بررسی کاربردهای هوش مصنوعی در شخصی‌سازی یادگیری در کلاس‌های چندپایه
کد مقاله : 1103-MGE7
نویسندگان
سارا مرادی *1، مجید کوثری2
1دانشجو،برنامه ریزی درسی،دانشگاه فرهنگیان،تهران،ایران
2مجید کوثری استاد یار گروه آموزش علوم تربیتی دانشگاه فرهنگیان تهران ایران
چکیده مقاله
پیشرفت‌های اخیر در حوزه هوش مصنوعی، فرصت‌های جدیدی برای شخصی سازی یادگیری فراهم ساخته است؛ رویکردی که به‌ویژه در کلاس‌های چند پایه با وجود تفاوتهای سنی، شناختی و تحصیلی دانش‌آموزان اهمیت ویژه‌ای دارد. هدف این پژوهش، بررسی نقش هوش مصنوعی در شخصی سازی یادگیری و تبیین ظرفیت‌ها، چالش‌ها و پیامدهای کاربرد آن در کلاس‌های چند پایه است. این پژوهش با روش مروری انجام شده و مبتنی بر بررسی منابع داخلی و بین المللی مرتبط با هوش مصنوعی، یادگیری تطبیقی، کلاس‌های چند پایه و فناوری‌های آموزشی است. اطلاعات با جست‌وجو در پایگاه‌های علمی معتبر گردآوری و سپس بر اساس محورهای کاربرد، مزایا و محدودیت‌ها تحلیل شد. مرور پژوهش‌ها نشان داد ابزارهای مبتنی بر هوش مصنوعی، از جمله سامانه‌های یادگیری تطبیقی، بازخورد آنی، تحلیل‌گرهای داده، دستیارهای آموزشی هوشمند و محتوای تعاملی، می‌توانند فرایند یادگیری را متناسب با نیازهای فردی تنظیم کنند و در کلاس‌های چندپایه موجب افزایش انگیزه، بهبود عملکرد تحصیلی، تقویت یادگیری خود تنظیمی و کاهش بار کاری معلمان شوند. با این حال، محدودیت‌هایی همچون شکاف دیجیتال در مدارس روستایی، ضعف زیرساخت‌ها، کمبود سواد فناوری در میان معلمان و چالش‌های اخلاقی مرتبط با داده‌های دانش‌آموزان، مانع بهره‌گیری کامل از ظرفیت هوش مصنوعی است. نتایج حاکی از آن بود که هوش مصنوعی می‌تواند با ایجاد مسیرهای یادگیری شخصی‌سازی‌شده، راهکاری مؤثر برای ارتقای عدالت آموزشی و بهبود کیفیت یاددهی–یادگیری در کلاس‌های چند پایه باشد؛ مشروط بر آنکه توسعه زیرساخت‌ها، توانمندسازی معلمان و تدوین چارچوب‌های اخلاقی متناسب، همزمان مورد توجه قرار گیرد.
کلیدواژه ها
واژگان کلیدی: هوش مصنوعی، شخصی سازی یادگیری، کلاس‌های چند پایه، یادگیری تطبیقی، ، بازخورد آنی
وضعیت: پذیرفته شده برای ارائه شفاهی