تحلیل تعامل آموزش مبتنی بر هوش مصنوعی، شخصی سازی یادگیری مهارت های تحصیلی در مدارس: مطالعه مروری

پژوهش حاضر با هدف تحلیل تعامل میان آموزش مبتنی بر هوش مصنوعی و شخصی سازی یادگیری مهارت های تحصیلی در مدارس انجام شده است. با توجه به رشد شتابان فناوری های هوشمند در عرصه آموزش و هم زمان افزایش تنوع نیازهای شناختی، عاطفی و رفتاری دانش آموزان، ضرورت بازنگری در رویکردهای سنتی تدریس و حرکت به سوی نظام های آموزشی انطباق پذیر و یادگیرنده محور بیش از پیش احساس می شود. این مطالعه با روش مرور نظام مند (Systematic Review) و با جستجوی جامع در پایگاه های داده معتبر شامل Scopus، Web of Science، IEEE Xplore، ERIC و ScienceDirect در بازه زمانی ۲۰۱۵ تا ۲۰۲۶ صورت گرفته است. پس از اعمال معیارهای ورود و خروج و ارزیابی کیفیت مقالات با استفاده از چک لیست استاندارد، در نهایت ۱۲۷ مقاله برای تحلیل نهایی انتخاب شدند. یافته های پژوهش نشان می دهد که هوش مصنوعی از طریق سه مکانیسم اصلی به شخصی سازی یادگیری کمک می کند: نخست، مکانیسم تشخیصی-شناختی که شامل ردیابی دانش، تشخیص خطاهای مفهومی و پیش بینی عملکرد آینده دانش آموزان است؛ دوم، مکانیسم عاطفی-انگیزشی که از طریق تشخیص هیجانات و ارائه بازخوردهای انگیزشی متناسب، سطح اضطراب و دلسردی را کاهش می دهد؛ و سوم، مکانیسم فراشناختی-خودتنظیمی که با ارائه بازخوردهای انعکاسی و پیشنهاد راهبردهای مطالعه شخصی سازی شده، مهارت های خودتنظیمی و آگاهی فراشناختی دانش آموزان را تقویت می کند. با این حال، پیاده سازی اثربخش این فناوری در مدارس با چالش های متعددی مواجه است که در هفت دسته کلی قابل طبقه بندی هستند: کمبود زیرساخت های فنی و شکاف دیجیتال، کیفیت پایین داده های آموزشی بومی و عدم تطابق مدل ها با بافت های فرهنگی-زبانی، مقاومت معلمان در برابر تغییر و نگرانی از جایگزینی، کمبود سواد هوش مصنوعی در میان معلمان و مدیران، چالش های جدی حریم خصوصی و امنیت داده های کودکان، سوگیری الگوریتمی و بازتولید نابرابری های آموزشی، و نهایتا مسئله کاهش تعاملات انسانی و یکنواختی در خلاقیت. نتایج فراتحلیل مطالعات تجربی نشان می دهد که استفاده از سیستم های آموزش هوشمند تطبیقی به طور میانگین منجر به افزایش اندازه اثر ۰.۶۷ انحراف معیار در نمرات ریاضی و ۰.۵۸ در درس خواندن شده است، اما این اثربخشی به شدت به عواملی نظیر سواد دیجیتال معلمان، کیفیت زیرساخت ها، و مشارکت فعال ذی نفعان در طراحی سیستم ها وابسته است. نتیجه گیری نهایی مقاله بر این اصل تاکید دارد که هوش مصنوعی باید به عنوان "دستیار هوشمند" و "ابزاری در خدمت اهداف تربیتی" در نظر گرفته شود، نه جایگزینی برای معلم یا تعاملات انسانی. رویکرد انسان محور، شفافیت الگوریتمی، عدالت آموزشی، توانمندسازی حرفه ای معلمان و تدوین چارچوب های اخلاقی و حقوقی شفاف، به عنوان پنج رکن اساسی برای پیاده سازی موفق و پایدار هوش مصنوعی در مدارس شناسایی شده اند. همچنین، تفاوت های قابل توجه در نوع شخصی سازی موثر در مقاطع مختلف تحصیلی (دبستان، متوسطه اول و دوم) نشان می دهد که راهبردهای شخصی سازی باید متناسب با ویژگی های رشدی، شناختی و عاطفی هر دوره طراحی شوند. این مطالعه با ارائه یک چارچوب تحلیلی چندلایه، می کوشد تا نقشه راهی جامع برای سیاست گذاران، مدیران آموزشی، معلمان و پژوهشگران فراهم آورد تا بتوانند با نگاهی واقع بینانه و مبتنی بر شواهد، گام های موثری در جهت تلفیق هوشمندانه فناوری و تربیت بردارند.

کلیدواژه ها:

هوش مصنوعی در آموزش ، یادگیری شخصی سازی شده ، سیستم های آموزش هوشمند ، مدارس ، مطالعه مروری نظام مند ، شخصی سازی شناختی-عاطفی ، عدالت آموزشی ، سواد هوش مصنوع