یادگیری تطبیقی مبتنی بر هوش مصنوعی: توسعه خودتنظیمی و مسیرهای آموزشی شخصی سازی شده

با گسترش فناوری های هوش مصنوعی و توسعه محیط های آموزشی دیجیتال، یادگیری تطبیقی مبتنی بر هوش مصنوعی به عنوان یک رویکرد نوین، فرصت های بی سابقه ای برای تقویت خودتنظیمی و شخصی سازی مسیرهای آموزشی دانش آموزان فراهم کرده است. این سیستم ها با بهره گیری از الگوریتم های یادگیری ماشینی، تحلیل داده های رفتاری و تحصیلی، و مدل های تطبیقی، قادرند روند یادگیری دانش آموزان را به طور لحظه ای رصد کرده، نقاط ضعف و قوت فردی را شناسایی نموده و بازخوردهای هوشمند و شخصی سازی شده ارائه دهند. مقاله حاضر با هدف بررسی جامع پژوهش های موجود در زمینه یادگیری تطبیقی مبتنی بر هوش مصنوعی و تاثیر آن بر توسعه خودتنظیمی و مسیرهای آموزشی شخصی سازی شده تدوین شده و به تحلیل مدل ها، الگوریتم ها، ابزارهای آموزشی، شاخص های ارزیابی یادگیری و فرصت ها و چالش های موجود می پردازد. یافته ها نشان می دهد که بهره گیری از این رویکرد موجب ارتقای انگیزه، مشارکت فعال، توانایی تصمیم گیری در مسیر یادگیری، مهارت های خودتنظیمی و بهبود عملکرد تحصیلی دانش آموزان می شود. همچنین، پژوهش حاضر زمینه های نوظهور از جمله طراحی سیستم های تطبیقی هوشمند، تحلیل داده های بزرگ آموزشی، و ارائه مسیرهای یادگیری کاملا شخصی سازی شده را برجسته کرده و مسیرهای تحقیقاتی آینده را در زمینه آموزش هوشمند روشن می سازد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری تطبیقی ، خودتنظیمی ، مسیر آموزشی شخصی سازی شده ، بازخورد هوشمند.