فناوری آموزش - هوش مصنوعی
آرمان مهری؛ اسماعیل سعدیپور؛ فریبرز درتاج
چکیده
پیشینه و اهداف: هوش مصنوعی، به مثابۀ یک فناوری آموزشی نوظهور، چشماندازها و رویکردهای آموزش و یادگیری را متحول کرده است. یکی از شاخههای حوزۀ 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 مثابۀ یک فناوری آموزشی نوظهور، چشماندازها و رویکردهای آموزش و یادگیری را متحول کرده است. یکی از شاخههای حوزۀ 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، به عنوان 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 پایۀ یازدهم رشتۀ 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. جامعۀ آماری این تحقیق شامل همۀ دانشآموزان دختر پایۀ یازدهم رشتۀ انسانی شهر زنجان بود. برای نمونهگیری از روش نمونهگیری خوشهای چندمرحلهای استفاده شد. به طوری که از بین مناطق آموزشی و سپس مدارس دولتی دخترانۀ متوسطۀ دوم شهر زنجان، مدرسۀ روغنی زنجانی به صورت تصادفی برای مطالعه برگزیده شد که دانشآموزان دو کلاس، در گروههای آزمایش و گواه جایگذاری شدند. نمونۀ آماری پژوهش حاضر شامل 45 نفر شرکتکننده (21 نفر گروه آزمایش و 24 نفر گروه گواه) بوده است. ابزار گردآوری دادههای پژوهش حاضر پرسشنامۀ یادگیری خودراهبر فیشر و همکاران (2001)، پرسشنامۀ درگیری تحصیلی ریو و سنگ (2011) و پرسشنامۀ گرایش به تفکر نقادانۀ ریکتس و رود (2005) بود. مداخلۀ آموزشی به مدت 8 جلسۀ 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 نسخۀ 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 نقادانۀ دو گروه آزمایش و کنترل، در پسآزمون تفاوت معناداری وجود دارد (01/0p<). لذا با توجه به بالاتربودن میانگین نمرات گروه آزمایش در مرحلۀ پسآزمون در مقایسه با شرکتکنندگان در گروه کنترل، نتیجه گرفته میشود که آموزش ترکیبی مبتنی بر چتبات هوش مصنوعی در درس روانشناسی موثر بوده و موجب افزایش میزان یادگیری خودراهبر، درگیری تحصیلی و گرایش به تفکر نقادانۀ دانشآموزان دختر پایۀ یازدهم رشتۀ انسانی شهر زنجان شده است.
نتیجهگیری: با تکیه بر یافتههای این تحقیق، میتوان گفت کاربرد چتبات هوش مصنوعی در ترکیب با برنامۀ 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 به عنوان مکملِ آموزشی و دستیار یادگیری استفاده کنند.
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.
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.
فناوری آموزش - هوش مصنوعی
محمدرضا رضائی؛ احسان پازوکی؛ رضا ابراهیم پور
چکیده
پیشینه و اهداف: در عصر حاضر، با توجه به گسترش روزافزون فناوری در سراسر جهان، سیستمهای آموزش الکترونیکی بهسرعت در حال گسترش هستند. با پیشرفت آموزش الکترونیکی حرکت از سمت آموزش سنتی (رویکرد ارائه یک آموزش برای همه) به سمت آموزش شخصیسازی شده آغاز شد. آموزش شخصیسازی شده یک رویکرد آموزشی است که هدف آن، سفارشی کردن یادگیری براساس ...
بیشتر
پیشینه و اهداف: در عصر حاضر، با توجه به گسترش روزافزون فناوری در سراسر جهان، سیستمهای آموزش الکترونیکی بهسرعت در حال گسترش هستند. با پیشرفت آموزش الکترونیکی حرکت از سمت آموزش سنتی (رویکرد ارائه یک آموزش برای همه) به سمت آموزش شخصیسازی شده آغاز شد. آموزش شخصیسازی شده یک رویکرد آموزشی است که هدف آن، سفارشی کردن یادگیری براساس نقاط قوت، مهارتها، علایق و نیازهای یادگیرنده است. این روش از آموزش مانند هر شیوه نوین دیگری دارای نقاط ضعف و قوت است. در واقع، میتوان افزایش انگیزه و کسب مهارت خودحمایتی را از مزایای مهم این نوع از آموزش دانست. در مقابل، بهعنوان نقاط ضعف این روش میتوان به زمانبر بودن آموزش، چالش در پیادهسازی و عدم وضوح در شیوه بهکارگیری اشاره کرد. با توجه به در دسترس بودن دادههای بسیار از یادگیرندگان، استفاده از هوش مصنوعی جهت شخصیسازی آموزش هم کیفیت را افزایش میدهد و هم باعث جذابیت آموزش خواهد شد. امروزه، یکی از شیوههای شخصیسازی آموزش، ارائه براساس ترجیحات یادگیرندگان است. ترجیحات یادگیرنده میتواند بهصورت خودانگارانه و بهطور صریح با درخواست مستقیم از یادگیرنده یا بهصورت ضمنی و جمعآوری و پایش دادهها شناسایی و استخراج شود. امروزه مدلسازی ترجیحات کاربر یکی از چالش برانگیزترین وظایف در سیستمهای آموزش الکترونیکی است که با حجم زیادی از اطلاعات سروکار دارد. هدف این پژوهش، استخراج ضمنی ترجیحات یادگیرنده با بهرهگیری از یک سامانه آموزشی هوشمند تعاملی برخط است که مدلسازی ترجیحات یادگیرنده با استفاده از مفهومسازی برای اشیای یادگیری از طریق گسترش پروفایل و بهرهگیری از الگوریتمهای هوش مصنوعی انجام میشود. مدل با دادههای تعاملی جمعآوری شده آموزش دیده و اشیای یادگیری جدید را براساس ترجیحات یادگیرنده در اختیار او قرار میدهد. این پژوهش، از نظر هدف کاربردی است.روشها: در این پژوهش، با توجه به جامعه در دسترس ما، 29 آقا و خانم دانشجوی کارشناسی رشته کامپیوتر، با میانگین سنی 5/21 سال که درس یادگیری ماشین را نگذرانده بودند، بهعنوان شرکتکننده همکاری داشتند. شرکتکنندگان پس از ثبتنام بهصورت تصادفی به دو گروه کنترل و آزمایش تقسیم شدند. به گروه آزمایش محتوای شخصیسازی شده منطبق با ترجیحات و به گروه کنترل محتوای نامنطبق با ترجیحات ارائه شد. پس از طی آموزش، میزان یادگیری و بار شناختی شرکتکنندگان توسط آزمون عملکردی طراحی شده و پرسشنامه شاخص بار کاری ناسا مورد سنجش قرار گرفت. در پایان سطح معناداری نتایج بهدست آمده دو گروه با استفاده از آزمون آماری تی مستقل مورد ارزیابی قرار گرفت.یافتهها: براساس نتایج بهدست آمده، میانگین نمرات آزمون عملکردی گروه آزمایش که محتوای منطبق با ترجیحات دریافت کرده بودند نسبت به میانگین گروه کنترل با مقدار 7/0p= دارای اختلاف معنادار نبود (ضمن انجام یادگیری)؛ اما میانگین بار شناختی گروه آزمایش نسبت به میانگین بار شناختی گروه کنترل با مقدار 00/0p= بهصورت معنادار پایین تر گزارش شد.نتیجهگیری: براساس یافتههای پژوهش، ارائه محتوای آموزشی شخصیسازی شده براساس ترجیحات یادگیرندگان با استفاده از تکنیک گسترش پروفایل، در زمان یادگیری، بار شناختی را میزان قابل توجهی کاهش داد. بنابراین، ارائه محتوای آموزشی براساس ترجیحات یادگیرندگان، بهعنوان یکی از شیوههای آموزشی شخصیسازی شده در یادگیری الکترونیکی، نقش مهمیدر کاهش بار شناختی یادگیرندگان ایفا میکند.
فناوری آموزش - هوش مصنوعی
ویدا گوهری؛ مرضیه کرامتی نوجه ده سادات؛ فریبا رمضانی ویشکی
چکیده
پیشینه و اهداف: آموزش و پرورش یکی از ارکان اصلی تولید دانش و علم در نیل به پیشرفت علمی و فرهنگی هر کشور توسط معلمان است و هرگونه ناکارآمدی در آن میتواند به چالشها و مشکلات گستردهای از منظر اجتماعی، فرهنگی، علمی، سیاسی، مذهبی و ... در جامعه بینجامد. ازاینرو تعیین ارزیابی شایستگی دانشجومعلمان به ویژه قبل از ورود به عرصه حرفه معلمی ...
بیشتر
پیشینه و اهداف: آموزش و پرورش یکی از ارکان اصلی تولید دانش و علم در نیل به پیشرفت علمی و فرهنگی هر کشور توسط معلمان است و هرگونه ناکارآمدی در آن میتواند به چالشها و مشکلات گستردهای از منظر اجتماعی، فرهنگی، علمی، سیاسی، مذهبی و ... در جامعه بینجامد. ازاینرو تعیین ارزیابی شایستگی دانشجومعلمان به ویژه قبل از ورود به عرصه حرفه معلمی از منظر دانش، مهارت و نگرش ضروری به نظر میآید. در این پژوهش، شایستگی نو معلمان قبل از ورود به آموزش و پرورش، با استفاده از شبکه عصبی هوش مصنوعی بهعنوان یک ابزار محاسباتی دقیق ارزیابی شد.روشها: در پژوهش حاضر، روش تحقیق از نوع کاربردی و بهصورت کمّی است. جامعه آماری، دانشجویان دانشگاه فرهنگیان و نمونه آماری بهصورت خوشهای، تعداد 91 دانشجو معلم ورودی 1395-13۹4 رشته آموزش زیستشناسی مرکز آموزش عالی شهید بهشتی دانشگاه فرهنگیان مورد ارزیابی قرار گرفتند. نمونه آماری با حجم500 داده (80% آموزش و 20% تست) بهعنوان شرکتکننده انتخاب و دادهها، براساس ریز نمرات فارغالتحصیلان در دروس عمومی، تربیتی، تخصصی تربیتی، تخصصی تئوری، کارنما، کارورزی و معدل کل جمعآوری و سپس با بهرهگیری از تکنیکهای استخراج ویژگی از ریزنمرات دانشجو معلمان مذکور، در فایل اکسل به دادههای مناسب جهت تعیین شایستگی و عدم شایستگی آنها برچسبزنی شد و براساس یافتهها، به روش شبکه عصبی پیشخور مورد آموزش قرار گرفت. با توجه به بررسیهای انجام شده بر روی لایهها و تعداد نورونها بر دادگان الگوریتم، شبکه عصبی سه لایه با دو لایه پنهان با تعداد نورونهای 300 و یک لایه خروجی با تعداد 1 نورون طراحی شد.یافتهها: نتایج حاصل از بررسی شایستگی حرفهای براساس ریزنمرات دانشجومعلمان و استخراج دادگان جدید در هفت بعد تخصصی تئوری، تخصصی تربیتی، عملی تربیتی، عمومی، کارورزی، کارنما و معدل کل نشاندهندۀ بالاترین میانگین با عدد 8/19 در دروس تربیتی و کمترین میانگین با عدد 67/16 در دروس تخصصی تئوری بود. آنالیز یافتهها با توجه به دادگان آموزشی موجود از فارغ التحصیلان و برچسبزنی افراد خبره، میزان شایستگی را به میزان 77/17 نشان داد.نتیجهگیری: ارزیابی شایستگی دانشجومعلمان دانشگاه فرهنگیان، براساس شبکه عصبی پیشخور هوش مصنوعی بهعنوان یک رویکرد جدید در کشور انجام شد. طراحی شبکه عصبی مورد نظر براساس معیارهای موجود در روش ماتریس درهمریختگی صورت گرفت. بر این اساس معیارهای صحت و دقت برای شبکه عصبی پیشخور با دو لایه پنهان به ترتیب 94% و 95% بود و میزان شایستگی دانشجویان دانشگاه فرهنگیان در دروس مختلف، نمرات بالای 17 بهعنوان شاخص مطلوب و نمرات پایینتر از 17 بهعنوان شاخص نامطلوب در نظر گرفته شد. میزان شایستگی دانشجویان در دروس تربیتی با میانگین عددی 8/19 در حد مطلوب و در دروس تخصصی تئوری با میانگین عددی 67/16 در حد نامطلوب برآورد شد. این نتایج، لزوم توجه بیشتر به دروس تخصصی تئوری را خاطر نشان کرد؛ چرا که هر معلمی، در کنار تمام شاخصههای تربیتی، بایستی دانش و سطح علمی مناسب و کافی جهت ارائه درست و اصولی مطالب علمی به دانشآموزان را داشته باشد. علاوه براین، پیشنهاد میشود در پژوهشهای دیگر با بهکارگیری پرسشنامههای خاص مبتنی بر نگرش دانشجویان از حرفه معلمی، ضریب شایستگی ارزیابی میشود. از طرفی، دستخط دانشجو میتواند بهعنوان یک شاخص دیگر در کنار سایر دادگان، مورد بررسی و مطالعه قرار گیرد. همچنین از الگوی شبکه عصبی هوش مصنوعی، جهت تعیین شایستگی دانشجو معلمان در سایر رشتههای علوم پایه و علوم انسانی استفاده شود.
