مرور سیستماتیک کاربردهای هوش مصنوعی در شخصی سازی یادگیری: فرصت ها و چالش های اخلاقی

تحول دیجیتال در آموزش، زمینه گسترش استفاده از هوش مصنوعی را در طراحی محیط های یادگیری شخصی سازی شده فراهم کرده است. شخصی سازی یادگیری با تکیه بر تفاوت های فردی یادگیرندگان در سبک ها، نیازها، سرعت یادگیری و سطح پیشرفت آنان، می تواند کیفیت آموزش را افزایش دهد و مسیر یادگیری را از الگوی یکسان برای همه به سوی الگوهای منعطف و داده محور سوق دهد. پژوهش حاضر با هدف بررسی کاربردهای هوش مصنوعی در شخصی سازی یادگیری و تحلیل فرصت ها و چالش های اخلاقی آن انجام شده است. روش پژوهش، مرور سیستماتیک بر اساس چارچوب PRISMA بود و جامعه پژوهش را مقالات علمی منتشرشده در پایگاه های Scopus، Web of Science، ERIC، IEEE Xplore، Google Scholar و برخی پایگاه های علمی داخلی طی سال های ۲۰۱۹ تا ۲۰۲۴ تشکیل دادند. پس از جست وجو، غربالگری و اعمال معیارهای ورود و خروج، ۳۲ مقاله برای تحلیل نهایی انتخاب شد. یافته ها نشان داد که مهم ترین کاربردهای هوش مصنوعی در شخصی سازی یادگیری شامل سامانه های یادگیری تطبیقی، بازخورد هوشمند، تحلیل پیش گویانه، پیشنهاد منابع آموزشی متناسب و پشتیبانی از ارزیابی تکوینی است. در کنار این فرصت ها، چالش هایی مانند حفظ حریم خصوصی داده های یادگیرندگان، سوگیری الگوریتمی، شفافیت تصمیم گیری سامانه ها، مسئولیت پذیری نهادی و احتمال کاهش تعامل انسانی در فرایند آموزش از مهم ترین ملاحظات اخلاقی شناسایی شدند. نتایج پژوهش نشان می دهد که بهره گیری موثر از هوش مصنوعی در آموزش، تنها با تاکید بر کارآمدی فناورانه محقق نمی شود، بلکه نیازمند پیوند میان نظریه های یادگیری، اصول مدیریت آموزشی، ملاحظات اخلاقی و نقش فعال معلم در هدایت فرایند یاددهی–یادگیری است. بنابراین، هوش مصنوعی باید به عنوان ابزاری پشتیبان برای تصمیم گیری آموزشی، ارتقای عدالت یادگیری و توانمندسازی معلمان به کار گرفته شود، نه جایگزینی برای قضاوت حرفه ای و تعامل انسانی در آموزش.

کلیدواژه ها:

هوش مصنوعی ، شخصی سازی یادگیری ، یادگیری تطبیقی ، فناوری آموزشی ، مدیریت آموزشی ، چالش های اخلاقی.