مرور نظام مند پیامدهای پیاده سازی سامانه های هوش مصنوعی در مدارس هوشمند بر مولفه های یادگیری خودتنظیم (SRL)

یادگیری خودتنظیم به عنوان یکی از شایستگی های کلیدی قرن بیست و یکم، نقشی تعیین کننده در موفقیت تحصیلی دانش آموزان، به ویژه در محیط های یادگیری مبتنی بر فناوری ایفا می کند. مدارس هوشمند با بهره مندی از سامانه های پیشرفته هوش مصنوعی، بسترهای بی نظیری برای شخصی سازی یادگیری، ارائه بازخورد فوری و حمایت از فرآیندهای خودتنظیمی فراهم آورده اند. با این حال، پیامدهای پیاده سازی این سامانه ها بر مولفه های مختلف یادگیری خودتنظیم شامل خودانگیزشی، خودارزیابی، فراشناخت، مدیریت منابع و کمک طلبی هنوز به صورت نظام مند و یکپارچه بررسی نشده است. این مقاله با به کارگیری روش مرور نظام مند، به تحلیل و ترکیب یافته های پژوهش های انجام شده در بازه زمانی پنج سال اخیر می پردازد. یافته ها نشان می دهد که سامانه های هوش مصنوعی از طریق پنج مکانیسم اصلی شامل ارائه بازخورد هوشمند و شخصی سازی شده، حمایت فراشناختی از طریق تحلیل داده های رفتاری، تسهیل هدف گذاری و پایش پیشرفت، خودکارسازی راهبردهای یادگیری، و ایجاد محیط های یادگیری تطبیقی، تاثیرات مثبت و معناداری بر مولفه های یادگیری خودتنظیم دارند. با این حال، چالش هایی نظیر وابستگی بیش از حد به فناوری، کاهش تعاملات انسانی، و مسائل حریم خصوصی نیز به عنوان پیامدهای منفی بالقوه شناسایی شده اند. در نهایت، مقاله راهکارهایی برای طراحی موثر و مسئولانه سامانه های هوش مصنوعی در مدارس هوشمند به منظور بهینه سازی پیامدهای مثبت و کاهش پیامدهای منفی ارائه می دهد.

کلیدواژه ها:

یادگیری خودتنظیم ، مدارس هوشمند ، هوش مصنوعی ، سامانه های تطبیقی ، بازخورد شخصی سازی شده