بهترین اپلیکیشن های هوش مصنوعی برای ارزشیابی دانش آموزان در ایران

چکیده (فارسی)هدف: با توجه به ضرورت گذار از ارزشیابی سنتی به ارزشیابی توصیفی و هوشمند، این پژوهش با هدف شناسایی، ارزیابی و اولویت بندی بهترین اپلیکیشن های هوش مصنوعی (ایرانی و بین المللی) برای ارزشیابی دانش آموزان در نظام آموزشی ایران انجام شده است. روش شناسی: این مطالعه از نوع توصیفی-تحلیلی و با رویکرد آمیخته است. ابتدا با روش دلففی فازی، ۱۰ معیار کلیدی برای سنجش اپلیکیشن ها استخراج شد. سپس، ۱۵ اپلیکیشن برتر (۵ ایرانی و ۱۰ خارجی) بر اساس این معیارها توسط ۳۰ نفر از خبرگان آموزش و پرورش ارزیابی شدند. داده ها با استفاده از آزمون نرمالیت کولموگروف-اسمیرنوف و آزمون تی تک نمونه ای تحلیل شدند. یافته ها: نتایج نشان داد که اپلیکیشن های داخلی (مانند «مکتب خونه» و «کلاسینو») در معیار «پشتیبانی از زبان فارسی» و «انسجام با برنامه درسی ایران» نمرات بالاتری کسب کردند، اما اپلیکیشن های خارجی (مانند «Google Classroom» و «Kahoot!») در معیار «پیشرفته بودن الگوریتم های هوش مصنوعی» و «تنوع ابزارهای ارزیابی» برتری داشتند. آزمون کولموگروف-اسمیرنوف نرمال بودن داده ها را تایید کرد (Sig=۰.۱۳۲). آزمون تی نشان داد که نمره کلی اپلیکیشن های بومی (۳.۸۵) با میانگین نظری (۳.۰) تفاوت معناداری دارد (t=۳.۱۵, p<۰.۰۱). نتیجه گیری: بهترین راهکار، رویکرد «هیبریدی» است؛ استفاده از زیرساخت های بومی برای مدیریت داده ها و محتوا، و بهره گیری از الگوریتم های هوش مصنوعی قدرتمند جهانی (در صورت امکان دسترسی) برای تحلیل یادگیری. اولویت بندی نهایی نشان داد که اپلیکیشن هایی که ترکیبی از بومی سازی محتوا و تکنولوژی پیشرفته را ارائه می دهند، بهترین گزینه برای ایران هستند.واژگان کلیدی: هوش مصنوعی، ارزشیابی هوشمند، اپلیکیشن های آموزشی، بومی سازی فناوری، تحلیل یادگیری، نظام آموزشی ایران.