نقش هوش مصنوعی در شخصی سازی آموزش: فرصت ها، چالش ها و چشم انداز آینده

پژوهش حاضر با هدف تحلیل نقش هوش مصنوعی در شخصی سازی آموزش و شناسایی فرصت ها، چالش ها و چشم انداز آینده آن انجام شده است. شخصی سازی آموزش به معنای تطبیق محتوا، مسیر، سرعت و روش یادگیری با نیازها، توانمندی ها، علایق و سبک یادگیری منحصربه فرد هر دانش آموز، همواره «رویای دست نیافتنی» نظام های آموزشی بوده است. هوش مصنوعی با قابلیت های «تحلیل داده های بزرگ»، «مدل سازی شناختی یادگیرنده»، «پیش بینی عملکرد» و «ارائه بازخورد فوری و شخصی»، این رویا را به «امکان عملی» تبدیل کرده است (موسوی و شریفی، ۱۴۰۱). این پژوهش با رویکرد کیفی و راهبرد مرور نظام مند تلفیقی با تحلیل محتوای مصاحبه اجرا شد. داده ها از مرور نظام مند ۶۲ مقاله منتخب از پایگاه های علمی معتبر بین سال های ۲۰۱۹ تا ۲۰۲۴ و مصاحبه با ۱۶ متخصص ایرانی در حوزه هوش مصنوعی، فناوری آموزشی و علوم تربیتی گردآوری گردید. یافته ها نشان داد که هوش مصنوعی از هفت مسیر اصلی به شخصی سازی آموزش کمک می کند: «مدل سازی شناختی یادگیرنده»، «سیستم های تدریس هوشمند تطبیقی»، «موتورهای توصیه گر محتوای آموزشی»، «بازخورد شخصی سازی شده و فوری»، «پیش بینی و هشدار زودهنگام افت تحصیلی»، «بازی وارسازی تطبیقی» و «دستیاران یادگیری مجازی». مهم ترین فرصت ها شامل «افزایش عدالت آموزشی»، «کاهش شکاف یادگیری»، «افزایش انگیزش و خودراهبری»، «بهینه سازی زمان معلم» و «ارزشیابی دقیق تر و عادلانه تر» است. چالش های اصلی شامل «سوگیری الگوریتمی و عدالت»، «حریم خصوصی و امنیت داده ها»، «شفافیت و توضیح پذیری»، «خطر کاهش تعامل انسانی»، «هزینه و زیرساخت» و «مقاومت معلمان و والدین» می باشد. نتایج بیانگر آن است که مدل بهینه، «هوش مصنوعی مکمل» است، نه «جایگزین معلم»؛ یعنی «هوش مصنوعی تحلیلی + قضاوت انسانی». در نهایت، چارچوبی راهبردی برای پیاده سازی شخصی سازی هوشمند در ایران ارائه گردید.

کلیدواژه ها:

هوش مصنوعی ، شخصی سازی آموزش ، یادگیری تطبیقی ، سیستم های تدریس هوشمند ، تحلیل های یادگیری