تاثیر هوش مصنوعی بر شخصی سازی یادگیری و بهبود عملکرد تحصیلی دانش آموزان

پژوهش حاضر با هدف بررسی تاثیر هوش مصنوعی بر شخصی سازی یادگیری و بهبود عملکرد تحصیلی دانش آموزان در نظام آموزشی ایران انجام شده است. در عصر کنونی که نظام های آموزشی با چالش های فزاینده ای مانند تنوع روزافزون سبک های یادگیری، تفاوت های فردی دانش آموزان، کمبود زمان و منابع برای آموزش انفرادی، و کاهش انگیزه و مشارکت تحصیلی مواجه هستند، شخصی سازی یادگیری به عنوان یکی از مهم ترین و موثرترین راهکارها برای پاسخگویی به نیازهای متنوع یادگیرندگان و بهبود عملکرد تحصیلی آنان مطرح شده است و هوش مصنوعی به عنوان یک فناوری توانمندساز و تحول آفرین، می تواند با قابلیت های بی نظیر خود در تحلیل داده های عظیم، شناسایی الگوهای فردی، طراحی مسیرهای یادگیری منحصربه فرد، و ارائه محتوای متناسب با هر یادگیرنده، شخصی سازی یادگیری را که در نظام های سنتی با کلاس های پرجمعیت و منابع محدود عملا غیرممکن و دست نیافتنی بود، به یک واقعیت عینی، قابل اجرا و مقیاس پذیر تبدیل کند و از این طریق، به بهبود چشمگیر عملکرد تحصیلی دانش آموزان کمک نماید. این پژوهش با رویکرد آمیخته (کیفی-کمی) و با استفاده از طرح متوالی اکتشافی انجام شده است که به سه مرحله جمع آوری و تحلیل داده های کیفی، طراحی ابزار کمی بر اساس یافته های کیفی، و سپس جمع آوری و تحلیل داده های کمی تقسیم می شود. در بخش کیفی، جامعه آماری شامل معلمان، کارشناسان آموزشی و دانش آموزان مقطع متوسطه دوم شهر اصفهان در سال تحصیلی ۱۴۰۴-۱۴۰۳ بود که با استفاده از روش نمونه گیری هدفمند و با معیار اشباع نظری، ۲۰ معلم، ۱۰ کارشناس آموزشی و ۳۰ دانش آموز از مدارس مختلف انتخاب شدند و داده ها از طریق مصاحبه های نیمه ساختاریافته عمیق و جلسات گروه کانونی جمع آوری و با روش تحلیل محتوای کیفی با رویکرد استقرایی که شامل کدگذاری باز، محوری و گزینشی است، تحلیل گردبد. نتایج بخش کمی نشان داد که میانگین نمرات شخصی سازی یادگیری و عملکرد تحصیلی در گروهی که از ابزارهای هوش مصنوعی استفاده می کنند، به طور معناداری بالاتر از گروهی است که از این ابزارها بهره نمی برند و این تفاوت در سطح ۰۰۱/۰>P معنادار بوده است. همچنین، تحلیل رگرسیون چندگانه نشان داد که مولفه تطبیق محتوا با سطح دانش و توانایی با ضریب بتای ۳۲/۰ بیشترین تاثیر و مولفه ارائه فعالیت های تمرینی و تکمیلی متناسب با ضریب بتای ۱۸/۰ کمترین تاثیر را بر عملکرد تحصیلی دارند و این شش مولفه در مجموع ۶۲ درصد از واریانس عملکرد تحصیلی را تبیین می کنند. نتایج تحلیل مسیر نیز نشان داد که شخصی سازی یادگیری، نقش میانجی گر کاملی در رابطه بین استفاده از هوش مصنوعی و عملکرد تحصیلی دانش آموزان ایفا می کند و تاثیر هوش مصنوعی بر عملکرد تحصیلی، کاملا از طریق افزایش شخصی سازی یادگیری اعمال می شود

کلیدواژه ها:

هوش مصنوعی ، شخصی سازی یادگیری ، عملکرد تحصیلی ، یادگیری تطبیقی ، دانش آموزان