سیستم های آموزش هوشمند: کاربرد الگوریتم های یادگیری ماشین در شناسایی نیازهای آموزشی فراگیران

سیستم های آموزش هوشمند به عنوان نسل جدید محیط های یادگیری الکترونیکی، با بهره گیری از الگوریتم های یادگیری ماشین توانسته اند فرایند شناسایی نیازهای آموزشی فراگیران را از حالت ایستا و یکسان محور به سمت شخصی سازی پویا و تطبیقی سوق دهند. این مقاله مروری با هدف بررسی جامع کاربرد الگوریتم های یادگیری ماشین در شناسایی نیازهای آموزشی فراگیران در سیستم های آموزش هوشمند تدوین شده است. در این راستا، مبانی نظری سیستم های آموزش هوشمند، مدل های فراگیر، الگوریتم های یادگیری ماشین مورد استفاده، روش های جمع آوری و تحلیل داده های آموزشی، چالش های اخلاقی و فنی، و نیز روندهای نوظهور همچون یادگیری عمیق و تحلیل یادگیری مورد واکاوی قرار گرفته اند. یافته های مرور نشان می دهد که الگوریتم های طبقه بندی، خوشه بندی، رگرسیون و یادگیری تقویتی به طور گسترده برای تشخیص سبک های یادگیری، پیش بینی عملکرد تحصیلی، شناسایی شکاف های دانشی و ارائه بازخورد هوشمند به کار می روند. همچنین مشخص شد که ترکیب داده های رفتاری، شناختی و عاطفی فراگیران، دقت شناسایی نیازهای آموزشی را به طور چشمگیری افزایش می دهد. با این حال، چالش هایی نظیر حریم خصوصی داده ها، سوگیری الگوریتمی، شفافیت مدل ها و نیاز به اعتبارسنجی آموزشی همچنان پابرجاست. مرور حاضر بر اهمیت طراحی انسان محور، رویکردهای ترکیبی و ارزیابی مستمر اثربخشی آموزشی تاکید می کند و پیشنهادهایی برای پژوهش های آتی ارائه می دهد. در مجموع، بهره گیری مسئولانه و مبتنی بر شواهد از یادگیری ماشین می تواند گامی اساسی در تحقق آموزش شخصی سازی شده و فراگیرمحور باشد.

کلیدواژه ها:

سیستم آموزش هوشمند ، یادگیری ماشین ، شناسایی نیازهای آموزشی ، شخصی سازی یادگیری ، مدل سازی فراگیر