تاثیر یادگیری شخصی سازی شده (Adaptive Learning) بر پیشرفت تحصیلی

یادگیری شخصی سازی شده، به ویژه در قالب سامانه های Adaptive، یکی از ظرفیت های برجسته فناوری در جهت پاسخ گویی به تفاوت های فردی دانش آموزان و ارتقای پیشرفت تحصیلی آنان است. در این رویکرد، محتوا، سرعت، نوع فعالیت ها و حتی نوع بازخورد بر اساس اطلاعات جمع آوری شده از عملکرد و ویژگی های هر یادگیرنده تنظیم می شود؛ بدین معنا که دانش آموزان قوی تر با چالش های بالاتر و دانش آموزان ضعیف تر با تمرین های حمایتی و توضیحات بیشتر مواجه می شوند (اکبری، ۱۳۹۸). پژوهش ها نشان داده اند که این شیوه، با کاهش ناکامی، افزایش احساس موفقیت، و انطباق بهتر سطح دشواری مطالب با توانایی یادگیرنده، اثر مثبتی بر انگیزش و پیشرفت تحصیلی دارد (زارع، ۱۳۹۶). در بستر آموزش آنلاین، سامانه های شخصی ساز می توانند داده هایی همچون زمان صرف شده برای هر فعالیت، نوع خطاها، تعداد تلاش ها و الگوی پاسخ گویی را تحلیل کرده و بر اساس آن، پیشنهادهای یادگیری متفاوتی ارائه دهند. در ایران، تجارب محدود اما رو به رشدی در استفاده از سامانه های Adaptive در برخی پلتفرم های آموزش مجازی و نرم افزارهای کمک آموزشی وجود دارد که یافته های آن ها نشانگر بهبود معنادار در نمرات درسی و کاهش افت تحصیلی دانش آموزان استفاده کننده است (حسینی نیا، ۱۴۰۰). با این حال، توسعه گسترده یادگیری شخصی سازی شده نیازمند سرمایه گذاری در طراحی الگوریتم های بومی متناسب با برنامه درسی ملی، آموزش معلمان برای تفسیر داده های یادگیری و ترکیب خردمندانه یافته های سامانه با تشخیص حرفه ای آنان است.