مرور سیستماتیک بر سیستم های یادگیری سازگار شونده مبتنی بر هوش مصنوعی مولد در آموزش عالی: چالش ها، معماری ها و چشم انداز آینده

ظهور فناوری های هوشمند و مدل های مولد، بسترهای آموزش عالی را دستخوش تحولی بنیادی کرده و مسیرهای جدیدی را برای شخصی سازی فرایند یادگیری گشوده است. مسئله اصلی در نظام های آموزشی سنتی، یکسان نگری در ارائه محتوا و عدم توجه به تفاوت های فردی دانشجویان است که به کاهش انگیزش و افت کیفیت آموزشی می انجامد. هدف پژوهش حاضر، انجام یک مرور سیستماتیک بر سیستم های یادگیری سازگار شونده مبتنی بر هوش مصنوعی مولد به منظور تحلیل معماری های فنی، فرصت های پداگوژیک، چالش های اخلاقی و چشم اندازهای آینده این فناوری در دانشگاه ها است. روش پژوهش در این مقاله از نوع توصیفی تحلیلی بوده و با بررسی جامعی از منابع معتبر علمی، الگوریتم های شخصی سازی، موتورهای تولید محتوا و بسترهای تعاملی را مورد کالبدشکافی قرار داده است. یافته های پژوهش نشان می دهد که تلفیق هوش مصنوعی مولد با موتورهای یادگیری سازگار شونده می تواند از طریق ارائه بازخوردهای بلافاصله، ارزیابی های تکوینی و تولید پویای مسیرهای آموزشی، بازدهی شناختی یادگیرندگان را به طور چشمگیری ارتقا دهد. با این حال، چالش هایی نظیر بروز خطاهای محتوایی، سوگیری های الگوریتمی، مخاطرات حریم خصوصی و مقاومت های فرهنگی، مانع از پذیرش کامل این سیستم ها شده اند. درنهایت، نتایج این مطالعه تاکید می کند که تحقق موفقیت آمیز این فناوری نیازمند تدوین چارچوب های سخت گیرانه حکمرانی داده، هم طراحی زیرساخت های نرم افزاری و سخت افزاری و حفظ نقش کلیدی مدرس در کنار عامل های هوشمند است.

کلیدواژه ها:

هوش مصنوعی مولد ، یادگیری سازگار شونده ، آموزش عالی ، شخصی سازی پداگوژیک ، حکمرانی اخلاقی داده