طراحی و ارزیابی سامانه ی یادگیری تطبیقی با استفاده از الگوریتم های هوش مصنوعی

با پیشرفت فناوری های آموزشی و افزایش حجم اطلاعات، نیاز به سامانه های یادگیری تطبیقی که قادر به شخصی سازی مسیر یادگیری دانش آموزان باشند، بیش از پیش احساس می شود. سامانه های یادگیری تطبیقی با بهره گیری از الگوریتم های هوش مصنوعی قادرند رفتار یادگیرنده را تحلیل کرده و محتوای آموزشی مناسب با سطح و سبک یادگیری او ارائه دهند. در این مقاله، طراحی و ارزیابی یک سامانه ی یادگیری تطبیقی با استفاده از الگوریتم های یادگیری ماشین و شبکه های عصبی مورد بررسی قرار گرفته است. ابتدا معماری کلی سامانه، شامل جمع آوری داده ها، پردازش اطلاعات، تحلیل پیشرفته و ارائه محتوای تطبیقی تشریح شده است. سپس الگوریتم های توصیه گر مبتنی بر یادگیری عمیق و روش های خوشه بندی برای تحلیل رفتار یادگیرنده معرفی شده اند. داده های جمع آوری شده از ۱۲۰ دانش آموز در یک دوره آموزشی آنلاین، جهت آموزش و ارزیابی الگوریتم ها استفاده شده است. نتایج نشان می دهد که استفاده از مدل های هوش مصنوعی باعث افزایش تعامل و انگیزه دانش آموزان، بهبود عملکرد تحصیلی و کاهش نرخ رهاشدگی آموزشی می شود. همچنین سامانه توانسته است محتوای آموزشی متناسب با سبک های یادگیری مختلف ارائه دهد و بازخورد فوری و موثری برای معلمان فراهم نماید. این تحقیق نشان می دهد که ادغام هوش مصنوعی در سامانه های آموزشی نه تنها موجب شخصی سازی یادگیری می شود، بلکه امکان تحلیل داده های آموزشی و تصمیم گیری مبتنی بر شواهد را برای مدیران آموزشی فراهم می کند.

کلیدواژه ها:

یادگیری تطبیقی ، هوش مصنوعی ، الگوریتم یادگیری ماشین ، شبکه عصبی ، شخصی سازی آموزشی ، تحلیل داده های آموزشی ، توصیه گر آموزشی ، بهبود عملکرد تحصیلی