از تطبیق محتوا تا تطبیق راهبرد یادگیری تحول مفهومی یادگیری شخصی سازی شده در عصر هوش مصنوعی

یادگیری شخصی سازی شده در چهار دهه گذشته عمدتا به مثابه تطبیق محتوا عملیاتی شده است؛ یعنی تنظیم خودکار چیستی ترتیب دشواری و قالب مطالب بر پایه الگوی پاسخ های یادگیرنده. با فراگیر شدن مدل های زبانی بزرگ تولید و بازآرایی محتوا عملا به منبعی کم هزینه و فراوان بدل شده و در نتیجه گلوگاه شخصی سازی از «محتوا» به «راهبرد یادگیری» جابه جا شده است. مقاله حاضر با روش مرور نظام مند ترکیبی و تحلیل مفهومی شواهد ۲۰۱۵ تا ۲۰۲۶ را بازخوانی می کند و نشان می دهد پارادایم تطبیق محتوا با یک ناهنجاری تجربی روبه روست. سامانه های هوشمند عملکرد حین حمایت را به شدت بالا می برند اما شایستگی مستقل را به همان اندازه ارتقا نمی دهند. فراتحلیل های اخیر اثر هوش مصنوعی بر رفتارهای مشاهده پذیر را بیش از دو برابر اثر آن بر ادراک شایستگی گزارش کرده اند و یک کارآزمایی میدانی با نزدیک به هزار دانش آموز نشان داده است دسترسی بدون مهار به دستیار مولد عملکرد تمرین را ۴۸ درصد بهبود می بخشد ولی عملکرد آزمون مستقل را ۱۷ درصد کاهش می دهد؛ در حالی که همان مدل با داربست آموزشی این زیان را خنثی می کند. بر این پایه مقاله شاخص «شکاف عملکرد شایستگی» را صورت بندی می کند و چارچوب چهارلایه تطبیق راهبرد یادگیری را پیشنهاد می دهد که واحد تطبیق را از ماده درسی به راهبرد شناختی و فراشناختی یادگیرنده منتقل می سازد و سطح خودکارسازی را به تدریج به یادگیرنده می سپارد. یافته ها نشان می دهد طراحی مهارها و داربست ها نه توانمندی خام، مدل تعیین کننده اصلی اثر آموزشی است و ارزیابی سامانه ها باید بر عملکرد تاخیری و بدون کمک استوار شود.

کلیدواژه ها:

یادگیری شخصی سازی شده ، هوش مصنوعی مولد ، یادگیری خودتنظیم ، داربست فراشناختی ، هوش هیبرید انسان ماشین