فهرست نشریات علمی دسترسی آزاد ایران

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.