| طراحی سیستمهای یادگیری تطبیقی مبتنی بر هوش مصنوعی برای مدیریت همزمان سطوح مختلف شناختی در کلاسهای چندپایه مناطق روستایی |
| کد مقاله : 1301-MGE7 |
| نویسندگان |
|
فاطمه امیرآبادی زاده *1، نسترن غلامی2، یکتا حسن زاده2 1دانشجو معلم 2دانشجومعلم |
| چکیده مقاله |
| هدف پژوهش حاضر طراحی و ارائه چارچوبی برای سیستمهای یادگیری تطبیقی مبتنی بر هوش مصنوعی بود که بتواند همزمان سطوح مختلف شناختی دانشآموزان را در کلاسهای چندپایه مناطق روستایی مدیریت کند. این پژوهش با رویکرد کیفی و استفاده از روش تحلیل محتوای کیفی انجام شد. جامعه آماری شامل کلیه منابع علمی معتبر مرتبط با یادگیری تطبیقی، کاربرد هوش مصنوعی در آموزش و مدیریت کلاسهای چندپایه در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ بود. با استفاده از روش نمونهگیری هدفمند، ۴۵ منبع انتخاب و دادهها با کمک چکلیست تحلیل محتوا گردآوری شدند. سپس دادهها با روش تحلیل مضمون مورد بررسی قرار گرفتند. یافتهها نشان داد که سیستمهای یادگیری تطبیقی مبتنی بر هوش مصنوعی میتوانند با ارائه مسیرهای یادگیری شخصیسازیشده، ارزیابیهای پویا و بازخورد هوشمند، بسیاری از چالشهای آموزشی کلاسهای چندپایه را کاهش دهند. چارچوب پیشنهادی شامل پنج مؤلفه اصلی است: تشخیص سطح شناختی دانشآموزان، تولید محتوای تطبیقی متناسب با نیازها، مدیریت زمان آموزشی، ارزیابی مستمر عملکرد دانشآموزان و پشتیبانی از معلم در فرآیند یاددهی-یادگیری. نتیجهگیری پژوهش حاکی از آن است که بهرهگیری از هوش مصنوعی در کلاسهای چندپایه روستایی میتواند فرصتهای برابر آموزشی را فراهم کرده و کیفیت یادگیری دانشآموزان را بهبود بخشد. این چارچوب میتواند مبنای توسعه و طراحی سیستمهای هوشمند آموزشی در محیطهایی با منابع محدود باشد و نقش مؤثری در ارتقای اثربخشی فرآیندهای آموزشی ایفا کند. |
| کلیدواژه ها |
| یادگیری تطبیقی، هوش مصنوعی، کلاسهای چندپایه، سطوح شناختی، مناطق روستایی |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
