رویکردهای شناختی در یادگیری هوشمند مبتنی بر هوش مصنوعی
کلمات کلیدی:
یادگیری هوشمند, رویکردهای شناختی, هوش مصنوعی, یادگیری شخصی‌سازی‌شده, یادگیری عمیق, خودتنظیمی شناختیچکیده
هدف این پژوهش، بررسی و تحلیل رویکردهای شناختی در یادگیری هوشمند مبتنی بر هوش مصنوعی و تبیین چگونگی ادغام فرآیندهای ذهنی با فناوری‌های آموزشی نوین است. این پژوهش از نوع کیفی و مبتنی بر مرور نظام‌مند منابع علمی است. جامعه پژوهش شامل مقالات علمی منتشرشده بین سال‌های ۲۰۱۵ تا ۲۰۲۵ در حوزه هوش مصنوعی و یادگیری شناختی بود که از پایگاه‌های Scopus، Web of Science، ScienceDirect و Google Scholar استخراج شدند. پس از غربال‌گری اولیه و بررسی معیارهای ورود و خروج، ۱۲ مقاله واجد شرایط انتخاب و تحلیل شدند. داده‌ها با استفاده از نرم‌افزار NVivo نسخه 14 مورد کدگذاری و تحلیل محتوای کیفی قرار گرفتند و فرایند تحلیل تا رسیدن به اشباع نظری ادامه یافت. نتایج تحلیل نشان داد که سه مضمون اصلی در مطالعات شناسایی‌شده برجسته است: ۱) ادغام فرآیندهای شناختی مانند توجه، حافظه و فرادانش در سیستم‌های یادگیری هوشمند؛ ۲) بهبود یادگیری از طریق مدل‌های شخصی‌سازی‌شده و یادگیری عمیق شناختی مبتنی بر هوش مصنوعی؛ و ۳) چالش‌های اخلاقی، فنی و فرهنگی در پیاده‌سازی این رویکردها. همچنین مشخص شد که فناوری‌هایی مانند پردازش زبان طبیعی، واقعیت مجازی و EEG می‌توانند به مدل‌سازی دقیق‌تر حالات شناختی یادگیرندگان کمک کنند و درک و تعامل آن‌ها با محتوای آموزشی را بهبود بخشند. یافته‌ها نشان دادند که یادگیری هوشمند مبتنی بر هوش مصنوعی در صورت ادغام با نظریه‌های شناختی، می‌تواند موجب ارتقای کیفیت آموزش، افزایش خودتنظیمی و تقویت یادگیری معنادار شود. با این حال، چالش‌هایی همچون تفسیرناپذیری الگوریتم‌ها و ملاحظات اخلاقی در استفاده از داده‌های شناختی باید مورد توجه قرار گیرند.
دانلودها
مراجع
Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial intelligence trends in education: A narrative overview. Procedia Computer Science, 136, 16–24.
Chen, L., & Hu, Y. (2020). Adaptive learning and cognitive models in artificial intelligence education. Computers & Education, 150, 103842.
Clark, R. E., & Chatterjee, S. (2022). Cognitive modeling and artificial intelligence in learning systems. Educational Psychology Review, 34(1), 45–68.
Cui, Y., Li, H., & Zhang, L. (2020). Natural language processing for intelligent tutoring systems. Computers in Human Behavior, 104, 106177.
Holmes, W., Bialik, M., & Fadel, C. (2021). Artificial intelligence in education: Promises and implications for teaching and learning. Boston: Center for Curriculum Redesign.
Lin, T., & Chang, C. (2023). Attention-based adaptive learning: Integrating cognitive data with AI. Computers & Education: Artificial Intelligence, 4, 100105.
Liu, D., Zhao, X., & Wang, J. (2023). Human-AI hybrid models in cognitive learning environments. Journal of Educational Computing Research, 61(3), 423–445.
Luckin, R. (2023). Machine learning and human intelligence: The future of education for 21st-century learning. London: UCL Institute of Education Press.
Molenaar, I., & Knoop-van Campen, C. (2022). How metacognitive AI can support self-regulated learning. Learning and Instruction, 81, 101708.
Radianti, J., Majchrzak, T. A., Fromm, J., & Wohlgenannt, I. (2020). A systematic review of immersive virtual reality applications for education. Computers & Education, 147, 103778.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Cambridge: Polity Press.
Seldon, A., & Abidoye, O. (2018). The fourth education revolution: Will artificial intelligence liberate or infantilise humanity? University of Buckingham Press.
Song, Y., & Kim, S. (2022). Cognitive deep learning for adaptive education. British Journal of Educational Technology, 53(4), 945–962.
Wang, H., Zhang, X., & Li, P. (2023). EEG-based adaptive learning: Cognitive load and learning efficiency. Computers in Human Behavior, 140, 107598.
Williamson, B., & Eynon, R. (2020). Historical trends and ethical challenges of AI in education. Learning, Media and Technology, 45(2), 115–128.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2021). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 18(1), 1–27.
