توسعه سیستم های هوش مصنوعی برای ارزیابی و بازخوردفوری به معلمان

ارزیابی یادگیری در نظام های آموزشی سنتی، اغلب به صورت پایان ترم و با فاصله زمانی چند روزه تا چند هفته ای انجام می شود. این تاخیر، موجب از دست رفتن فرصت طلایی اصلاح خطا در حین شکل گیری عادت های نادرست ذهنی می شود. پژوهش حاضر با هدف طراحی، توسعه و ارزیابی یک سیستم هوشمند بازخورد فوری مبتنی بر هوش مصنوعی به نام «بازخوردیار» انجام شده است. این سیستم با بهره گیری از مدل های پردازش زبان طبیعی (NLP) که بر روی بیش از پانزده هزار پاسخ واقعی دانش آموزان فارسی زبان آموزش دیده اند، قادر است در لحظه پس از ارسال پاسخ توسط دانش آموز، نوع خطا را در چهارده دسته اصلی تشخیص دهد، بازخوردی همدلانه، دقیق و متناسب با سطح شناختی یادگیرنده تولید کند و تمرین نظیر پیشنهاد دهد. نتایج حاصل از کاربست شش ماهه بر روی ۱۲۰ دانش آموز پایه هفتم در سه درس ریاضی، علوم تجربی و فارسی نشان داد که میانگین نمرات تحصیلی بیش از سی درصد افزایش، تکرار همان نوع خطا بیش از پنجاه درصد کاهش و انگیزه خودارزیابی بیش از دو برابر بهبود یافته است. مقاله در پایان به چالش های پیاده سازی (مانند خطاهای مدل در پاسخ های خلاقانه، محدودیت زیرساخت دیجیتال و مقاومت معلمان) پرداخته و راهکارهای عملی برای سیاست گذاران آموزشی ارائه می دهد.

کلیدواژه ها:

هوش مصنوعی در آموزش ، ارزیابی تطبیقی ، بازخورد آنی ، یادگیری شخصی سازی شده ، پردازش زبان طبیعی فارسی ، بازخورد هوشمند ، کاهش خطاهای تکرارشونده