استفاده از هوش مصنوعی در شخصی سازی آموزش ریاضی برای دانش آموزان با سطوح مختلف توانایی

هدف پژوهش حاضر بررسی اثربخشی استفاده از هوش مصنوعی در شخصی سازی آموزش ریاضی برای دانش آموزان با سطوح مختلف توانایی و تبیین نقش آن در بهبود پیشرفت تحصیلی، خودکارآمدی ریاضی و مشارکت یادگیری بود. این پژوهش از نظر هدف کاربردی و از نظر روش، نیمه آزمایشی با طرح پیش آزمون پس آزمون با گروه گواه انجام شد. جامعه آماری پژوهش را دانش آموزان دوره ابتدایی در سال تحصیلی ۱۴۰۵–۱۴۰۶ تشکیل دادند که از میان آنان ۱۲۰ دانش آموز با استفاده از روش نمونه گیری خوشه ای چندمرحله ای انتخاب و پس از همتاسازی بر اساس سطح توانایی ریاضی، به دو گروه آزمایش و گواه اختصاص یافتند. در گروه آزمایش، محتوای آموزشی و فعالیت های تمرینی ریاضی با بهره گیری از سامانه هوش مصنوعی و بر اساس عملکرد اولیه، سرعت یادگیری، خطاهای شناختی و سطح تسلط هر دانش آموز به صورت پویا شخصی سازی شد، در حالی که گروه گواه آموزش متعارف مبتنی بر محتوای یکسان دریافت کرد. ابزارهای گردآوری داده ها شامل آزمون پیشرفت تحصیلی ریاضی محقق ساخته، مقیاس خودکارآمدی ریاضی و پرسشنامه مشارکت تحصیلی بود که روایی محتوایی آنها با استفاده از نظر متخصصان تایید و ضرایب آلفای کرونباخ آنها به ترتیب ۰/۸۸، ۰/۸۵ و ۰/۸۲ گزارش شد. داده ها با استفاده از تحلیل کوواریانس چندمتغیره و تحلیل اثرات تعاملی در نرم افزار SPSS نسخه ۲۶ تجزیه وتحلیل شدند. نتایج نشان داد پس از کنترل نمرات پیش آزمون، تفاوت معناداری میان دو گروه در پیشرفت تحصیلی ریاضی، خودکارآمدی و مشارکت یادگیری وجود دارد (۰۰۱/۰>p). اندازه اثر برای پیشرفت تحصیلی ۰/۳۸، خودکارآمدی ۰/۲۹ و مشارکت یادگیری ۰/۳۱ به دست آمد که بیانگر اثر متوسط تا نسبتا قوی مداخله شخصی سازی شده مبتنی بر هوش مصنوعی بود. بررسی سطوح مختلف توانایی نیز نشان داد بیشترین میزان بهبود پیشرفت تحصیلی در دانش آموزان دارای توانایی اولیه پایین مشاهده شد، در حالی که دانش آموزان دارای توانایی متوسط و بالا نیز از بازخوردهای تطبیقی و تمرین های متناسب با سطح تسلط خود بهره مند شدند. یافته ها همچنین نشان داد بخشی از اثر هوش مصنوعی بر پیشرفت ریاضی از مسیر افزایش خودکارآمدی و مشارکت یادگیری قابل تبیین است. بر اساس این یافته ها، استفاده هدفمند از هوش مصنوعی می تواند با فراهم کردن بازخورد فوری، تنظیم سطح دشواری فعالیت ها و ارائه مسیرهای یادگیری متناسب با تفاوت های فردی، به کاهش ناهمگونی آموزشی و حمایت از دانش آموزان با سطوح مختلف توانایی ریاضی کمک کند؛ با این حال، اثربخشی آن به طراحی آموزشی مناسب، نظارت حرفه ای معلم و استفاده مسئولانه از داده های یادگیری دانش آموزان وابسته است. بنابراین، ادغام هوش مصنوعی در آموزش ریاضی نباید جایگزین نقش معلم تلقی شود، بلکه می تواند به عنوان ابزاری برای تصمیم گیری آموزشی و تحقق یادگیری شخصی شده مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، آموزش شخصی سازی شده ، آموزش ریاضی ، تفاوت های فردی ، پیشرفت تحصیلی ، خودکارآمدی ریاضی ، یادگیری تطبیقی