هوش مصنوعی و روان شناسی در سنجش و ارزیابی پیشرفت تحصیلی دانش آموزان: از نمره دهی سنتی تا تحلیل های پیش بینانه

ارزیابی پیشرفت تحصیلی دانش آموزان به عنوان یکی از ارکان اساسی فرآیند آموزشی، نقش مهمی در ارتقای کیفیت یادگیری و تصمیم گیری های تربیتی ایفا می کند. روش های سنتی نمره دهی و آزمون گیری، اگرچه تاریخچه طولانی دارند، اما با محدودیت هایی نظیر عدم دقت در شناسایی نیازهای فردی، ضعف در تحلیل الگوهای یادگیری و تاخیر در ارائه بازخورد مواجه هستند. پژوهش های اخیر نشان می دهند که تلفیق هوش مصنوعی و روان شناسی آموزشی، امکان تحول در فرآیند سنجش و ارزیابی را فراهم ساخته است. هوش مصنوعی با بهره گیری از الگوریتم های تحلیل داده، یادگیری ماشین و مدل های پیش بینانه، قادر است اطلاعات دقیق و زمان واقعی درباره عملکرد تحصیلی دانش آموزان ارائه دهد و الگوهای پیچیده یادگیری آن ها را شناسایی کند. هم زمان، روان شناسی آموزشی با شناخت فرآیندهای شناختی، هیجانی و رفتاری دانش آموزان، زمینه طراحی ابزارهای ارزیابی دقیق و شخصی سازی شده را فراهم می آورد. این ترکیب، از یک سو امکان ارتقای عدالت آموزشی و کاهش خطای ارزیابی را فراهم می کند و از سوی دیگر، به معلمان و مدیران آموزشی کمک می کند تا مداخلات هدفمند و موثر برای بهبود یادگیری دانش آموزان طراحی کنند. مقاله حاضر با مرور نظام مند پژوهش های داخلی و بین المللی، به بررسی کاربردهای هوش مصنوعی و روان شناسی در سنجش پیشرفت تحصیلی، تحول از نمره دهی سنتی به تحلیل های پیش بینانه و چالش ها و فرصت های این رویکرد پرداخته است. نتایج نشان می دهند که ادغام این دو حوزه می تواند فرایند ارزیابی را هوشمند، دقیق، شخصی سازی شده و اثربخش سازد و به توسعه آموزش های متکی بر داده و تصمیم گیری آموزشی مبتنی بر شواهد منجر شود.

کلیدواژه ها:

کلیدواژه ها: هوش مصنوعی ، روان شناسی آموزشی ، ارزیابی تحصیلی ، پیشرفت تحصیلی ، تحلیل پیش بینانه ، یادگیری شخصی سازی شده.