هوش مصنوعی در کلاس درس: فرصت ها و چالش های استفاده از AI در شخصی سازی یادگیری برای دانش آموزان

هوش مصنوعی (AI) به عنوان یکی از نیروهای محرک تحول در آموزش معاصر، توانایی بی سابقه ای برای شخصی سازی یادگیری در مقیاس کلاسی و فراتر از آن فراهم کرده است. این مقاله با رویکردی تحلیلی‑مروری، به بررسی فرصت ها و چالش های استفاده از AI در شخصی سازی یادگیری برای دانش آموزان می پردازد. ابتدا مبانی نظری و آموزشی شخصی سازی مبتنی بر AI با تکیه بر نظریه های یادگیری مانند منطقه رشد تقریبی ویگوتسکی، نظریه بار شناختی و یادگیری تسلط محور واکاوی می شود. سپس کاربردهای عملی AI در کلاس درس شامل سیستم های آموزش هوشمند، بازخورد شخصی سازی شده، محتوای تطبیقی و پیش بینی نتایج یادگیری بررسی می گردد. شواهد حاصل از فراتحلیل ها نشان می دهد که مداخلات تطبیقی و مبتنی بر AI به طور میانگین یادگیری دانش آموزان را حدود ۰٫۱۲۵ انحراف معیار نسبت به آموزش سنتی ارتقا می دهند (Burneo et al., ۲۰۲۶) و بازخورد شخصی سازی شده مبتنی بر AI اثری متوسط بر نتایج یادگیری (g = ۰.۵۸) و اثری قوی بر انگیزش یادگیری (g = ۰.۸۲) دارد (Chen & Wei, ۲۰۲۵). در ادامه، چالش های اخلاقی و عملی شامل حریم خصوصی داده ها، سوگیری الگوریتمی، شکاف دیجیتال و خطر وابستگی بیش از حد دانش آموزان به فناوری تحلیل می شود. سپس نقش در حال تحول معلم در محیط های یادگیری تقویت شده با AI و ضرورت توسعه حرفه ای مستمر بررسی می گردد. پیشینه پژوهش نشان می دهد که با وجود رشد چشمگیر مطالعات در این حوزه، شکاف های پژوهشی مهمی به ویژه در زمینه اثرات بلندمدت، بسترهای کم منابع و چارچوب های اخلاقی بومی باقی مانده است. نتیجه گیری مقاله بر ضرورت رویکردی انسان محور تاکید دارد که AI را به عنوان ابزار مکمل معلم و نه جایگزین آن به کار گیرد.