کاربرد هوش مصنوعی در شخصی سازی یادگیری

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 37

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PAYA-8-88_010

تاریخ نمایه سازی: 7 تیر 1405

چکیده مقاله:

نظام های آموزشی سنتی همواره با چالش «یک اندازه برای همه» مواجه بوده اند؛ رویکردی که تفاوت های فردی در سبک های یادگیری، سرعت پیشرفت، دانش پیشین و علایق یادگیرندگان را نادیده می گیرد. در سال های اخیر، پیشرفت های سریع در حوزه هوش مصنوعی، افق های تازه ای را برای تحقق آرمان دیرینه شخصی سازی یادگیری گشوده است. این مقاله مروری با هدف بررسی نظام مند کاربردهای هوش مصنوعی در شخصی سازی یادگیری، تشریح فناوری های کلیدی مرتبط، تحلیل فرصت ها و مزایای این فناوری ها، و در نهایت شناسایی چالش ها و محدودیت های پیش روی آنها انجام شده است. جستجوی نظام مند در پایگاه های داده معتبر از جمله پابمد، اسکوپوس، ساینس دایرکت، گوگل اسکالر و همچنین پایگاه های فارسی مانند اس آی دی و مگیران با کلیدواژه های مرتبط انجام شد. مقالات منتشرشده در بازه زمانی ۲۰۱۵ تا ۲۰۲۶ که به بررسی کاربرد هوش مصنوعی در آموزش شخصی سازی شده پرداخته بودند، پس از غربالگری وارد تحلیل نهایی شدند. یافته ها: هوش مصنوعی در چهار حوزه اصلی به شخصی سازی یادگیری کمک می کند: (۱) سیستم های تیوتری هوشمند که بازخورد فوری و راهنمایی گام به گام ارائه می دهند، (۲) سیستم های توصیه گر محتوای آموزشی که منابع مناسب را بر اساس سطح دانش و علایق یادگیرنده پیشنهاد می کنند، (۳) سامانه های تطبیقی ارزشیابی و بازخورد که پرسش ها و تکالیف را متناسب با توانایی یادگیرنده تنظیم می کنند، و (۴) تحلیل گرهای یادگیری و پیش بینی عملکرد که با تحلیل داده های رفتاری یادگیرندگان، دانش آموزان در معرض خطر افت تحصیلی را شناسایی کرده و مداخلات به موقع را ممکن می سازند. این فناوری ها مزایایی همچون افزایش انگیزه و درگیری تحصیلی، بهبود نرخ یادگیری، کاهش ترک تحصیل و افزایش برابری آموزشی را به همراه داشته اند. هوش مصنوعی ظرفیت تحول آفرینی در حوزه شخصی سازی یادگیری دارد و می تواند نظام های آموزشی را از رویکرد یکسان نگر به سمت رویکردهای متناسب محور و یادگیرنده محور سوق دهد. با این حال، چالش هایی مانند نگرانی های اخلاقی و حریم خصوصی داده ها، شکاف دیجیتال و دسترسی نابرابر، خطر تقویت سوگیری های الگوریتمی، و جایگاه معلم در عصر هوش مصنوعی نیازمند توجه جدی و سیاست گذاری هوشمندانه هستند.

کلیدواژه ها:

هوش مصنوعی ، شخصی سازی یادگیری ، آموزش تطبیقی ، سیستم های تیوتری هوشمند ، یادگیری ماشین ، سیستم های توصیه گر آموزشی

نویسندگان

آذر صادقی

روانشناسی ارشد دانشگاه رجایی تهران. دبیر آموزش و پرورش.