شخصی سازی یادگیری با کمک هوش مصنوعی: گامی به سوی عدالت آموزشی

پژوهش حاضر با هدف بررسی نقش هوش مصنوعی در شخصی سازی فرآیند یادگیری و تاثیر آن بر تحقق عدالت آموزشی انجام شده است. هوش مصنوعی مولد با قابلیت های بی نظیر خود در تطبیق محتوا با نیازهای فردی یادگیرندگان، این وعده را به همراه دارد که بتواند شکاف های آموزشی موجود میان دانش آموزان با پیش زمینه های متفاوت اجتماعی-اقتصادی را کاهش دهد. این مطالعه با رویکرد کیفی و با استفاده از روش مرور نظام مند انجام گردید. جامعه آماری پژوهش شامل کلیه مقالات، گزارش های علمی و منابع معتبر داخلی و بین المللی منتشرشده در بازه زمانی ۲۰۲۰ تا ۲۰۲۶ میلادی در پایگاه های داده علمی معتبر مانند Scopus، Web of Science، ScienceDirect، PubMed، مگیران و ISC بود. پس از غربالگری و ارزیابی، تعداد ۳۲ منبع اصلی برای تحلیل نهایی انتخاب و با استفاده از روش تحلیل محتوای کیفی و تکنیک کدگذاری موضوعی مورد بررسی قرار گرفتند. یافته های پژوهش نشان می دهد که شخصی سازی یادگیری مبتنی بر هوش مصنوعی از چهار مسیر اصلی به عدالت آموزشی کمک می کند: (۱) ارائه بازخورد فوری و تطبیقی متناسب با سطح یادگیرنده، (۲) دسترسی برابر به منابع آموزشی با کیفیت برای دانش آموزان مناطق محروم، (۳) پشتیبانی از دانش آموزان با نیازهای ویژه و دارای معلولیت، و (۴) کاهش وابستگی به آموزش خصوصی پرهزینه. با این حال، چالش های جدی مانند شکاف دیجیتال، سوگیری الگوریتمی، نگرانی های حریم خصوصی و نبود زیرساخت های مناسب در کشورهای کم درآمد، می توانند همان فناوری را به ابزاری برای بازتولید و تشدید نابرابری ها تبدیل کنند. نتایج پژوهش تاکید می کند که تحقق عدالت آموزشی از طریق شخصی سازی مبتنی بر هوش مصنوعی، امری خودکار و اجتناب ناپذیر نیست، بلکه نیازمند طراحی آگاهانه، سیاست گذاری هدفمند، سرمایه گذاری در زیرساخت های دیجیتال، و تدوین چارچوب های اخلاقی و نظارتی مشخص است. نتیجه گیری می شود که شخصی سازی یادگیری با کمک هوش مصنوعی می تواند گامی موثر به سوی عدالت آموزشی باشد، مشروط بر آنکه با رویکردی انسان محور و حقوق بنیان همراه گردد و دسترسی عادلانه به فناوری و توانمندسازی ذی نفعان در کانون توجه قرار گیرد.

کلیدواژه ها:

هوش مصنوعی مولد ، شخصی سازی یادگیری ، عدالت آموزشی ، شکاف دیجیتال ، یادگیری تطبیقی ، شمولیت ، سوگیری الگوریتمی ، آموزش مبتنی بر هوش مصنوعی