سامانه های یادگیری تطبیقی مبتنی بر هوش مصنوعی در آموزش عالی: مروری نظام مند بر فناوری ها، اثربخشی و چالش ها

این پژوهش با رویکرد مرور نظام مند، مطالعات مربوط به سامانه های یادگیری تطبیقی مبتنی بر هوش مصنوعی در آموزش عالی را بررسی کرده است. بدین منظور، ۱۵ پژوهش تجربی منتشرشده بین سال های ۲۰۲۰ تا ۲۰۲۵ بر اساس چارچوب PRISMA تحلیل شدند. هدف این مطالعه، شناسایی فناوری های به کاررفته، بررسی شیوه های پیاده سازی این سامانه ها و ارزیابی میزان اثربخشی و چالش های اجرای آن ها بود. نتایج نشان داد که یادگیری ماشین با ۴۰ درصد بیشترین کاربرد را در این حوزه دارد و پس از آن پردازش زبان طبیعی با ۳۳ درصد و سامانه های ترکیبی با ۲۷ درصد قرار می گیرند. این فناوری ها امکان شخصی سازی بلادرنگ آموزش، ارائه محتوای متناسب با ویژگی های یادگیرندگان و بازخوردهای تطبیقی را فراهم می کنند. یافته ها نشان داد که این سامانه ها عمدتا در رشته های علوم، فناوری، مهندسی و ریاضیات (STEM)، آموزش زبان و محیط های یادگیری ترکیبی به کار گرفته شده اند و کاربرد آن ها از سامانه های تدریس هوشمند تا دستیاران هوش مصنوعی یکپارچه با سامانه های مدیریت یادگیری (LMS) را دربر می گیرد. همچنین، استفاده از این سامانه ها موجب بهبود ۱۵ تا ۲۵ درصدی عملکرد تحصیلی و افزایش مشارکت یادگیرندگان تا ۴۰ درصد شده است. با این حال، چالش هایی مانند محدودیت زیرساخت های فنی، ملاحظات اخلاقی از جمله حفظ حریم خصوصی داده ها و سوگیری الگوریتمی، و تمرکز بیشتر پژوهش ها بر رشته های STEM همچنان وجود دارد. در مجموع، نتایج نشان می دهد که استقرار موفق این سامانه ها نیازمند توجه هم زمان به ابعاد فنی، آموزشی و اخلاقی است و می تواند زمینه ساز ارتقای شخصی سازی آموزش، عدالت آموزشی و توسعه خدمات آموزش عالی باشد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری تطبیقی ، سامانه های یادگیری تطبیقی ، یادگیری شخصی سازی شده ، آموزش عالی