نقش هوش مصنوعی در توسعه یادگیری معکوس در آموزش رسمی
کلمات کلیدی:
هوش مصنوعی, یادگیری معکوس, آموزش رسمی, یادگیری تطبیقی, تحلیل یادگیری, آموزش هوشمندچکیده
هدف این مطالعه، بررسی نظام‌مند نقش هوش مصنوعی در توسعه و ارتقای یادگیری معکوس در نظام‌های آموزش رسمی از طریق مرور مطالعات علمی معتبر است. این پژوهش از نوع مرور نظام‌مند کیفی بود که با روش تحلیل مضمون انجام شد. داده‌ها از طریق جست‌وجوی مقالات منتشرشده در پایگاه‌های علمی معتبر شامل Scopus، Web of Science، ScienceDirect و Google Scholar در بازه زمانی ۲۰۱۵ تا ۲۰۲۵ گردآوری شد. پس از غربالگری بر اساس معیارهای ورود و خروج، ۱۲ مقاله واجد شرایط انتخاب و با استفاده از نرم‌افزار NVivo نسخه ۱۴ تحلیل شدند. فرایند تحلیل شامل کدگذاری باز، محوری و انتخابی بود و تا رسیدن به اشباع نظری ادامه یافت. نتایج تحلیل داده‌ها نشان داد که هوش مصنوعی نقش مؤثری در شخصی‌سازی مسیر یادگیری، بازخورد بلادرنگ، یادگیری تطبیقی و پشتیبانی از معلمان دارد. سه تم اصلی استخراج‌شده شامل «کارکردهای هوش مصنوعی در یادگیری معکوس»، «چالش‌ها و موانع پیاده‌سازی در آموزش رسمی»، و «مدل‌ها و راهکارهای توسعه یادگیری معکوس مبتنی بر هوش مصنوعی» بودند. همچنین مشخص شد که ترکیب هوش مصنوعی با سیستم‌های مدیریت یادگیری (LMS) می‌تواند اثربخشی آموزش معکوس را افزایش دهد. در عین حال، چالش‌هایی مانند کمبود زیرساخت، نگرانی‌های اخلاقی و محدودیت سواد فناورانه معلمان به‌عنوان موانع اصلی شناسایی شدند. نتایج مطالعه نشان داد که هوش مصنوعی می‌تواند محرکی کلیدی در تحول آموزش رسمی از طریق یادگیری معکوس باشد، مشروط بر آنکه به‌صورت اخلاقی، هدفمند و همراه با توانمندسازی معلمان به‌کار گرفته شود. پیشنهاد می‌شود سیاست‌گذاران آموزشی با تدوین چارچوب‌های قانونی و اخلاقی و آموزش مهارت‌های هوش مصنوعی، زمینه پیاده‌سازی مؤثر این رویکرد را فراهم آورند.
دانلودها
مراجع
Bai, B., & Wang, S. (2023). Artificial intelligence and ethics in education: Challenges and future directions. Computers & Education, 201, 104803.
Chen, X., Zou, D., Cheng, G., & Xie, H. (2021). Detecting latent learning styles and cognitive patterns using AI-based learning analytics. Educational Technology & Society, 24(2), 97–111.
Holmes, W., Bialik, M., & Fadel, C. (2021). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Holmes, W., Porayska-Pomsta, K., & Holstein, K. (2022). Ethics and privacy in the age of AI-powered learning. British Journal of Educational Technology, 53(5), 1008–1024.
Huang, R., Liu, D., Tlili, A., Knyazeva, S., Chang, T.-W., Zhang, X., Burgos, D., & Jemni, M. (2022). AI and education: Guidance for policymakers. UNESCO.
Hwang, G. J., & Tu, Y. F. (2021). Roles and research trends of artificial intelligence in flipped classrooms: A systematic review. Interactive Learning Environments, 29(7), 1087–1104.
Ifenthaler, D., & Yau, J. Y. (2020). Utilising learning analytics for study success: Reflections on current empirical findings. Research and Practice in Technology Enhanced Learning, 15(4), 1–14.
Kumar, V., & Kumar, A. (2022). Integrating AI-based feedback systems in flipped classrooms: A pathway to smart learning. Computers in Human Behavior Reports, 7, 100202.
Lu, O. H. T., Huang, A. Y. Q., Huang, J. C. H., & Yang, S. J. H. (2021). Applying AI techniques to support flipped learning in higher education. Computers & Education, 168, 104188.
Luckin, R. (2021). Building trust in AI for education: Lessons learned from data-driven pedagogy. AI & Society, 36(3), 875–888.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2023). Intelligence unleashed: An argument for AI in education. Pearson Education.
O’Flaherty, J., & Phillips, C. (2015). The use of flipped classrooms in higher education: A scoping review. The Internet and Higher Education, 25, 85–95.
Selwyn, N. (2020). Should robots replace teachers? AI and the future of education. Polity Press.
