هوش مصنوعی توضیح پذیر در آموزش فیزیک؛ رویکردی نوین برای آشکارسازی و اصلاح خطاهای مفهومی دانش آموزان

هوش مصنوعی توضیح پذیر به عنوان یکی از رویکردهای نوظهور در هوش مصنوعی آموزشی، ظرفیت قابل توجهی برای شناسایی، تبیین و اصلاح خطاهای مفهومی دانش آموزان در یادگیری فیزیک دارد. خطاهای مفهومی از موانع پایدار یادگیری معنادار فیزیک محسوب می شوند و در بسیاری از موارد، از تجربه های روزمره، برداشت های شهودی، زبان و نحوه تفسیر پدیده های فیزیکی شکل می گیرند و در صورت شناسایی نشدن، در مراحل بعدی یادگیری نیز استمرار می یابند. پژوهش حاضر با هدف بررسی نقش هوش مصنوعی توضیح پذیر در آشکارسازی و اصلاح این خطاها و ارائه رویکردی نوین برای پشتیبانی از فرایند یادگیری فیزیک انجام شده است. روش پژوهش، توصیفی تحلیلی و مبتنی بر بررسی و تحلیل مطالعات و پژوهش های علمی مرتبط با هوش مصنوعی توضیح پذیر، یادگیری فیزیک، تشخیص خطاهای مفهومی و تغییر مفهومی است. در این رویکرد، هوش مصنوعی صرفا به عنوان ابزاری برای ارائه پاسخ در نظر گرفته نمی شود، بلکه با تحلیل پاسخ های دانش آموزان، شناسایی الگوهای خطا، ارائه دلایل قابل فهم برای تشخیص و پیشنهاد بازخورد متناسب، به فرایند بازسازی مفهومی کمک می کند. شواهد پژوهشی نشان می دهد که ابزارهای هوش مصنوعی می توانند در تشخیص خطاهای مفهومی و ارائه بازخورد تعاملی نقش موثری داشته باشند؛ بااین حال، دقت علمی، شفافیت عملکرد، سوگیری الگوریتمی و ضرورت نظارت معلم از ملاحظات اساسی کاربرد آن ها هستند. بر اساس یافته های پژوهش، استفاده هدفمند از هوش مصنوعی توضیح پذیر می تواند زمینه را برای تشخیص زودهنگام خطاهای مفهومی، شخصی سازی بازخورد، تقویت تفکر علمی و تسهیل تغییر مفهومی فراهم سازد. بنابراین، اثربخشی این فناوری بیش از آنکه به خودکارسازی آموزش وابسته باشد، به طراحی آموزشی مناسب و تعامل هدفمند میان دانش آموز، معلم و سامانه هوشمند وابسته است.

کلیدواژه ها:

هوش مصنوعی توضیح پذیر ، آموزش فیزیک ، خطاهای مفهومی ، تغییر مفهومی