مروری بر الگوریتم های توصیه گر و تاثیر آن ها بر هدایت مسیر یادگیری شخصی سازی شده در آموزش دیجیتال

رشد سریع هوش مصنوعی و گسترش محیط های یادگیری دیجیتال، ضرورت بهره گیری از فناوری های هوشمند برای پاسخگویی به تفاوت های فردی یادگیرندگان را بیش از پیش آشکار ساخته است. در این میان، الگوریتم های توصیه گر به عنوان یکی از مهم ترین فناوری های هوش مصنوعی، نقش موثری در طراحی و هدایت مسیرهای یادگیری شخصی سازی شده ایفا می کنند. پژوهش حاضر با هدف بررسی نقش الگوریتم های توصیه گر در هدایت مسیر یادگیری شخصی سازی شده انجام شد. این پژوهش از نظر هدف کاربردی و از نظر روش، یک مطالعه مروری نظام مند است. داده های پژوهش از طریق جست وجوی نظام مند منابع علمی معتبر فارسی و انگلیسی در پایگاه های اطلاعاتی بین المللی و داخلی گردآوری و بر اساس معیارهای ورود و خروج تحلیل شدند. یافته ها نشان داد که الگوریتم های توصیه گر با تحلیل ویژگی های فردی، سوابق یادگیری، عملکرد آموزشی و الگوهای رفتاری یادگیرندگان، قادر به پیشنهاد منابع آموزشی مناسب، طراحی مسیرهای یادگیری تطبیقی، ارائه بازخورد هوشمند و افزایش کیفیت تجربه یادگیری هستند. همچنین، استفاده از الگوریتم های ترکیبی، یادگیری ماشین، یادگیری عمیق و مدل های زبانی بزرگ، دقت و اثربخشی سامانه های توصیه گر را به میزان قابل توجهی افزایش داده است. با این حال، چالش هایی نظیر کیفیت داده ها، سوگیری الگوریتمی، حفظ حریم خصوصی، شفافیت تصمیمات الگوریتمی و ملاحظات اخلاقی همچنان از مهم ترین موانع توسعه این سامانه ها به شمار می روند. در مجموع، نتایج پژوهش نشان می دهد که الگوریتم های توصیه گر می توانند به عنوان یکی از ارکان اصلی آموزش هوشمند، نقش موثری در تحقق یادگیری شخصی سازی شده، ارتقای کیفیت آموزش دیجیتال و بهبود عملکرد و انگیزش یادگیرندگان ایفا کنند. همچنین، توسعه سامانه های توصیه گر قابل تبیین، عادلانه و متناسب با ویژگی های نظام آموزشی، از مهم ترین الزامات پژوهش ها و کاربردهای آینده در این حوزه است.

کلیدواژه ها:

الگوریتم های توصیه گر ، یادگیری شخصی سازی شده ، آموزش دیجیتال ، هوش مصنوعی ، یادگیری تطبیقی ، سامانه های توصیه گر آموزشی