تاثیر یادگیری شخصی سازی شده و فناوری های هوشمند بر افزایش انگیزه و مشارکت تحصیلی دانش آموزان

پژوهش حاضر با هدف تحلیل همه جانبه و ساختاریافته ی تاثیر رویکردهای یادگیری شخصی سازی شده (Personalized Learning) و سیستم های هوشمند تطبیقی بر مولفه های انگیزشی و مشارکت تحصیلی (Academic Engagement) دانش آموزان تدوین شده است. در پارادایم نوین آموزشی، فناوری های هوشمند اعم از هوش مصنوعی مولد، سیستم های آموزش یار هوشمند (ITS) و تحلیل گرهای داده های آموزشی (Learning Analytics)، بستری پویا برای انطباق سرعت، محتوا و استراتژی های یادگیری با نیازهای منحصربه فرد هر یادگیرنده فراهم ساخته اند. این مقاله با اتکا به روش تحلیلی-انتقادی و با استفاده از چارچوب های نظری مستحکم نظیر نظریه خودتعیین گری (SDT)، منطقه تقریب رشد (ZPD) ویگوتسکی و نظریه بار شناختی (CLT)، به کالبدشکافی مکانیسم های اثرگذاری این فناوری ها بر یادگیری می پردازد. بدنه اصلی مقاله در قالب سه محور تحلیل فنی-پداگوژیک فناوری های تطبیقی، پیامدهای روان شناختی بر انگیزه و خودتنظیمی، و چالش های بومی و اخلاقی پیاده سازی این سیستم ها (هر یک در قالب ۸ پاراگراف تفصیلی و به هم پیوسته) بسط یافته است. نتایج تحلیل نشان می دهد که شخصی سازی یادگیری از طریق افزایش حس عاملیت (Agency)، تنظیم بهینه ی چالش های شناختی و ارائه ی بازخوردهای آنی، انگیزه درونی و ابعاد سه گانه ی مشارکت (رفتاری، شناختی و عاطفی) را به شکل معناداری ارتقا می دهد؛ هرچند مواجهه با چالش هایی چون شکاف دیجیتال نوظهور، سوگیری های الگوریتمی و تقلیل گرایی تعاملی، نیازمند اتخاذ رویکرد «انسان در چرخه» (Human-in-the-Loop) است.

کلیدواژه ها:

یادگیری شخصی سازی شده ، فناوری های هوشمند ، سیستم های تطبیقی ، انگیزه تحصیلی ، مشارکت تحصیلی ، نظریه خودتعیین گری