بررسی ابزارهای هوش مصنوعی مولد مانند chatGpT در ارتقای فرصت های یادگیری شخصی سازی شده و فراگیر در زمینه های در حال توسعه

این تحقیق به بررسی اثربخشی ابزارهای هوش مصنوعی مولد، به ویژه ChatGPT، در پرورش فرصت های آموزشی شخصی سازی شده و فراگیر در چارچوب های آموزشی در حال توسعه می پردازد و بر موانع متمایز زیرساختی، فرهنگی و اجتماعی-اقتصادی رایج در چنین محیط هایی تاکید می کند. این تحقیق با استفاده از یک چارچوب شبه آزمایشی با روش های ترکیبی، ۱۲۰ دانشجوی کارشناسی از موسسات دولتی ایران را در بر می گیرد که در یک دوره مداخله چهار هفته ای به یک گروه آزمایشی که رویکردهای آموزشی ChatGPTenced را دریافت می کردند و یک گروه کنترل که به روش های آموزشی سنتی پایبند بودند، اختصاص داده شدند. جمع آوری داده ها از طریق ارزیابی های پیشرفت تحصیلی قبل و بعد از مداخله، ابزارهای معتبر مقیاس لیکرت برای ارزیابی سطوح درک شده از شخصی سازی و شمول، مصاحبه های نیمه ساختاریافته و یادداشت های روزانه انجام شد و داده های کمی با استفاده از آزمون های t و ANOVA تجزیه و تحلیل شدند، در حالی که داده های کیفی تحت کدگذاری موضوعی با استفاده از الگوهای مدل پذیرش فناوری (TAM) و طراحی جهانی برای یادگیری (UDL) قرار گرفتند. نتایج کلیدی نشان داد که عملکرد تحصیلی به طور قابل توجهی افزایش یافته و درک از شخصی سازی و شمول در گروه آزمایشی نسبت به گروه کنترل افزایش یافته است، و اندازه های اثر قابل توجهی در معیارهای پیشرفت و مزایای زیرگروه برای یادگیرندگان دارای تنوع عصبی و حاشیه نشین ثبت شده است. بینش های کیفی بر بهبود تعامل، تسهیل زبانی و افزایش حس تعلق تاکید داشتند، هرچند که با چالش هایی مانند محدودیت های اتصال و معضلات اخلاقی تعدیل شده بود. یافته ها حاکی از آن است که ابزارهای هوش مصنوعی مولد مانند ChatGPT، هنگامی که به طور معقول با نظارت انسانی و اصلاحات زمینه ای ادغام شوند، پتانسیل ارتقای قابل توجه آموزش عادلانه و دانش آموز محور را در محیط هایی با منابع محدود دارند، ضمن اینکه بر ضرورت آموزش جامع معلمان، بهبود زیرساخت ها و حاکمیت اخلاقی برای بهینه سازی مزایا و کاهش خطرات مرتبط تاکید می کنند.

کلیدواژه ها:

هوش مصنوعی مولد ، یادگیری شخصی سازی شده ، آموزش فراگیر ، ChatGPT ، کشورهای در حال توسعه