مرز باریک میان تدریس انسانی و یادگیری ماشینی

گسترش سریع فناوری های هوش مصنوعی و یادگیری ماشینی، پارادایم های سنتی تدریس انسانی را در نظام های آموزشی جهان به چالشی بنیادین کشیده است. پژوهش حاضر با هدف بررسی مرزهای ظریف میان تدریس انسان محور و یادگیری ماشینی، بر مولفه های اثربخشی آموزشی، تعامل عاطفی، ملاحظات اخلاقی و پیامدهای یادگیری تمرکز دارد. روش پژوهش توصیفی-پیمایشی بوده و جامعه آماری شامل ۳۸۰ نفر از معلمان مقطع متوسطه استان تهران است که به روش نمونه گیری طبقه ای تصادفی انتخاب شدند. ابزار گردآوری داده ها، پرسشنامه محقق ساخته ای بود که روایی آن از طریق نسبت روایی محتوایی (بیش از ۰/۶۲) و شاخص روایی محتوایی (بیش از ۰/۷۹) و پایایی آن از طریق ضریب آلفای کرونباخ (۰/۹۱) تایید شد. تحلیل داده ها با استفاده از آزمون کولموگروف-اسمیرنوف برای بررسی نرمال بودن توزیع و آزمون تی تک نمونه ای برای آزمون فرضیه ها انجام شد. یافته ها نشان داد که در حالی که سیستم های یادگیری ماشینی در شخصی سازی، مقیاس پذیری و بازخورد مبتنی بر داده مزایای چشمگیری دارند (میانگین = ۴/۱۲، انحراف معیار = ۰/۶۸)، معلمان انسانی در حمایت عاطفی، استدلال اخلاقی و الهام بخشی خلاقانه برتری جایگزین ناپذیری دارند (میانگین = ۴/۴۷، انحراف معیار = ۰/۵۲). نتایج تفاوت آماری معناداری را میان تدریس انسانی و یادگیری ماشینی در پرورش مهارت های تفکر انتقادی نشان داد (t = ۶/۸۳، p < ۰/۰۰۱). پژوهش نتیجه می گیرد که الگوی بهینه آموزشی، جایگزینی نیست، بلکه یکپارچگی هم افزا است که در آن یادگیری ماشینی، تدریس انسانی را تقویت می کند نه آنکه جایگزین آن شود. پیامدهای آموزشی پیشنهاد می کند که برنامه های تربیت معلم باید سواد هوش مصنوعی را در بر بگیرند و طراحان برنامه درسی باید چارچوب های آموزشی ترکیبی طراحی کنند که نقاط قوت هر دو رویکرد را به کار گیرد و ابعاد ذاتا انسانی آموزش را حفظ کند.

کلیدواژه ها:

تدریس انسانی ، یادگیری ماشینی ، فناوری آموزشی ، هوش مصنوعی ، اثربخشی آموزشی ، یادگیری ترکیبی ، رابطه معلم-دانش آموز ، تفکر انتقادی