کارکردهای فناوری‌های هوش‌مصنوعی در نظام یادگیری آموزش عالی: همسویی با تحولات جهانی یادگیری

پیشینه و اهداف: یکی از مهم‌ترین تحولات اخیر، ظهور فناوری‌های آموزشی و ادغام هوش‌مصنوعی در نظام‌های یادگیری به ویژه در آموزش عالی است. هوش‌مصنوعی 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 هوش‌مصنوعی در آموزش عالی به وجود می‌آید، می‌پردازد.

روش‌ها: این مطالعه با استفاده از مرور نظام‌مند ادبیات و مقالات علمی مرتبط با موضوع، ابتدا به شناسایی فناوری‌های هوش‌مصنوعی 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. بر اساس این نظریه‌ها، مجموعه‌ای از فناوری‌های هوش‌مصنوعی 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 هوش‌مصنوعی در نظام یادگیری عبارتند از: «سیستم‌های یادگیری انطباقی (ALS)» که با تجزیه و تحلیل داده‌های یادگیری، محتوای آموزشی را به صورت 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 هوش‌مصنوعی (CPMS)» که به صورت 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 بر اساس 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 هوش‌مصنوعی ارزیابی‌های کلاسی و طراحی دوره‌ها بهینه‌تر می‌شود؛ «تولید و مدیریت محتوای آموزشی» که به صورت خودکار و هوشمند انجام می‌شود؛ «پشتیبانی از پژوهش و نوآوری» که با استفاده از ابزارهای هوش‌مصنوعی به محققان کمک می‌کند تا داده‌های پژوهشی را تجزیه و تحلیل کنند و به نتایج جدید دست‌یابند؛ «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 هوش‌مصنوعی، آموزش را برای تمامی دانشجویان، حتی کسانی که دارای معلولیت هستند، دسترس‌پذیر می‌کند.
نتیجه‌گیری: نتایج این مطالعه نشان می‌دهد که ادغام هوش‌مصنوعی 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 هوش‌مصنوعی، 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 هوش‌مصنوعی به‌طور کامل استفاده کرد.