بازسازی آموزش پس از بحران: نقش هوش مصنوعی در جبران شکاف های یادگیری

چکیده فارسی: بحران های ناگهانی نظیر همه گیری کووید-۱۹ و سایر شوک های اجتماعی، شکاف های عمیق یادگیری را در سیستم های آموزشی جهان، به ویژه در کشورهای در حال توسعه از جمله ایران، برجسته کرده اند. این پژوهش با هدف بررسی نقش فناوری های هوش مصنوعی (AI) در شناسایی، پایش و جبران این شکاف های یادگیری در دوران بازسازی آموزشی انجام شده است. روش پژوهش حاضر مروری سیستماتیک بر مطالعات تجربی و نظری منتشر شده در دو دهه اخیر است که بر روی مدل های یادگیری تطبیقی (Adaptive Learning)، تحلیل داده های کلان آموزشی و سیستم های پشتیبان تصمیم گیری معلم محور تمرکز دارد. یافته ها نشان می دهد که هوش مصنوعی با امکان شخصی سازی مسیرهای یادگیری، شناسایی زودهنگام دانش آموزان در معرض خطر و ارائه بازخوردهای آنی، می تواند کارایی برنامه های جبرانی را تا ۴۰ درصد افزایش دهد. با این حال، چالش هایی نظیر شکاف دیجیتال، سوگیری الگوریتمی و نیاز به زیرساخت های فناورانه در مناطق محروم، موانع جدی در اجرای جامع این فناوری ها هستند. این مطالعه پیشنهاد می دهد که رویکرد «انسان محور» در به کارگیری هوش مصنوعی، همراه با سیاست گذاری های هدفمند برای عدالت آموزشی، کلید موفقیت در بازسازی آموزش پس از بحران است.واژگان کلیدی: هوش مصنوعی در آموزش، شکاف یادگیری، بازسازی پس از بحران، یادگیری تطبیقی، عدالت آموزشی، کووید-۱۹.