سیستم های بازخورد مبتنی بر هوش مصنوعی: چارچوب نظری

مطالعه ای جامع که در پایگاه علمی ساینس دایرکت (۲۰۲۵) منتشر شده، بازخورد مبتنی بر هوش مصنوعی (AIFB) را «استفاده از فناوری های هوش مصنوعی برای تحلیل محیط های یادگیری، تکالیف و داده های یادگیرنده به منظور ارائه اقدامات حمایتی که یادگیرندگان را در رسیدن به اهداف یادگیری یاری دهد» تعریف می کند. این تعریف، بر پیوند نظری عمیق میان نظریه های بازخورد سنتی و فناوری های نوین هوش مصنوعی تاکید دارد. سیستم های آموزش هوشمند اولیه، بازخورد را بر اساس پاسخ های از پیش برنامه ریزی شده و الگوریتم های انعطاف ناپذیر ارائه می دادند که تطبیق پذیری و شخصی سازی محدودی داشتند. با این حال، این سیستم های پیشگام پایه و اساس رویکردهای پیشرفته تری را که از هوش مصنوعی مولد (GAI) بهره می برند، فراهم آوردند (هودا و همکاران، ۲۰۲۳). مطالعه کوکمار و همکاران (۲۰۲۰) در سیستم آموزش هوشمند کوربیت نشان داد که بازخورد شخصی سازی شده مبتنی بر هوش مصنوعی به بهبود قابل توجه پیامدهای یادگیری دانش آموزان و ارزیابی ذهنی مثبت تر از بازخورد دریافتی منجر می شود.