تاثیر هوش مصنوعی در شناسایی مشکلات یادگیری: فرصت ها، چالش ها و راهبردهای پیاده سازی در نظام آموزشی

پژوهش حاضر با هدف بررسی تاثیر هوش مصنوعی در شناسایی مشکلات یادگیری و تحلیل فرصت ها، چالش ها و راهبردهای پیاده سازی آن در نظام آموزشی انجام شده است. مشکلات یادگیری مانند دیسلکسی (نارساخوانی)، دیسکالکولیا (نارسانویسی ریاضی)، دیسگرافیا (نارسانویسی) و اختلال نقص توجه-بیش فعالی (ADHD)، در صورت عدم شناسایی زودهنگام می توانند به افت تحصیلی، کاهش اعتمادبه نفس و ترک تحصیل منجر شوند. روش های سنتی شناسایی این مشکلات عمدتا مبتنی بر ارزیابی های انسانی زمان بر، پرهزینه و با خطای انسانی همراه است (رحیمی و شریفی، ۱۴۰۱). هوش مصنوعی با قابلیت های تحلیل داده های بزرگ، تشخیص الگوهای ظریف و ارائه بازخورد فوری، نویدبخش تحولی در شناسایی زودهنگام، دقیق و کم هزینه مشکلات یادگیری است. این پژوهش با روش مرور نظام مند و تحلیل محتوای کیفی ۶۵ مقاله منتخب از پایگاه های علمی معتبر بین سال های ۲۰۱۹ تا ۲۰۲۴ و همچنین مصاحبه با ۱۴ متخصص ایرانی در حوزه اختلالات یادگیری، هوش مصنوعی و فناوری آموزشی انجام شد. یافته ها نشان داد که هوش مصنوعی از شش مسیر اصلی به شناسایی مشکلات یادگیری کمک می کند: «تحلیل خودکار نوشتار و تشخیص دیسگرافیا»، «ردیابی حرکات چشم و تشخیص دیسلکسی»، «تحلیل الگوهای کلیک و تایپ برای تشخیص مشکلات پردازش»، «بازی های دیجیتال غربالگری شناختی»، «تحلیل گفتار و زبان برای تشخیص اختلالات زبانی» و «مدل های پیش بینی کننده مبتنی بر یادگیری ماشین». مهم ترین فرصت ها شامل «تشخیص زودهنگام پیش از بروز شکست تحصیلی»، «دقت و عینیت بالاتر نسبت به قضاوت انسانی»، «دسترس پذیری و کاهش هزینه ها» و «امکان پایش مستمر» می باشد. چالش های اصلی شامل «سوگیری الگوریتمی و خطاهای تشخیصی»، «مسائل اخلاقی و حریم خصوصی»، «فقدان داده های بومی و استاندارد»، «هزینه پیاده سازی» و «مقاومت متخصصان سنتی» است. نتایج بیانگر آن است که هوش مصنوعی نه به عنوان «جایگزین» متخصصان انسانی، بلکه به عنوان «دستیار هوشمند» در فرآیند غربالگری و تشخیص می تواند نقش آفرینی کند و مدل بهینه، تلفیق «هوش مصنوعی تحلیلی» با «قضاوت بالینی متخصص» است.

کلیدواژه ها:

هوش مصنوعی ، مشکلات یادگیری ، شناسایی زودهنگام ، یادگیری ماشین ، اختلالات یادگیری خاص ، غربالگری هوشمند