نقش هوش مصنوعی مولد (Generative AI) در شخصی سازی محتوای آموزشی برای دانشجویان با سبک های یادگیری متفاوت

نظام های آموزشی نوین، با چالش بنیادین پاسخگویی موثر به تنوع شناختی و سبک های یادگیری متمایز دانشجویان مواجه هستند. رویکردهای آموزشی یکسان سازی شده (One-size-fits-all) کارایی لازم را در بهینه سازی فرآیند کسب دانش در عصر دیجیتال ندارند. این مقاله به بررسی نقش تحول آفرین هوش مصنوعی مولد (Generative AI) در تحقق سطح بی سابقه ای از شخصی سازی محتوای آموزشی می پردازد. تمرکز اصلی بر چگونگی به کارگیری این فناوری نوین، به ویژه مدل های زبانی بزرگ (LLMs) و مدل های تولید تصویر و ویدئو، برای تولید محتوای آموزشی دینامیک، منطبق با سبک های یادگیری مختلف (مانند دیداری، شنیداری، خواندنی-نوشتاری و جنبشی) است. روش شناسی مورد استفاده، ترکیبی از تحلیل نظری مدل های یادگیری و بررسی تحلیلی قابلیت های تولید محتوای هوش مصنوعی مولد است. یافته های تحلیلی نشان می دهد که هوش مصنوعی مولد قادر است محتوای آموزشی را در لحظه تولید و بازآرایی کند، به طوری که با ترجیحات ادراکی هر دانشجو سازگار شود، که این امر می تواند به افزایش قابل توجه درگیرسازی (Engagement)، تعمیق فهم و بهبود نتایج یادگیری منجر شود. با این حال، چالش های مهمی نظیر سوگیری الگوریتمی، ملاحظات اخلاقی مرتبط با حریم خصوصی داده ها و لزوم بازتعریف نقش استاد در محیط یادگیری هیبریدی مطرح می گردد. نتیجه گیری کلی بر این تاکید دارد که ادغام هوش مصنوعی مولد، در صورت مدیریت دقیق ملاحظات فنی و اخلاقی، پتانسیل انقلابی در طراحی برنامه های درسی مبتنی بر رویکردهای شخصی سازی شده در آموزش عالی را دارد.

کلیدواژه ها:

هوش مصنوعی مولد (Generative AI) ، شخصی سازی محتوا ، سبک های یادگیری ، یادگیری تطبیقی ، سازه گرایی ، مدل های زبانی بزرگ (LLMs)