شخصی سازی یادگیری و کاهش بار شناختی از طریق سیستم های تطبیقی

نخستین یافته کلیدی پژوهش نشان می دهد که سیستم های آموزشی مبتنی بر هوش مصنوعی (AI) با قابلیت تطبیق پذیری، توانسته اند به طور چشمگیری «بار شناختی غیرضروری» را در فرآیند یادگیری دانش آموزان نسل Z و آلفا کاهش دهند. برخلاف روش های سنتی که در آن ها همه دانش آموزان با یک سرعت و با محتوای یکسان مواجه می شوند، الگوریتم های هوشمند با تحلیل لحظه ای عملکرد یادگیرنده، محتوای درسی را به گونه ای تنظیم می کنند که دقیقا در سطح «منطقه تقریبی توسعه» (ZPD) وی قرار گیرد. این همگام سازی باعث می شود که دانش آموز نه با احساس درماندگی ناشی از دشواری بیش از حد محتوا مواجه شود و نه با کسالت ناشی از سادگی آن. زمانی که چالش آموزشی با توانایی دانش آموز تناسب داشته باشد، مغز در حالت بهینه ای برای یادگیری قرار می گیرد و انرژی ذهنی که پیش تر صرف جنگیدن با مطالب نامفهوم یا تکرار مکررات می شد، صرف کاوش عمیق تر و تمرکز پایدارتر می گردد. این یافته تایید می کند که کاهش اصطکاک شناختی، پیش شرط اصلی برای بازگرداندن تمرکز به فرآیند یادگیری است.