از تطبیق محتوا تا تطبیق راهبرد یادگیری: تحول مفهومی یادگیری شخصیسازیشده در عصر هوش مصنوعی
از تطبیق محتوا تا تطبیق راهبرد یادگیری: تحول مفهومی یادگیری شخصیسازیشده در عصر هوش مصنوعی
سپیده سرای لو1
1) دانشجوی دکتری ،مهندسی کامپیوتر گرایش نرم افزار،دانشگاه آزاد اسلامی واحد تهران شمال،ایران
کد IOI مقاله
:
AAHD-ACZEAE
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
یادگیری شخصیسازیشده در چهار دهه گذشته عمدتاً بهمثابه «تطبیق محتوا» عملیاتی شده است؛ یعنی تنظیم خودکارِ چیستی، ترتیب، دشواری و قالب مطالب بر پایه الگوی پاسخهای یادگیرنده. با فراگیر شدن مدلهای زبانی بزرگ، تولید و بازآرایی محتوا عملاً به منبعی کمهزینه و فراوان بدل شده و در نتیجه، گلوگاه شخصیسازی از «محتوا» به «راهبرد یادگیری» جابهجا شده است. مقاله حاضر با روش مرور نظاممندِ ترکیبی و تحلیل مفهومی، شواهد ۲۰۱۵ تا ۲۰۲۶ را بازخوانی میکند و نشان میدهد پارادایم تطبیق محتوا با یک ناهنجاری تجربی روبهروست: سامانههای هوشمند عملکرد حینحمایت را بهشدت بالا میبرند اما شایستگی مستقل را به همان اندازه ارتقا نمیدهند. فراتحلیلهای اخیر اثر هوش مصنوعی بر رفتارهای مشاهدهپذیر را بیش از دو برابر اثر آن بر ادراک شایستگی گزارش کردهاند و یک کارآزمایی میدانی با نزدیک به هزار دانشآموز نشان داده است دسترسی بدون مهار به دستیار مولد، عملکرد تمرین را ۴۸ درصد بهبود میبخشد ولی عملکرد آزمون مستقل را ۱۷ درصد کاهش میدهد، در حالی که همان مدل با داربست آموزشی این زیان را خنثی میکند. بر این پایه، مقاله شاخص «شکاف عملکرد–شایستگی» را صورتبندی میکند و چارچوب چهارلایه «تطبیق راهبرد یادگیری» را پیشنهاد میدهد که واحد تطبیق را از ماده درسی به راهبرد شناختی و فراشناختی یادگیرنده منتقل میسازد و سطح خودکارسازی را بهتدریج به یادگیرنده وامیگذارد. یافتهها نشان میدهد طراحی مهارها و داربستها، نه توانمندی خام مدل، تعیینکننده اصلی اثر آموزشی است و ارزیابی سامانهها باید بر عملکرد تأخیری و بدون کمک استوار شود.
کلمات کلیدی : واژههای كليدي یادگیری شخصیسازیشده هوش مصنوعی مولد یادگیری خودتنظیم داربست فراشناختی هوش هیبرید انسان ماشین