با توجه به رشد روز‌افزون تکنولوژی و فناوری‌های حوزه کامپیوتر و پاندمی بیماری COVID-19، نیازمندی ای برای الکترونیکی کردن فرآیند آموزش و ایجاد بسترهایی بر پایه وب برای ایجاد بستری برای یادگیری از راه دور دانش‌آموزان به وجود آمد. بعد از به وجود آمدن این نیازمندی متخصصان حوزه علوم‌کامپیوتر بر این شدند که سامانه‌هایی را طراحی کنند تا دانش‌آموزان بتوانند از طریق این سامانه‌ها مطالب مورد نیاز خود را یاد بگیرند.
از آنجایی که هر فرد شخصیت خاص خود را دارد و توانایی یادگیری او با دیگران متفاوت است، نیازمند الگوریتم‌هایی هستیم تا بتوانیم به هر شخص با توجه به قابلیت‌های خودش آموزش مناسبی را ارائه دهیم. در این باب می‌توانیم از الگوریتم‌های هوش مصنوعی و یادگیری ماشین استفاده کنیم تا بتوانیم این خواسته را مرتفع کنیم.
به علاوه هوش مصنوعی (AI)، در حال به وجود آوردن انقلابی در حوزه آموزش مدرن است. الگوریتم‌های هوش مصنوعی و ربات‌های آموزشی اکنون به عنوان بخشی جدایی‌ناپذیر از سیستم‌های مدیریت یادگیری و آموزش محسوب میشوند. این فناوری‌ها می‌توانند فرآیند یادگیری را بهبود ببخشند و تجارب یادگیری شخصی‌تر و موثرتری را ایجاد کنند، که در نهایت به ارتقای کیفیت آموزش و یادگیری کمک میکند.
شاخه‌ای از هوش مصنوعی به نام AIED (Artificial Intelligence in Education) را می‌توان تعریف کرد، که در آن به طراحی سیستم‌های هوشمندی در حوزه آموزش می‌پردازد تا دانش‌آموزان بتوانند راحت‌تر مطالب را استفاده کنند و آموزش ببینند.
بعد از بررسی‌هایی که در این زمینه (AIED) انجام شده می‌توان این حوزه را به ۴ زیر شاخه تقسیم کرد که این زیر شاخه‌ها به صورت زیر هستند:
- یادگیری تطبیق یافته و آموزش شخصی‌سازی‌شده (Adaptive Learning and Personalized Tutoring)
- ارزیابی و مدیریت هوشمند (Intelligent Assessment and Management)
- شخصی‌سازی و پیش بینی (Profiling and Prediction)
- فناوری‌ها یا محصولات نوظهور (Emerging Technologies or Products)
یادگیری تطبیق یافته و آموزش شخصی سازی شده
این زمینه در دو شاخه اصلی تقسیم‌بندی میشود:
- سیستم آموزش هوشمند
- سیستم یادگیری تطبیق یافته ابررسانه (Hypermedia)
در هر کدام از این بخش‌ها سعی میشود تا بتوان سیستم‌هایی را توسعه داد که این سیستم‌ها بتوانند به یادگیرندگان به صورت تطبیق‌یافته با اطلاعات خود کاربران در فراگیری مطالب کمک کنند. در این بخش سیستم میتواند یک مسیر شخصی‌سازی‌شده برای هر فرد بر اساس توانایی یادگیری و سبک یادگیری بدهد تا هر چه بهتر بتوان به کاربر کمک کرد تا مطالب خود را بیاموزد.
به عنوان مثال در بخش سیستم آموزش هوشمند، سیستم سعی میکند تا با رصد فعالیت‌های کاربران و بررسی دقیق مشکلات آنها، به رفع مشکل بپردازد و به صورت شخصی سازی شده‌ای این کار را انجام دهد؛ حال بررسی اینکه مشکل این دانش آموز از کجا نشأت میگیرد میتواند با استفاده از الگوریتم‌های دیگری که می‌توانند آزمون‌هایی شخصی‌سازی‌شده و کامل بسازند تا تمام جنبه‌های تدریس شده را در دانش‌آموز ارزیابی کند صورت بگیرد.
ارزیابی و مدیریت هوشمند
از آنجایی که بخش قبل به آموزش هر فرد پرداخته بود، در این بخش سعی میشود تا آموخته های کاربر توسط سیستم مورد سنجش قرار گرفته و با توجه به نتایج این بخش کلیت سیستم به یادگیرنده کمک کند تا در قسمت هایی که فرد دچار مشکل است، آن مشکلات رفع شوند.
به عنوان مثال می‌توان یک سیستمی را تعبیه کرد که ابتدا برای هر فرد یک آزمون شخصی سازی شده بر اساس سبک یادگیری و سطح علمی کاربر بسازد؛ سپس با بررسی دقیق اینکه کاربر چگونه به سوالات جواب داده (به عنوان مثال چه گزینه ای را انتخاب کرده و یا اگر آزمون چند گزینه درست داشت به چند مورد درست اشاره کرده) او را بسنجد و مشکلات کاربر را گزارش کند. حال می‌توان سیستمی را تعبیه کرد که این گزارش را بگیرد و با استفاده از الگوریتم های یادگیری ماشین و … به دانش آموز مطالبی که به درستی فرا نگرفته را پیشنهاد داد تا دوباره مطالعه کند.
شخصی سازی و پیش بینی
در این حوزه، هدف اصلی استفاده از هوش مصنوعی، تحلیل داده‌های مربوط به دانش‌آموزان و ارائه پیشنهادهای آموزشی متناسب با نیازهای فردی آنهاست. این فرآیند شامل دو بخش اصلی میشود: مدل‌سازی یادگیرنده و پیش‌بینی مسیر یادگیری.
مدل‌سازی شخص یادگیرنده
مدل‌سازی یادگیرنده یکی از کلیدی‌ترین جنبه‌های شخصی‌سازی در آموزش مبتنی بر هوش مصنوعی است. در این فرآیند، سیستم‌های هوشمند اطلاعاتی مانند عملکرد تحصیلی، سبک یادگیری، علایق و حتی وضعیت احساسی دانش‌آموزان را جمع‌آوری و تحلیل میکنند. سپس این داده‌ها به کمک الگوریتم‌های یادگیری ماشین و شبکه‌های عصبی پردازش میشوند تا یک نمایه (پروفایل) دقیق از هر دانش‌آموز ایجاد شود. این نمایه به سیستم آموزشی کمک میکند تا محتوای مناسب را بر اساس نیازهای خاص هر فرد پیشنهاد دهد.
به عنوان مثال، اگر یک دانش‌آموز در حل مسائل ریاضی دچار مشکل باشد، سیستم میتواند تشخیص دهد که ضعف او ناشی از عدم درک مفاهیم پایه‌ای است یا به دلیل نداشتن تمرین کافی. سپس بر اساس این تحلیل، محتوای آموزشی متناسب (مثلاً ویدیوهای آموزشی، تمرین‌های تعاملی یا کلاس‌های تقویتی) به او پیشنهاد داده شود.
پیش بینی مسیر یادگیری
یکی دیگر از کاربردهای مهم هوش مصنوعی در این حوزه، پیش‌بینی مسیر یادگیری دانش‌آموزان است. این پیش بینی‌ها بر اساس داده‌های تاریخی یادگیری دانش‌آموزان و تطبیق آن با الگوهای یادگیری مشابه در میان سایر دانش‌آموزان انجام می شود. هدف از این کار، ارائه راهنمایی‌های هوشمند برای بهبود روند یادگیری و جلوگیری از افت تحصیلی است.
به عنوان مثال، اگر سیستم هوش مصنوعی تشخیص دهد که یک دانش‌آموز با احتمال بالایی ممکن است در آینده در یک درس خاص با مشکل مواجه شود، میتواند هشدارهایی را برای او و معلمانش ارسال کند. همچنین، میشود که مسیرهای یادگیری جایگزین و برنامه‌های درسی اصلاح‌شده‌ای را برای جلوگیری از این مشکلات پیشنهاد دهد.
فناوری ها یا محصولات نوظهور
در این بخش با استفاده از تکنولوژی های نوظهور مانند AR و VR سعی میشود تا یادگیری را برای دانش آموزان جذاب‌تر جلوه داده و ارتباط آنها را با مطالب مورد نیاز برای فراگیری بیشتر کنیم. یکی از فناوری‌هایی که ارتباط دانش آموزان را با محیط یادگیری بیشتر میکند استفاده از chatbotها برای یادگیری است؛ به این صورت که با استفاده از پردازش زبان طبیعی (NLP) بیاییم و chatbotهایی را ایجاد کنیم تا به دانش آموزان در یادگیری خود کمک کنند؛ می‌توان نقش های زیر را به یک chatbot داد تا در آنها ایفای نقش کند. به عنوان مثال میتواند به عنوان یک معلم و یا به عنوان یک کسی که در مباحث آموزشی دانش‌آموز را یاری میکند و … ایفای نقش کند.
یکی دیگر از تکنولوژی های نوظهور همانطور که اشاره شد AR و VR است. دانش‌آموزان با استفاده از وسایلی که این تکنولوژی ها را پشتیبانی میکنند می‌توانند به صورت خیلی خوبی در کلاس های درس فعالیت کنند؛ یکی از نکات مثبت استفاده از این تکنولوژی‌ها این است که می‌توانند به صورت کاملا مجازی در یک کلاس درس حضور داشته باشند و از آن بهره ببرند، به عنوان مثال می‌توان یک کلاس آموزش نقاشی را با استفاده از این تکنولوژی ها پیاده سازی کرد تا دانش آموزان در آن شرکت کنند و استفاده کنند.
نویسندگان:محمدجواد امیرزاده، احسان دبیدیان
