ارائه چارچوبی تحلیلی-اکتشافی برای سیستم های یادگیری تطبیقی مبتنی بر هوش مصنوعی

نظام های آموزشی معاصر با دو چالش بنیادین روبه رو هستند: نخست، ناتوانی در تشخیص زودهنگام و دقیق اختلالات یادگیری به دلیل وابستگی به روش های سنتی و ذهنی، و دوم، غفلت نظام مند از پرورش مهارت های اجتماعی به عنوان بخشی جدایی ناپذیر از فرایند یادگیری. این شکاف دوگانه، به ویژه در مورد دانش آموزان با نیازهای ویژه، منجر به انزوای تحصیلی و عاطفی و تشدید چرخه ی شکست می شود. با ظهور هوش مصنوعی و قابلیت های بی نظیر آن در تحلیل داده های چندوجهی و شخصی سازی محتوا، این پرسش اساسی مطرح می شود که چگونه می توان این دو حوزه را در قالب یک چارچوب یکپارچه به هم پیوند داد. پژوهش حاضر با هدف ارائه ی چارچوبی تحلیلی-اکتشافی برای سیستم های یادگیری تطبیقی مبتنی بر هوش مصنوعی انجام شده است که به طور همزمان به غربالگری اختلالات شناختی (خواندن، نوشتن، ریاضی و پردازش حسی) و برنامه ریزی خودکار یادگیری با محوریت بازی های آموزشی چندرسانه ای برای تقویت مهارت های اجتماعی (همکاری، همدلی، ارتباط موثر و حل تعارض) بپردازد. هدف ثانویه، شناسایی مولفه های کلیدی و روابط بین آنها در این چارچوب است. این پژوهش با رویکرد کیفی و روش مرور نظام مند و فراتحلیل کیفی انجام شده است. جامعه ی مطالعه، تمامی مقالات، کتب و اسناد علمی معتبر منتشرشده در پایگاه های داده ها بود. تحلیل یافته ها منجر به استخراج چهار مضمون اصلی و ۲۳ زیرمضمون شد که چارچوب پیشنهادی را تشکیل می دهند: (۱) مولفه های تشخیصی شامل نشانگان رفتاری، الگوهای خطا، داده های زمانی و شاخص های پردازش اطلاعات؛ (۲) مولفه های محتوایی شامل ویژگی های بازی های چندرسانه ای (چندحسی، تعاملی، پاداش محور، داستان محور و گروهی)؛ (۳) مولفه های تطبیق شامل الگوریتم های شخصی سازی، سازوکارهای بازخورد لحظه ای و مسیرهای یادگیری جایگزین؛ و (۴) مولفه های پیامدی شامل شاخص های پیشرفت تحصیلی، بهبود تعاملات اجتماعی و افزایش انگیزه و خودکارآمدی. همچنین، چالش های کلیدی شامل حریم خصوصی، سوگیری الگوریتمی، کمبود محتوای استاندارد و مقاومت نهادی در برابر تغییر، به عنوان موانع پیاده سازی شناسایی شدند.

کلیدواژه ها:

سیستم های یادگیری تطبیقی ، هوش مصنوعی ، بازی های چندرسانه ای ، مهارت های اجتماعی