نقش هوش مصنوعی در شناسایی زودهنگام مشکلات یادگیری دانش آموزان ابتدایی و طراحی مداخلات آموزشی

تحولات فناورانه اخیر، ظرفیت های بی سابقه ای برای ارتقای عدالت و کیفیت آموزشی در دوره ابتدایی فراهم آورده است. در این میان، تاخیر در شناسایی اختلالات یادگیری مانند نارساخوانی، نارسانویسی و اختلال در محاسبه، یکی از مهم ترین عوامل افت تحصیلی پنهان، کاهش عزت نفس و ترک تحصیل زودهنگام محسوب می شود. روش های سنتی غربالگری که مبتنی بر مشاهده معلم و آزمون های مداد-کاغذی هستند، غالبا دیرهنگام، ذهنی و پرهزینه اند. هوش مصنوعی با توانایی تحلیل الگوهای پیچیده در داده های چندوجهی شامل عملکرد تحصیلی، دست خط، گفتار، حرکات چشم و رفتارهای شناختی، امکان شناسایی زودهنگام، عینی و دقیق را فراهم ساخته است. این مقاله مروری با هدف تبیین نقش هوش مصنوعی در شناسایی زودهنگام مشکلات یادگیری و طراحی مداخلات شخصی سازی شده انجام شد. با جستجوی نظام مند در پایگاه های داخلی بین سال های ۱۴۰۰ تا ۱۴۰۴ و خارجی بین ۲۰۲۰ تا ۲۰۲۵، ۴۲ مطالعه داخلی و ۶۸ مطالعه خارجی با کیفیت بالا انتخاب و تحلیل مضمونی شد. یافته ها در دو محور اصلی دسته بندی شد: نخست، الگوریتم های یادگیری ماشین و یادگیری عمیق با دقت ۷۹ تا ۹۸ درصد قادر به پیش بینی اختلالاتی مانند نارساخوانی و اختلال توجه هستند و ابزارهای مبتنی بر پردازش زبان طبیعی و بینایی ماشین می توانند خطاهای دست خط و گفتار را تحلیل کنند. دوم، سامانه های تدریس هوشمند، بازی های جدی تطبیقی و ابزارهای تبدیل متن به گفتار، مداخلاتی شخصی سازی شده ارائه می دهند که بر اساس مرور نظام مند پاگلیالونگا و ملوگنو (۲۰۲۵) اندازه اثر بزرگی در بهبود روانی خواندن و درک مطلب داشته اند. در نهایت، چالش های فنی، اخلاقی و اجرایی و یک مدل مفهومی سه لایه برای پیاده سازی در مدارس ابتدایی ایران ارائه شده است.

کلیدواژه ها:

هوش مصنوعی ، اختلالات یادگیری ، مداخلات آموزشی ، دوره ابتدایی ، یادگیری شخصی سازی شده ، نارساخوانی