فهرست نشریات علمی دسترسی آزاد ایران

در پی تحول دیجیتال نظام‌های آموزشی، هوش مصنوعی به عنوان یک رکن اصلی نوآوری مطرح شده است؛ با این حال، پیاده‌سازی عملی آن با موانع فنی پیچیده‌ای در هر دو محیط حضوری و مجازی روبه‌رو است. این مطالعه با هدف شناسایی و تحلیل این چالش‌ها و ارائه راهکارهای مبتنی بر شواهد، به انجام یک مرور نظام‌مند (SLR) پرداخت. پژوهش حاضر با هدف شناسایی و تحلیل عمیق چالش‌های فنی به‌کارگیری ابزارهای هوش مصنوعی در این دو محیط آموزشی و ارائه راهکارهای مبتنی بر شواهد برای غلبه بر آن‌ها انجام شده است. این مطالعه از روش مرور نظام‌مند ادبیات [1] بهره می‌برد. جستجو در پایگاه‌های داده IEEE Xplore، ScienceDirect  و Springer  با کلیدواژه‌های تخصصی انجام و از پروتکل PRISMA برای غربالگری مقالات منتشرشده بین سال‌های ۲۰۲۰ تا ۲۰۲۵ استفاده شد که در نهایت از میان ۱۰۳۵ مقاله شناسایی‌شده، ۳۰ مقاله واجد شرایط برای تحلیل نهایی انتخاب گردید. یافته‌ها شش دسته چالش فنی اصلی را نشان داد: مسائل مرتبط با داده (حریم خصوصی، امنیت، کیفیت، سوگیری)، محدودیت‌های زیرساختی، مشکلات الگوریتمی و مدل‌سازی (شامل مشکل جعبه سیاه)، دشواری‌های یکپارچه‌سازی با سامانه‌های مدیریت یادگیری، چالش‌های تجربه کاربری برای کاربران غیرفنی و مسائل نگهداری و مقیاس‌پذیری در بلندمدت. همچنین مشخص شد که در محیط‌های مجازی، تأخیر شبکه و امنیت داده‌ها بحرانی‌تر است، در حالی که در محیط‌های حضوری، یکپارچه‌سازی با سخت‌افزارهای کلاسی چالش بزرگ‌تری ایجاد می‌کند. نتیجه‌گیری کلی حاکی از آن است که موفقیت در پیاده‌سازی هوش مصنوعی مستلزم رویکردی همه‌جانبه شامل سرمایه‌گذاری در زیرساخت، تدوین استانداردهای داده، توسعه مدل‌های قابل توضیح[2]  (XAI)[3]، طراحی پلتفرم‌های تعامل‌پذیر و آموزش فنی مربیان است. این چارچوب تحلیلی می‌تواند راهنمای مدیران فناوری، سیاست‌گذاران و توسعه‌دهندگان در تدوین راهبردهای واقع‌بینانه و کارآمد باشد.