تحلیل تاثیر یادگیری تطبیقی مبتنی بر هوش مصنوعی بر کاهش نرخ افت تحصیلی در دانش آموزان

پژوهش حاضر با هدف تحلیل اثرگذاری سیستم های یادگیری تطبیقی مبتنی بر هوش مصنوعی بر کاهش نرخ افت تحصیلی دانش آموزان در محیط های آموزشی تدوین شده است. افت تحصیلی به دلیل پیچیدگی عوامل موثر بر یادگیری و عدم تناسب روش های تدریس جمعی با نیازهای فردی، به یکی از چالش های بنیادین نظام های آموزشی تبدیل شده است . در این راستا، یادگیری تطبیقی با بهره گیری از الگوریتم های پیش بینانه و تحلیل داده های رفتاری، مسیر یادگیری را برای هر دانش آموز به صورت منحصر به فرد طراحی می کند تا از ایجاد شکاف های آموزشی و ناامیدی تحصیلی جلوگیری نماید. روش تحقیق در این مقاله توصیفی تحلیلی است و بر پایه بررسی متون معتبر و گزارش های بین المللی در حوزه تکنولوژی های آموزشی استوار است. یافته های پژوهش نشان می دهد که ابزارهای هوشمند تطبیقی از طریق سه مکانیسم اصلی باعث کاهش ترک تحصیل می شوند. نخست، شناسایی زودهنگام دانش آموزان در معرض خطر از طریق تحلیل الگوهای شکست در یادگیری است که امکان مداخلات پیشگیرانه را فراهم می کند (یونسکو، ۲۰۱۹). دوم، شخصی سازی سرعت یادگیری است که مانع از احساس عقب ماندگی در دانش آموزان با سرعت یادگیری پایین و جلوگیری از کسالت در دانش آموزان پیشرو می گردد. سوم، ارائه بازخوردهای لحظه ای و دقیق است که منجر به افزایش خودکارایی و بازگشت انگیزه تحصیلی در دانش آموزانی می شود که پیش تر تجربه شکست داشته اند. نتایج تحلیل ها حاکی از آن است که پیاده سازی مدل های تطبیقی در مدارس، نه تنها منجر به بهبود پیشرفت تحصیلی در دروس پایه می گردد، بلکه با کاهش استرس های مربوط به ناکامی آموزشی، نرخ افت تحصیلی را به شکل معناداری کاهش می دهد. در نهایت، این پژوهش پیشنهاد می کند که برای دستیابی به حداکثر اثربخشی، سیستم های هوش مصنوعی باید با نظارت مستمر معلمان و در چارچوب یک رویکرد ترکیبی به کار گرفته شوند تا عدالت آموزشی در کنار کارایی تکنولوژیک تامین گردد.

کلیدواژه ها:

هوش مصنوعی ، دانش آموزان ، یادگیری ، کاهش