طراحی سیستم های یادگیری تطبیقی مبتنی بر هوش مصنوعی برای مدیریت همزمان سطوح مختلف شناختی در کلاس های چندپایه مناطق روستایی

هدف پژوهش حاضر طراحی و ارائه چارچوبی برای سیستم های یادگیری تطبیقی مبتنی بر هوش مصنوعی جهت مدیریت همزمان سطوح مختلف شناختی در کلاس های چندپایه مناطق روستایی بود. این پژوهش با رویکرد کیفی و روش تحلیل محتوای کیفی انجام شد. جامعه آماری شامل کلیه منابع علمی معتبر در حوزه یادگیری تطبیقی، هوش مصنوعی در آموزش و کلاس های چندپایه در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ بود که با روش نمونه گیری هدفمند ۴۵ منبع انتخاب شد. ابزار گردآوری داده ها چک لیست تحلیل محتوا بود و داده ها با روش تحلیل مضمون تجزیه وتحلیل شدند. نتایج نشان داد که سیستم های یادگیری تطبیقی مبتنی بر هوش مصنوعی می توانند از طریق شخصی سازی مسیرهای یادگیری، ارزیابی پویا و بازخورد هوشمند، چالش های آموزشی کلاس های چندپایه را کاهش دهند. همچنین چارچوب پیشنهادی شامل پنج مولفه اصلی تشخیص سطح شناختی، تولید محتوای تطبیقی، مدیریت زمان آموزشی، ارزیابی مستمر و پشتیبانی از معلم بود. نتیجه گیری می شود که بهره گیری از هوش مصنوعی در کلاس های چندپایه روستایی می تواند فرصت های برابر آموزشی را فراهم آورد و کیفیت یادگیری را ارتقا بخشد.

کلیدواژه ها:

یادگیری تطبیقی ، هوش مصنوعی ، کلاس های چندپایه ، سطوح شناختی ، مناطق روستایی