طراحی چارچوبی کیفی برای چرخه ی یادگیری بسته ی مبتنی بر هوش مصنوعی

نظام های آموزشی سنتی با چالش های ساختاری متعددی از جمله تراکم بالای کلاس ها، کمبود زمان معلمان برای تصحیح تکالیف و ارائه ی بازخورد موثر، و نبود سازوکاری نظام مند برای شناسایی دقیق و به موقع ضعف های یادگیری دانش آموزان مواجه هستند. این مسائل منجر به کاهش کیفیت یادگیری، افزایش افت تحصیلی و نابرابری در دسترسی به آموزش شخصی سازی شده می شوند. با ظهور هوش مصنوعی و قابلیت های بی نظیر آن در تحلیل داده های کلاسی، تصحیح خودکار تکالیف و تولید محتوای پویا، این پرسش اساسی مطرح می شود که چگونه می توان این قابلیت ها را در قالب یک چرخه ی یادگیری بسته و خودتنظیم یکپارچه ساخت.پژوهش حاضر با هدف طراحی چارچوبی کیفی برای چرخه ی یادگیری بسته ی مبتنی بر هوش مصنوعی انجام شده است که بتواند به طور همزمان به تحلیل داده های کلاسی، تصحیح خودکار تکالیف و آزمون ها، شناسایی نقاط ضعف یادگیری، طراحی خودکار برنامه ی درسی و تولید محتوای آموزشی شخصی سازی شده بپردازد و این فرایند را در یک حلقه ی بازخورد مستمر بهینه سازی کند. این پژوهش با رویکرد کیفی و روش مرور نظام مند (Systematic Review) انجام شده است. جامعه ی مطالعه، تمامی مقالات علمی، کتب تخصصی و اسناد معتبر منتشرشده در پایگاه های Scopus، Web of Science، ScienceDirect، ERIC و IEEE Xplore بود. تحلیل داده ها منجر به استخراج چهار مضمون اصلی و زیرمضمون شد که چارچوب نهایی را تشکیل می دهند: (۱) مضمون ورودی های سیستم شامل انواع داده های کلاسی (تکالیف، آزمون ها، رفتارهای یادگیری و تعاملات دیجیتال)، (۲) مضمون پردازش و تحلیل شامل روش های تصحیح خودکار، الگوریتم های تشخیص خطا و شاخص های ارزیابی، (۳) مضمون طراحی و برنامه ریزی شامل مولفه های طراحی برنامه ی درسی شخصی سازی شده و تولید محتوای پویا، و (۴) مضمون بازخورد و بهینه سازی شامل سازوکارهای ارزشیابی مجدد و به روزرسانی مستمر چرخه. همچنین، چالش های کلیدی شامل مسائل حریم خصوصی، سوگیری الگوریتمی، کمبود زیرساخت های فنی و مقاومت انسانی در برابر تغییر به عنوان موانع پیاده سازی شناسایی شدند. چارچوب ارائه شده نشان می دهد که هوش مصنوعی می تواند با ایجاد یک چرخه ی یادگیری بسته و خودتنظیم، فرایندهای آموزشی را از حالت خطی و ایستا به فرایندی پویا، تطبیقی و شخصی سازی شده تبدیل نماید.

کلیدواژه ها:

چرخه ی یادگیری ، هوش مصنوعی در آموزش ، طراحی برنامه ی درسی مبتنی بر داده ، تحلیل داده های کلاسی