نقش هوش مصنوعی در یادگیری شخصی سازی شده

تحولات فناوری اطلاعات و ارتباطات در دهه های اخیر تحولی بنیادین در حوزه آموزش ایجاد کرده است. از جمله این فناوری ها هوش مصنوعی به عنوان یکی از نوآورانه ترین و تاثیرگذارترین ابزارها نقش قابل توجهی در تحول فرآیندهای یادگیری و بهبود کیفیت آموزش ایفا می کند. هوش مصنوعی با توانایی تحلیل داده های بزرگ، پیش بینی الگوهای یادگیری دانش آموزان و ارائه بازخوردهای شخصی سازی شده، امکان طراحی مسیرهای یادگیری متناسب با نیازها و استعدادهای هر فرد را فراهم کرده است. هوش مصنوعی و فناوری های نوین آموزشی با ارائه محتوای آموزشی شخصی سازی شده و متناسب با نیازها و توانایی های هر دانش آموز، منجر به افزایش بهره وری و بالابردن نتایج آموزشی می گردند. این تکنولوژی ها با ایجاد تجربه های یادگیری تعاملی، تمرکز و توجه دانش آموزان را افزایش داده و تحول مثبتی در فرآیند یادگیری آنها ایجاد می کنند. رویکرد حاکم بر پژوهش، تحلیل مضمون، به روش سیستماتیک می باشد. جامعه آماری پژوهش را کلیه مقالات و متون علمی معتبر فارسی و انگلیسی مرتبط با نقش هوش مصنوعی در یادگیری شخصی سازی شده در بازه زمانی ۱۳۹۸ تا ۱۴۰۴ تشکیل داد. با استفاده از کلیدواژه های «هوش مصنوعی»، «یادگیری شخصی سازی شده»، «هوش مصنوعی در آموزش و یادگیری» در پایگاه های اطلاعاتی داخلی و خارجی جستجو صورت گرفت و در نهایت ۱۲ مقاله که به طور مستقیم به اهداف پژوهش مرتبط بودند، به روش نمونه گیری هدفمند انتخاب و مورد تحلیل قرار گرفتند. فرآیند تحلیل مضمون در سه مرحله کدگذاری، بازکدگذاری محوری و کدگذاری انتخابی و با پیروی از مدل براون و کلارک (۲۰۰۶) انجام شد. در این فرآیند ابتدا مفاهیم اولیه (کدها) استخراج شدند، سپس کدهای مشابه در قالب مضامین پایه دسته بندی گردیدند و در نهایت، مضامین پایه ذیل مضامین سازمان دهنده و یک مضمون فراگیر اصلی قرار گرفتند تا نقشه ادراکی جامعی از موضوع پژوهش ترسیم شود. تحلیل یافته ها نشان می دهد که هوش مصنوعی از طریق ابزارهایی مانند سیستم های تطبیقی و تحلیل داده های بزرگ، امکان شخصی سازی عمیق در ابعاد مختلف چون محتوا، مسیر، سرعت را فراهم می کند. این شخصی سازی منجر به پیامدهای مثبت آموزشی از جمله یادگیری فعال تر و موثرتر شده است. یافته های این پژوهش که با هدف واکاوی نقش هوش مصنوعی در یادگیری شخصی سازی شده انجام شده در ۴ بعد انطباق، ارزشیابی، راهبری و بعد تحلیل قابل دسته بندی است.

کلیدواژه ها:

هوش مصنوعی ، یادگیری شخصی سازی شده ، هوش مصنوعی در آموزش ، یادگیری