طراحی و پیاده‌سازی سیستم‌های یادگیری تطبیقی مبتنی بر هوش مصنوعی برای شخصی‌سازی آموزش

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 10

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
فصل نامه علمی تخصصی پژوهش برتر - سال اول شماره دوم - تابستان 1404

نویسندگان :
بتول علی صوفی مرادی کارشناسی ادبیات عرب از دانشگاه زابل
نسیمه میری کارشناسی ارشد فقه و مبانی حقوق اسلامی دانشگاه آزاد جیرفت
سلیمه میر بلوچ زهی کارشناسی آموزش ابتدایی از دانشگاه آزاد زاهدان
طاهره رویین تن کارشناسی ارشد آموزش ریاضی دانشگاه آزاد همدان

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/1534

چکیده فارسی :

در عصر دیجیتال، آموزش به‌عنوان یکی از ارکان اساسی توسعه جوامع، نیازمند تحول و بهره‌گیری از فناوری‌های نوین است. سیستم‌های یادگیری تطبیقی مبتنی بر هوش مصنوعی، رویکردی نوین در شخصی‌سازی فرآیند آموزش محسوب می‌شوند که با تحلیل رفتار، عملکرد و ویژگی‌های فردی یادگیرندگان، مسیرهای یادگیری منحصربه‌فرد را برای هر فراگیر طراحی می‌کنند. این پژوهش با هدف بررسی جامع طراحی و پیاده‌سازی این سیستم‌ها، به تحلیل معماری‌های مختلف، الگوریتم‌های یادگیری ماشین و روش‌های شخصی‌سازی محتوا می‌پردازد. سیستم‌های تطبیقی با استفاده از تکنیک‌هایی نظیر یادگیری عمیق، پردازش زبان طبیعی و سیستم‌های توصیه‌گر، قادرند الگوهای یادگیری را شناسایی کرده و محتوای آموزشی را با سطح دانش، سبک یادگیری و پیشرفت هر فراگیر هماهنگ سازند. یکی از چالش‌های اساسی در آموزش سنتی، عدم توجه به تفاوت‌های فردی و ارائه یک رویکرد یکسان برای همه یادگیرندگان است که منجر به کاهش انگیزه و افت تحصیلی در برخی دانش‌آموزان می‌شود. سیستم‌های یادگیری تطبیقی با ارائه بازخورد لحظه‌ای، تنظیم سطح دشواری محتوا و پیشنهاد منابع مکمل، این مشکل را برطرف می‌سازند. در این تحقیق، ابتدا به بررسی مبانی نظری و پیشینه پژوهش در حوزه سیستم‌های هوشمند آموزشی پرداخته و سپس معماری پیشنهادی برای طراحی یک سیستم یادگیری تطبیقی جامع ارائه می‌شود. این معماری شامل لایه‌های جمع‌آوری داده، پردازش هوشمند، مدل‌سازی یادگیرنده و ارائه محتوای شخصی‌سازی‌شده است. تحقیق حاضر همچنین به ارزیابی الگوریتم‌های مختلف یادگیری ماشین از جمله شبکه‌های عصبی، درخت تصمیم، و الگوریتم‌های خوشه‌بندی در زمینه پیش‌بینی عملکرد و توصیه محتوا می‌پردازد. یافته‌های پژوهش نشان می‌دهد که ترکیب روش‌های یادگیری عمیق با سیستم‌های توصیه‌گر مبتنی بر فیلتر همکارانه، بهترین نتایج را در شخصی‌سازی مسیر یادگیری ارائه می‌دهند. علاوه بر این، استفاده از تکنیک‌های پردازش زبان طبیعی در تحلیل پاسخ‌های متنی یادگیرندگان و ارزیابی خودکار، دقت و کارایی سیستم را افزایش می‌دهد. پیاده‌سازی یک نمونه اولیه از سیستم پیشنهادی و آزمون آن در محیط آموزشی واقعی، نشان‌دهنده بهبود قابل‌توجه در نتایج یادگیری و افزایش انگیزه فراگیران است. در نهایت، این پژوهش راهکارها و پیشنهادهایی را برای بهبود سیستم‌های فعلی و گسترش کاربرد آن‌ها در سطوح مختلف آموزشی ارائه می‌نماید.

کلمات کلیدی فارسی :
سیستم‌های یادگیری تطبیقی، هوش مصنوعی، شخصی‌سازی آموزش، یادگیری ماشین، سیستم‌های توصیه‌گر آموزشی، یادگیری عمیق