بازطراحی ارزشیابی تراکمی در کلاسهای مجهز به هوش مصنوعی؛ از نمرهی محوری تا پایش تدریجی پیشرفت یادگیری

نظام های سنتی ارزشیابی تراکمی همواره بر نقطه ی پایانی فرایند یادگیری، یعنی سنجش انباشت معلومات در قالب یک نمره ی کمی و تک بعدی، تکیه داشته اند. این رویکرد، اگرچه برای صدور کارنامه و رتبه بندی ظاهری کارآمد به نظر می رسد، اما از رصد مسیر دشوار یادگیری دانش آموز، شناسایی لحظه ای کج فهمی ها و فراهم کردن بازخورد اصلاحی ناتوان است. ظهور فناوری های هوش مصنوعی در محیط های آموزشی، فرصت کم نظیری برای دگرگونی این ساختار فرسوده فراهم کرده است. این مقاله با رویکردی تحلیلی و توصیفی، به بازطراحی ارزشیابی تراکمی در کلاس های مجهز به هوش مصنوعی می پردازد تا نشان دهد چگونه می توان نقطه ی پایان سال یا ترم تحصیلی را به حلقه ای پیوسته از پایش تدریجی پیشرفت تبدیل کرد. یافته ها و تحلیل های این پژوهش نشان می دهند که با تلفیق پایش مستمر الگوریتمی و تحلیل داده های عملکردی یادگیرنده، ارزشیابی تراکمی از ابزاری تنبیهی و انتزاعی به نقشه راهی پویا برای هدایت یادگیری عمیق مبدل می شود

کلیدواژه ها:

ارزشیابی تراکمی ، هوش مصنوعی ، پایش تدریجی ، یادگیری شخصی سازی شده ، ارزشیابی تکوینی ، سنجش عملکردی ، آموزش هوشمند.