کاربرد هوش مصنوعی مولد در شخصی سازی یادگیری دانش آموزان: مرور نظام مند فرصت ها و چالش ها

تحولات شتابان فناوری های نوین و ظهور ابزارهای مبتنی بر هوش مصنوعی مولد (GenAI)، پارادایم های حاکم بر طراحی آموزشی و فرآیندهای یاددهی-یادگیری را دستخوش دگرگونی بنیادین ساخته است. هدف پژوهش حاضر، واکاوی و تحلیل نظام مند کاربرد هوش مصنوعی مولد در شخصی سازی یادگیری دانش آموزان از طریق تبیین جامع فرصت های پداگوژیک و چالش های فراروی آن است. این مطالعه با رویکرد کیفی و به روش توصیفی-اسنادی (مرور نظام مند) بر مبنای پروتکل بین المللی پریسما (PRISMA ۲۰۲۰) به اجرا درآمد. جامعه آماری پژوهش را کلیه اسناد، مقالات پژوهشی داوری شده و گزارش های سیاستی معتبر منتشره در پایگاه های بین المللی (مانند Scopus، Web of Science، ScienceDirect، IEEE Xplore و ERIC) در بازه زمانی سال های ۲۰۲۲ تا ۲۰۲۴ تشکیل دادند. بر اساس معیارهای شمول و خروج و ارزیابی کیفیت، تعداد ۳۴ مطالعه اصیل به صورت هدفمند انتخاب و داده های حاصل با تکنیک تحلیل مضمون سنتز شدند. یافته های پژوهش نشان داد که هوش مصنوعی مولد با ایفای نقش سامانه توصیه گر و معلم خصوصی هوشمند، توانمندی چشمگیری در تمایزبخشی آموزشی (Differentiated Instruction)، ارائه داربست بندی شناختی پویا، تولید فوری تکالیف انطباقی متناسب با سرعت و سبک شناختی هر یادگیرنده، و ارائه بازخوردهای توصیفی بلادرنگ دارد. در مقابل، این فناوری حامل چالش های جدی از جمله «برون سپاری شناختی و تضعیف تفکر انتقادی»، «پدیده توهم آماری و تحریف فکت های علمی»، «تهدید حریم خصوصی داده های رفتاری دانش آموزان»، و تشدید «شکاف دیجیتال نوین» میان مدارس با سطوح زیرساختی متفاوت است. در نهایت می توان نتیجه گرفت شخصی سازی اثربخش مستلزم استقرار یک مدل نظارتی تلفیقی (Human-in-the-loop) و بازطراحی سواد هوش مصنوعی در برنامه های درسی است.

کلیدواژه ها:

هوش مصنوعی مولد ، شخصی سازی یادگیری ، یادگیری انطباقی ، مرور نظام مند ، داربست بندی شناختی ، چالش های اخلاقی تربیتی.