ارائه چارچوب مفهومی مدیریت یادگیری سیار مبتنی بر هوش مصنوعی برای خودبه سازی شایستگی تدریس اعضای هیات علمی
محل انتشار: فصلنامه فناوری آموزش، دوره: 20، شماره: 2
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 58
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEIT-20-2_001
تاریخ نمایه سازی: 21 مهر 1405
چکیده مقاله:
پیشینه و اهداف: در سالیان اخیر، تحولات شگرف در فناوری های دیجیتال و هوش مصنوعی، ساختار آموزش عالی را به صورت بنیادین متحول ساخته است. این دگرگونی، همراه با پیچیدگی های فزاینده در محیط های آموزشی، چالش های جدیدی را در زمینه توسعه حرفه ای اعضای هیات علمی پدید آورده است. مطالعات نشان می دهد که برنامه های توسعه حرفه ای سنتی علی رغم سرمایه گذاری قابل توجه، با محدودیت هایی چون عدم انعطاف پذیری زمانی و مکانی، فقدان شخصی سازی، محدودیت در بازخورد مستمر و عدم انطباق با نیازهای متغیر آموزشی مواجه بوده اند. یادگیری سیار و هوش مصنوعی، با قابلیت های تحلیل الگوهای یادگیری، شخصی سازی محتوا و ارائه بازخورد هوشمند، می توانند این چالش ها را مرتفع سازند. پژوهش حاضر با هدف طراحی چارچوب مفهومی یادگیری سیار مبتنی بر هوش مصنوعی برای خودبهسازی شایستگی های تدریس انجام شده است.روش ها : این پژوهش کاربردی، با ماهیت بین رشته ای، از رویکرد پژوهش مبتنی بر طراحی استفاده کرد که در چهار چرخه تکراری اجرا شد: (۱) تحلیل و شناسایی مسئله از طریق مرور نظام مند ادبیات علمی براساس راهنمای پریزما (PRISMA) در سه حوزه یادگیری سیار، هوش مصنوعی، و توسعه حرفه ای با تمرکز بر شایستگی تدریس که منجر به انتخاب ۳۷ مقاله از پایگاه های اطلاعاتی Scopus، Web of Science، ERIC وPubMed شد؛ (۲) طراحی و توسعه اولیه چارچوب مفهومی از طریق ترکیب یافته های نظری و تجربی با استفاده از تحلیل مضمون؛ (۳) اعتبارسنجی با مشارکت ۱۵ متخصص در حوزههای فناوری آموزشی، هوش مصنوعی و آموزش عالی؛ و (۴) بازطراحی و نهایی سازی چارچوب. اعتبار و قابلیت اعتماد پژوهش از طریق طراحی مبتنی بر مبانی نظری مستحکم، مثلث سازی داده ها، اعتبارسنجی متخصصان، و شفافیت در فرایند پژوهش تامین شد.یافته ها: چارچوب پیشنهادی از چهار بعد کلیدی و ۲۰ مولفه فرعی تشکیل شده است که عبارتند از: بعد ورودی (شناسایی نیازها و ویژگی های فردی را برای تدوین مسیرهای توسعه شخصی سازی شده)؛ بعد پردازش (تحلیل دادهها با استفاده از الگوریتم های هوش مصنوعی)؛ بعد خروجی ( ارائه خدمات و محتوای قابل اجرا)؛ و بعد پشتیبانی (فراهمسازی زیرساخت ها و خدمات مورد نیاز). فرایند خودبهسازی در این چارچوب به صورت چرخه ای و مستمر طراحی شده و شامل پنج مرحله متمایز است: ارزیابی اولیه، برنامه ریزی مسیر توسعه، اجرا و یادگیری، ارزیابی مستمر، و بازاندیشی و اصلاح. نتایج اعتبارسنجی توسط ۱۵ متخصص نشان داد که چارچوب در تمامی شاخص های ارزیابی شامل جامعیت، کاربردپذیری، نوآوری و انسجام منطقی به طور معناداری تایید شده است (۰۰۱/۰p<).نتیجه گیری: چارچوب مفهومی ارائه شده، رویکردی جامع، نوآورانه و یکپارچه برای طراحی سیستم های یادگیری سیار هوشمند جهت خودبهسازی شایستگی های تدریس اعضای هیات علمی ارائه می دهد. این چارچوب با تلفیق ابعاد چهارگانه در قالب یک فرآیند چرخه ای پنج مرحله ای، تمامی مولفه های ضروری برای یک سیستم یادگیری هوشمند، انعطاف پذیر، و موثر را دربرمی گیرد. نقاط قوت کلیدی شامل شخصی سازی مسیرهای یادگیری، تحلیل هوشمند نیازها و دسترسی انعطاف پذیر به منابع آموزشی است. این چارچوب مبنایی عملی برای طراحی و پیاده سازی نظام مدیریت یادگیری سیار هوشمند در آموزش عالی ارائه می دهد. محدودیت های پژوهش شامل اعتباربخشی محدود به ۱۵ متخصص و عدم اجرای آزمایشی برای تایید اثربخشی عملی است. برای مطالعات آتی، پیشنهاد می شود طرح های پایلوت در موسسات آموزش عالی اجرا شوند و الگوریتم های هوشمندی برای تحلیل پویای نیازها و ارائهی مسیرهای یادگیری انعطاف پذیر طراحی شود.
کلیدواژه ها:
نویسندگان
سجاد رضائیان
گروه مدیریت و برنامه ریزی آموزشی، دانشکده علوم تربیتی و روانشناسی، دانشگاه شیراز، شیراز، ایران
قاسم سلیمی
گروه مدیریت و برنامه ریزی آموزشی، دانشکده علوم تربیتی و روانشناسی، دانشگاه شیراز، شیراز، ایران
مهدی محمدی
گروه مدیریت و برنامه ریزی آموزشی، دانشکده علوم تربیتی و روانشناسی، دانشگاه شیراز، شیراز، ایران
الهام حیدری
گروه مدیریت و برنامه ریزی آموزشی، دانشکده علوم تربیتی و روانشناسی، دانشگاه شیراز، شیراز، ایران
علیرضا نیک سرشت
گروه علم اطلاعات و دانش شناسی ، دانشکده علوم تربیتی و روانشناسی، دانشگاه شیراز، شیراز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :