ارائه چارچوب ارزشیابی عملکردی مبتنی بر هوش مصنوعی و شواهد یادگیری در ارتقای کیفیت یادگیری عمیق ریاضی دانش آموزان پایه ششم ابتدایی

پژوهش حاضر با هدف ارائه چارچوب ارزشیابی عملکردی مبتنی بر هوش مصنوعی و شواهد یادگیری برای ارتقای کیفیت یادگیری عمیق ریاضی دانش آموزان پایه ششم ابتدایی انجام شده است. روش پژوهش توصیفی‑تحلیلی و مبتنی بر رویکرد طراحی چارچوب (Framework Design) ‎با مرور نظام مند پیشینه پژوهش است. یافته ها نشان می دهد که ارزشیابی های سنتی در آموزش ریاضی، عمدتا بر پاسخ نهایی متمرکز بوده و فرایند حل مسئله، تفکر منطقی و درک مفهومی دانش آموزان را نادیده می گیرند. در مقابل، رویکردهای نوین ارزشیابی عملکردی با تاکید بر شواهد یادگیری چندگانه (عملکردی، نوشتاری، مشاهده ای، گفتاری و دیجیتال) و بهره گیری از هوش مصنوعی برای تحلیل داده های یادگیری، ارائه بازخورد فوری و شخصی سازی شده، شناسایی نقاط قوت و ضعف و پیش بینی عملکرد تحصیلی، می توانند به طور معناداری کیفیت یادگیری عمیق ریاضی را ارتقا دهند. چارچوب پیشنهادی شامل چهار بعد اصلی است: (۱) بعد هوش مصنوعی (تحلیل داده ها، سامانه های توصیه گر، بازخورد هوشمند)، (۲) بعد شواهد یادگیری (گردآوری، اعتبارسنجی و تحلیل شواهد)، (۳) بعد ارزشیابی عملکردی (طراحی تکالیف عملکردی، سنجش عملکرد و ارزیابی فرایندی)، و (۴) بعد یادگیری عمیق (فهم مفهومی، کاربرد دانش، حل مسئله و انتقال یادگیری). این چارچوب می تواند به عنوان مبنایی برای طراحی سامانه های ارزشیابی هوشمند در آموزش ریاضی دوره ابتدایی مورد استفاده قرار گیرد و به تحقق اهداف برنامه درسی ریاضی پایه ششم در راستای پرورش تفکر منطقی و مهارت حل مسئله کمک کند.

کلیدواژه ها:

هوش مصنوعی ، ارزشیابی عملکردی ، شواهد یادگیری ، یادگیری عمیق ، آموزش ریاضی ، پایه ششم ابتدایی.