Identifying the fields of applying artificial intelligence in education: qualitative research
Subject Areas :
1 - استادیار، گروه علوم تربیتی، دانشکده علوم انسانی، دانشگاه بوعلی سینا همدان
Keywords: artificial intelligence, educational technology, teaching and learning, Meta-synthesis.,
Abstract :
Purpose: In today's society, artificial intelligence technologies are developing rapidly and have created profound changes in all aspects of human life, especially in the field of education.
Methods: The current research was conducted with a qualitative approach and a Meta-synthesis method. The research population included all 1,500 articles, of which 37 documents were selected and analyzed based on the review of the title, abstract and content of the document. In order to analyze the data, the coding method was used in such a way that open coding (117 codes), central codes (19 codes) and then by specifying selected codes (4 codes) the fields of applying artificial intelligence in education were determined.
Findings: The findings of the research showed the fields of applying artificial intelligence in education in 4 categories, teaching, learning, evaluation and management, teaching includes: increasing the ability of educators to teach, providing customized educational content, supporting the professional development of educators, personalized teaching, teacher Smart, smart education; Learning includes: personalized/adaptive learning, dialog bots, smart learning, smart platforms for self-learning, exploratory learning environment, individual counseling to learners; Evaluation includes: automatic grading of assignments and exams, learning process control, learner performance prediction, teaching evaluation, adaptive/personalized feedback; And management includes: smart campus, sharing and storing a large amount of data, time management, international cooperation between educational systems in the context of artificial intelligence and automation of administrative tasks such as admission and registration, attendance and absence, etc.
Conclusion The adoption and use of artificial intelligence in education offers significant opportunities to improve educational systems
آراسته، حمیدرضا؛ خباره، کبری.(1402). نقش هوش مصنوعی و تحول در آموزش عالی. نشاء علم. 14 (1): 8-2.
بابایی، زهرا(1402). بررسی مزایای هوش مصنوعی مبتنی بر آموزش مجازی و چالش ها آن. مطالعات روانشناسی و علوم تربیتی. 9 (4): 602-595
باحجب قدسی، ساناز و مظاهری، میالد و دهمرده، محسن.(1402). تاثیر استفاده از راهبرد هوش مصنوعی در جریان تدریس و تاثیر آن بر دانش آموزان، مطالعات روانشناسی و علوم تربیتی، 6 (6): 8۶-۷۷
پارساراد، فرشته، فردوسی پور، زیبا، رفیعی وردنجانی، زهره، و سروستان، سحر. (1402). بررسی رویکردهای نوین در آموزش و پرورش با تمرکز بر تکنولوژی های هوش مصنوعی و یادگیری ماشینی. کنفرانس بین المللی پژوهش های مدیریت، تعلیم و تربیت در آموزش و پرورش.
شیخ شعاعی، حمزه. (1400). چالش ها، نقش ها و سیاستگذاری پژوهش های هوش مصنوعی در آموزش و پرورش. کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی.
حنیفه زاده نودهی، فاطمه. (1402). استفاده از رباتیک و هوش مصنوعی در آموزش و یادگیری کودکان و دانش آموزان. کنفرانس بین المللی پژوهش های مدیریت، تعلیم و تربیت در آموزش و پرورش.
داداش پور، محمد، و دهقان پور، اسماء. (1402). بررسی تاثیر هوش مصنوعی در فرایند تعلیم و تربیت. کنفرانس بین المللی پژوهش های مدیریت و علوم انسانی در ایران.
کاظمی فلوردی، کوثر(1399). کاربرد هوش مصنوعی در آموزش و یادگیری، ماهنامه رشد فناوری آموزشی، 35 (7): 93-81.
Afra, S., & Alhajj, R. (2020). Early warning system: From face recognition by surveillance cameras to social media analysis to detecting suspicious people. Physica A: Statistical Mechanics and its Applications.
An, R., & Xi, T. (2020). Research on the Service Design of Smart Campus Based on Sustainable Strategy – Taking Smart Canteen as an Example. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol. 12202 LNCS, pp. 20–30). Springer.
Braiki ,balqis Al, Saad Harous, Nazar Zaki, Fady Alnajjar (2020).Artificial intelligence in education and assessment methods. Bulletin of Electrical Engineering and Informatics.9 (5): 1998~2007.
Chassignol, M. Khoroshavin, A. Klimova, A. & Bilyatdinova, A. (2018). Arti_cial intelligence trends in education: A narrative overview,'' Procedia Comput. 136, 16_24.
Dong, Z., Zhang, Y., Yip, C., Swift, S., & Beswick,K. (2020). Smart campus: definition, framework, technologies, and services. IET Smart Cities, 2(1), 43–54.
Holmes et al. (2023).AI and Education. A View Through the Lens of Human Rights, Democracy and the Rule of Law. Legal and Organizational Requirements. In Proceedings of the International Conference on Artificial Intelligence in Education, Tokyo, Japan.
Ishfaq, M. Vijaya, L. (2023). Artificial Intelligence in Education. National Journal of Education, 2 (3): 127-135.
Kamalov, F.; Santandreu Calonge, D.; Gurrib, I(2023). New Era of Artificial Intelligence in Education: Towards a Sustainable Multifaceted Revolution. Sustainability, 15, 12451.
Kuleto, V., IIic, M., Dumangiu, M., Rankovic, M., Martins, O. M. D., Paun, D. &Mihoreanu, L.(2021). Exploring Opportunities and Challenges of Artificial Intelligence and Machine Learning in Higher Education Institutions. Sustainability, 13, 10424.
Li, L., Lin, Y. L., Zheng, N. N., Wang, F. Y., Liu, Y., Cao, D., Wang, K., et al. (2018). Artificial intelligence test: a case study of intelligent vehicles. Artificial Intelligence Review. 12: 135-151.
Liu, Y., Saleh, S. and Huang, J. (2021). Artificial Intelligence in Promoting Teaching and Learning Transformation in Schools. International Journal of Innovation, Creativity and Change, 15(3), 891-902.
Mikropoulos, T. A & Natsis, A. (2011). Educational virtual environments: A ten-year review of empirical research (1999_2009),'' Comput. Edu, 56 (3):769_780.
Popenici, S. A., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12(1): 135-141.
Pokrivcakova, S. (2019). ``Preparing teachers for the application of AI-powered technologies in foreign language education,'' J. Lang. Cultural Edu, 7 (3): 135_153.
Rojas, L.I.; Acosta-Vargas, P.; De-Moreta-Llovet, J.; Gonzalez-Rodriguez, M. (2023). Empowering Education with Generative Artificial Intelligence Tools: Approach with an Instructional Design Matrix. Sustainability, 15: 11524.
Sharma, Kawachi, P & Bozkurt, A. (2019). The landscape of artificial intelligence in open, online and distance education: Promises and concerns, Asian J. Distance Educ, 14 (2): 1_2.
Singh, M. (2023). The Role of Artificial Intelligence in Higher Education: Opportunities and Considerations. Express Computer; Computers--Computer Industry, 23: 1484.
Wartman S. A. & Combs C. D. (2018). Medical education must move from the information age to the age of arti_cial intelligence,'' Acad. Med., 93 (8): 1107_1109.
Wang, Y. (2020). An improved machine learning and artificial intelligence algorithm for classroom management of English distance education. Journal of Intelligent & Fuzzy Systems, 34: 1–12.
Yang, S., & Bai, H. (2020). The integration design of artificial intelligence and normal students’ Education. Journal of Physics: Conference Series, 1453(1): 012090.
فصلنامه رهبری و مدیریت آموزشی دانشگاه آزاد اسلامی‌واحدگرمسار سال هجدهم، شماره 2، تابستان 1403 صص 111-89 |
شناسایی زمینه‌های به‌کارگیری هوش مصنوعی در آموزش: پژوهش کیفی
کبری خباره1
چکیده:
هدف: در جامعه امروزی فناوری‌های هوش مصنوعی به سرعت در حال پیشرفت هستند و تحولات عمیقی را در تمام جنبه‌های زندگی انسان بخصوص حوزه آموزش ایجاد کردهاند پژوهش حاضر با هدف شناسایی زمینه‌های به‌کارگیری هوش مصنوعی در آموزش انجام شده است.
روش: پژوهش حاضر با رویکرد کیفی و روش فراترکیب انجام شده است. جامعه پژوهش شامل کلیه مقاله‌ها به تعداد1500بوده که از این میان براساس بررسی عنوان، چکیده و محتوای سند، 37 سند انتخاب و تحلیل شد. به منظور تجزیه و تحلیل داده‌ها، از روش کدگذاری استفاده شد بدین ترتیب که ابتدا کدگذاری باز(117 کد)، کدهای محوری(19 کد) و سپس با مشخص کردن کدهای انتخابی(4 کد) زمینه‌های به کارگیری هوش مصنوعی در آموزش شناسایی گردید.
یافته ها: یافته‌های پژوهش، زمینه‌های به‌کارگیری هوش مصنوعی در آموزش را در 4 دسته، تدریس، یادگیری، ارزیابی و مدیریت نشان داد، تدریس شامل: افزایش توانایی مربیان برای تدریس، ارائه محتوای آموزشی سفارشی، حمایت از توسعه حرفه‌ای مربیان، تدریس شخصی سازی شده، معلم هوشمند، آموزش هوشمند؛ یادگیری شامل: یادگیری شخصی‌سازی شده/ تطبیقی، ربابت‌های گفتگویی، یادگیری هوشمند، بسترهای هوشمند برای خودیادگیری، محیط یادگیری اکتشافی، مشاوره فردی به فراگیران؛ ارزیابی شامل: نمره‌دهی خودکار به تکالیف و امتحانات، کنترل فرایند یادگیری، پیش بینی عملکرد فراگیران، ارزیابی تدریس، بازخوردهای شخصی سازی شده؛ و مدیریت شامل: پردیس هوشمند، به اشتراک‌گذاری و ذخیره حجم زیادی از داده‌ها، مدیریت زمان، همکاری‌های بین‌المللی بین نظام‌های آموزشی در بستر هوش مصنوعی و خودکارسازی وظابف اداری می باشد.
نتیجه گیری: پذیرش و استفاده از هوش مصنوعی در آموزش، فرصت‌های چشمگیری را برای ارتقای نظام‌های آموزشی فراهم می‌کند.
کلیدواژه‌ها: هوش مصنوعی، فناوری آموزشی، آموزش و یادگیری، فراترکیب.
پذیرش مقاله: 22/8/ 1403 دریافت مقاله: 4/4/1403
مقدمه
در فرهنگ لغت آکسفورد، هوش مصنوعی را به عنوان نظریه و توسعه سیستم‌های رایانه‌ای تعریف می‌کند که قادر به انجام وظایفی هستند که معمولاً به هوش انسانی نیاز دارند. هوش مصنوعی شاخه ای از مهندسی کامپیوتر است که برای ایجاد ماشین‌هایی طراحی شده است که مانند انسان‌ها رفتار می‌کنند(بریکی و همکاران2،2020: 1). هوش مصنوعی3 در زندگی شهروندان قرن بیست و یکم فراگیر شده است و به عنوان ابزاری معرفی می شود که می تواند برای بهبود و پیشرفت همه بخش های زندگی انسان مورد استفاده قرار گیرد (گوریز و همکاران4،2020). یکی از حوزه‌های که به شدت تحت تأثیر هوش مصنوعی قرار گرفته است آموزش می باشد. به عبارتی دیگر در چند دهه اخیر با رشد سریع فناوری اطلاعات و ارتباطات، فناوری هوش مصنوعی پیشرفت زیادی داشته و در بخش آموزش مورد توجه قرار گرفته است. و این یک واقعیت غیرقابل انکار است که هوش مصنوعی به طور فزاینده‌ای به محیط آموزشی و فرآیند آموزشی نفوذ کرده است. در روند توسعه، افراد بیشتری، به اهمیت این فناوری در زمینه آموزش توجه می‌کنند و در طول 30 سال گذشته، توسعه و پذیرش فناوری‌های جدید در آموزش و یادگیری رشد کرده است (پوپنیچی و کر5، 2017: 18). همچنین با رشد سریع هوش مصنوعی در سرتاسر جهان و گسترش برنامه‌ها، صفحات وب و منابع مبتنی بر این فناوری، استفاده از هوش مصنوعی در کلاس‌های درس هم برای مربیان و هم برای فراگیران (بومیان دیجیتال) اجتناب ناپذیر است، که گاهی اوقات به دلیل قابلیت‌ها و ارتباط نزدیک‌تر با فناوری به عنوان بومی دیجیتال، نسبت به روندهای جدید و استفاده از ابزارهای فناوری در فرآیندهای آموزشی خود به روزتر هستند، که می‌توان از آنها به شیوه‌ای اخلاقی و مسئولانه استفاده کرد(ورا6، 2023: 4). هوش مصنوعی تکرار فرآیندهای مهارت انسانی مانند ترجمه زبان، گفتار، تشخیص بصری و تصمیم‌گیری مجازی توسط ربات‌ها و ماشین‌ها است. ایجاد ماشین‌هایی با ظرفیت انجام پردازش فکری و تولید پاسخ‌های رفتاری مانند انسان‌ها، نیازمند درجه قابل توجهی از نوآوری پیشرفته است.
در حال حاضر هوش مصنوعی می‌تواند روش‌های جدیدی برای آموزش و یادگیری ارائه دهد. استفاده از هوش مصنوعی در زمینه‌های آموزشی بینشی در مورد چگونگی یادگیری و آموزش ارائه می‌دهد و احتمالاً نحوه ارزیابی دانش را در سیستم‌های آموزشی تغییر دهد. و همچنین در سازماندهی مجدد کلاس‌های درس نقش دارد و می‌تواند کارایی تدریس را افزایش دهد و همچنین آنها به ایجاد محتوای آموزشی شخصی بر اساس نیازها و ترجیحات فردی فراگیران می پردازند(هلمز و همکاران7،2023: 4). هوش مصنوعی در آموزش و پرورش به استفاده از فناوری های هوش مصنوعی یا برنامه های کاربردی در محیط های آموزشی برای تسهیل آموزش، یادگیری و تصمیم گیری اشاره دارد(باحجب و همکاران،1402). و به بیان دیگر هوش مصنوعی می‌تواندبه عنوان یک معلم،ابزار یا پشتیبان هوشمند عمل کند و هچنین تصمیم‌گیری در محیط‌های آموزشی را تسهیل کند. معلمان می‌تواننداز سیستم‌های هوشمندی استفاده کنندکه به ارزیابی، جمع آوری داده‌ها ، پیشرفت یادگیری و توسعه راهبردهای جدید کمک کنند(شیخ شجاع،1400).
کاربردهای هوش مصنوعی درنظام‌های آموزشی در حال افزایش است و در چند سال اخیر توجه زیادی را به خود جلب کرده است. در گزارش‌های اجوکاز8 هوش مصنوعی و فناوری‌های یادگیری تطبیقی به طور برجسته به عنوان پیشرفت‌های مهم در فناوری آموزشی معرفی شده اند.کارشناسان اجوکاز پیش‌بینی می‌کنند هوش مصنوعی در آموزش از سال 2018 تا 2022 رشد 43 درصدی داشته است، و احتمالا در آینده برنامههای کاربردی هوش مصنوعی مرتبط با آموزش و یادگیری رشد بیشتری داشته باشند(اجوکاز،2019). از کاربردهای مهم هوش مصنوعی بهبود یادگیری دانشجویان از طریق سفارشی‌سازی و شخصی‌سازی برنامه درسی و محتوای دروس مطابق با نیازها، توانایی‌ها و قابلیت‌های فراگیران و در نتیجه انطباق فردی است (میکروپولوس و ناتسیس9،2011).با توجه به اینکه گردآوری و حفظ اطلاعات توسط یادگیرندگان پایه و اساس یادگیری است (وارتمن وکامبز10،2018) ، برخی از سکوهای هوش مصنوعی، شخصی‌سازی محتوا را پشتیبانی و گردآوری و نگهداری اطلاعات را تقویت می‌کنند و در نتیجه تجربه یادگیری یادگیرنده را بهبود می‌بخشند. برای مثال، برنامه نیوتن11 که برنامه‌ای تطبیقی برای شخصی‌سازی محتوای آموزشی است و برای آموزش تکمیلی در رشته‌های علوم، فناوری، مهندسی و ریاضیات ایجاد شده، توصیه‌های بلادرنگی را برای فراگیران ارائه می‌کند. این برنامه مبتنی بر سبک یادگیری رمزگشایی شده توسط فناوری با استفاده از الگوریتم‌های یادگیری ماشین است، و متعاقباً مواد یا محتوای درسی را مطابق با نیازهای یادگیرندگان پیشنهاد می‌دهد (چاسینول و همکاران12،2018: 10).
هوش مصنوعی همچنین توانایی پاسخگویی به نیازهای آموزشی مختلف فراگیران را دارد. هوش مصنوعی فناوری ست که نه تنها ایمنی نظام‌های آموزشی را افزایش می‌دهند، بلکه با کمک به فرآیند آموزش و یادگیری، کارایی آنها را نیز بهبود می‌بخشند (کولتو و همکاران13،2021). هوش مصنوعی، ابزارهای آموزشی هوشمند جدید، ایجاد روش های آموزشی و یادگیری جدید، و تشویق نوآوری در سیستم‌های ارزیابی و مدیریت تدریس را در اختیار نظام‌های آموزشی قرار می‌دهد(لیو و همکاران14،2021: 115). هوش مصنوعی در آموزش به کاربرد فناوری‌های هوش مصنوعی، مانند سیستم‌های آموزشی هوشمند، ربات‌های گفتگو، و ارزیابی خودکار و تمام حالت‌های مصنوعات دیجیتالی که آموزش را پشتیبانی و ارتقا می‌دهند، اشاره دارد. هوش مصنوعی در آموزش دارای پتانسیل بسیار زیادی برای بهبود یادگیری، تدریس، ارزیابی و مدیریت آموزشی با ارائه یادگیری شخصی‌تر و سازگارتر به فراگیران، تقویت درک معلمان از فرآیند یادگیری فراگیران، و ارائه پرسش‌های پشتیبانی شده توسط ماشین در هر زمان و بازخورد فوری می‌باشد(توماس و همکاران15،2023: 12).
یادگیری تطبیقی یکی از بالقوه ترین کاربردهای هوش مصنوعی در آموزش در نظر گرفته می‌شود. که به پیگیری پیشرفت هر فراگیر کمک می‌کند و در صورتی که فراگیران در محتوای آموزشی با مشکل مواجه شوند، اطلاعات لازم را در اختیار معلمان قرار می دهد. ابزارهای هوش مصنوعی به در دسترس قرار دادن کلاس های درس جهانی برای همه فراگیران صرف نظر از زبان آنها کمک می کند.(مار16،2021) ابزارها و برنامههای هوش مصنوعی فراگیر هستند و کلاس‌های درس را برای همه بدون در نظر گرفتن زبان یا هر ناتوانی دیگری در دسترس قرار می‌دهد. هوش مصنوعی به طور گسترده در زمینه آموزش مورد استفاده قرار گرفته است و مزایای کاربردی قابل توجهی را نشان داده است، که تأثیر عمیقی بر فرآیند تدریس و مدیریت کلاس دارد(چاسینول و همکاران، 2018).
هوش مصنوعی می تواند به طور مداوم محیط یادگیری را بهینه و بهبود بخشد، شور و شوق، ابتکار و خلاقیت فراگیران را تحریک کند (یانگ و بای17،2020: 6). در عین حال، می تواند به طور قابل توجهی سطح مدیریت کلاس درس معلمان را بهبود بخشد و اطمینان حاصل کند که مدیریت کلاس درس معقول تر و کارآمدتر است (وانگ18،2020). ابزارهای هوش مصنوعی به طور خودکار محتوای آموزشی شخصی‌سازی شده را با استفاده از الگوریتم‌های پیشرفته تولید می‌کنند. این ابزارها داده‌های فراگیر را تجزیه و تحلیل می‌کنند و مطالب متناسب را ایجاد می‌کنند و مشارکت فعال و انگیزه یادگیری را افزایش می‌دهند. هوش مصنوعی نه تنها کاربرد و دستاوردهاي چشم گیري در آموزش و یادگیري خواهد داشت، بلکه در امور پذیرش فراگیر، شخصی سازي محتواي دروس، ارزیابی فراگیران، ایجاد فرصت هاي یادگیري، افزایش تجربیات یادگیري، افزایش انگیزش، لذت یادگیري به کمک نظام‌های آموزشی خواهد آمد. که آینده نظام آموزشی به طور ذاتی با پیشرفت فناوري‌هاي هوشمند درهم تنیده شده است و در آینده‌اي نه چندان دور هویت و تفسیر جدید و متمایزي از نظام‌های آموزشی ارائه خواهد شد(آراسته و خباره،1402).
حنیفه زاده نودهی(1402)در پژوهش خود بیان کردند که هوش مصنوعی می‌تواند تفکر علمی و مشارکت در فرایند یادگیری را ترغیب کند و این ابزارها به فراگیران کمک می‌کند تا مفاهیم پیچبده را به صورت جذاب و بازی آموزی فرا گرفته و توانایی‌هایشان را بهبود ببخشند و همچنین استفاده از هوش مصنوعی در طراحی آموزش‌ها و برنامه ریزی‌های درسی می تواند انطباق بهتری با نیازهای فردی فراگیران داشته باشد و به آنها امکان فراهم سازی یادگیری توام با با پیشرفت شخصی را می‌دهد. پارساراد و همکاران (1402) بیان کردند که استفاده از هوش مصنوعی می‌تواند به بهبود فرایند انتقال دانش و اطلاعات به فرگیران کمک کند و طور دقیقی می‌توان عملکرد و پیشرفت فراگیران را ارزیابی و برنامههای آموزشی را براساس نتایج ارزیابی تنظیم کرد. همچنین به طور خودکار و سریع محتواهای آموزشی را ارائه کرده و به فراگیران اجازه داد تا به صورت خودآموز مطالب را فراگیرند. و امکان ارائه آموزش‌های ششخصی سازی شده به هر فراگیر براساس نیازهایشان است. در هوش مصنوعی استفاده از ربات‌های آموزشی به عنوان یک معلم هوشمند عمل می‌کند و با ارائه تمرین‌ها و فعالیت‌های تعاملی، فراگیران را به مشارکت فعال در فرایند یادگیری ترغیب می‌کنند. همچنین بابایی(1402) اشاره کردند که اهمیت هوش مصنوعی در بهبود تجربه آموزشی از طریق سفارشی سازی آموزش بر اساس نیازها و توانایی‌های فراگیر، ایجاد سیستم های هوشمند برای پیش بینی و رفع مشکلات فراگیران، بهره مندی از ابزارهای هوش مصنوعی برای تولید و تصحیح محتوای آموزشی با کیفیت بالا وامکان ارائه بازخوردهای دقیق و فوری برای دانشجویان به منظور بهبود فرآیند یادگیری می‌باشد. سینگ19 (2023) در پژوهش خود دریافت که هوش مصنوعی می تواند در یادگیری شخصی، آموزش هوشمند، بازخورد فوری به فراگیران، تجزیه و تحلیل داده‌ها و فرآیندهای اداری ساده(اینکه هوش مصنوعی می تواند عملیات اداری تکراری مانند برنامه ریزی، پذیرش و ثبت نام را به صورت خودکار انجام دهد) کاربرد داشته باشد.
کرامپتون و برک20، (2023) در مطالعه خود تأثیر هوش مصنوعی در آموزش عالی را در 5 حوزه نشان دادند:
1) سنجش و ارزشیابی، شامل: ارزیابی پیشرفت تحصیلی و احساسات دانشجو نسبت به یادگیری، ارزیابی فردی و گروهی، و ارزیابی‌های جامعه آنلاین مبتنی بر کلاس.
2) پیش بینی: هوش مصنوعی می تواند دانشجویانی را که در آستانه ترک تحصیل هستند را پیش بینی کند و همچنین توانایی های نوآورانه، و تصمیم گیری های شغلی دانشجویان را پیش بینی کند.
3) دستیار هوش مصنوعی: دستیاران هوش مصنوعی مخصوص حمایت ازدانشجویان در آموزش عالی ست. دستیاران خانه نیز شامل کسانی هستند که حضوری انسان نما دارند ، مانند عوامل مجازی و مداخله متقاعدکننده از طریق برنامههای دیجیتال.
4) سیستم آموزشی هوشمند: سیستم های آموزشی هوشمند در این مطالعه استراتژی ها و رویکردهای سفارشی شده ای را برای ویژگی ها و نیازهای دانشجویان ارائه کردند.
5) مدیریت یادگیری دانشجویان. شامل: تجزیه و تحلیل یادگیری، ترتیب‌بندی برنامه درسی، طراحی آموزشی و خوشه‌بندی دانشجویان.
کمالوف و همکاران21(2023) در پژوهش خود دریافتند که هوش مصنوعی در یادگیری شخصی شده، سیستم های آموزشی هوشمند، نمره‌دهی و خودکارسازی ارزیابی و همکاری بین مربیان و فراگیر کاربرد دارد. اشفق و ویجایا22(2023) در پژوهش خود به تاریخچه یادگیری قبلی دانشجویان، تجربیات یادگیری شخصی، رونویسی سخنرانی‌های اساتید به زبان‌های محلی، دسترسی به کلاس‌های درس بدون هیچ محدودیتی،ایجاد محتوای هوشمند،یادگیری تطبیقی، تسهیل فرایند یادگیری،سفارشی کردن محتوای آموزشی برای فراگیران اشاره کردهاند.
شراوی23(2023) از جمله کاربردهای هوش مصنوعی در آموزش و یادگیری، استفاده از چت بات‌ها و دستیاران دیجیتال، یادگیری تطبیقی و شخصی، بازخورد و نمره دهی خودکار است. روجاس و همکاران24(2023) در مطالعه خود نتیجه می‌گیرند که ابزارهای هوش مصنوعی مولد پتانسیل قابل توجهی در آموزش دارند. آنها راه‌های نوآورانه‌ای برای مشارکت دادن فراگیران، تطبیق محتوا و ترویج یادگیری شخصی ارائه می‌کنند. توماس و همکاران (2023) در مطالعه خود مبنی بر هوش مصنوعی در آموزش به تعیین وظایف بر اساس شایستگی فردی، ارائه مکالمات انسان و ماشین، افزایش سازگاری و تعامل در محیط‌های دیجیتال، ارائه راهبردهای تدریس تطبیقی، نمره گذاری خودکار، بهبود عملکرد بسترهای مدیریتی اشاره کردند.
با توجه به اهمیت و کاربردهای که هوش مصنوعی می‌تواند در آموزش و یادگیری داشته باشد و همچنین با در نظر گرفتن پژوهش‌های انجام شده در مورد هوش مصنوعی در آموزش ، هدف پژوهش حاضر این است که درک جامعی از زمینه‌های به‌کارگیری هوش مصنوعی در آموزش ایجاد شود. محقق درصدد پاسخ به این سوال است که زمینه های بکارگیری هوش مصنوعی در آموزش کدامند؟
روش تحقیق
پژوهش حاضر با روش کیفی و از نوع فراترکیب انجام شده است که طی آن با بررسی نظامند زمینه‌های به کارگیری هوش مصنوعی در آموزش استخراج شده است. فراترکیب یک روش نظامند است که هدف آن ترکیب نتایج پژوهش های انجام شده به منظور ارائه درک بهتر از یک موضوع می باشد. این روش بر اساس سندلوسکی و باروسو25 (2007) شامل هفت مرحله انجام شده است.
1) تدوین سؤالات پژوهش: اولین گام از انجام فراترکیب، تدوین سؤالاتی است که بتوان توسط این روش به آنها پاسخ داد. ازاین‌رو پژوهش حاضر به دنبال پاسخ به این سؤال بوده است که زمینه‌های به‌کارگیری هوش مصنوعی در آموزش کدامند؟
2) مرور نظامند ادبیات: جامعه پژوهش حاضر کلیه مقالات علمی-پژوهشی منتشرشده در زمینه کاربرد هوش مصنوعی در آموزش بود که با کلید‌واژه‌های "هوش مصنوعی در آموزش و یادگیری" و "هوش مصنوعی در آموزش عالی" ( در بازه زمانی 2018 تا 2024) در پایگاه‌های اطلاعاتی اسپرینگر26، ساینس دایرکت27، اسکوپوس28، پروکوئست29، سیج30 مورد جستجو قرار گرفت.
3) جستجو و انتخاب مقالات مناسب: این فرایند در چند گام متوالی انجام شده است تا از میان منابع موجود، مرتبط ترین و معتبرترین منابع را شناسایی نمود: بدین منظور بیش از 1500 مقاله براساس عنوان بررسی شد. به‌منظور این بررسی، در صفحات پایگاه‌های اطلاعاتی مرتبط، کلیدواژه‌ها مورد جستجو قرار گرفت و عناوین اسناد یافته شده مورد بررسی و گزینش قرار گرفت. در مرحله بررسی و پالایش اسناد، تعداد 1200 سند، رد شد چرا که عنوان آنها بر مسأله و متغیرهای پژوهش حاضر منطبق نبود. 300 مقاله باقی‌مانده، مورد بررسی چکیده قرار گرفت تا بتوان مشابهت‌ها و رهیافت‌هایی برای پژوهش حاضر در آنها یافت. در این بررسی نیز که به مطالعه دقیق چکیده مطالعات پرداخته شد، تعداد 205 مقاله دیگر نیز از بررسی خارج شد. درنهایت، با مطالعه اجمالی محتوای مقالات، 68 مقاله ردشد. برای این منظور بخش‌های کلیدی مقاله ازجمله بیان مسأله، ادبیات، روش، یافته‌ها و نتایج مورد بررسی اجمالی قرار گرفت تا این احتمال بررسی شود که این مقالات، محتوایی برای استخراج و استفاده در پژوهش حاضر داشته باشند. نهایتاً 37 مقاله باقی ماند و اطلاعات آنها استخراج و مورد تحلیل قرار گرفت (شکل 1 و جدول 1).
شکل 1. جستجو و انتخاب مقالات مناسب
جدول 1. اسامی نویسندگان و سال انتشار مقالات تحلیل شده
کد مقاله | نویسندگان | سال انتشار | کد مقاله | نویسندگان | سال انتشار |
1 | توماس و همکاران | 2023 | 19 | رویزروجاس و همکاران | 2023 |
2 | شراوی | 2023 | 20 | کوربا و بن نسار | 2024 |
3 | نالبنت | 2021 | 21 | کرامپتون و سونگ | 2021 |
4 | هوانگ و همکاران | 2021 | 22 | هینجو لوسنا | 2019 |
5 | ییژی و سیو | 2018 | 23 | جگادیش و کنگام | 2020 |
6 | شارما و همکاران | 2019 | 24 | استفان و شارون | 2017 |
7 | اشفق و ویجایا | 2023 | 25 | کونکی و همکاران | 2023 |
8 | لیو و همکاران | 2021 | 26 | اویانگ | 2021 |
9 | لامراس و ارناب | 2022 | 27 | چیلا و همکاران | 2024 |
10 | کرامپتون و برک | 2023 | 28 | پبسیکا و همکاران | 2023 |
11 | هوانگ و همکاران | 2021 | 29 | چودری و کاظم | 2022 |
12 | جین و جین | 2019 | 30 | مورنوپادیلا | 2019 |
13 | سینگ | 2023 | 31 | بیکر و همکاران | 2019 |
14 | کلوتکا و همکاران | 2018 | 32 | پدرو | 2020 |
15 | اورکافرناندزوهمکاران | 2019 | 33 | میکروسافت | 2020 |
16 | چن و همکاران | 2020 | 34 | داوان و باترا | 2020 |
17 | ریچتر و همکاران | 2019 | 35 | آکینوالر و ایوانف | 2020 |
18 | کمالوف و همکاران | 2023 | 36 | سلیمی | 2021 |
|
|
| 37 | کولتو و همکاران | 2021 |
4) استخراج اطلاعات مقالات: اطلاعات مقالات در قالب فیش برداری استخراج گردید بدین‌صورت که گزاره‌ها و عبارات مرتبط موجود در مقالات از طریق علامت‌گذاری و جداسازی، شمرده شد. به‌منظور تجزیه‌وتحلیل داده‌ها از کدگذاری باز استفاده شد که بدین ترتیب که کدها (گزاره‌ها)، مفاهیم نام‌گذاری گردید.
5) کنترل کیفیت: به‌منظور تأمین قابلیت اعتماد یا همان اطمینان‌پذیری یافته‌ها از سازماندهی ساخت‌یافته برای ثبت، نوشتن و تفسیرهای فراترکیب استفاده شد. برای تأمین اعتبار یا همان باورپذیری پژوهش از روش مثلث سازی31 داده‌ای استفاده شده است. در مثلث سازی داده‌ای محقق یافته‌های تحقیقی را با استفاده از روش‌های متعدد جمع‌آوری و تحلیل داده‌ای مانند: از حیث زمان، مکان و اشخاص غنی می‌سازد.
6) روش تجزیه‌وتحلیل داده‌ها: به منظور تحلیل داده‌ها، از روش کدگذاری استفاده شد بدین‌صورت که ابتدا کدهای باز(به تعداد 117 کد) استخراج شده و پس از آن با کنار هم گذاشتن کدهای باز مشابه و هم معنا، کدهای محوری(19 کد) استخراج گردیده و در نتیجه با مشخص کردن کدهای انتخابی(4 کد)، کاربردهای هوش مصنوعی درآموزش شناسایی شد.
یافته‌ها
آخرین گام روش فراترکیب ارائه یافته‌های پژوهش هست. یافته‌ها بدین ترتیب ساماندهی شد که ابتدا گزاره‌های مرتبط از متن مقالات استخراج و به هر یک از آنها، یک مفهوم نسبت داده شد. سپس مفاهیم مشابه و مرتبط در قالب مقوله‌ها دسته‌بندی و نام‌گذاری شدند (جدول 2). یافته های پژوهش در نهایت در قالب مدل مفهومی در شکل 2 ترسیم شدند.
جدول2. یافته‌های زمینه‌های بکارگیری هوش مصنوعی در آموزش
ردیف | کدهای باز | کدهای محوری | کدهای انتخابی |
1
| حمایت از توسعه حرفه ای معلمان، افزایش توانایی معلمان در تدریس، افزایش سازگاری و تعامل در محیط های دیجیتال، ارائه راهبردهای تدریس تطبیقی، ارائه مکالمات انسان و ماشین(1)، استفاده از چت بات ها و دستیاران دیجیتال(2)، دستیاران مجازی و ربات‌های گفتگوی(25)، شخصی سازی در آموزش، آموزش از راه دور، تولید محتواهای هوشمند(3)،(7)(8)، ایجاد کلاس مجازی(4)، استفاده از فناوری هوش مصنوعی برای مؤثرتر، کارآمدتر کردن، انعطاف‌پذیری و راحت‌تر کردن آموزش، پاسخگویی به سوالات فراگیران (5)، سفارشی کردن محتوای آموزشی برای فراگیران(7)، ایجاد حالت‌های آموزشی و یادگیری جدید(8)، چت ربات های وظیفه گرا، تهیه و انتقال محتوای آموزشی، سیستم توصیه کننده محتوا(9)؛ ، ترتیب‌بندی برنامه درسی، طراحی آموزشی و خوشه‌بندی دانشجویان(10)، مربی هوشمند11)،(27)،(1) روش تدریس را برای هر فراگیر بر اساس داده های شخصی آنها طراحی می کند(15)، برنامه درسی و محتوا مطابق با نیازهای دانش‌آموزان سفارشی‌سازی و شخصی‌سازی شده‌اند16، تدریس محتوای دوره(17)، حمایت از معلمان و طراحی یادگیری(17)، سیستم های آموزشی هوشمند(18) ،(14)،(17)؛ اجرای آموزش هوش مصنوعی در تمام سطوح آموزشی(20)، بهبود و تولید محتوای آموزشی(20)، درک رابطه بین انسان و ماشین20، ارائه محتوای مناسب برای یادگیرنده(21)، معلم مجازی(22)، همکاری انسان و کامپیوتر(26)، سیستم های آموزشی مبتنی بر گفتگو(26)، مهارت‌های ارتباطی33، تلاش‌های معلمان را برای طراحی، ترتیب دادن و نمایش فعالیت‌های یادگیری تطبیقی(31)، چت بات ها، یا عوامل مکالمه هوشمند29، ربات های آموزشی(30)، فراهم کردن محیط‌های یادگیری هوشمند (29) | دستیار دیجیتالی | آموزش (تدریس)
|
افزایش توانایی مربیان برای تدریس | |||
ارائه محتوای آموزشی سفارشی | |||
آموزش هوشمند | |||
حمایت از توسعه حرفه ای مربیان | |||
تدریس شخصی سازی شده | |||
معلم هوشمند | |||
2 | یادگیری تطبیقی (2)،(4)،(10)،(11)،(7)،(13)(18)(17)،(26)،(27) محیط های یادگیری مجازی، سیستم های تولید گفتار و مترجم زبان(3)، ذخیره تاریخچه یادگیری قبلی دانش آموزان، تجربیات یادگیری شخصی، رونویسی سخنرانی های اساتید به زبان های محلی(7)، تسهیل فرایند یادگیری، کمک به دانش آموزان در به کارگیری دانش(9)، کمک به دانش آموزان برای تبدیل شدن به یادگیرندگان خودتنظیم (9)، درگیر کردن دانش آموزان با وظایف یادگیری تطبیقی(9)، تجزیه و تحلیل یادگیری(10)، یادگیری هوشمند(11) ، یادگیری تطبیقی و فردی برای برآوردن نیازهای فراگیران (12)، چت ربات‌های مبتنی بر هوش مصنوعی می‌توانند کمک و پاسخ‌های فوری به سوالات متداول دانشجویان ارائه دهند(13) ، ارائه شخصی‌سازی دقیق یادگیری به دانش‌آموزان بر اساس نیازهایشان،(16)،تجربه یادگیرندگان و کیفیت کلی یادگیری را بهبود می‌بخشد(16)، توصیه محتوای شخصی‌شده17 ، تطبیق محتوا و ترویج یادگیری شخصی(19)، ایجاد انگیزه برای یادگیری از طریق دستگاه های تلفن همراه،(20)، سیستم‌های شخصی‌سازی(22)، برنامههای هوشمند و ربات‌های دارای استقلال و توانایی یادگیری(22)، هوش مصنوعی قادر به درگیر شدن در فرآیندهای انسانما مانند تطبیق، یادگیری، سنتز، تصحیح(24)، محیط های یادگیری اکتشافی(26)، تقویت یادگیری، (26)، مشاوره فردی به فراگیران (27)، ارتباط مؤثرتری(36)، سفارشی سازی برنامه درسی برای نیازهای فردی هر دانش آموز35، یادگیری شخصی‌سازی شده(3)،(34)(26)(27)، تجربه آموزشی ،توسعه مهارت ها، آمادگی برای فردا، یادگیری مشارکتی(34)، کمک فراتر از کلاس درس(34)، یادگیری فردی و سیستم‌های یادگیری الکترونیکی(33)، بهبود تجربیات یادگیری فراگیران و انگیزه آنها برای یادگیری(15)،(32)، مسیرهای یادگیری شخصی و سازگار(32)، ارائه و تنظیم محتوای یادگیری شخصی(31)، ایجاد بسترهای آنلاین برای خودیادگیری(30)، ارائه تجربیات یادگیری سفارشی و/یا شخصی‌سازی‌شده(29)، بهبود مهارت‌ها و شایستگی‌های فراگیران(28)، | یادگیری شخصی سازی شده/ تطبیقی | یادگیری |
ربابت های گفتگویی | |||
یادگیری هوشمند | |||
بسترهای هوشمند برای خودیادگیری | |||
محیط یادگیری اکتشافی | |||
مشاوره فردی به فراگیران | |||
3 | پیش بینی عملکرد فراگیران(1)، بازخورد، نمره دهی خودکار(1)2(21)(17)(18)، سیستم های ارزیابی3، ارزیابی تدریس4(17)، کمک به دانش آموزان برای بهبود از طریق ارزیابی و بازخورد، سیستم های بازخورد هوشمند مبتنی بر وب(9)، پیشرفت تحصیلی و احساسات دانش‌آموز نسبت به یادگیری، ارزیابی فردی و گروهی(10)، ایجاد و ارزیابی سیاست‌های آموزشی (11)، کنترل فرآیند یادگیری (12)، تشخیص نقاط قوت و بازخورد خودکار، نظارت بر مواد آموزشی (17)، استفاده از داده های تحصیلی برای نظارت و راهنمایی دانش آموزان (17)معلمان می‌توانند نمره‌دهی دانش‌آموزان را برای مجموعه‌ای از سؤالات ثابت مکانیزه کنند. هدف هوش مصنوعی در آموزش افزایش درک ما از فراگیران است، این نه تنها شامل آنچه می‌دانند، می‌شود، بلکه نحوه یادگیری و آموزش‌ها را نیز شامل می‌شود(29) ، بازخورد سفارشی ارائه کند و درک آنها از موضوعات خاص را افزایش دهد(29)، بازخورد سفارشی ارائه کند و درک آنها از موضوعات خاص را افزایش دهد، ارائه بازخورد هوشمند و تسهیل همکاری(31)،پیش‌بینی میانگین نمرات دانش‌آموز را برای اهداف تضمین کیفیت فراهم می‌کنند(31)، به پیش بینی شغل آینده فراگیران(36)،ارزیابی درک دانش آموز(17) ، ترک تحصیل را پیش بینی می کند و در مورد آن تصمیم می گیرند(20)، تشخیص شکاف های آموزشی(20)، بهبود راهنمایی تحصیلی و شغلی برای دانش آموزان(20)، توسعه تفکر انتقادی را بر اساس تفکر محاسباتی(20)، تقویت امنیت اطلاعات جامعه آموزشی(20)، با مشاهده رفتار دانش‌آموز در یک دوره، سیستم‌های هوش مصنوعی می‌توانند توصیه‌های خاصی برای خواندن مطالب و فعالیت‌ها ارائه کنند(21)، استفاده از داده‌های مختلف مورد نیاز برای پردازش وظایف(24)، کنترل کیفیت برنامه ریزی آموزشی(36)، درگیر شدن در فرآیندهای گفتگوی هوشمند برای تشخیص تصورات غلط(32)، ارزیابی و بازخورد به روش‌های انطباقی و شخصی‌سازی شده(31)، نحوه یادگیری و آموزش‌ها(29)، | نمره دهی خودکار به تکالیف و امتحانات | ارزیابی
|
کنترل فرایند یادگیری | |||
پیش بینی عملکرد فراگیران | |||
ارزیابی تدریس | |||
بازخوردهای انطباقی/ شخصی سازی شده | |||
4
| دسترسی به کلاس‌های درس بدوم هیچ محدودیتی(7)، تشویق نوآوری در سیستم‌های ارزیابی و مدیریت تدریس(8)، سیاست‌گذاران می‌توانند روندها و مشکلات موجود در محیط‌های آموزشی را از منظر کلان و خرد با دقت بیشتری درک کنند، در ایجاد و ارزیابی سیاست‌های آموزشی(11)، هوش مصنوعی می تواند عملیات اداری تکراری مانند برنامه ریزی، پذیرش و ثبت نام را به صورت خودکار انجام دهد، و این امر باعث صرفه جویی در زمان کارکنان و اساتید خواهدشد(12)، پردیس هوشمند(35)(4)، افزایش دسترسی؛ افزایش ماندگاری، هزینه کمتر(14)، مدیریت ادغام اشکال مختلف تعامل انسانی و فناوری اطلاعات و ارتباطات(15)، بهبود قابل‌توجه در آموزش را برای تمام سطوح مختلف،برنامه ریزی، طراحی، توسعه و پیاده سازی مهارت های دیجیتال، درک و توسعه محیط فن آوری مطابق با نیازهای خود و همچنین اجرای جهانی سازی(15)، ارتقای مهارت های آموزشی معلمان(20)، تقویت حوزه رباتیک(20)، تسهیل همکاری(21)، تعامل در همه جا (یعنی در هر زمان و مکانی) (22)، هستی شناسی ها و وب معنایی (که دانش را از فضاهای چندگانه، داده های بزرگ جمع آوری می کند)(22)، در زمان صرفه جویی می‌کند، کارایی را افزایش می‌دهد،(25)، توسعه کلاس‌های مجازی پیشرفته، تجربه تعاملی‌تر دانش‌آموز از طریق هوش مصنوعی، توسعه برنامههای کاربردی نهایی مبتنی بر هوش مصنوعی(27)، تجزیه و تحلیل حجم عظیمی از داده ها(27)، پشتیبانی دانش آموز(36)،حل مسئله، خلاقیت و مدیریت زمان(36) بهبود کارایی سیستم ها و روش های یادگیری الکترونیکی(36)، حجم کاری دانشگاهی را به حداقل می رساند، خدمات آموزشی را ارتقا می دهد و استقلال مالی را تضمین می‌کند(36)، احساس ارتباط بیشتری با سایر نقاط جهان (36)، ایجاد فرآیندهای ثبت نام و پذیرش کارآمدتر(35)، خودکارسازی وظایف اداری(35)، دسترس قرار دادن کلاس های درس جهانی برای همه(35)، دسترسی فراگیر برای همه دانشجویان(35)، به اشتراک گذاری داده ها، امنیت و کارایی مؤسسه، فناوری هوشمند می تواند به اشتراک گذاری و ذخیره حجم زیادی از داده ها را به روشی کارآمد امکان پذیر کند(34)، مشارکت، ثبت‌نام و تأمین مالی دانش‌آموز را افزایش می‌دهد(33)، کاهش نرخ ترک تحصیل دانش آموزان (32)، پشتیبانی اداری از مدیریت حضور و غیاب و زمان‌بندی تا ثبت و پیش‌بینی میانگین نمرات دانش‌آموز برای اهداف تضمین کیفیت(31)، کاهش حجم کاری معلمان(29)، کارآیی بیشتر در هزینه‌های اداری(28)،اتصال و تسهیل همکاری های بین المللی و بین رشته ای(28). | پردیس هوشمند | مدیریت |
به اشتراک گذاری و ذخیره حجم زیادی از داده ها | |||
خودکار سازی وظابف اداری( پذیرش و ثبت نام سیستمی) | |||
مدیریت زمان | |||
همکاری های بین المللی بین نظام های آموزشی در بستر هوش مصنوعی |
شکل 2. زمینه‌های بکارگیری هوش موصنوعی در آموزش
بحث و نتیجهگیری
پژوهش حاضر با هدف شناسایی زمینه‌های به کارگیری هوش مصنوعی در آموزش انجام شده است. هوش مصنوعی تقریبا در هر بخش از زندگی انسان تأثیر گذاشته است و یکی از بخش هایی که به شدت تحت تأثیر فناوری هوش مصنوعی بوده حوزه‌ی آموزش و نظام‌های آموزشی می‌باشد. بواسطه هوش مصنوعی، ارائه آموزش و تحصیل کردن بسیار منعطف شده است و هوش مصنوعی به فرد کمک می‌کند تا براساس نیازهای شخصی خود آموزش ببیند. پژوهش حاضر نیز به دنبال شناسایی کاربردهای هوش مصنوعی در آموزش بوده است که درباره این مفهوم نوظهور در پژوهش های قبلی، قابل بررسی و شناسایی بوده است تا مبنایی برای ایجاد دیدگاهی درست نسبت به این موضوع و بهره گیری آن در نظام های آموزشی فراهم شود. نتایج پژوهش نشان داد، هوش مصنوعی در آموزش می‌تواند کاربردهای مختلفی داشته باشد.
یکی از کابردهای هوش مصنوعی، در حوزه آموزش (تدریس) می باشد. تدریس شامل مفاهیم(افزایش توانایی مربیان برای تدریس، ارائه محتوای آموزشی سفارشی، حمایت از توسعه حرفه ای مربیان، تدریس شخصی سازی شده، معلم هوشمند، آموزش هوشمند می باشد. که برخی پژوهش از جمله؛ کمالوف و همکاران،2023)، اشفق و ویجایا (2023) ، کرامپتون و برک(2023)، پارساراد و همکاران (1402)، حنیفه زاده نودهی(1402) به آنها اشاره کردهاند. هوش مصنوعی استفاده از رایانه‌ها، ماشین‌ها، سایر مصنوعات دارای هوش انسانما با توانایی‌های شناختی، یادگیری، سازگاری و توانایی‌های تصمیم‌گیری می باشد. با استفاده از این بسترها، معلمان توانسته اند وظایف اداری متفاوتی از جمله بررسی و نمره دهی به تکالیف فراگیران را به طور موثرتر و کارآمدتر انجام دهند و در فعالیت های آموزشی خود به کیفیت بالاتری دست یابند. از سوی دیگر، از آنجایی که هوش مصنوعی از یادگیری ماشینی استفاده می‌کند، برنامه درسی و محتوا مطابق با نیازهای فراگیران سفارشی‌سازی و شخصی‌سازی شده‌اند که جذب و حفظ را تقویت کرده و در نتیجه تجربه یادگیرندگان و کیفیت کلی یادگیری را بهبود می‌بخشد(چن و همکاران32،2020: 12)
کاربرد دیگر در حوزه یادگیری است که شامل: یادگیری شخصی سازی شده/ تطبیقی، ربابت های گفتگویی، یادگیری هوشمند، بسترهای هوشمند برای خودیادگیری، محیط یادگیری اکتشافی، مشاوره فردی به فراگیران می باشد. و که با نتایج برخی پژوهش ها مانند کرامپتون و برک(2023)؛شراوی(2023)، کمالوف و همکاران،2023)، اشفق و ویجایا (2023)، پارساراد و همکاران (1402)، حنیفه زاده نودهی(1402) و بابایی(1402)هم راستا می باشد. هوش مصنوعی می تواند کارایی سیستم ها و روش های یادگیری الکترونیکی را بهبود بخشد و به فراگیران کمک کند تا خودکفاتر شوند. یکی از روش‌های مهمی که هوش مصنوعی در بهبود یادگیری دانشجویان به کار گرفته شده است، سفارشی‌سازی و شخصی‌سازی برنامه درسی و محتوا مطابق با نیازها، توانایی‌ها و قابلیت‌های فراگیران است(میکروپولوس و ناتسیس،2011). بنابراین جذب و حفظ اطلاعات توسط یادگیرندگان که پایه و اساس یادگیری است، را بهبود می بخشد(وارتمن و کامبز،2018)، هوش مصنوعی می تواند اطمینان حاصل کند که نرم افزار آموزشی برای افراد شخصی سازی شده است. در حال حاضر نرم افزارها، بازی ها و برنامه های یادگیری تطبیقی برای دانش آموزان وجود دارد. این کاربرد هوش مصنوعی در آموزش شاید مهم ترین و برجسته ترین کاربرد در آموزش باشد، زیرا یادگیری راحت تر و روان تر با این امر امکان پذیر خواهد بود(کاظمی فلوردی ،1399). از نگاهی دیگر، هوش مصنوعی در آموزش نیز برخی موانع دسترسی به فرصت های یادگیری، مانند مرزهای ملی و بین المللی، امکان دسترسی جهانی به یادگیری از طریق پلتفرم های آنلاین و مبتنی بر وب را حذف کرده است(شارما و همکاران33،2019).
از دیدگاه پوکریوکاکووا ادغام هوش مصنوعی و استفاده از چت ربات ها نیز باعث بهبود تجارب یادگیری فراگیران می شود. آنها از الگوریتم یادگیری ماشینی استفاده می کنند و محتوا را متناسب با نیازها و قابلیت های یادگیری فراگیران ارائه می دهند(پوکریوساکوا،2019) و از طریق ابزارهای ترجمه ماشینی، سیستم‌های آموزشی تطبیقی، و سیستم‌های آموزشی هوشمند، که تجربه یادگیرندگان را بهبود می‌بخشد. روش‌های مختلفی وجود دارد که هوش مصنوعی شخصی‌سازی و سفارشی‌سازی محتوا را بر اساس توانایی‌ها و نیازهای فراگیران تضمین می‌کند.... از سوی دیگر، همانطور که از مقالات دیگر به دست آمد، کاربردهای دیگری از هوش مصنوعی وجود داشت که تأثیر زیادی بر تجربیات یادگیرندگان داشت. به عنوان مثال، کاربرد و استفاده از یادگیری مبتنی بر شبیه سازی و سیستم های آموزشی هوشمند برای تشویق یادگیری عمیق، که راهی برای بهبود تجربه یادگیری دانشجویان است، نشان داده شد (شارما و همکاران،2019).
مطالعات به صورت گویا مزایای متعدد هوش مصنوعی در تجربیات یادگیری فراگیران را به روش های مختلف مورد بحث قرار می دهد. هوش مصنوعی ردیابی پیشرفت یادگیری از جمله دانش و درک را امکان پذیر می کند و از یافته ها برای افزایش قابلیت ها استفاده می کند. از سیستم برای سفارشی کردن محتوا که بر اساس نیازها و قابلیت های دانشجویان طراحی می شود، که باعث انگیزش فراگیران و حفظ قابلیت های شخصی آنها می‌شود (پوکریوساکوا،2019).
دیگر کاربرد هوش مصنوعی در بخش ارزیابی است که شامل: نمره دهی خودکار به تکالیف و امتحانات، کنترل فرایند یادگیری، پیش بینی عملکرد فراگیران، ارزیابی تدریس، بازخوردهای انطباقی/ شخصی سازی شده)، که با برخی پژوهش ها مانند شراوی(2023)،کرامپتون و برک(2023)، کمالوف و همکاران،2023)، توماس و همکاران(2023)، پارساراد و همکاران (1402) ، حنیفه زاده نودهی(1402) و بابایی(1402) به آنها اشاره کردهاند. فن‌آوری‌های هوش مصنوعی مانند تشخیص تصویر، سیستم پیش‌بینی و بینایی کامپیوتری، ارزیابی آموزشی سهل‌تری را فراهم می‌کنند.در فرآیند تدریس، ارزشیابی فراگیران یک بخش اساسی است. در تدریس سنتی، زمان زیادی طول می کشد تا معلمان وظایف ارزشیابی مانند آماده سازی سوال، نمره گذاری، ارزیابی عملکرد و تجزیه و تحلیل متن را انجام دهند. هوش مصنوعی روش‌های ارزشیابی تدریس را متنوع‌تر، فرآیند ارزیابی را علمی‌تر و نتایج ارزیابی را دقیق‌تر می‌کند. فناوری هوش مصنوعی نه تنها می‌تواند سؤالات امتحانی ایجاد کند(رحیم و همکاران34،2019) ، بلکه می‌تواند به‌طور خودکار تکالیف و اوراق امتحانی را تصحیح کند. تصحیح تکالیف و برگه های امتحانی از وظایف معمول معلمان است. زمان تصحیح طولانی است، معلمان در هنگام تصحیح تکالیف و برگه های امتحان دچار خستگی می شوند. و ممکن است در تصحیح برگه های امتحانی اشتباهاتی رخ می دهد. فناوری تشخیص تصویر به معلمان کمک می کند تا از کار سنگین تصحیح تکالیف و امتیازدهی(لی و همکاران35،2017) خود را رها کنند ومیزان خطا هم پایین می آید. فناوری هوش مصنوعی همچنین می‌تواند کاغذهای خالی و اوراق مشکوک مشابه را شناسایی کند و در زمان کار معلمان صرفه‌جویی نمایید.
و در نهایت کاربرد هوش مصنوعی در حوزه مدیریت می باشد که شامل، پردیس هوشمند، به اشتراک گذاری و ذخیره حجم زیادی از داده ها، مدیریت زمان، همکاری های بین المللی بین نظام های آموزشی در بستر هوش مصنوعی و خودکار سازی وظابف اداری مانند پذیرش و ثبت نام، حضور و غیاب و ...)کاربرد دارد.که برخی پژوهش ها از جمله؛ توماس و همکاران(2023)،سینگ(2023) به آنها اشاره کردهاند. سیستم‌های آموزشی مکانی مهم برای آموزش استعدادها است و استفاده از فناوری هوش مصنوعی برای ساختن پردیس هوشمند به یک روند توسعه جدید در زمینه آموزش تبدیل شده است (دونگ و همکاران36،2020). هوش مصنوعی نقش اساسی در مدیریت و خدمات پردیس دارد.فناوری‌های تشخیص چهره، شنوایی و حس کردن در ساخت پردیس هوشمند استفاده می‌شوند (آن و ایکسی37،2020؛ ژو،2020). با جمع‌آوری و تجزیه و تحلیل کلان داده‌ها، روش‌های مدیریت هوشمند ایجاد می‌شوند. مدیران و هوش مصنوعی یک مدل تصمیم‌گیری مشارکتی انسان و ماشین را تشکیل می‌دهند (لیو و همکاران،2018)، که می‌تواند مشکلات عملکرد سیستم آموزشی را به موقع کشف کند، تخصیص منابع کارآمدتر را درک کند و ایمنی محوطه دانشگاه را به طور موثر بهبود بخشد و همچنین هوش مصنوعی در بازسازی سیستم های ارزیابی دانش‌آموزان،اتوماسیون کارهای اداری سریع تر و دقیق تر انجام شود(داداش پور و دهقان پور،1402).
برای خوابگاه‌ها، آزمایشگاه‌ها، کتابخانه‌ها و سایر مکان‌هایی که باید از ورود پرسنل غیرمدرسه/ دانشگاه جلوگیری شود، احراز هویت از طریق فناوری تشخیص چهره انجام می‌شود تا به طور موثر از ورود پرسنل مشکوکی که بازرسی را رد نکرده‌اند، جلوگیری کند(افرا و الحج38، 2020). در عین حال، تشخیص چهره همچنین می‌تواند از پدیده تغییر کارت‌ها و استفاده جعلی از گواهی‌های افراد دیگر جلوگیری کند و ایمنی پردیس/ مدرسه/ دانشگاه را تضمین کند (ژو39، 2020). و در نهایت استفاده از هوش مصنوعی در آموزش فرصتی برای ایجاد تحول عمده در جنبه های مختلف آموزش را فراهم می کند.
براساس آنچه عنوان شده، می‌توان پیشنهادهای کاربردی مشخصی را برای سیستم‌های آموزشی و حتی کنشگران فناوری ارائه داد که شاهد سیستم‌های آموزشی هوشمند، فناور و پویا باشیم:
ü از هوش مصنوعی در تدریس از جمله در افزایش توانایی مربیان برای تدریس، ارائه محتوای آموزشی سفارشی، حمایت از توسعه حرفه ای مربیان، تدریس شخصی سازی شده، معلم هوشمند، آموزش هوشمند و مانند آن به صورت هدفمند، بهره‌گرفته شود.
ü از هوش مصنوعی در فرایند یادگیری در مصادیقی از جمله یادگیری شخصی سازی شده، ربابت‌های گفتگویی، یادگیری هوشمند، بسترهای هوشمند برای خودیادگیری، محیط یادگیری اکتشافی، مشاوره فردی به فراگیران در زمینه یادگیری استفاده شود.
ü در ارزیابی در سیستم آموزش در مواردی از جمله نمره دهی خودکار به تکالیف و امتحانات، کنترل فرایند یادگیری، پیش بینی عملکرد فراگیران، ارزیابی تدریس، بازخوردهای انطباقی/ شخصی سازی شده بهره گرفته شود تا کمی، کیفی و فناوارانه، ارزیابی بهبود یابد.
ü در نهایت، هوش مصنوعی این ظرفیت را دارد که در مدیریت سیستم آموزشی، در مصداق‌هایی از جمله پردیس هوشمند، به اشتراک گذاری و ذخیره حجم زیادی از داده‌ها، مدیریت زمان، همکاری‌های بین‌المللی بین نظام‌های آموزشی در بستر هوش مصنوعی و خودکار سازی وظایف اداری مانند پذیرش و ثبت نام، حضور و غیاب و مانند آن مورد بهره برداری قرار گیرد.
ü پیشنهاد کلی این پژوهش نیز، آمادگی هر چه سریع تر و بهتر برای مواجه با حضور فناوری‌های هوشمند و باهوش در سیستم آموزشی است که خواهد توانست به عنوان دستیار آموزشی و تربیتی، به سیستم آموزشی کشور کمک نماید.
منابع
آراسته، حمیدرضا؛ خباره، کبری.(1402). نقش هوش مصنوعی و تحول در آموزش عالی. نشاء علم. 14 (1): 8-2.
بابایی، زهرا(1402). بررسی مزایای هوش مصنوعی مبتنی بر آموزش مجازی و چالش ها آن. مطالعات روانشناسی و علوم تربیتی. 9 (4): 602-595
باحجب قدسی، ساناز و مظاهری، میالد و دهمرده، محسن.(1402). تاثیر استفاده از راهبرد هوش مصنوعی در جریان تدریس و تاثیر آن بر دانش آموزان، مطالعات روانشناسی و علوم تربیتی، 6 (6): 8۶-۷۷
پارساراد، فرشته، فردوسی پور، زیبا، رفیعی وردنجانی، زهره، و سروستان، سحر. (1402). بررسی رویکردهای نوین در آموزش و پرورش با تمرکز بر تکنولوژی های هوش مصنوعی و یادگیری ماشینی. کنفرانس بین المللی پژوهش های مدیریت، تعلیم و تربیت در آموزش و پرورش.
شیخ شعاعی، حمزه. (1400). چالش ها، نقش ها و سیاستگذاری پژوهش های هوش مصنوعی در آموزش و پرورش. کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی.
حنیفه زاده نودهی، فاطمه. (1402). استفاده از رباتیک و هوش مصنوعی در آموزش و یادگیری کودکان و دانش آموزان. کنفرانس بین المللی پژوهش های مدیریت، تعلیم و تربیت در آموزش و پرورش.
داداش پور، محمد، و دهقان پور، اسماء. (1402). بررسی تاثیر هوش مصنوعی در فرایند تعلیم و تربیت. کنفرانس بین المللی پژوهش های مدیریت و علوم انسانی در ایران.
کاظمی فلوردی، کوثر(1399). کاربرد هوش مصنوعی در آموزش و یادگیری، ماهنامه رشد فناوری آموزشی، 35 (7): 93-81.
Afra, S., & Alhajj, R. (2020). Early warning system: From face recognition by surveillance cameras to social media analysis to detecting suspicious people. Physica A: Statistical Mechanics and its Applications.
An, R., & Xi, T. (2020). Research on the Service Design of Smart Campus Based on Sustainable Strategy – Taking Smart Canteen as an Example. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol. 12202 LNCS, pp. 20–30). Springer.
Braiki ,balqis Al, Saad Harous, Nazar Zaki, Fady Alnajjar (2020).Artificial intelligence in education and assessment methods. Bulletin of Electrical Engineering and Informatics.9 (5): 1998~2007.
Chassignol, M. Khoroshavin, A. Klimova, A. & Bilyatdinova, A. (2018). Arti_cial intelligence trends in education: A narrative overview,'' Procedia Comput. 136, 16_24.
Dong, Z., Zhang, Y., Yip, C., Swift, S., & Beswick,K. (2020). Smart campus: definition, framework, technologies, and services. IET Smart Cities, 2(1), 43–54.
Holmes et al. (2023).AI and Education. A View Through the Lens of Human Rights, Democracy and the Rule of Law. Legal and Organizational Requirements. In Proceedings of the International Conference on Artificial Intelligence in Education, Tokyo, Japan.
Ishfaq, M. Vijaya, L. (2023). Artificial Intelligence in Education. National Journal of Education, 2 (3): 127-135.
Kamalov, F.; Santandreu Calonge, D.; Gurrib, I(2023). New Era of Artificial Intelligence in Education: Towards a Sustainable Multifaceted Revolution. Sustainability, 15, 12451.
Kuleto, V., IIic, M., Dumangiu, M., Rankovic, M., Martins, O. M. D., Paun, D. &Mihoreanu, L.(2021). Exploring Opportunities and Challenges of Artificial Intelligence and Machine Learning in Higher Education Institutions. Sustainability, 13, 10424.
Li, L., Lin, Y. L., Zheng, N. N., Wang, F. Y., Liu, Y., Cao, D., Wang, K., et al. (2018). Artificial intelligence test: a case study of intelligent vehicles. Artificial Intelligence Review. 12: 135-151.
Liu, Y., Saleh, S. and Huang, J. (2021). Artificial Intelligence in Promoting Teaching and Learning Transformation in Schools. International Journal of Innovation, Creativity and Change, 15(3), 891-902.
Mikropoulos, T. A & Natsis, A. (2011). Educational virtual environments: A ten-year review of empirical research (1999_2009),'' Comput. Edu, 56 (3):769_780.
Popenici, S. A., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12(1): 135-141.
Pokrivcakova, S. (2019). ``Preparing teachers for the application of AI-powered technologies in foreign language education,'' J. Lang. Cultural Edu, 7 (3): 135_153.
Rojas, L.I.; Acosta-Vargas, P.; De-Moreta-Llovet, J.; Gonzalez-Rodriguez, M. (2023). Empowering Education with Generative Artificial Intelligence Tools: Approach with an Instructional Design Matrix. Sustainability, 15: 11524.
Sharma, Kawachi, P & Bozkurt, A. (2019). The landscape of artificial intelligence in open, online and distance education: Promises and concerns, Asian J. Distance Educ, 14 (2): 1_2.
Singh, M. (2023). The Role of Artificial Intelligence in Higher Education: Opportunities and Considerations. Express Computer; Computers--Computer Industry, 23: 1484.
Wartman S. A. & Combs C. D. (2018). Medical education must move from the information age to the age of arti_cial intelligence,'' Acad. Med., 93 (8): 1107_1109.
Wang, Y. (2020). An improved machine learning and artificial intelligence algorithm for classroom management of English distance education. Journal of Intelligent & Fuzzy Systems, 34: 1–12.
Yang, S., & Bai, H. (2020). The integration design of artificial intelligence and normal students’ Education. Journal of Physics: Conference Series, 1453(1): 012090.
[1] - استادیار گروه علوم تربیتی، دانشکده علوم انسانی، دانشگاه بوعلی سینا، همدان، ایران. k.khabareh@basu.ac.ir
[2] - Braiki et al
[3] - Artificial intelligence
[4] - Gorriz et al
[5] - Popenici & Kerr
[6] - Vera
[7] - Holmes et al
[8] - Educause
[9] - Mikropoulos & Natsis
[10] - Wartman &Combs
[11] - Knewton
[12] - Chassignol et al
[13] - Kuleto et al
[14] - Liu et al
[15] - Thomas et al
[16] - Marr
[17] - Yang & Bai
[18] - Wang
[19] - Singh
[20] - Crompton & Burke
[21] - Kamalov et al
[22] - Ishfaq,Vijaya
[23] - Sharawy
[24] - Rojas et al
[25] - Sandelowski& Barros
[31] - triangulation
[32] - chen at al
[33] - Sharma et al
[34] - Rahim et al
[35] - Li et al
[36] - Dong et al
[37] - An & Xi,
[38] - Afra & Alhajj
[39] - Zhou
Identifying the fields of applying artificial intelligence in education: qualitative research
Kobra khabareh
Abstract:
Purpose: In today's society, artificial intelligence technologies are developing rapidly and have created profound changes in all aspects of human life, especially in the field of education.
Methods: The current research was conducted with a qualitative approach and a Meta-synthesis method. The research population included all 1,500 articles, of which 37 documents were selected and analyzed based on the review of the title, abstract and content of the document. In order to analyze the data, the coding method was used in such a way that open coding (117 codes), central codes (19 codes) and then by specifying selected codes (4 codes) the fields of applying artificial intelligence in education were determined.
Findings: The findings of the research showed the fields of applying artificial intelligence in education in 4 categories, teaching, learning, evaluation and management, teaching includes: increasing the ability of educators to teach, providing customized educational content, supporting the professional development of educators, personalized teaching, teacher Smart, smart education; Learning includes: personalized/adaptive learning, dialog bots, smart learning, smart platforms for self-learning, exploratory learning environment, individual counseling to learners; Evaluation includes: automatic grading of assignments and exams, learning process control, learner performance prediction, teaching evaluation, adaptive/personalized feedback; And management includes: smart campus, sharing and storing a large amount of data, time management, international cooperation between educational systems in the context of artificial intelligence and automation of administrative tasks such as admission and registration, attendance and absence, etc.
Conclusion The adoption and use of artificial intelligence in education offers significant opportunities to improve educational systems.
Keywords: artificial intelligence, educational technology, teaching and learning, Meta-synthesis.
