تاثیر هوش مصنوعی بر خودپنداره تحصیلی دانش آموزان در مدل یادگیری معکوس

با گسترش فناوری های نوین آموزشی، مدل یادگیری معکوس (Flipped Learning) به عنوان یکی از رویکردهای نوین تدریس مورد توجه پژوهشگران و معلمان قرار گرفته است. در این مدل، انتقال محتوای آموزشی عمدتا خارج از کلاس (از طریق ویدئوها و منابع دیجیتال) صورت می گیرد و زمان کلاس به فعالیت های تعاملی، حل مسئله و بحث اختصاص داده می شود. در سال های اخیر، استفاده از هوش مصنوعی (AI) در این مدل توانسته است کیفیت یادگیری را ارتقا داده و تجربه آموزشی شخصی سازی شده تری برای دانش آموزان فراهم کند. یکی از متغیرهای مهم در موفقیت تحصیلی، خودپنداره تحصیلی (Academic Self-Concept) است؛ یعنی برداشت دانش آموز از توانایی ها، نقاط قوت و جایگاه خود در فرآیند یادگیری. خودپنداره مثبت می تواند انگیزش درونی و اعتمادبه نفس را افزایش دهد، در حالی که خودپنداره منفی موجب اضطراب و افت عملکرد تحصیلی می شود. هدف پژوهش حاضر بررسی تاثیر هوش مصنوعی بر خودپنداره تحصیلی دانش آموزان در چارچوب یادگیری معکوس است. در این تحقیق، ابتدا مبانی نظری مرتبط با یادگیری معکوس، نقش AI در شخصی سازی آموزش و مفهوم خودپنداره تحصیلی تشریح می شود. سپس با استفاده از طرح نیمه آزمایشی (پیش آزمون – پس آزمون با گروه کنترل)، اثرات استفاده از پلتفرم های یادگیری مبتنی بر هوش مصنوعی بر تغییرات خودپنداره تحصیلی دانش آموزان بررسی خواهد شد. ابزارهای پژوهش شامل پرسشنامه استاندارد خودپنداره تحصیلی، چک لیست مشاهده ای و مصاحبه های نیمه ساختاریافته است. انتظار می رود یافته ها نشان دهند که ترکیب مدل یادگیری معکوس با قابلیت های هوش مصنوعی (مانند یادگیری تطبیقی، بازخورد فوری و تحلیل پیشرفت تحصیلی) می تواند موجب تقویت خودپنداره تحصیلی دانش آموزان گردد. نتایج این پژوهش می تواند راهنمایی برای سیاست گذاران آموزشی و معلمان در جهت طراحی محیط های یادگیری هوشمند و اثربخش باشد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری معکوس ، خودپنداره تحصیلی ، آموزش هوشمند ، یادگیری تطبیقی