بررسی و شخصی سازی شده در عصر داده محور

تحول دیجیتال در آموزش طی دهه اخیر با ظهور هوش مصنوعی (AI) وارد مرحله ای نوین شده است که در آن نظام های آموزشی از مدل های انتقال محور به اکوسیستم های یادگیری داده محور و تطبیقی تغییر یافته اند. پژوهش حاضر با رویکرد مروری تحلیلی پیشرفته و مدلسازی، مفهومی به تبیین سازوکارهای هوشمندسازی آموزش و شخصی سازی یادگیری مبتنی بر هوش مصنوعی می پردازد. با تحلیل ۲۴ منبع علمی داخلی و بین المللی چهار سازوکار کلیدی شامل تحلیل یادگیری، سیستم های توصیه گر، یادگیری تطبیقی و سامانه های پشتیبان تصمیم گیری آموزشی استخراج شد. نتایج نشان می دهد که ادغام مدل های یادگیری ماشین و تحلیل داده های کلان آموزشی موجب افزایش تعامل شناختی، بهبود عملکرد تحصیلی، کاهش افت آموزشی و ارتقای عدالت آموزشی می شود [۱۸، ۳،۷،۹،۱۲]. همچنین توسعه هوش مصنوعی احساسی و محیط های یادگیری غوطه ور مانند متاورس (آموزشی) افق های جدیدی برای تعامل عاطفی و شناختی فراهم کرده است [۱۴،۱۶]. با وجود این چالش هایی نظیر سوگیری الگوریتمی، حکمرانی، داده، شکاف دیجیتال و آمادگی نهادی همچنان موانع کلیدی محسوب می شوند [۲۰، ۱۱، ۱۰، ۵]. مقاله حاضر چارچوبی یکپارچه برای استقرار مسئولانه هوش مصنوعی در نظام های آموزشی ارائه می دهد و پیامدهای سیاستی و پژوهشی آن را تبیین می کند.

کلیدواژه ها:

هوش مصنوعی ، آموزش هوشمند ، یادگیری تطبیقی ، تحلیل یادگیری ، شخصی سازی آموزشی ، حکمرانی داده