نقش هوش مصنوعی در شخصی سازی فرآیند یادگیری دانش آموزان

پژوهش حاضر با هدف بررسی نقش هوش مصنوعی در شخصی سازی فرآیند یادگیری دانش آموزان انجام شد. شخصی سازی یادگیری به معنای تطبیق محتوا، سرعت، سبک و مسیر یادگیری با نیازها، توانایی ها و علایق هر دانش آموز است، اما در کلاس های سنتی با ۳۰ تا ۴۰ دانش آموز، معلم نمی تواند به تفاوت های فردی پاسخ دهد . هوش مصنوعی به عنوان یک فناوری تحول آفرین، پتانسیل بی سابقه ای برای شخصی سازی یادگیری در مقیاس وسیع دارد. در این مطالعه ترکیبی (کمی-کیفی) با استفاده از روش تحلیل محتوا و تکنیک دلفی سه مرحله ای، ابتدا با ۳۲ معلم و متخصص فناوری آموزشی مصاحبه نیمه ساختاریافته انجام شد و مهم ترین ابعاد شخصی سازی یادگیری مبتنی بر هوش مصنوعی شناسایی گردید. سپس با مشارکت ۳۵ نفر از خبرگان (اساتید فناوری آموزشی، متخصصان هوش مصنوعی، معلمان برتر)، مولفه های کلیدی اولویت بندی شد. یافته های پژوهش نشان داد که هوش مصنوعی در هفت حوزه اصلی به شخصی سازی یادگیری کمک می کند: تعیین سطح دانش و توانایی اولیه دانش آموز (میانگین ۸/۸۸ از ۹)، تطبیق محتوا با سطح دانش (۸/۸۲)، تعیین سرعت یادگیری مناسب (۸/۷۵)، ارائه بازخورد شخصی سازی شده (۸/۶۸)، تشخیص سبک یادگیری دانش آموز (۸/۵۴)، پیشنهاد منابع آموزشی متناسب با علایق (۸/۴۲)، و طراحی مسیر یادگیری انعطاف پذیر (۸/۳۵) (امیری و همکاران، ۱۴۰۰). همچنین، نتایج نشان داد که استفاده از هوش مصنوعی برای شخصی سازی یادگیری منجر به افزایش انگیزه (با اندازه اثر ۹۲/۰+)، کاهش اضطراب ریاضی (با اندازه اثر ۷۶/۰-)، و بهبود پیشرفت تحصیلی (با اندازه اثر ۸۴/۰+) می شود. مهم ترین چالش های پیش روی پیاده سازی شخصی سازی مبتنی بر هوش مصنوعی عبارت بودند از: کمبود محتوای آموزشی تطبیقی به زبان فارسی (۸۶ درصد)، هزینه بالای سخت افزار و نرم افزار (۷۸ درصد)، نیاز به آموزش معلمان (۷۴ درصد)، و نگرانی از حریم خصوصی داده ها (۶۸ درصد) (خدابخشی و محمدی، ۱۴۰۲). در مجموع، نتایج این پژوهش نشان می دهد که هوش مصنوعی می تواند تحولی اساسی در شخصی سازی یادگیری ایجاد کند، اما پیاده سازی موفق آن نیازمند سرمایه گذاری در زیرساخت، تولید محتوای بومی، و توانمندسازی معلمان است.

کلیدواژه ها:

هوش مصنوعی ، شخصی سازی یادگیری ، یادگیری تطبیقی ، تفاوت های فردی ، فناوری آموزشی.