یک سیستم یادگیری تطبیقی ریاضی برای مدل سازی فرآیندهای شیمی فیزیکی، با استفاده از هوش مصنوعی

این پژوهش به طراحی و توسعه یک سامانه هوشمند یادگیری تطبیقی می پردازد که با بهره گیری از هوش مصنوعی، آموزش مفاهیم پیشرفته ریاضی و کاربردهای عملی آن در مدل سازی و پیش بینی واکنش های شیمیایی را یکپارچه ساخته است. سامانه پیشنهادی با ترکیب مدل های زبانی بزرگ، الگوریتم های پیشرفته ردیابی دانش و شبکه های عصبی گرافی، سطح دانش ریاضی هر دانشجو را به صورت پویا تحلیل کرده و بر اساس آن، محتوای آموزشی شخصی سازی شده ای—شامل مفاهیمی مانند معادلات دیفرانسیل، سینتیک شیمیایی و محاسبات آماری—ارائه می دهد. نوآوری اصلی این سامانه، ایجاد یک حلقه بازخورد هوشمند است که به طور خودکار خطاهای دانشجو در پیش بینی واکنش های شیمیایی را تشخیص داده و بلافاصله به بازآموزی مفهوم ریاضی مرتبط اقدام می کند. این مفاهیم سپس در مسائل واقعی شیمی، از جمله پیش بینی سرعت واکنش، تحلیل تعادل شیمیایی و بهینه سازی فرآیندهای کاتالیستی به کار گرفته می شوند. ارزیابی سامانه از طریق یک آزمایش کنترل شده روی دانشجویان شیمی نشان داد که گروه استفاده کننده، پیشرفت آماری معناداری (۱/۰ > p) در هر دو حوزه مدل سازی شیمیایی و درک مفاهیم ریاضی داشته اند. این نتایج نشان می دهد که رویکرد پیشنهادی می تواند شکاف میان آموزش نظری ریاضیات و کاربردهای عملی در شیمی را به طور موثری پر کرده و چارچوبی نوین برای آموزش علوم پایه فراهم آورد

کلیدواژه ها:

یادگیری تطبیقی ریاضی ، مدل سازی شیمیایی پیش بین ، هوش مصنوعی در آموزش ، شبکه عصبی گرافی ، حلقه بازخورد هوشمند.