اثربخشی بازخورد شخصی سازی شده مبتنی بر هوش مصنوعی مولد بر یادگیری قواعد نحوی و کاهش خطاهای نحوی دانش آموزان پایه دهم رشته علوم انسانی
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 9
فایل این مقاله در 29 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:
CFTP12_2553
تاریخ نمایه سازی: 5 آبان 1405
چکیده مقاله:
بازخورد آموزشی یکی از مولفه های مهم فرایند یاددهی یادگیری است و کیفیت، زمان بندی و میزان تناسب آن با وضعیت یادگیرنده می تواند بر یادگیری اثرگذار باشد. ظهور هوش مصنوعی مولد امکان ارائه بازخورد سریع، تعاملی و متناسب با پاسخ هر یادگیرنده را فراهم کرده است؛ با این حال، بخش قابل توجهی از پژوهش های تجربی موجود در زمینه هوش مصنوعی مولد در آموزش زبان در آموزش عالی و عمدتا در یادگیری زبان انگلیسی انجام شده و شواهد مربوط به دوره متوسطه و زبان های غیرانگلیسی همچنان محدود است (Lee et al., ۲۰۲۶; Li et al., ۲۰۲۵). هدف پژوهش حاضر بررسی اثربخشی بازخورد شخصی سازی شده مبتنی بر هوش مصنوعی مولد بر یادگیری قواعد نحوی و کاهش خطاهای نحوی دانش آموزان پایه دهم رشته علوم انسانی است.روشپژوهش حاضر از نظر هدف کاربردی و از نظر روش، شبه آزمایشی با طرح پیش آزمون پس آزمون و گروه آزمایش و کنترل است. جامعه آماری شامل کلیه دانش آموزان پایه دهم رشته علوم انسانی مدارس متوسطه دوم ناحیه ۲ شهر اراک در سال تحصیلی مورد مطالعه خواهد بود. نمونه گیری در سطح کلاس و با استفاده از روش در دسترس/خوشه ای و سپس همتاسازی گروه ها انجام خواهد شد. گروه آزمایش علاوه بر آموزش معمول معلم، در هشت جلسه از بازخورد شخصی سازی شده مبتنی بر هوش مصنوعی مولد و تحت نظارت معلم استفاده خواهد کرد؛ گروه کنترل همان محتوای آموزشی را با بازخورد متعارف معلم دریافت خواهد کرد. محتوای مداخله به چهار محور «اجزای جمله اسمی و فعلی»، «اعراب و نقش های نحوی»، «فعل مجهول و نائب فاعل» و «حروف جر و جار و مجرور» محدود می شود. برای سنجش یادگیری قواعد نحوی، آزمون محقق ساخته ۲۸ سوالی و برای سنجش خطاهای نحوی، تکلیف عملکردی مستقل طراحی خواهد شد. روایی محتوایی ابزارها با نظر متخصصان و پایایی آن ها پس از مطالعه مقدماتی بررسی می شود. داده ها پس از بررسی پیش فرض های آماری با روش های مناسب، از جمله تحلیل کوواریانس، اندازه اثر و فاصله اطمینان تحلیل خواهند شد.یافته هادر زمان تدوین نسخه حاضر، اجرای اصلی پژوهش و گردآوری داده های پس آزمون انجام نشده است؛ بنابراین درج هرگونه میانگین، انحراف معیار، مقدار معناداری یا اندازه اثر در این نسخه فاقد مبنای تجربی خواهد بود. این بخش پس از اجرای واقعی پژوهش و تحلیل داده ها تکمیل می شود.نتیجه گیریانتظار می رود استفاده از بازخورد شخصی سازی شده، مرحله ای و تحت نظارت معلم بتواند از طریق تشخیص خطای فردی، توضیح قاعده، اصلاح هدایت شده و تمرین تثبیتی، شرایط مناسب تری برای یادگیری قواعد نحوی فراهم کند. با این حال، میزان اثربخشی این مداخله باید بر اساس داده های واقعی پژوهش تعیین شود و نمی توان صرف استفاده از هوش مصنوعی را به عنوان عامل قطعی بهبود یادگیری تلقی کرد
کلیدواژه ها:
هوش مصنوعی مولد ، بازخورد شخصی سازی شده ، یادگیری قواعد نحوی ، خطاهای نحوی ، زبان عربی ، دانش آموزان پایه دهم ، آموزش متوسطه.
نویسندگان
اسمعیل کشاورز قاسمی پور
لیسانس زبان و ادبیات عرب دانشگاه قم – دبیر ناحیه ۲ اراک آموزش و پرورش استان مرکزی