «خودکارسازی ارزیابی ها و بهبود راهبردهای تدریس و برنامه های درسی» که به کمک هوش مصنوعی ارزیابی های کلاسی و طراحی دوره ها بهینه تر می شود؛ «تولید و مدیریت محتوای آموزشی» که به صورت خودکار و هوشمند انجام می شود؛ «پشتیبانی از پژوهش و نوآوری» که با استفاده از ابزارهای هوش مصنوعی به محققان کمک می کند تا داده های پژوهشی را تجزیه و تحلیل کنند و به نتایج جدید دست یابند؛ «ایجاد محیط های مجازی تعاملی و شبیه سازی های فراگیر» که تجربه یادگیری عملی را در محیط های مجازی ممکن می سازد؛ و «دسترس پذیری آموزش برای همه و حمایت از معلولان» که به وسیله فناوری های کمکی هوش مصنوعی، آموزش را برای تمامی دانشجویان، حتی کسانی که دارای معلولیت هستند، دسترس پذیر می کند.نتیجه گیری: نتایج این مطالعه نشان می دهد که ادغام هوش مصنوعی در نظام یادگیری آموزش عالی می تواند به بهبود فرآیندهای آموزشی، شخصی سازی یادگیری، تسهیل دسترسی به آموزش برای تمامی دانشجویان، و افزایش بهره وری در مدیریت و تولید محتوای آموزشی منجر شود. با این حال، اجرای موفق این فناوری ها نیازمند توجه به چالش ها و ملاحظاتی از جمله حفظ تعاملات انسانی در آموزش، اخلاقیات و حریم خصوصی داده ها، و آموزش مهارت های جدید به اساتید و دانشجویان است. بنابراین، سیاست گذاران و مدیران آموزش عالی باید به گونه ای برنامه ریزی کنند که علاوه بر بهره گیری از فرصت های هوش مصنوعی، حفظ جنبه های انسانی آموزش را تضمین کرده و به یادگیری پایدار و توسعه توانایی های فردی دانشجویان توجه داشته باشند. همچنین لازم است که زیرساخت های فناوری و فرهنگ پذیرش نوآوری های دیجیتال در دانشگاه ها تقویت شود تا بتوان از ظرفیت های بالقوه هوش مصنوعی به طور کامل استفاده کرد.

کلیدواژه ها:

هوش مصنوعی ، آموزش عالی ، آموزش شخصی سازی شده ، یادگیری انطباقی