تحلیل رفتارهای یادگیری دانش آموزان با هوش مصنوعی برای ارائه بازخورد شخصی سازی شده

چکیده فارسیهدف از پژوهش حاضر، تحلیل رفتارهای یادگیری دانش آموزان با استفاده از فناوری های هوش مصنوعی و ارائه بازخورد شخصی سازی شده به آنان می باشد. این پژوهش از نظر هدف، کاربردی و از نظر روش، توصیفی-تحلیلی و آمیخته است. جامعه آماری شامل دانش آموزان دوره متوسطه دوم در ایران در سال تحصیلی ۱۴۰۴-۱۴۰۳ بود که از میان آن ها ۳۸۰ نفر به روش نمونه گیری خوشه ای چندمرحله ای انتخاب شدند. ابزار گردآوری داده ها شامل پرسشنامه محقق ساخته درک از بازخورد مبتنی بر هوش مصنوعی، مصاحبه نیمه ساختاریافته و داده های لاگ سیستم مدیریت یادگیری (LMS) بود. داده ها با استفاده از مدل سازی معادلات ساختاری، تحلیل محتوا و الگوریتم های داده کاوی آموزشی شامل خوشه بندی، طبقه بندی و کاوش الگوهای ترتیبی مورد تحلیل قرار گرفتند. نتایج نشان داد که سیستم های مبتنی بر هوش مصنوعی قادرند الگوهای رفتاری متمایز یادگیرندگان را با دقت قابل قبولی (Accuracy = ۰/۸۷، F۱-score = ۰/۸۴) شناسایی کنند و بازخورد شخصی سازی شده بر انگیزش تحصیلی (β = ۰/۶۲، p < ۰/۰۰۱)، خودتنظیمی (β = ۰/۵۷، p < ۰/۰۰۱) و پیشرفت تحصیلی (β = ۰/۴۹، p < ۰/۰۰۱) تاثیر معناداری دارد. همچنین چهار الگوی اصلی رفتار یادگیری شامل یادگیرندگان عمیق، سطحی، راهبردی و بی انگیزه شناسایی شد. یافته های این پژوهش می تواند به عنوان چارچوبی عملی برای طراحی سیستم های هوشمند آموزشی مورد استفاده قرار گیرد و نقشه راهی برای سیاست گذاری مبتنی بر شواهد در آموزش هوشمند فراهم سازد.واژگان کلیدی: هوش مصنوعی، تحلیل رفتار یادگیری، بازخورد شخصی سازی شده، یادگیری تطبیقی، داده کاوی آموزشی، یادگیری تحلیلی