هوش مصنوعی
فرزانه هاشمی؛ حسن شرعیات؛ زینب ابوطالبی
چکیده
پیشینه و اهداف: یکی از مسائل مهم آموزش ابتدایی، کاهش انگیزه پیشرفت تحصیلی در میان دانش‌آموزان و اثربخشی محدود فعالیت‌های آموزشی معلمان در کلاس است. این شرایط میتواند به افت تحصیلی، کاهش مشارکت و ضعف در مهارت‌های یادگیری منجر شود. در دوران حاضر، فناوری و هوش مصنوعی نقش حیاتی در تغییر و تحول نظام‌های آموزشی ایفا می‌کنند. این مقاله ...
بیشتر
پیشینه و اهداف: یکی از مسائل مهم آموزش ابتدایی، کاهش انگیزه پیشرفت تحصیلی در میان دانش‌آموزان و اثربخشی محدود فعالیت‌های آموزشی معلمان در کلاس است. این شرایط میتواند به افت تحصیلی، کاهش مشارکت و ضعف در مهارت‌های یادگیری منجر شود. در دوران حاضر، فناوری و هوش مصنوعی نقش حیاتی در تغییر و تحول نظام‌های آموزشی ایفا می‌کنند. این مقاله به بررسی تأثیرات فناوری‌های نوین، به ویژه هوش مصنوعی، بر فرآیندهای تدریس و یادگیری در مدارس پرداخته است. استفاده از ابزارهای هوش مصنوعی میتواند به معلمان و دانش‌آموزان کمک کند تا از طریق شخصی‌سازی یادگیری، تعاملات پویا، و ارائه بازخوردهای فوری، فرآیند یادگیری را بهبود بخشند. این پژوهش با هدف بررسی تاثیر طراحی مبتنی بر هوش مصنوعی بر اثربخشی معلم و انگیزه پیشرفت تحصیلی دانش آموزان پایه ششم ابتدایی در سال تحصیلی ۱۴۰4-۱۴۰3 انجام شده است. این مقاله به بررسی تأثیرات فناوری‌های نوین، به ویژه هوش مصنوعی، بر فرآیندهای تدریس و یادگیری در مدارس پرداخته است. استفاده از ابزارهای هوش مصنوعی میتواند به معلمان و دانش‌آموزان کمک کند تا از طریق شخصی‌سازی یادگیری، تعاملات پویا، و ارائه بازخوردهای فوری، فرآیند یادگیری را بهبود بخشند. این پژوهش با هدف بررسی تاثیر طراحی مبتنی بر هوش مصنوعی بر اثربخشی معلم و انگیزه پیشرفت تحصیلی دانش آموزان پایه ششم ابتدایی در سال تحصیلی ۱۴۰4-۱۴۰3 انجام شده است.
روش‌ها: پژوهش حاضر در دو بخش کیفی و کمی اجرا شد. روش پژوهش، نیمه آزمایشی با طرح پیش آزمون- پس آزمون با گروه‌های کنترل( استفاده از روش‌های عادی) گروه‌های شاهد (طراحی آموزشی مبتنی بر هوش مصنوعی) می باشد. جامعه آماری پژوهش ، شامل کلیه دانش آموزان دختر پایه ششم دوره ابتدایی استان قم شامل2325 در سال تحصیلی 1404- ۱۴۰3 می‌باشد که با کمک نرم‌افزار محاسبه حجم نمونه Gpoer تعداد ۷۲ نفر از دانش آموزان به روش نمونه گیری غیر تصادفی هدفمند انتخاب و سپس به صورت تصادفی در دو گروه کنترل( ۳۶ نفر) و آزمایش( ۳۶ نفر) دسته‌بندی شدند. ابزار پژوهش شامل برنامه های مبتنی بر هوش مصنوعی در حیطه ی طراحی آموزشی و همچنین پرسشنامه های استاندارد انگیزه پیشرفت تحصیلی هرمنس (۱۹۹۷) و اثربخشی معلمان چو و پرلی(2007) بود. تحلیل داده ها با بهره وری از آزمون آماری تحلیل واریانس انجام گرفت.
یافته‌ها: به منظور تجزیه و تحلیل دادهها از روش‌های آماری توصیفی و در روش‌های آمار استنباطی از آزمون‌های آماری تحلیل کواریانس یک متغیره و تحلیل کواریانس چند متغیره با رعایت مفروضات آن، نرمال بودن ، همگنی واریانس ها، همگنی کوواریانس در سطح معنی داری a=0/05 استفاده شد. نتایج نشان داد که طراحی آموزشی مبتنی بر هوش مصنوعی باعث ارتقای اثربخشی معلمان و افزایش انگیزه پیشرفت تحصیلی دانش‌آموزان گردید. تحلیل دادهها حاکی از تفاوت‌های معنادار در نمرات اثربخشی معلمان و انگیزه پیشرفت تحصیلی میان گروه آزمایش و گروه کنترل بود (P<0.005).
نتیجه‌گیری ویژگی‌های هوش مصنوعی از جمله شخصی‌سازی یادگیری، تعامل بیشتر، ارزیابی دقیق و بازخورد فوری، توجه به نیازهای فردی باعث تقویت انگیزه، بهبود فرایند یادگیری و اثربخشی معلمان شد.این تحقیق با پژوهش‌های پیشین در این حوزه هم‌راستا است.در نهایت، ضرورت توجه به ملاحظات اخلاقی و چالش‌های مرتبط با پذیرش هوش مصنوعی در آموزش مورد تأکید قرار گرفت. پژوهش‌های آینده می‌توانند به بررسی کاربردهای بیشتر هوش مصنوعی در سایر مقاطع تحصیلی و دروس مختلف بپردازند.
یادگیری سیار
سجاد رضائیان؛ قاسم سلیمی؛ مهدی محمدی؛ الهام حیدری؛ علیرضا نیک سرشت
چکیده
پیشینه و اهداف: در سالیان اخیر، تحولات شگرف در فناوری‌های دیجیتال و هوش مصنوعی، ساختار آموزش عالی را به‌صورت بنیادین متحول ساخته است. این دگرگونی، همراه با پیچیدگی‌های فزاینده در محیط‌های آموزشی، چالش‌های جدیدی را در زمینه توسعه حرفه‌ای اعضای هیأت علمی پدید آورده است. مطالعات نشان می‌دهد که برنامه‌های توسعه حرفه‌ای ...
بیشتر
پیشینه و اهداف: در سالیان اخیر، تحولات شگرف در فناوری‌های دیجیتال و هوش مصنوعی، ساختار آموزش عالی را به‌صورت بنیادین متحول ساخته است. این دگرگونی، همراه با پیچیدگی‌های فزاینده در محیط‌های آموزشی، چالش‌های جدیدی را در زمینه توسعه حرفه‌ای اعضای هیأت علمی پدید آورده است. مطالعات نشان می‌دهد که برنامه‌های توسعه حرفه‌ای سنتی علی‌رغم سرمایه‌گذاری قابل توجه، با محدودیت‌هایی چون عدم انعطاف‌پذیری زمانی و مکانی، فقدان شخصی‌سازی، محدودیت در بازخورد مستمر و عدم انطباق با نیازهای متغیر آموزشی مواجه بوده‌اند. یادگیری سیار و هوش مصنوعی، با قابلیت‌های تحلیل الگوهای یادگیری، شخصی‌سازی محتوا و ارائه بازخورد هوشمند، می‌توانند این چالش‌ها را مرتفع سازند. پژوهش حاضر با هدف طراحی چارچوب مفهومی یادگیری سیار مبتنی بر هوش مصنوعی برای خودبهسازی شایستگی‌های تدریس انجام شده است.روش‌ها: این پژوهش کاربردی، با ماهیت بین‌رشته‌ای، از رویکرد پژوهش مبتنی بر طراحی استفاده کرد که در چهار چرخه تکراری اجرا شد: (1) تحلیل و شناسایی مسئله از طریق مرور نظام‌مند ادبیات علمی براساس راهنمای پریزما (PRISMA) در سه حوزه یادگیری سیار، هوش مصنوعی، و توسعه حرفه‌ای با تمرکز بر شایستگی تدریس که منجر به انتخاب 37 مقاله از پایگاه‌های اطلاعاتی Scopus، Web of Science، ERIC وPubMed شد؛ (2) طراحی و توسعه اولیه چارچوب مفهومی از طریق ترکیب یافته‌های نظری و تجربی با استفاده از تحلیل مضمون؛ (3) اعتبارسنجی با مشارکت 15 متخصص در حوزههای فناوری آموزشی، هوش مصنوعی و آموزش عالی؛ و (4) بازطراحی و نهایی‌سازی چارچوب. اعتبار و قابلیت اعتماد پژوهش از طریق طراحی مبتنی بر مبانی نظری مستحکم، مثلث‌سازی دادهها، اعتبارسنجی متخصصان، و شفافیت در فرایند پژوهش تأمین شد.یافته‌ها: چارچوب پیشنهادی از چهار بُعد کلیدی و 20 مؤلفه فرعی تشکیل شده است که عبارتند از: بُعد ورودی (شناسایی نیازها و ویژگی‌های فردی را برای تدوین مسیرهای توسعه شخصی‌سازی‌شده)؛ بُعد پردازش (تحلیل دادهها با استفاده از الگوریتم‌های هوش مصنوعی)؛ بُعد خروجی ( ارائه خدمات و محتوای قابل‌اجرا)؛ و بُعد پشتیبانی (فراهمسازی زیرساخت‌ها و خدمات مورد نیاز). فرایند خودبهسازی در این چارچوب به‌صورت چرخه‌ای و مستمر طراحی شده و شامل پنج مرحله متمایز است: ارزیابی اولیه، برنامه‌ریزی مسیر توسعه، اجرا و یادگیری، ارزیابی مستمر، و بازاندیشی و اصلاح. نتایج اعتبارسنجی توسط 15 متخصص نشان داد که چارچوب در تمامی شاخص‌های ارزیابی شامل جامعیت، کاربردپذیری، نوآوری و انسجام منطقی به طور معناداری تأیید شده است (001/0p<).نتیجه‌گیری: چارچوب مفهومی ارائه‌شده، رویکردی جامع، نوآورانه و یکپارچه برای طراحی سیستم‌های یادگیری سیار هوشمند جهت خودبهسازی شایستگی‌های تدریس اعضای هیأت علمی ارائه می‌دهد. این چارچوب با تلفیق ابعاد چهارگانه در قالب یک فرآیند چرخه‌ای پنج‌مرحله‌ای، تمامی مؤلفه‌های ضروری برای یک سیستم یادگیری هوشمند، انعطاف‌پذیر، و مؤثر را دربرمی‌گیرد. نقاط قوت کلیدی شامل شخصی‌سازی مسیرهای یادگیری، تحلیل هوشمند نیازها و دسترسی انعطاف‌پذیر به منابع آموزشی است. این چارچوب مبنایی عملی برای طراحی و پیاده‌سازی نظام مدیریت یادگیری سیار هوشمند در آموزش عالی ارائه می‌دهد. محدودیت‌های پژوهش شامل اعتباربخشی محدود به 15 متخصص و عدم اجرای آزمایشی برای تأیید اثربخشی عملی است. برای مطالعات آتی، پیشنهاد می‌شود طرح‌های پایلوت در مؤسسات آموزش عالی اجرا شوند و الگوریتم‌های هوشمندی برای تحلیل پویای نیازها و ارائهی مسیرهای یادگیری انعطاف‌پذیر طراحی شود.
فناوری آموزش - هوش مصنوعی
عباس رمضانی
چکیده
پیشینه و اهداف: پیشرفت سریع سامانه‌های هوش مصنوعی در آموزش عالی به‌ویژه از طریق سامانه‌های یادگیری تطبیقی، عوامل آموزش هوشمند و ابزارهای تولیدی هوش مصنوعی تحولی پارادایمی در مدل‌های سنتی تدریس و یادگیری ایجاد کرده است. استفاده گسترده از هوش مصنوعی در رشته‌های مختلف، یادگیری شخصی‌سازی‌شده، پاسخگو و اثربخش‌تری را به ارمغان می‌آورد. ...
بیشتر
پیشینه و اهداف: پیشرفت سریع سامانه‌های هوش مصنوعی در آموزش عالی به‌ویژه از طریق سامانه‌های یادگیری تطبیقی، عوامل آموزش هوشمند و ابزارهای تولیدی هوش مصنوعی تحولی پارادایمی در مدل‌های سنتی تدریس و یادگیری ایجاد کرده است. استفاده گسترده از هوش مصنوعی در رشته‌های مختلف، یادگیری شخصی‌سازی‌شده، پاسخگو و اثربخش‌تری را به ارمغان می‌آورد. اما با گسترش نقش سامانه‌های هوش مصنوعی در تعیین نحوه تعامل دانشجویان با دانش و پردازش آن، سؤال‌های اساسی دربارۀ عاملیت یادگیرنده و پارادایم یادگیرنده خود راهبر که پایۀ نظریه‌های آموزش بزرگسالان و آموزش عالی بوده و از اهمیت بالایی برخوردار است، پیش می‌آید. پژوهش حاضر به بررسی نقش دوگانۀ محیط‌های یادگیری مجهز به هوش مصنوعی را در عاملیت شناختی یادگیرندگان خود راهبر می‌پردازد؛ اینکه این سامانه‌ها چه چالش‌ها و فرصت‌هایی را برای دانشجویان فراهم می‌نمایند.روش‌ها: رویکرد پژوهش حاضر از نوع کیفی بود تا با بررسی دیدگاه‌ها و تجارب دانشجویان مسائل مهم مرتبط با نظریه آموزشی و فناوری‌های نوظهور را نشان دهد و به این سؤال که «در عصر هوش مصنوعی، آیا یادگیرندگان خود راهبر هنوز عامل یادگیری خود هستند؟» بپردازد. این روش فلسفی به بررسی مبانی وجودی و معرفتی عاملیت شناختی در زمینۀ واسطه‌گری هوش مصنوعی پرداخته و از مصاحبه‌های نیمه‌ساختاریافته با ۲۳ دانشجو در رشته‌های مختلف دانشگاه‌های تهران استفاده نمود. این پرسش در مورد تجارب زیسته دانشجویانی که با هوش مصنوعی برای آموزش درگیر هستند، مطرح شد. به‌منظور تجزیه‌وتحلیل دادهها و افزایش دقت روش‌شناختی، روش هفت‌مرحله‌ای کولایزی به کار گرفته شد؛ این روش به دلیل خاصیت و عمق تفسیری مؤثر خود و تطبیق با پدیدارشناسی برای بررسی «عاملیت»، «مالکیت فکری» و «خودراهبری» دانشجویان در زمینه الگوریتمی عصر حاضر انتخاب شد. این روش شامل هفت مرحله است: ۱) خواندن و بازخوانی تمام مصاحبه‌های نوشته شده برای درک آنها،۲) استخراج عبارات معنی‌دار که مستقیماً به پدیده مورد بررسی مربوط می‌شوند، ۳) معنابخشی به عبارات: در این فرایند نقل‌قول‌های مرتبط دسته‌بندی می‌شوند و تم‌ها بر پایه چندین عبارت با معانی مشابه شکل می‌گیرند، ۴) تکرار گام‌های ۱ تا ۳ برای هر مصاحبه و سپس ایجاد تم بر اساس معانی شکل‌گرفته، ۵) جمع‌آوری توصیف جامع از تمام موارد تولید شده در گام‌های ۱‑۴، ۶) تلخیص جامع برای شناسایی ساختار بنیادی پدیده، و ۷) اطمینان از اعتبار دادهها از طریق بررسی اعضا.یافته‌ها: نتایج نشانگر این موضوع بودند که استفاده از هوش مصنوعی در حوزههای مختلف تأثیرات مثبت و منفی بر یادگیری و عاملیت شناختی دانشجویان دارد. مهم‌ترین یافته‌ها در بخش فرصت‌ها شامل این موضوع بودند که هوش مصنوعی میتواند به تقویت ساختارشناختی، دسترسی بیشتر به دانش پیچیده، تعمیق دانش‌شناختی، همکاری مشترک با هوش مصنوعی از طریق مشارکت فعال، تقویت تفکر انتقادی و بهبود خودآموزی از طریق شبیه‌سازی و محیط تعاملی کمک کند. ازسوی‌دیگر، چالش‌هایی نظیر ابهام در مالکیت فکری، کاهش اعتماد معرفتی به خود، توهم تسلط، تسلیم ذهنی به اقتدار الگوریتمی، ناهماهنگی اخلاقی و احساس گناه علمی استخراج شدند.نتیجه‌گیری: بر پایه این یافته‌ها و جنبه‌های متنوع هوش مصنوعی در عاملیت شناختی دانشجویان، پژوهش حاضر، چارچوبی برای یادگیری خود راهبر در عصر هوش مصنوعی ارائه می‌دهد، به‌نحوی که مالکیت فکری جدا انگاشته نمی‌شود و دانشجویان عامل یادگیری خود در تعامل با هوش مصنوعی باقی می‌مانند و هم‌زمان از آن استفاده نیز می‌نمایند، اما این موضوع نیازمند تغییرات جدی و اساسی در مباحث آموزشی، برنامه‌ریزی و فلسفی است.
فناوری آموزش - هوش مصنوعی
نفیسه آزادی؛ ابراهیم ریحانی؛ مجتبی قربانی؛ رضا ابراهیم پور؛ سعید حق‌جو
چکیده
پیشینه و اهداف: مدل‌سازی ریاضی به طور فزاینده‌ای به بخش مرکزی آموزش ریاضی تبدیل شده است، زیرا به دانش‌آموزان کمک می‌کند مفاهیم انتزاعی ریاضی را به موقعیت‌های واقعی پیوند دهند. باوجود اهمیت آن، بسیاری از دانشجو معلمان ابتدایی در طراحی یا حل مسائل مدل‌سازی با چالش‌هایی مواجه می‌شوند که بخشی از آن ناشی از مواجهه محدود آنان با این‌گونه ...
بیشتر
پیشینه و اهداف: مدل‌سازی ریاضی به طور فزاینده‌ای به بخش مرکزی آموزش ریاضی تبدیل شده است، زیرا به دانش‌آموزان کمک می‌کند مفاهیم انتزاعی ریاضی را به موقعیت‌های واقعی پیوند دهند. باوجود اهمیت آن، بسیاری از دانشجو معلمان ابتدایی در طراحی یا حل مسائل مدل‌سازی با چالش‌هایی مواجه می‌شوند که بخشی از آن ناشی از مواجهه محدود آنان با این‌گونه فعالیت‌ها در طول دوره‌های تربیت‌معلم است. با توسعه سریع هوش مصنوعی فرصت‌های تازه‌ای برای مقایسه رویکردهای حل مسئله انسانی با راه‌حل‌های تولیدشده توسط ماشین به وجود آمده است. هدف این مطالعه بررسی نحوه عملکرد دانشجو معلمان ابتدایی و یک سامانه هوش مصنوعی در انجام تکالیف مدل‌سازی ریاضی است. به طور خاص، این پژوهش به دنبال درک نقاط قوت و ضعف شایستگی‌های مدل‌سازی دانشجو معلمان است، درحالی‌که هم‌زمان نقش بالقوه هوش مصنوعی به‌عنوان یک ابزار حمایتی در آموزش ریاضی را نیز بررسی می‌کند. هدف پژوهش صرفاً ارزیابی عملکرد نیست، بلکه تأکید بر اهمیت گسترده‌تر ادغام هوش مصنوعی در آموزش معلمان است که هم فرصت‌ها و هم مخاطرات آن را برجسته می‌سازد.روش‌ها: نمونه‌ی در دسترسی شامل ۵۰ دانشجو معلم در این پژوهش شرکت کردند. از شرکت‌کنندگان خواسته شد آزمون محقق-ساختی را تکمیل کنند که شامل تکالیف مدل‌سازی ریاضی برای ارزیابی جنبه‌های مختلف شایستگی مدل‌سازی بود. روایی صوری و محتوایی ابزار توسط دو متخصص آموزش ریاضی بررسی و تأیید شد تا تناسب و ارتباط سؤالات تضمین شود. دادهها به‌صورت نوشتاری جمع‌آوری و با رویکردهای کمّی و کیفی تحلیل شدند. پاسخ‌های دانشجو معلمان بر اساس چارچوب شایستگی گریفراس و ماس بررسی گردید؛ چارچوبی که معیارهای ساختاریافته‌ای برای ارزیابی مهارت‌های مدل‌سازی مانند درک مسئله، به‌کارگیری ریاضیات، تفسیر نتایج و اعتبارسنجی راه‌حل‌ها ارائه می‌دهد. همچنین پاسخ‌های تولیدشده توسط سامانه هوش مصنوعی برای همان تکالیف جمع‌آوری و از نظر راهبرد، دقت، خلاقیت و کیفیت راه‌حل با پاسخ‌های انسانی مقایسه شدند. پژوهش حاضر از طراحی کیفی با تحلیل محتوای استقرایی هدایت‌شده بهره گرفت که به پژوهشگران امکان داد دادهها را به طور نظام‌مند کدگذاری و تفسیر کنند و هم‌زمان مقایسه‌هایی میان عملکرد انسانی و هوش مصنوعی انجام دهند.یافته‌ها: یافته‌ها الگوهای مهمی را نشان دادند. بسیاری از دانشجو معلمان ضعف‌هایی در مدل‌سازی ریاضی از خود بروز دادند، به‌ویژه در مراحل اعتبارسنجی و تفسیر. پاسخ‌های آنان اغلب ناقص یا فاقد استدلال کافی بود. بااین‌حال، مشارکت‌کنندگان در معیار «به‌کارگیری ریاضیات» عملکرد نسبتاً بهتری داشتند، به این معنا که می‌توانستند فرایندهای ریاضی را اجرا کنند؛ اما در برقراری ارتباط معنادار آن ها با زمینه‌های واقعی مشکل داشتند. تفاوت معناداری از نظر آماری بین شرکت‌کنندگان بر اساس جنسیت یا پیشینه تحصیلی مشاهده نشد که نشان می‌دهد فارغ از ویژگی‌های جمعیت‌شناختی، دشواری‌های مربوط به مدل‌سازی در میان دانشجو معلمان ابتدایی رایج است. در مقابل، سامانه هوش مصنوعی راه‌حل‌هایی منسجم‌تر و ساختارمندتر ارائه داد، به‌ویژه در زمینه اعتبارسنجی و خلاقیت. هوش مصنوعی قادر بود توضیحات گام‌به‌گام و رویکردهای متعددی برای حل یک مسئله تولید کند که میتواند به‌عنوان الگو برای دانشجو معلمان مورداستفاده قرار گیرد. بااین‌حال، پاسخ‌های هوش مصنوعی نیز بی‌نقص نبودند و در برخی موارد ساده‌سازی بیش از حد یا فرضیات بدون توجیه کافی در بین پاسخ ها مشاهده شد.نتیجه‌گیری: نتایج نشان داد اگرچه دانشجو معلمان ابتدایی دارای برخی مهارت‌های پایه‌ای در مدل‌سازی ریاضی هستند، اما شایستگی کلی آنان برای حل مستقل تکالیف پیچیده مدل‌سازی ناکافی است. این یافته بیانگر ضرورت توجه بیشتر برنامه‌های تربیت‌معلم به توسعه مهارت‌های مدل‌سازی از طریق تمرین، بازاندیشی و آموزش هدایت‌شده است. درعین‌حال، پژوهش بر پتانسیل هوش مصنوعی به‌عنوان منبعی ارزشمند در آموزش تأکید دارد. هوش مصنوعی میتواند با ارائه مثال‌های حل‌شده، راه‌حل‌های جایگزین و دیدگاه‌های خلاقانه، فرایند یادگیری را تسریع کند. بااین‌وجود، یافته‌ها هشدار می‌دهند که اتکای بیش از حد به هوش مصنوعی میتواند توانایی‌های استدلالی و حل مسئله دانشجو معلمان را تضعیف کند؛ بنابراین، هوش مصنوعی باید به‌صورت سنجیده و با دستورالعمل‌های روشن به‌عنوان ابزار حمایتی و نه جایگزین در آموزش معلمان به کار گرفته شود. با ایجاد توازن میان یادگیری انسانی و پشتیبانی فناورانه، مربیان معلم می‌توانند معلمان آینده را بهتر برای درگیرکردن دانش‌آموزان در فعالیت‌های معنادار مدل‌سازی ریاضی آماده سازند.
هوش مصنوعی
غلامحسین باقرآبادی؛ سید محمدرضا امام جمعه؛ سیدرسول عمادی؛ علیرضا عصاره؛ زهرا شیرمحمدی
چکیده
پیشینه و اهداف: ظهور چت‌بات‌های مبتنی بر هوش مصنوعی مانند ChatGPT، Google Bard و Bing در دهۀ گذشته، افق‌های جدیدی را برای آموزش، به‌ویژه در برنامه‌های درسی آموزش معلمان، گشوده است. این ابزارهای پیشرفته از طریق پردازش زبان طبیعی، تعامل آموزشی شبیه‌سازی‌شده، تولید محتوا، طراحی فعالیت‌های یادگیری و بازخورد فوری، ظرفیت دگرگون‌سازی بنیادین ...
بیشتر
پیشینه و اهداف: ظهور چت‌بات‌های مبتنی بر هوش مصنوعی مانند ChatGPT، Google Bard و Bing در دهۀ گذشته، افق‌های جدیدی را برای آموزش، به‌ویژه در برنامه‌های درسی آموزش معلمان، گشوده است. این ابزارهای پیشرفته از طریق پردازش زبان طبیعی، تعامل آموزشی شبیه‌سازی‌شده، تولید محتوا، طراحی فعالیت‌های یادگیری و بازخورد فوری، ظرفیت دگرگون‌سازی بنیادین تجربۀ آموزشی معلمان آینده را دارند. هدف پژوهش حاضر، مقایسه و ارزیابی عملکرد آموزشی چت‌بات‌های هوش مصنوعی پیشرو و بررسی پیامدهای به‌کارگیری آنها در برنامه‌های درسی آموزش معلمان، با تأکید بر نوآوری آموزشی، نوسازی برنامۀ درسی، پداگوژی دیجیتال فراگیر و همسویی با شایستگی‌های آموزشی قرن بیست‌ویکم است.روش‌ها: این پژوهش با رویکرد توصیفی–تحلیلی و مبتنی بر روش مرور روایتی ساختاریافته انجام شده است. فرایند تحقیق بر تحلیل منابع علمی منتشرشده بین سال‌های ۲۰۱۸ تا ۲۰۲۵ استوار بوده است. منابع شامل مقالات علمی–پژوهشی داوری‌شده، گزارش‌های تخصصی و مطالعات موردی مرتبط با کاربرد چت‌بات‌های هوش مصنوعی در آموزش، با تمرکز ویژه بر آموزش معلمان بوده است. دادهها به‌صورت کیفی و با استفاده از چارچوبی مقایسه‌ای برای ارزیابی ویژگی‌ها، قابلیت‌ها و پیامدهای آموزشی چت‌بات‌های منتخب تحلیل شد. همچنین، مدل‌های نظری «دانش فناورانه‌آموزشی‌محتوایی» (TPACK) و «جایگزینی-افزایش-تغییر-بازتعریف» (SAMR) برای تفسیر سطح ادغام فناوری و پتانسیل تحول‌آفرینی آن در برنامه‌های آموزش معلمان، همراه با ملاحظات اخلاق دیجیتال و عدالت در دسترسی، به‌کار گرفته شدند.یافته‌ها: یافته‌ها نشان داد که چت‌بات‌های هوش مصنوعی در تحول تولید و سازمان‌دهی محتوا، ارتقای تعامل و بازخورد فوری یادگیرنده، توسعۀ سواد اطلاعاتی و پژوهشی، بهبود مهارت‌های زبانی و نوشتاری، ترویج یادگیری خودراهبر و ایجاد تغییر پارادایمی در نقش معلم از انتقال‌دهندۀ دانش به تسهیل‌گر یادگیری، نقش‌آفرین بوده‌اند. ChatGPT 4 با ظرفیت پیشرفته در تولید محتوای تخصصی، آموزش سناریومحور و ارائۀ بازخورد تحلیلی، به پرورش تفکر تأملی، پداگوژی سازگار و طراحی خلاقانه درس کمک می‌کند. Bard و Bing Chat با قابلیت‌های جست‌وجو، اعتبارسنجی و ارجاع‌دهی، از سواد اطلاعاتی و یادگیری مبتنی بر پژوهش شواهد- محور پشتیبانی می‌کنند. در همین حال، ابزارهایی مانند Botnoi و LINE AI Chatbot در یادگیری غیررسمی، توسعۀ مهارت‌های اولیۀ دیجیتال و پیام‌رسانی آموزشی مؤثر هستند. با این حال، چالش‌هایی همچون اتکای بیش‌ازحد به فناوری، کاهش تفکر انتقادی، ناپایداری خروجی‌ها، نگرانی‌های اخلاقی، مسائل حریم خصوصی‌داده، شفافیت الگوریتمی و نیاز به شایستگی دیجیتال، همچنان موانع مهمی محسوب می‌شوند.نتیجه‌گیری: پژوهش حاضر نشان داد که چت‌بات‌های هوش مصنوعی، به‌ویژه شش چت‌بات بررسی‌شده (ChatGPT‑4، ChatGPT‑3.5، Bard، Bing Chat، Botnoi و LINE AI Chatbot)، در حال ایجاد تحولی بنیادین در برنامۀ درسی تربیت معلم هستند. فراتر از تغییر روش‌های ارائۀ محتوا، این ابزارها نقش معلمان، دانشجو‌معلمان و کل فرایند آموزش و یادگیری را بازتعریف می‌کنند. پیامدهای مثبت آنها شامل تسهیل طراحی آموزشی، ارائۀ بازخورد بلادرنگ، ارتقای سواد پژوهش و اطلاعات، پرورش تفکر تأملی و تقویت یادگیری خودراهبر است. در عین حال، نگرانی‌هایی مانند وابستگی فناورانه، فرسایش تفکر انتقادی، سوگیری الگوریتمی و شکاف‌های سواد دیجیتال باید با دقت مدیریت شوند. تحلیل تطبیقی این پلتفرم‌ها، بینش‌های ارزشمندی دربارۀ چگونگی ارائۀ قابلیت‌های متمایز هر چت‌بات برای توانمندسازی یادگیرندگان، تقویت تفکر انتقادی و خلاق، بهبود حل مسئله، تشویق به ساخت مشترک دانش و ارتقای سازگاری با محیط‌های یادگیری فناورانه و در حال تحول سریع ارائه می‌دهد.
هوش مصنوعی
زهرا رفعت جو؛ الهام حیدری؛ قاسم سلیمی؛ مهدی محمدی؛ فهیمه کشاورزی
چکیده
پیشینه و اهداف: فناوری اطلاعات و ارتباطات، به‌ویژه هوش مصنوعی، نقش مهمی در بهبود مهارت‌های دیجیتال، ارتقای کیفیت یادگیری و تسهیل فرایندهای آموزشی و پژوهشی دارد. این فناوری‌ها با شخصی‌سازی آموزش و خودکارسازی فرایندها، شکاف‌های آموزشی را کاهش داده و کارایی پژوهش‌های علمی را افزایش می‌دهند. دانشگاه‌ها نیز با تأمین زیرساخت‌های ...
بیشتر
پیشینه و اهداف: فناوری اطلاعات و ارتباطات، به‌ویژه هوش مصنوعی، نقش مهمی در بهبود مهارت‌های دیجیتال، ارتقای کیفیت یادگیری و تسهیل فرایندهای آموزشی و پژوهشی دارد. این فناوری‌ها با شخصی‌سازی آموزش و خودکارسازی فرایندها، شکاف‌های آموزشی را کاهش داده و کارایی پژوهش‌های علمی را افزایش می‌دهند. دانشگاه‌ها نیز با تأمین زیرساخت‌های پژوهشی و ترویج فرهنگ پژوهش، نقش کلیدی در توسعۀ علم و افزایش رقابت‌پذیری علمی ایفا می‌کنند. مطالعۀ حاضر به بررسی نقش دستیارهای هوش مصنوعی در توانمندسازی پژوهشی دانشجویان و شناسایی پیشایندها و پیامدهای مرتبط با آن می‌پردازد. هدف این پژوهش، طراحی مدلی مفهومی برای بهره‌برداری مؤثر از این فناوری‌ها در فرایندهای دانشگاهی است تا بتواند به سیاست‌گذاری‌های آموزشی و پژوهشی در راستای تحول دیجیتال کمک کند.روش‌ها: این پژوهش با رویکرد کیفی و با بهره‌گیری از روش فراترکیب نظریه‌ساز، مطابق با مراحل شش‌گانۀ سندلوفسکی و باروسو انجام شد. در این مسیر، با جست‌وجو در پایگاه‌های اطلاعاتی معتبر مانند مگ‌ایران، جهاد دانشگاهی، وب‌آو ساینس، سیج و گوگل اسکولار، تعداد ۱۸۷ مقاله مرتبط شناسایی شد که در نهایت ۶۵ مقاله برای تحلیل عمیق محتوایی انتخاب و بررسی شدند.یافته‌ها: یافته‌های پژوهش نشان می‌دهد که دستیارهای هوش مصنوعی در توانمندسازی پژوهشی دانشجویان آموزش‌عالی در سه حوزۀ پیشایندها و فرایندها و پیامدها قابل تحلیل هستند. پیشایندهای این فناوری شامل پنج مضمون اصلی: کنجکاوی فناورانه، دانش استفاده از هوش مصنوعی، مهارت‌های نگارش علمی، مهارت‌های زبان انگلیسی و دسترسی و پذیرش فناوری هستند. فرایندهای مرتبط نیز شامل ده مضمون اصلی: مدیریت منابع دیجیتال، خودراهبری در انجام پژوهش، ایده‌پردازی در موضوع پژوهش، دریافت بازخورد مداوم، بازبینی و اصلاح متن، جست‌وجوی هدفمند اطلاعات، شخصی‌سازی تجربیات پژوهشی، تحلیل دادهها، بهبود کیفیت محتوا و ویرایش و بازبینی و انتشار پژوهش‌ها می‌شوند. در نهایت، پیامدهای این فرایندها را می‌توان در هشت مضمون اصلی: کاهش استرس در نگارش، دریافت بازخورد فوری، بهبود ساختار پژوهش، تعمیق تفکر انتقادی، حواس‌پرتی دیجیتال، وابستگی بیش از حد به هوش مصنوعی، مسائل حریم خصوصی و نقض مسائل اخلاقی و تسهیل و تسریع پژوهش دسته‌بندی کرد.نتیجه‌گیری: تحول آموزش با استفاده از فناوری اطلاعات و ارتباطات، به‌ویژه هوش مصنوعی، در دنیای امروز موجب بهبود مهارت‌های دیجیتال و تسهیل فرایندهای آموزشی و پژوهشی شده است. این فناوری‌ها فرصت‌های جدیدی را برای بهینه‌سازی فرایندها ایجاد کرده‌اند؛ اما چالش‌هایی از جمله مسائل اخلاقی و فرهنگی نیز به همراه دارند. این پژوهش بر اهمیت مدیریت دقیق این مسائل و ضرورت توجه به چالش‌های اخلاقی و اجتماعی، استفادۀ نادرست از فناوری‌ها تأکید دارد. یافته‌ها نشان می‌دهند که دستیارهای هوش مصنوعی در توانمندسازی پژوهشی دانشجویان نقش مؤثری دارند؛ به‌ویژه در زمینه‌های کنجکاوی فناورانه، مهارت‌های نگارش علمی و دسترسی به فناوری. همچنین، استفاده از این ابزارها فرایندهای پژوهشی را بهبود بخشیده و بهره‌وری علمی دانشجویان را افزایش داده است. بااین‌حال، وابستگی بیش از حد به هوش مصنوعی ممکن است موجب کاهش تفکر مستقل و ایجاد چالش‌های اخلاقی مانند نقض حریم خصوصی شود. برای بهره‌برداری بهینه از این فناوری‌ها، به رویکردی جامع و متوازن نیاز است که مزایا را بهره‌برداری کرده و چالش‌ها را مدیریت کند. این پژوهش به‌ویژه با شناسایی پیشایندها، فرایندها و پیامدهای استفاده از دستیارهای هوش مصنوعی، مبنای نظری جدیدی برای مطالعات آینده ایجاد می‌کند. پیشنهاد می‌شود سیاست‌گذاران و مدیران دانشگاهی در طراحی برنامه‌های آموزشی از این ابزارها بهره ببرند تا کیفیت فرایندهای پژوهشی و آموزشی بهبود یابد. همچنین، پژوهش‌های آینده باید به جنبه‌های جغرافیایی، فرهنگی و اجتماعی استفاده از هوش مصنوعی در کشورهای مختلف توجه بیشتری داشته باشند.
فناوری آموزش - هوش مصنوعی
آرمان مهری؛ اسماعیل سعدی‌پور؛ فریبرز درتاج
چکیده
پیشینه و اهداف: هوش مصنوعی، به مثابه یک فناوری آموزشی نوظهور، چشم‌اندازها و رویکردهای آموزش و یادگیری را متحول کرده است. یکی از شاخه‌های حوزه هوش مصنوعی، پردازشگرهای زبان طبیعی هستند که می‌توانند متون انسان‌وار تولید کنند که از انواع آن می‌توان به چت‌بات‌های هوش مصنوعی اشاره کرد. چت‌بات‌های هوش مصنوعی به دلیل قابلیت‌هایی مانند ...
بیشتر
پیشینه و اهداف: هوش مصنوعی، به مثابه یک فناوری آموزشی نوظهور، چشم‌اندازها و رویکردهای آموزش و یادگیری را متحول کرده است. یکی از شاخه‌های حوزه هوش مصنوعی، پردازشگرهای زبان طبیعی هستند که می‌توانند متون انسان‌وار تولید کنند که از انواع آن می‌توان به چت‌بات‌های هوش مصنوعی اشاره کرد. چت‌بات‌های هوش مصنوعی به دلیل قابلیت‌هایی مانند درک زبان انسانی و پاسخگویی به سؤالات کاربران، به‌عنوان منبعی برای آموزش و یادگیری محسوب می‌شوند. اما با توجه به تازگی موضوع کاربرد چت‌بات‌های هوش مصنوعی در آموزش و یادگیری، فعلاً مطالعات بسیار اندکی راجع به اثربخشی این فناوری بر حوزۀ یادگیری انجام شده است. بر این اساس، پژوهش حاضر با هدف مطالعۀ تأثیر آموزش ترکیبی مبتنی بر چت‌بات هوش مصنوعی در درس روانشناسی، بر میزان یادگیری خودراهبر، درگیری تحصیلی و گرایش به تفکر نقادانه دانش‌آموزان دختر پایه یازدهم رشته انسانی شهر زنجان انجام شده است.روش‌ها: تحقیق حاضر از نظر هدف کاربردی و از لحاظ ماهیت داده‌های گردآوری‌شده کمّی بود و تحقیق با روش نیمه‌آزمایشی با پیش‌آزمون-پس‌آزمون و با حضور گروه گواه انجام شد. جامعه آماری این تحقیق شامل همه دانش‌آموزان دختر پایه یازدهم رشته انسانی شهر زنجان بود. برای نمونه‌گیری از روش نمونه‌گیری خوشه‌ای چندمرحله‌ای استفاده شد. به‌طوری‌که از بین مناطق آموزشی و سپس مدارس دولتی دخترانه متوسطه دوم شهر زنجان، مدرسه روغنی زنجانی به‌صورت تصادفی برای مطالعه برگزیده شد که دانش‌آموزان دو کلاس، در گروه‌های آزمایش و گواه جایگذاری شدند. نمونه آماری پژوهش حاضر شامل 45 نفر شرکت‌کننده (21 نفر گروه آزمایش و 24 نفر گروه گواه) بوده است. ابزار گردآوری داده‌های پژوهش حاضر پرسشنامه یادگیری خودراهبر فیشر و همکاران (2001)، پرسشنامه درگیری تحصیلی ریو و سنگ (2011) و پرسشنامه گرایش به تفکر نقادانۀ ریکتس و رود (2005) بود. مداخله آموزشی به مدت 8 جلسه 90 دقیقه‌ای و با استفاده از نرم‌افزار Sider که چت‌بات هوش مصنوعیِ ChatGPT را ارائه و پشتیبانی می‌کند، اجرا شد. به دلیل ماهیت چندمؤلفه‌ای هر سه متغیر وابسته و نیز اجرای پیش‌آزمون، از تحلیل کوواریانس چندمتغیره (MANCOVA) استفاده شد و داده‌های پیش‌آزمون و پس‌آزمون با استفاده از نسخه 26 نرم‌افزار SPSS تحلیل شد.یافته‌ها: نتایج حاصل از تحلیل داده‌های تحقیق با استفاده از شاخص‌های آماری میانگین و انحراف معیار نشان داد که میانگین نمراتِ پس‌آزمون گروه آزمایش در قیاس با گروه گواه، نسبت به پیش‌آزمون، در هر سه متغیر وابسته، افزایش داشته است. همچنین یافته‌های حاصل از تحلیل آماریِ کوواریانس چندمتغیره نشان داد بین یادگیری خودراهبر، درگیری تحصیلی و گرایش به تفکر نقادانه دو گروه آزمایش و کنترل، در پس‌آزمون تفاوت معناداری وجود دارد (01/0p<). لذا با توجه به بالاتربودن میانگین نمرات گروه آزمایش در مرحله پس‌آزمون در مقایسه با شرکت‌کنندگان در گروه کنترل، نتیجه گرفته می‌شود که آموزش ترکیبی مبتنی بر چت‌بات هوش مصنوعی در درس روانشناسی مؤثر بوده و موجب افزایش میزان یادگیری خودراهبر، درگیری تحصیلی و گرایش به تفکر نقادانه دانش‌آموزان دختر پایه یازدهم رشته انسانی شهر زنجان شده است.نتیجه‌گیری: با تکیه بر یافته‌های این تحقیق، می‌توان گفت کاربرد چت‌بات هوش مصنوعی در ترکیب با برنامه درسی رسمی درس روانشناسی، قابلیت‌های زیادی برای افزایش یادگیری خودراهبر، درگیری تحصیلی و گرایش به تفکر نقادانه دارد. با این حال، چون این احتمال وجود دارد که در صورت وابستگی به چت‌بات هوش مصنوعی، درگیری تحصیلی کاهش یافته و یادگیرندگان بدون ارزیابی انتقادی داده‌های خروجی را بپذیرند، به آموزشگران و یادگیرندگان توصیه می‌شود با در نظرگرفتن ملاحظات اخلاق تحصیلی، اهمیتِ نظارتِ معلم و آموزش خودتنظیمی به یادگیرندگانِ نوجوان، از چت‌بات هوش مصنوعی به‌عنوان مکملِ آموزشی و دستیار یادگیری استفاده کنند.
هوش مصنوعی
آزاد الله کرمی
چکیده
پیشینه و اهداف: با گسترش هوش مصنوعی در آموزش، ابزارهای تعاملی مانند «رپلیکا» به‌عنوان یک راهکار نوین برای بهبود مهارت‌های زبانی موردتوجه قرار گرفته‌اند. این ابزارها با فراهم‌ساختن فرصت‌هایی برای مکالمه تعاملی و شخصی‌سازی تجربه یادگیری، می‌توانند به تقویت مهارت‌های گفتاری و شنیداری و افزایش اعتمادبه‌نفس یادگیرندگان ...
بیشتر
پیشینه و اهداف: با گسترش هوش مصنوعی در آموزش، ابزارهای تعاملی مانند «رپلیکا» به‌عنوان یک راهکار نوین برای بهبود مهارت‌های زبانی موردتوجه قرار گرفته‌اند. این ابزارها با فراهم‌ساختن فرصت‌هایی برای مکالمه تعاملی و شخصی‌سازی تجربه یادگیری، می‌توانند به تقویت مهارت‌های گفتاری و شنیداری و افزایش اعتمادبه‌نفس یادگیرندگان کمک کنند. علاوه بر این، نقش هوش مصنوعی در ایجاد فضایی امن، منعطف و بدون قضاوت برای تمرین زبان، به‌ویژه برای فراگیرانی که در تعاملات زبانی سنتی با اضطراب یا محدودیت مواجهند، از اهمیت ویژه‌ای برخوردار است. پژوهش حاضر به بررسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا پرداخته است. روش‌ها: این پژوهش با رویکرد کیفی و روش پدیدارشناسی توصیفی انجام شد و هدف آن، درک عمیق از تجربیات زیسته استادان دانشگاه فرهنگیان استان کردستان از مکالمه تعاملی به زبان انگلیسی با هوش مصنوعی رپلیکا بود. مشارکت‌کنندگان شامل ۱۴ نفر از اعضای هیئت‌علمی بودند که به مدت پنج ماه، روزانه به‌طور میانگین نیم ساعت از رپلیکا برای تمرین مکالمه انگلیسی استفاده کرده بودند. نمونه‌گیری به‌صورت هدفمند و با حداکثر تنوع انجام شد. دادهها از طریق مصاحبه‌های نیمه‌ساختاریافته، هرکدام به مدت ۳۰ تا ۴۰ دقیقه، گردآوری شد. تحلیل دادهها براساس مراحل هفت‌گانه روش کلایزی انجام گرفت. برای ارتقای اعتبار و قابلیت اعتماد، از بازبینی مشارکت‌کنندگان، مستندسازی کامل مراحل پژوهش، و ارزیابی دو متخصص در حوزههای روش‌شناسی کیفی و آموزش زبان استفاده شد. همچنین، با انتخاب مشارکت‌کنندگانی از رشته‌ها و سوابق تدریس متنوع، قابلیت انتقال‌پذیری یافته‌ها تقویت شد.یافته‌ها: تحلیل دادهها نشان داد که تجربیات زیسته اساتید دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا در پنج مقوله اصلی طبقه‌بندی می‌شود. شبیه‌سازی و بهینه‌سازی یادگیری (یادگیری شخصی‌سازی‌شده، پردازش مفاهیم پیچیده، توسعه مهارت‌های زبانی، بازخورد تبیینپذیر)، غنی‌سازی روان‌شناختی (خودتنظیمی، حمایت شناختی، حمایت هیجانی - اجتماعی)، اعتماد (خود افشایی، انسان‌انگاری)، دسترسی و تسهیل یادگیری (دسترسی گسترده، پشتیبان آموزشی، عدالت آموزشی، تسهیل تعاملات و بحث‌های آموزشی و محیط یادگیری چندرسانه‌ای و تعاملی) و ملاحظات و چالش‌ها (حریم خصوصی و امنیت، وابستگی بیش از حد، چالش‌های پردازش زبانی، محدودیت‌های اطلاعاتی، بی‌توجهی به تفاوت‌های فردی و فرهنگی، مشکلات فنی) شناسایی شدند.نتیجه‌گیری: یافته‌های پژوهش نشان می‌دهد که مکالمه تعاملی با هوش مصنوعی رپلیکا میتواند به‌عنوان ابزاری نوین در فرایند یادگیری و توسعه مهارت‌های زبانی مورداستفاده قرار گیرد. این فناوری با فراهم‌کردن یادگیری شخصی‌سازی‌شده و حمایت شناختی و عاطفی، میتواند به بهبود خودتنظیمی یادگیرندگان کمک کند. بااین‌حال، چالش‌هایی مانند مسائل مربوط به حریم خصوصی، وابستگی بیش از حد و محدودیت‌های پردازش زبانی، استفاده گسترده از آن را با موانعی مواجه می‌سازد. به‌منظور بهره‌گیری بهینه از این فناوری، پیشنهاد می‌شود راهبردهایی همچون استفاده از سناریوهای متنوع و تنظیم اهداف یادگیری مشخص، تمرکز بر بازخورد و اصلاح خطاها، بهره‌گیری از فعالیت‌های چالشی مانند معماها و چالش‌های شناختی، تهیه برنامه زمانی منظم برای مکالمه مستمر، و بررسی استراتژی‌های یادگیری قبل از استفاده میتواند مفید باشد. رعایت این اصول از سوی یادگیرنده میتواند به افزایش اثربخشی این فناوری در یادگیری زبان و توسعه مهارت‌های شناختی کمک کند. همچنین، انجام پژوهش‌های بیشتری برای بررسی تأثیرات بلندمدت این فناوری بر فرایند یادگیری و تعاملات آموزشی ضروری به نظر می‌رسد.
فناوری آموزش - هوش مصنوعی
سبحان مرادی؛ محمدحسین زارعی
چکیده
پیشینه و اهداف: کاربردهای هوش مصنوعی در آموزش همه روزه در حال ظهور است و تمرکز تحقیقات بر شناسایی این فرصت‌ها، جهت گیری‌های آینده آموزشی را در جهت بهره‌مندی از آموزشی عادلانه و فرصت برابر جهانی مشخص می‌سازد. از همین رو، هدف از پژوهش حاضر شناسایی کاربردهای هوش مصنوعی در آموزش از دیدگاه فعالان این حوزه و بررسی میزان تأثیر آن در ارتقاء ...
بیشتر
پیشینه و اهداف: کاربردهای هوش مصنوعی در آموزش همه روزه در حال ظهور است و تمرکز تحقیقات بر شناسایی این فرصت‌ها، جهت گیری‌های آینده آموزشی را در جهت بهره‌مندی از آموزشی عادلانه و فرصت برابر جهانی مشخص می‌سازد. از همین رو، هدف از پژوهش حاضر شناسایی کاربردهای هوش مصنوعی در آموزش از دیدگاه فعالان این حوزه و بررسی میزان تأثیر آن در ارتقاء کیفیت یادگیری فراگیران از دیدگاه معلمان نیز است.روش‌ها: این پژوهش کاربردی، با روش آمیخته(کیفی- کمّی) از نوع متوالی تبدیلی با دو رویکرد تحلیل محتوا و توصیفی پیمایشی است. برای شناسایی کاربردهای هوش مصنوعی از مصاحبه نیمه ساختاریافته با 13نفر از متخصصان موضوعی که به‌صورت هدفمند از نوع گلوله برفی با معیار انتخاب اشباع نظری دادهها انتخاب شده بودند و برای بررسی میزان تأثیر این کاربردها، 81 نفر معلمان مقطع متوسطه اول و دوم شهرستان لنده که به‌صورت تصادفی ساده براساس جدول تعیین حجم نمونه کرجسی مورگان انتخاب شده بودند، به پرسشنامه محقق ساخته با 46 سؤال پاسخگو بودند. اصالت مصاحبه‌ها و روایی محتوایی پرسشنامه توسط 4 نفر از متخصصان موضوعی تأیید و پایایی پرسشنامه با آلفای کرنباخ(94/0)سنجیده شد. داده‌های بخش کیفی در MAXQDA به روش گرنددتئوری به شیوه اشتراوس و کوربین با پارادایم تفسیرگرایی بوریل و مورگان تحلیل و داده‌های بخش کمّی‌در spss26 با آمار توصیفی، آزمون فریدمن و t تک‌نمونه تحلیل شد.یافته‌ها: یافته‌های بخش کیفی شامل 4 کد انتخابی، 21 کد محوری و 101 کد باز بود که عبارتند از کاربردهای هوش مصنوعی در آموزش با 8 کد محوری، مزایای کاربرد هوش مصنوعی با6 کد محوری، چالش‌های کاربرد هوش مصنوعی با 5 کد محوری و اصول اساسی کاربرد هوش مصنوعی با 1 کد محوری. نتایج آزمون فریدمن نشان داد که «ارتباط با متخصصان و منابع خارجی و افزایش تعاملات در سطح جهانی، طراحی و ارائه محتواهای کاربردی، جذاب، اثربخش و متناسب با نیازهای دانش‌آموزان، ساماندهی شرایط در جهت بهبود مدیریت کلاس و کم کردن وظایف تکراری معلمان» به‌عنوان کاربردهای دارای اولویت اول تا سوم در زمینه هوش مصنوعی و مؤلفه‌های «آزادسازی وقت معلمان و کم کردن وظایف تکراری او، مبارزه با تبعیض و ارتقای عدالت اجتماعی، توانایی تغییر در رشد اجتماعی دانش‌آموزان» در سه رتبه آخر قرار گرفته است. همچنین، میانگین تمام مؤلفه‌ها از میانگین فرضی(5/3) بیشتر بوده که نشان‌دهنده مؤثر بودن تمام مؤلفه‌ها در افزایش کیفیت یادگیری است. علاوه براین، نتایج آزمونt نشان داد که تمام مؤلفه‌ها در افزایش کیفیت یادگیری فراگیران تأثیرگذار بوده و از دیدگاه معلمان دارای اهمیت است؛ زیرا میزان به‌دست آمده مقدار t در تمام مؤلفه‌ها بالاتر از 96/1 است.نتیجه‌گیری: در پژوهش حاضر علاوه‌بر شناسایی کاربردهای هوش مصنوعی در آموزش تمام مزایا، اصول و چالش‌ها و نگرانی‌های پیرامون کاربردهای هوش مصنوعی در آموزش را شناسایی و میزان تأثیر کاربردهای هوش مصنوعی در افزایش کیفیت یادگیری دانش‌آموزان مورد بررسی قرار گرفت. نتایج بخش کیفی نشان داد که متخصصان موضوعی و فعالان این حوزه مهم‌ترین کاربردهای هوش مصنوعی را در افزایش دقت در ارزشیابی‌ها و شخصی‌سازی آموزش می‌دانند و معتقدند که در صورت استفاده اصولی می‌توان از مزایای این کاربردها بهره برد و چالش‌ها را به حداقل رساند. نتایج بخش کمّی نیز نشان داد از دیدگاه معلمان، در کاربردها بخش شخصی‌سازی آموزش و بهبود مدیریت کلاس تأثیر بیشتری بر فرآیند یاددهی- یادگیری دانش‌آموزان و ارتقاء بیشتر آن دارد.
فناوری آموزش - هوش مصنوعی
اکرم تفتیان؛ مریم موجکار؛ فاطمه منصوری محمدآبادی
چکیده
پیشینه و اهداف: آینده و پیشرفت آموزش عالی به‌طور قابل‌توجهی با پیشرفت‌های فناوری‌های جدید مانند هوش مصنوعی پیوند خورده است. با بررسی ارتباط بین عناصر سطح آمادگی فناوری و پذیرش فناوری توسط کاربران حسابداری، دانشگاه‌ها این فرصت را خواهند داشت که با تغییر و ایجاد تغییرات در ارائه دروس و شیوه‌هایی که دانشجویان را به میزان کافی برای ...
بیشتر
پیشینه و اهداف: آینده و پیشرفت آموزش عالی به‌طور قابل‌توجهی با پیشرفت‌های فناوری‌های جدید مانند هوش مصنوعی پیوند خورده است. با بررسی ارتباط بین عناصر سطح آمادگی فناوری و پذیرش فناوری توسط کاربران حسابداری، دانشگاه‌ها این فرصت را خواهند داشت که با تغییر و ایجاد تغییرات در ارائه دروس و شیوه‌هایی که دانشجویان را به میزان کافی برای آینده آماده می‌کند، شکاف‌های موجود در برنامه‌های درسی حسابداری را برطرف کنند. اجرای آموزش هوش مصنوعی در برنامه‌های درسی حسابداری میتواند فاصله زمانی پذیرش فناوری بین آموزش و صنعت حسابداری و حسابرسی را فشرده کند و دانشجویان حسابداری را به میزان کافی برای آینده آماده کند. هدف این پژوهش، بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری است.روش‌ها: پژوهش حاضر از نظر هدف کاربردی و از نظر روش، توصیفی - همبستگی است که به‌صورت پیمایشی - مقطعی انجام شده است. جامعه آماری شامل کلیه دانشجویان کارشناسی‌ارشد حسابداری دانشگاه‌های آزاد اسلامی در سال تحصیلی 1403-1402 بوده که با استفاده از روش نمونه‌گیری تصادفی خوشه‌ای چندمرحله‌ای و براساس فرمول تخصصی مدل‌سازی معادلات ساختاری (با در نظر گرفتن 30 متغیر مشاهده شده و 9 متغیر پنهان)، حجم نمونه 384 نفر تعیین شده است. دادهها از طریق پرسشنامه محقق ساخته مبتنی بر مطالعه دامرجی (2020) با 30 گویه جمع‌آوری گردیده است. پرسشنامه پژوهش حاضر از دو بخش سؤالات عمومی و سؤالات تخصصی تشکیل‌شده است. سؤالات تخصصی شامل سؤالات مربوط به متغیرهای مستقل، میانجی و وابسته و شامل پنج بعد خوش‌بینی، نوآوری، ناراحتی، نا امنی، سودمندی درک شده، سهولت استفاده درک شده و اتخاذ فناوری است. خوش‌بینی با 4 گویه، نوآوری با 4 گویه، ناراحتی با 4 گویه، نا امنی با 4 گویه، سودمندی درک شده با 6 گویه، سهولت استفاده درک شده با 6 گویه و اتخاذ فناوری با 2 ارزیابی‌شده و پایایی آن با آلفای کرونباخ تأیید شد. تحلیل دادهها با نرم‌افزار SmartPLS و با استفاده از روش مدل‌سازی معادلات ساختاری (PLS-SEM) انجام‌گرفته است.یافته‌ها: نتایج پژوهش نشان داد که آمادگی فناوری تأثیر مثبت و معنی‌داری بر سهولت استفاده درک‌شده و سودمندی درک شده در میان دانشجویان حسابداری دارد. همچنین، سهولت استفاده درک شده تأثیر مثبت و معنی‌داری بر سودمندی درک شده و پذیرش فناوری دارد. تحلیل میانجی‌گری نشان داد که سهولت استفاده درک شده و سودمندی درک شده به‌صورت جداگانه و ترکیبی، نقش میانجی مثبت و معنی‌داری در رابطه بین آمادگی فناوری و پذیرش فناوری ایفا می‌کنند. بااین‌حال، رابطه مستقیم بین آمادگی فناوری و پذیرش فناوری معنی‌دار نبود که نشان‌دهنده اهمیت نقش میانجی‌گری متغیرهای سهولت استفاده درک شده و سودمندی درک شده است. این یافته‌ها بر ضرورت تقویت زیرساخت‌های فناوری و آموزش مهارت‌های دیجیتال در برنامه‌های آموزشی حسابداری تأکید دارند تا پذیرش فناوری‌های هوش مصنوعی در این حوزه تسهیل شود.نتیجه‌گیری: انجام نوآوری توسط دانشگاه‌ها میتواند دانش، آموزش و تصمیم به استفاده از هوش مصنوعی توسط دانشجویان حسابداری را افزایش داده و تحت‌تأثیر قرار دهد. به عبارت دیگر، برای اینکه دانشجویان حسابداری تکنولوژی هوش مصنوعی را اتخاذ کنند، ابتدا باید فرآیند اتخاذ در سطح نهادهای آموزشی اتفاق بیفتد. ابتدا باید در برنامه آموزشی حسابداری، تکنولوژی هوش مصنوعی اتخاذ شود تا ادراکات دانشجویان حسابداری را نسبت به استفاده، مفید بودن و اتخاذ هوش مصنوعی افزایش دهد. از منظر عملی، پژوهش حاضر به صورت بالقوه به دانشگاه‌ها کمک می‌کند تا درک بهتری از این موضوع کسب کنند که چگونه سودمندی درک شده و سهولت استفاده درک شده می‌توانند باعث برانگیخته شدن پذیرش فناوری هوش مصنوعی دانشجویان حسابداری شوند. با این حال، این موضوع به این بستگی دارد که آیا دانشجویان حسابداری برای تکنولوژی آماده هستند یا خیر و اینکه دید آنها نسبت به سودمندی درک شده و سهولت استفاده درک شده مثبت است یا خیر.
فناوری آموزش - هوش مصنوعی
لیلا نامداریان؛ محمدرضا آرمانفر؛ حمیدرضا خدمتگزار
چکیده
پیشینه و اهداف: یکی از مهم‌ترین تحولات اخیر، ظهور فناوری‌های آموزشی و ادغام هوش مصنوعی در نظام‌های یادگیری به ویژه در آموزش عالی است. هوش مصنوعی ظرفیت آن را دارد که فرآیندهای آموزش، یادگیری و کسب دانش را از اساس دگرگون کند و راهکارهای نوینی را برای بهبود عملکرد نظام‌های یادگیری فراهم آورد. پژوهش حاضر به بررسی پیامدهای کلیدی و فرصت‌های ...
بیشتر
پیشینه و اهداف: یکی از مهم‌ترین تحولات اخیر، ظهور فناوری‌های آموزشی و ادغام هوش مصنوعی در نظام‌های یادگیری به ویژه در آموزش عالی است. هوش مصنوعی ظرفیت آن را دارد که فرآیندهای آموزش، یادگیری و کسب دانش را از اساس دگرگون کند و راهکارهای نوینی را برای بهبود عملکرد نظام‌های یادگیری فراهم آورد. پژوهش حاضر به بررسی پیامدهای کلیدی و فرصت‌های جدیدی که از ادغام فناوری‌های هوش مصنوعی در آموزش عالی به‌وجود می‌آید، می‌پردازد.روش‌ها: این مطالعه با استفاده از مرور نظام‌مند ادبیات و مقالات علمی مرتبط با موضوع، ابتدا به شناسایی فناوری‌های هوش مصنوعی مورد استفاده در یادگیری پرداخته و سپس پیامدها و عملکردهای آنها را در نظام یادگیری آموزش عالی تحلیل کرده است. فرآیند تحقیق در دو گام اصلی انجام شده است. گام اول به تحلیل چهار نظریه یادگیری مهم شامل نظریه ساخت‌گرایی، ارتباط‌گرایی، یادگیری شخصی‌سازی‌شده و یادگیری تحول‌آفرین می‌پردازد. براساس این نظریه‌ها، مجموعه‌ای از فناوری‌های هوش مصنوعی که با اصول هر نظریه همخوانی دارند، شناسایی و معرفی شده‌اند. در گام دوم، این پژوهش با استفاده از روش تحلیل موضوعی، کارکردهای مختلف این فناوری‌ها را در آموزش عالی دسته‌بندی کرده است.یافته‌ها: بر پایه نتایج، فناوری‌های هوش مصنوعی در نظام یادگیری عبارتند از: «سیستم‌های یادگیری انطباقی (ALS)» که با تجزیه و تحلیل داده‌های یادگیری، محتوای آموزشی را به‌صورت انطباقی برای هر دانشجو تنظیم می‌کنند؛ «سیستم‌های تدریس خصوصی هوشمند (ITS)» که به کمک الگوریتم‌های هوشمند، نقش معلم خصوصی را برای دانشجویان ایفا می‌کنند؛ «تجزیه و تحلیل یادگیری (AL)» که با تحلیل داده‌های یادگیری دانشجویان به بهبود فرآیندهای آموزشی کمک می‌کند؛ «سیستم‌های تولید و مدیریت محتوای مبتنی بر هوش مصنوعی (CPMS)» که به‌صورت خودکار محتوای آموزشی را تولید و مدیریت می‌کنند؛ «سیستم‌های تشخیص سرقت ادبی و تحلیل استنادی (PD&CA)» که امکان ارزیابی صحت و اصالت پژوهش‌ها را فراهم می‌کنند؛ «محیط‌های یادگیری اکتشافی (ELEs)» که به دانشجویان امکان تجربه یادگیری عملی و اکتشافی را می‌دهند؛ و «سیستم‌های کمکی هوشمند برای معلولین (IAS)» که به دانشجویان با نیازهای خاص کمک می‌کنند تا دسترسی بهتری به آموزش داشته باشند. از جمله کارکردهای این فناوری‌ها عبارتند از «آموزش شخصی‌سازی‌شده» که از طریق تنظیم محتوای آموزشی براساس نیازهای هر دانشجو، تجربه یادگیری را بهبود می‌بخشد؛ «بازخورد بلادرنگ و شخصی‌سازی شده» که به دانشجویان امکان می‌دهد تا به سرعت نتایج عملکرد خود را مشاهده کرده و مسیر یادگیری خود را تنظیم کنند؛ «خودکارسازی ارزیابی‌ها و بهبود راهبردهای تدریس و برنامه‌های درسی» که به کمک هوش مصنوعی ارزیابی‌های کلاسی و طراحی دوره‌ها بهینه‌تر می‌شود؛ «تولید و مدیریت محتوای آموزشی» که به‌صورت خودکار و هوشمند انجام می‌شود؛ «پشتیبانی از پژوهش و نوآوری» که با استفاده از ابزارهای هوش مصنوعی به محققان کمک می‌کند تا داده‌های پژوهشی را تجزیه و تحلیل کنند و به نتایج جدید دست یابند؛ «ایجاد محیط‌های مجازی تعاملی و شبیه‌سازی‌های فراگیر» که تجربه یادگیری عملی را در محیط‌های مجازی ممکن می‌سازد؛ و «دسترس‌پذیری آموزش برای همه و حمایت از معلولان» که به وسیله فناوری‌های کمکی هوش مصنوعی، آموزش را برای تمامی دانشجویان، حتی کسانی که دارای معلولیت هستند، دسترس‌پذیر می‌کند.نتیجه‌گیری: نتایج این مطالعه نشان می‌دهد که ادغام هوش مصنوعی در نظام یادگیری آموزش عالی میتواند به بهبود فرآیندهای آموزشی، شخصی‌سازی یادگیری، تسهیل دسترسی به آموزش برای تمامی دانشجویان، و افزایش بهره‌وری در مدیریت و تولید محتوای آموزشی منجر شود. با این حال، اجرای موفق این فناوری‌ها نیازمند توجه به چالش‌ها و ملاحظاتی از جمله حفظ تعاملات انسانی در آموزش، اخلاقیات و حریم خصوصی دادهها، و آموزش مهارت‌های جدید به اساتید و دانشجویان است. بنابراین، سیاست‌گذاران و مدیران آموزش عالی باید به گونه‌ای برنامه‌ریزی کنند که علاوه بر بهره‌گیری از فرصت‌های هوش مصنوعی، حفظ جنبه‌های انسانی آموزش را تضمین کرده و به یادگیری پایدار و توسعه توانایی‌های فردی دانشجویان توجه داشته باشند. همچنین لازم است که زیرساخت‌های فناوری و فرهنگ پذیرش نوآوری‌های دیجیتال در دانشگاه‌ها تقویت شود تا بتوان از ظرفیت‌های بالقوه هوش مصنوعی به‌طور کامل استفاده کرد.
فناوری آموزش - هوش مصنوعی
کبری خباره
چکیده
پیشینه و اهداف: قرن بیست و یکم شاهد پیشرفت شتابان فناوری‌ها بوده که زندگی بشر را متحول کرده‌اند. هوش مصنوعی، یکی از این فناوری‌های نوظهور، پتانسیل تغییر اساسی در بخش‌های گوناگون، از جمله آموزش، را دارد. در سال‌های اخیر، هوش مصنوعی در نظام‌های آموزشی مورد استفاده قرار گرفته تا کیفیت یادگیری و آموزش را ارتقا بخشد. این پژوهش با توجه ...
بیشتر
پیشینه و اهداف: قرن بیست و یکم شاهد پیشرفت شتابان فناوری‌ها بوده که زندگی بشر را متحول کرده‌اند. هوش مصنوعی، یکی از این فناوری‌های نوظهور، پتانسیل تغییر اساسی در بخش‌های گوناگون، از جمله آموزش، را دارد. در سال‌های اخیر، هوش مصنوعی در نظام‌های آموزشی مورد استفاده قرار گرفته تا کیفیت یادگیری و آموزش را ارتقا بخشد. این پژوهش با توجه به اهمیت روزافزون هوش مصنوعی در آموزش و تأثیر آن بر نقش معلم، به بررسی نقش این فناوری در رهبری معلمان در فرایند آموزشی پرداخته و می‌کوشد فرصت‌های موجود در هوش مصنوعی برای بهبود رهبری و عملکرد معلمان را شناسایی کند.روش‌ها: پژوهش حاضر کیفی از نوع روایت پژوهی بود. جامعه پژوهش شامل کلیه مقالات به تعداد 70 بود که از این میان 30 مقاله براساس معیارهای پذیرش انتخاب شد و از ابزار حیاتی گلین نیز برای تأمین کیفیت مقالات استفاده شد. به منظور تحلیل دادهها از روش کدگذاری استفاده شد که ابتدا 162 کد باز استخراج شد، سپس 18 کد محوری و در نهایت 3 کد انتخابی به عنوان فرصت‌های هوش مصنوعی بر رهبری معلمان در فرایند آموزش شناسایی شد.یافته‌ها: یافته‌های پژوهش فرصت‌های هوش مصنوعی بر رهبری معلمان در فرایند آموزش را در 3 بعد نشان داد که شامل شد؛ 1- برنامه‌ریزی: کمک به معلمان در ارائه محتوای هوشمند برای دانش‌آموزان، ارائه اطلاعات در مورد پیشینه‌آموزشی دانش‌آموزان، زمان‌بندی و برنامه‌ریزی دروس به صورت خودکار، طراحی آموزش‌های سفارشی شده، ارائه روش‌های تدریس بر اساس نیازهای فردی دانش‌آموزان، ارائه بسترهای هوشمند برای خودیادگیری؛ 2- اجرا مانند: جذاب تر کردن فرآیند تدریس از طریق چت‌بات‌ها، مشارکت فعال دانش‌آموزان در فرایند آموزش، بهبود کیفیت آموزش و تجربه یادگیری، ایجاد یادگیری مستقل برای دانش‌آموزان، تدریس شخصی سازی شده، محیط یادگیری اکتشافی؛ و 3- ارزشیابی مانند: نمره‌دهی خودکار به تکالیف و امتحانات، ارائه بازخورد در مورد اثربخشی عملکرد آموزشی، مدیریت داده‌های مربوط به ارزیابی تکالیف، امتحانات، کمک به دانش آموزان برای بهبود یادگیری، پیش بینی عملکرد تحصیلی دانش‌آموزان، تصمیم‌گیری مبتنی بر داده‌های ارزیابی بود.نتیجه‌گیری: هوش مصنوعی به عنوان یک نیروی تحول‌آفرین در عرصه آموزش، نقشی محوری در بهبود کیفیت و شخصی‌سازی فرآیند یادگیری ایفا می‌کند. هوش مصنوعی میتواند به عنوان ابزاری قدرتمند در ارتقاء رهبری معلم و بهبود کلی فرآیند آموزش مورد استفاده قرار گیرد.این فناوری با ارائه ابزارهایی برای برنامه‌ریزی درسی، بهبود روش‌های تدریس و ارزیابی دقیق عملکرد دانش‌آموزان، نه تنها به معلمان در ایفای نقش رهبری کمک می‌کند، بلکه امکان دسترسی به منابع آموزشی گسترده و ارائه بازخورد فوری را نیز فراهم می‌سازد. هوش مصنوعی با تحلیل داده‌های یادگیری، امکان ارائه محتوای آموزشی شخصی‌سازی شده و متناسب با نیازهای فردی هر دانش‌آموز را فراهم کرده و از این طریق، به بهینه‌سازی تجربه یادگیری و افزایش تعامل بین معلم و دانش‌آموز کمک می‌کند. این پیامدهای آموزشی فناوری هوش مصنوعی، نحوه یادگیری دانش‌آموزان و شیوه فعالیت معلمان را متحول خواهد کرد. در نهایت، استفاده از هوش مصنوعی در آموزش، بهبود سیستم‌های آموزشی فراهم را به همراه خواهد داشت که میتواند به کیفیت آموزش و بهبود نتایج تحصیلی دانش‌آموزان در سرتاسر جهان منجر شود.
هوش مصنوعی
مهرک رحیمی؛ ساناز سدیدی شال
چکیده
پیشینه و اهداف: کلاس معکوس مدل آموزشی سنتی سخنرانی-محور را دگرگون کرده و فراگیران را با استفاده از فناوری‌های متنوع قبل از کلاس درس با محتوای آموزشی درگیر می‌کند. در این ارتباط، هوش مصنوعی میتواند قابلیت سازگاری و تعامل را به ویژه در آموزش مفاهیم علمی به مراحل پیش کلاسی و درون کلاسی بیافزاید. با وجود پژوهش‌های رو به رشد مرتبط ...
بیشتر
پیشینه و اهداف: کلاس معکوس مدل آموزشی سنتی سخنرانی-محور را دگرگون کرده و فراگیران را با استفاده از فناوری‌های متنوع قبل از کلاس درس با محتوای آموزشی درگیر می‌کند. در این ارتباط، هوش مصنوعی میتواند قابلیت سازگاری و تعامل را به ویژه در آموزش مفاهیم علمی به مراحل پیش کلاسی و درون کلاسی بیافزاید. با وجود پژوهش‌های رو به رشد مرتبط با بکارگیری هوش مصنوعی در کلاس معکوس، تأثیر این فناوری در دوره های تربیت معلم نیازمند پژوهش‌های تکمیلی است. از این رو، این مطالعه با بکارگیری طرح شبه تجربی به بررسی تأثیر کلاس معکوس با کمک هوش مصنوعی بر عملکرد دانشجویان در درس روانشناسی یادگیری زبان می پردازد. روش‌ها: شرکت کنندگان شامل سه گروه دانشجوی مقطع کارشناسی آموزش زبان انگلیسی بودند که در درس روانشناسی یادگیری زبان ثبت نام کرده بودند (73 نفر). محتوای آموزشی گروه اول (26 نفر) با استفاده از NotebookLM که یک ابزار هوش مصنوعی برای پژوهش، نگارش و تولید محتوی است آماده شد و آموزش معکوس از طریق آن صورت گرفت. گروه دوم (25 نفر) کلاس معکوس را با استفاده از پاور پوینت های صداگذاری شده استاد تجربه کردند. گروه سوم (22 نفر) درس را از طریق آموزش سنتی سخنرانی فرا گرفتند. فعالیت های درون کلاسی، شامل آزمون ها، کار گروهی/دو نفره، تکمیل برگه های تمرین، فعالیت های پرسش و پاسخ، و بحث های شفاهی بود. تمرین های پس از کلاس شامل خلاصه نویسی، پیاده کردن متن فایل های صوتی، و درست کردن نقشه های مفهومی بود. عملکرد و یادگیری مفاهیم علمی هر سه گروه از طریق آزمون های محقق ساخت میان ترم و پایان ترم مورد ارزیابی قرار گرفت. یافته‌ها: برای مقایسه فراگیری مفاهیم علمی، از تحلیل واریانس چند متغیره دو سویه استفاده شد. نتایج نشان داد که بطور کلی بین عملکرد سه گروه شرکت کنندگان در درس روانشناسی یادگیری زبان تفاوت معناداری با ضریب تأثیر قوی وجود داشت. این تفاوت در بین آزمون های میان ترم و پایان ترم نیز معنادار بود. آزمون تعقیبی توکی نشان داد که گروه اول که آموزش معکوس با کمک هوش مصنوعی را دریافت کرده بودند، در هر دو آزمون عملکرد بهتری نسبت به گروه دوم و سوم داشتند. همچنین، گروه دوم که آموزش معکوس متداول را دریافت کردند، نسبت به گروه سوم که آموزش سنتی سخنرانی-محور را تجربه کردند، عملکرد بهتری داشتند. تفاوت معناداری بین عملکرد دانشجویان دختر و پسر مشاهده نشد. نتیجه‌گیری: بهبود قابل توجه در عملکرد گروه کلاس معکوس با کمک هوش مصنوعی نشان می دهد که بکارگیری ابزارهای هوش مصنوعی مانند NotebookLM می تواند تجارب یادگیری را ازطریق شخصی سازی، سازگاری و تعامل با محتوای آموزشی تقویت کند. این موضوع نشان دهنده نیاز به تحول در طراحی مدل های آموزشی از روش های سنتی استاد-محور به محیط های یادگیرنده-محور است که در آن فراگیر بتواند بطور فعال با محتوای آموزشی قبل از دریافت آموزش درگیر شود. استفاده از هوش مصنوعی در کلاس معکوس می تواند آموزش را فردی سازی کرده و با در نظر گرفتن سرعت و توانایی درک مناسب هر دانشجو برابری آموزشی را ارتقا بخشد. ابزارهای هوش مصنوعی به اساتید کمک می کند تا بدون نیاز به ارائه های تکراری بر ارتقا یادگیری های سطح بالاتر، تفکر نقادانه، و فعالیت های گروهی درون کلاسی تمرکز بیشتری داشته باشند. از منظر سازمانی، بکارگیری موفق آموزش معکوس با کمک هوش مصنوعی می تواند انقلابی در طراحی برنامه درسی، تربیت مدرس و کاربست فناوری های نوین در آموزش ایجاد کند. با اینکه یافته های این مطالعه بر درس روانشناسی یادگیری در حوزه آموزش زبان متمرکز بود، مدل ارائه شده قابل تعمیم به سایر حوزه های آموزش مانند آموزش مهندسی، آموزش تلفیقی (STEM) و حوزه سلامت که بطور ویژه بر یادگیری مطلق مفاهیم پیچیده علمی تأکید دارند، است.
فناوری آموزش - هوش مصنوعی
مریم رجبیان ده زیره
چکیده
پیشینه و اهداف: در دهه‌های اخیر، هوش مصنوعی به‌طور فزاینده‌ای در زندگی ما حضور پیدا کرده است و تأثیر قابل‌توجهی در زمینه‌های مختلف ازجمله آموزش داشته است. در قرن بیست و یکم، آموزش دستخوش تحولی عظیم است و قلب این انقلاب در هوش مصنوعی قرار دارد. هوش مصنوعی نحوه آموزش و یادگیری ما را اصلاح می‌کند و فرصت‌های فراوانی را برای بهبود تجربه‌آموزشی ...
بیشتر
پیشینه و اهداف: در دهه‌های اخیر، هوش مصنوعی به‌طور فزاینده‌ای در زندگی ما حضور پیدا کرده است و تأثیر قابل‌توجهی در زمینه‌های مختلف ازجمله آموزش داشته است. در قرن بیست و یکم، آموزش دستخوش تحولی عظیم است و قلب این انقلاب در هوش مصنوعی قرار دارد. هوش مصنوعی نحوه آموزش و یادگیری ما را اصلاح می‌کند و فرصت‌های فراوانی را برای بهبود تجربه‌آموزشی برای معلمان و دانش آموزان فراهم می‌کند. سکوهای آموزشی مبتنی بر هوش مصنوعی، توانایی جمع‌آوری و تجزیه‌وتحلیل حجم وسیعی از دادهها را دارند و به آنها امکان می‌دهد تا بینش‌هایی درباره نقاط قوت، ضعف و اولویت‌های یادگیری دانش‌آموزان به‌دست آورند. هدف از پژوهش حاضر شناسایی چالش‌ها و قابلیت‌های هوش مصنوعی در آموزش و یادگیری با ارائه راهکارها بود.روش‌ها: روش تحقیق کیفی از نوع پدیدارشناسی و با استفاده از راهبرد اکتشافی انجام شد. در پژوهش حاضر ابتدا اسناد مقالات و منابع با روش مرور نظام‌مند موردبررسی قرار گرفت. بعد از بررسی پیشینه تحقیق و تعیین شاخص‌های اولیه، مصاحبه با متخصصان انجام شد. متن مصاحبه با روش تحلیل مضمون تجزیه‌وتحلیل شد. جامعه آماری شامل کلیه متخصصین و اعضای هیئت‌علمی رشته تکنولوژی آموزشی و هوش مصنوعی بودند که 15 نفر از آنها با روش نمونه‌گیری هدفمند و با رعایت قانون اشباع نظری دادهها به‌عنوان نمونه انتخاب شدند. ابزار اندازه‌گیری دادهها شامل مصاحبه نیمه ساختاریافته بود. دادهها از طریق تحلیل مضمون و با رویکرد تفسیری کدگذاری شدند. برای تائید و برقراری روایی و قابلیت اعتماد دادهها از معیار قابلیت اطمینان و اعتبار نهایی استفاده شد.یافته‌ها: یافته‌های پژوهش نشان داد که 112 مضمون پایه، 29 مضمون سازمان‌دهنده و 3 مضمون فراگیر شناسایی شد. در این راستا مشکلات و چالش‌های هوش مصنوعی شامل چالش آموزشی، اخلاقی، حقوقی و امنیتی، اجتماعی و تعاملی، تکنولوژیکی و زیرساختی، فرهنگی و اقتصادی بود. براساس یافته‌های پژوهش، قابلیت‌های پژوهش شامل بهبود فرایند سنجش و ارزشیابی و ارائه بازخورد، دسترسی جهانی و عدالت آموزشی، ارتقای توانایی اساتید در فرایند آموزشی، آموزش رشته‌های مختلف، تولید محتوا، طراحی آموزشی، نوآوری در فرایند آموزشی، تقویت خلاقیت و تفکر، تعاملی کردن آموزش، آموزش و پشتیبانی کودکان با نیازهای ویژه، تقویت مهارت‌های علمی، ترغیب به یادگیری، نوآوری در ارائه خدمات آموزشی، هوش مصنوعی به‌عنوان دستیار آموزشی، انطباق آموزش با توجه به نیازهای فردی با بهره‌گیری از هوش مصنوعی بود. یافته‌های پژوهش نشان داد راهکارهای حل چالش‌ها عبارتند از استفاده از هوش مصنوعی به‌عنوان دستیار آموزشی، بررسی و ارزیابی داده‌های حاصل از هوش مصنوعی، تدوین سیاست‌ها، قوانین و آیین‌نامه‌ها در حوزه کاربرد هوش مصنوعی، تولید، ساخت و طراحی اپلیکیشن‌های هوش مصنوعی، تعامل بین متخصصان در حوزه هوش مصنوعی در آموزش، توسعه سخت‌افزارها و نرم فزارهای موردنیاز برای کاربرد هوش مصنوعی، بهبود روش‌های ارزیابی عملکرد با هوش مصنوعی، فرهنگ‌سازی و آموزش نحوه استفاده از هوش مصنوعی بود.نتیجه‌گیری: ایجاد برنامه‌های جامع سواد هوش مصنوعی برای اطمینان از اینکه فراگیران و مدرسان می‌توانند به‌طور مؤثر در چشم‌انداز هوش مصنوعی حرکت کنند، ضروری است. این برنامه‌ها نه‌تنها باید به جنبه‌های فنی، بلکه به حفظ حریم خصوصی دادهها و ملاحظات اخلاقی نیز بپردازند. با ارائه دانش و مهارت‌های لازم به افراد، مؤسسات می‌توانند استفاده اخلاقی از هوش مصنوعی را تشویق کنند و خطرات بالقوه را کاهش دهند.
