هوش مصنوعی و ارزشیابی پیشرفت تحصیلی؛ گذار از آزمون های سنتی به ارزیابی هوشمند

پژوهش حاضر با هدف واکاوی چیستی، چگونگی، فرصت ها و چالش های گذار از آزمون های سنتی به ارزیابی هوشمند مبتنی بر هوش مصنوعی در ارزشیابی پیشرفت تحصیلی انجام شده است. روش: این مطالعه از نوع کیفی بوده و با رویکرد مرور سیستماتیک و تحلیل محتوای کیفی جهت دار انجام شده است. جامعه پژوهش شامل منابع علمی معتبر داخلی و بین المللی (اعم از مقالات علمی-پژوهشی و کنفرانسی) در بازه زمانی ۲۰۱۸ تا ۲۰۲۴ (میلادی) و ۱۴۰۰ تا ۱۴۰۴ (شمسی) بود. با استفاده از نمونه گیری هدفمند و جستجوی نظام مند در پایگاه های داده معتبر (ScienceDirect, Springer, SID, Magiran و...) از میان ۳۲ منبع اولیه، ۹ منبع کلیدی که مستقیما به موضوع ارزشیابی هوشمند پرداخته بودند، برای تحلیل عمیق انتخاب شدند. داده ها با استفاده از چک لیست استخراج داده گردآوری و با روش تحلیل محتوای کیفی جهت دار مورد تجزیه و تحلیل قرار گرفتند. تحلیل منابع به شناسایی سه مقوله اصلی منجر شد: ۱) مزایا و فرصت ها: افزایش دقت و سرعت تصحیح، شخصی سازی یادگیری و بازخورد مستمر، سنجش مهارت های چندبعدی (تفکر انتقادی، خلاقیت)، و امکان پیش بینی عملکرد تحصیلی. ۲) چالش ها و موانع: کمبود زیرساخت های فناورانه، مقاومت انسانی در برابر تغییر، ضعف قوانین حریم خصوصی، و خطر سوگیری الگوریتم ها. ۳) ملاحظات اخلاقی: لزوم تضمین حریم خصوصی داده ها، شفافیت الگوریتمی، عدالت در دسترسی و حفظ نقش محوری معلم به عنوان تسهیل گر. هوش مصنوعی پتانسیل تحول آفرینی در ارزشیابی تحصیلی از وضعیت مقطعی و نمره محور به فرآیندی مستمر، شخصی سازی شده و کیفی را دارد. با این حال، تحقق این گذار مستلزم اتخاذ یک رویکرد کل نگر، سرمایه گذاری در زیرساخت ها، توانمندسازی معلمان، و تدوین چارچوب های قانونی و اخلاقی شفاف برای تضمین عدالت و حریم خصوصی است. ارزیابی هوشمند نه به معنای حذف معلم، بلکه به معنای تغییر نقش او به "رهبر یادگیری" و استفاده از هوش مصنوعی به عنوان "هم یار هوشمند" در خدمت آموزش است.

کلیدواژه ها:

هوش مصنوعی ، ارزشیابی پیشرفت تحصیلی ، آزمون های سنتی ، ارزیابی هوشمند ، یادگیری شخصی سازی شده ، بازخورد فوری ، اخلاق در هوش مصنوعی