کاربردهای هوش مصنوعی در آموزش

زاواکی-ریشتر و همکاران (۲۰۱۹) کاربردهای هوش مصنوعی در آموزش را در چهار دسته اصلی طبقه بندی می کنند: (۱) پروفایل سازی و پیش بینی، که در آن الگوریتم های هوش مصنوعی داده ها را تحلیل می کنند تا پروفایل یادگیرندگان را بسازند و پیامدهایی مانند پیشرفت تحصیلی را پیش بینی نمایند؛ (۲) ارزیابی و سنجش، که سیستم های مبتنی بر هوش مصنوعی را برای تسریع فرآیند تصحیح، ارائه بازخورد فوری و تسهیل ارزیابی های جامع در بر می گیرد؛ (۳) سیستم های تطبیقی و شخصی سازی، که با رفع محدودیت رویکرد یکسان برای همه، تجربه های یادگیری متناسب با نیازهای فردی دانش آموزان فراهم می کند؛ و (۴) سیستم های آموزش هوشمند (ITS)، که با بهره گیری از هوش مصنوعی، آموزش شخصی سازی شده و تطبیقی ارائه می دهند. در میان این چهار دسته، ارزیابی و سنجش از جایگاه ویژه ای برخوردار است، زیرا مستقیما با موضوع کاهش زمان تصحیح تکالیف و آزمون ها مرتبط است. مطالعه ای که در پایگاه علمی ساینس دایرکت (۲۰۲۵) منتشر شده، نشان می دهد که هوش مصنوعی راه حل هایی انعطاف پذیر و پاسخگو ارائه می دهد که با شناسایی الگوهای یادگیری و تطبیق با ترجیحات منحصربه فرد یادگیرنده، تجربه های یادگیری شخصی سازی شده فراهم می کند. با توانایی تحلیل عملکرد یادگیری دانش آموزان در زمان واقعی، هوش مصنوعی بازخورد فوری و دقیق ارائه می دهد (مورتضی و همکاران، ۲۰۲۲).