بازگشت به کتابخانه

پرسش کلیدی

پردازش‌شده با هوش مصنوعی · تأییدشده توسط نویسنده

ترکیب هوش مصنوعی با آموزش یادگیرنده‌محور چه تأثیری بر مشارکت یادگیرندگان آنلاین بزرگسال دارد؟

INTEGRATING ARTIFICIAL INTELLIGENCE AND ACADEMAGOGY TO PERSONALIZE ADULT LEARNER EXPERIENCES: A COMPARATIVE ANALYSIS
Kranthi Addanki, Jason Holdsworth, Dianna Hardy, و همکاران · AIS SIGED International Conference on Information Systems Education and Research (SIGED) · 2025

۱۱ بازدید

تصویر برای: ترکیب هوش مصنوعی با آموزش یادگیرنده‌محور چه تأثیری بر مشارکت یادگیرندگان آنلاین بزرگسال دارد؟

پخش‌کننده Spotify بارگذاری می‌شود؛ ممکن است Spotify کوکی‌هایی تنظیم کند. این دستگاه انتخاب شما را به خاطر می‌سپارد.

یافته‌های کلیدی

  • ادغام هوش مصنوعی و تحلیل‌های یادگیری با آکادماگوژی موجب بهبود مشارکت رفتاری، عاطفی و شناختی در میان یادگیرندگان آنلاین بزرگسال شد.
  • دانشجویانی که از بینش‌های شخصی‌سازی‌شده هوش مصنوعی بهره‌مند شدند، زودتر در طول ترم با سامانه‌های مدیریت یادگیری تعامل برقرار کردند و احساسات مثبت‌تری در خودبازتابی‌ها ابراز کردند.
  • تحلیل تطبیقی «یادگیرندگان نامرئی» را شناسایی کرد که به دلیل چالش‌های هم‌پوشان در درک موضوع، مدیریت زمان و رفاه اجتماعی از ادامه یادگیری بازمی‌مانند.
  • تحلیل‌های چندوجهی همراه با خودبازتابی به مربیان امکان می‌دهد تا مداخلات هدفمند و به‌موقعی متناسب با نیازهای یادگیرندگان بزرگسال ارائه دهند.

معنای آن برای شما

مدیر ارشد فناوری اطلاعات

Initiate a strategic review to integrate learning analytics tools with the LMS, ensuring platforms can track early-term login behaviors and surface automated engagement metrics.

مدیر فناوری اطلاعات

Pull the initial LMS interaction data and self-reflection logs for your current adult student cohort to identify potential 'ghost learners' who have not yet engaged this term.

استراتژیست کسب‌وکار

Draft a pilot project proposal allocating resources toward multi-modal AI tools that combine predictive learning analytics with adult-learning (academagogy) frameworks to reduce dropout rates.

پژوهشگر

Design a comparative data collection protocol that pairs quantitative LMS behavioral metrics with qualitative student self-reflections to measure emotional and cognitive engagement.

سیاست‌گذار

Draft guidelines requiring online adult education programs to deploy early-warning analytics systems capable of delivering timely, personalized interventions for at-risk learners.

خلاصه

این مطالعه یک تحلیل تطبیقی از دو مطالعه موردی را ارائه می‌دهد که ادغام هوش مصنوعی و تحلیل‌های یادگیری با آکادماگوژی (یک چارچوب آموزشی یادگیرنده‌محور) را بررسی می‌کند. پژوهشگران داده‌های تعاملی حاصل از سامانه مدیریت یادگیری، خودبازتابی‌های دانشجویان و مصاحبه‌های نیمه‌ساختاریافته را در دو گروه ارزیابی کردند تا تأثیرات آن را بر تجربیات یادگیری آنلاین بزرگسالان بسنجند.

مسئله

یادگیرندگان آنلاین بزرگسال به دلیل چالش‌های پیچیده در برقراری تعادل میان کار، خانواده و مسئولیت‌های تحصیلی در کنار موانع یادگیری فنی، با نرخ ترک تحصیل بسیار بالایی مواجه هستند. اگرچه هوش مصنوعی و تحلیل‌های یادگیری پتانسیل شخصی‌سازی پشتیبانی را دارند، اما شکاف پژوهشی قابل‌توجهی در ترکیب هدفمند این فناوری‌ها با نظریه‌های معتبر یادگیری بزرگسالان برای هدایت آموزش عملی وجود دارد.

متن گفتار
Host: به پادکست «بینش‌های ای‌آی‌اس، با پشتوانه دانش زنده» خوش آمدید. من آنا آیوی سامرز هستم و امروز می‌خواهیم درباره یک مطالعه جذاب و کاربردی با عنوان «ادغام هوش مصنوعی و آکادماگوژی برای شخصی‌سازی تجربیات یادگیرندگان بزرگسال: یک تحلیل تطبیقی» صحبت کنیم. در کنار من همکار همیشگی و تحلیل‌گر ارشد ما، الکس ایان ساترلند حضور دارد. الکس، خوش آمدی. می‌توانی برای شروع بگویی این مطالعه دقیقاً به چه موضوعی پرداخته است؟

Expert: سلام آنا، از همراهی با شما خوشحالم. در یک جمله، این مطالعه بررسی می‌کند که چگونه می‌توان هوش مصنوعی و تحلیل‌های یادگیری را با یک چارچوب آموزشی انسان‌محور به نام «آکادماگوژی» ترکیب کرد تا یادگیری آنلاین برای بزرگسالان شخصی‌سازی و معنادار شود. محققان داده‌های حاصل از رفتارهای آنلاین یادگیرندگان، بازتاب‌های درونی خود آنها و مصاحبه‌ها را بررسی کردند تا این تحول را به تصویر بکشند.

Host: عالی است. بیایید از ریشه ماجرا شروع کنیم. چرا یادگیرندگان بزرگسال یک گروه خاص محسوب می‌شوند و دقیقاً با چه چالشی روبه‌رو هستند؟

Expert: یادگیری در بزرگسالی با دوران مدرسه یا دانشگاه تفاوت‌های بنیادی دارد. یک فرد شاغل یا سرپرست خانواده باید به شکل همزمان میان تعهدات شغلی، زندگی شخصی و وظایف آموزشی تعادل ایجاد کند. علاوه بر این، موانع فنی سامانه‌های آموزش آنلاین هم به این بار اضافه می‌شود. نتیجه این است که در دوره‌های آنلاین بزرگسالان، نرخ ترک تحصیل بسیار سرسام‌آور است. نکته اساسی که این مطالعه اشاره می‌کند این است که اگرچه هوش مصنوعی قابلیت تحلیل رفتارها و شخصی‌سازی محتوا را دارد، اما فناوری به تنهایی کافی نیست. تاکنون یک شکاف بزرگ در پیوند زدن هدفمند الگوریتم‌های هوش مصنوعی با نظریه‌های واقعی یادگیری بزرگسالان وجود داشته است.

Host: یعنی فناوری بدون درک روان‌شناسی آموزش، نمی‌تواند معجزه کند. حال پژوهشگران در این مطالعه چگونه به حل این مشکل نزدیک شدند؟ رویکرد آنها چه بود؟

Expert: آنها یک رویکرد تطبیقی مبتنی بر دو مطالعه موردی را در پیش گرفتند. نکته هوشمندانه در روش‌شناسی این مطالعه، ترکیب داده‌های سخت و داده‌های نرم است. آنها فقط به تحلیل لاگ‌های رفتاری سامانه، مثل تعداد کلیک‌ها یا مدت زمان ورود به سامانه بسنده نکردند. در کنار این تحلیل‌های هوش مصنوعی، خودبازتابی‌های متنی دانشجویان و مصاحبه‌های عمیق نیمه‌ساختاریافته را هم در دو گروه متفاوت بررسی کردند. این شیوه به آنها اجازه داد تا بفهمند چه سازوکاری می‌تواند به طور واقعی درک و انگیزه یادگیرنده را بالا ببرد.

Host: و وقتی این دو لایه را کنار هم قرار دادند، به چه یافته‌هایی رسیدند؟ نتایج اصلی مطالعه چه بود؟

Expert: نتایج شگفت‌انگیز بودند. اول از همه، ادغام هوش مصنوعی با چارچوب آکادماگوژی، مشارکت دانشجویان را در هر سه بعد کلیدی افزایش داد: بعد رفتاری، عاطفی و شناختی. یادگیرندگانی که از پیشنهادها و بینش‌های هوش مصنوعی بهره‌مند شدند، خیلی زودتر در طول ترم شروع به تعامل با سامانه کردند و متون خودبازتابی آنها نشان‌دهنده احساسات بسیار مثبت‌تری نسبت به دوره بود.

Host: چه جالب! زودتر شروع کردن معمولاً نشانه کاهش اهمال‌کاری و افزایش حس کنترل بر فرایند یادگیری است.

Expert: کاملاً درست است. اما مهم‌ترین یافته مطالعه، شناسایی گروهی بود که محققان آنها را «یادگیرندگان نامرئی» می‌نامند. این‌ها افرادی هستند که در ظاهر ممکن است نمرات خیلی بدی نداشته باشند، اما در لایه‌های پنهان به دلیل فشارهای متقاطع درک مفاهیم سخت، مدیریت زمان نامناسب و انزوای اجتماعی، به آرامی فرسوده شده و ناگهان دوره را ترک می‌کنند. این مطالعه ثابت کرد که ترکیب تحلیل‌های چندوجهی هوش مصنوعی با خودبازتابی، به مربیان اجازه می‌دهد این یادگیرندگان نامرئی را قبل از رسیدن به نقطه تسلیم شناسایی کنند و مداخلات هدفمندی انجام دهند.

Host: الکس، این درست همان نقطه‌ای است که توجه رهبران کسب‌وکار باید جلب شود. چرا این نتایج برای دنیای مدیریت، شرکت‌ها و بخش آموزش سازمانی این‌قدر اهمیت دارد؟

Expert: ببینید آنا، امروز در تمام صنایع موضوع ارتقای مهارت یا بازآموزی نیروی کار، یک اولویت مرگ و زندگی برای بقای کسب‌وکارهاست. شرکت‌ها میلیاردها دلار صرف پلتفرم‌های یادگیری الکترونیکی کارکنان می‌کنند، اما با نرخ تعامل بسیار پایین و رها شدن دوره‌ها مواجه می‌شوند. درس تجاری این مطالعه روشن است: ارائه دوره‌های یکسان برای همه کارمندان شکست‌خورده است. اگر شرکت‌ها می‌خواهند بازگشت سرمایه بخش آموزش خود را به حداکثر برسانند، باید سیستم‌های یادگیری سازمانی را به هوش مصنوعی با درک پداگوژیک مجهز کنند.

Host: در واقع، هوش مصنوعی می‌تواند مثل یک مربی همراه برای تک‌تک کارمندان عمل کند.

Expert: دقیقاً. چنین سیستمی می‌تواند تشخیص دهد که چه زمانی یک کارمند با کمبود وقت مواجه است، کجا احساس خستگی مفرط دارد، یا در چه مبحثی نیازمند یک توضیح ساده‌تر است. با این رویکرد، کسب‌وکارها نه تنها مهارت‌های تیم خود را با سرعت بالاتری ارتقا می‌دهند، بلکه نرخ نگه‌داشت استعدادها را نیز تقویت می‌کنند، چرا که کارمندان احساس می‌کنند رشد حرفه‌ای آنها با درک متقابل و احترام به شرایط زندگی‌شان پشتیبانی می‌شود.

Host: این یک دیدگاه بسیار قدرتمند درباره پیوند فناوری و بعد انسانی کار است. به عنوان جمع‌بندی، این مطالعه به ما یادآوری می‌کند که هوش مصنوعی تنها یک ابزار شتاب‌دهنده است، اما زمانی تحول واقعی ایجاد می‌کند که در خدمت انسان و با شناخت نیازهای رفتاری او به کار گرفته شود. الکس، از تحلیل‌های فوق‌العاده و شفاف تو بسیار سپاسگزارم.

Expert: ممنون از شما آنا، گفتگو با شما درباره این مطالعه آموزنده لذت‌بخش بود.

Host: از شما شنوندگان عزیز هم برای همراهی با این اپیزود از «بینش‌های ای‌آی‌اس، با پشتوانه دانش زنده» سپاسگزاریم. تا برنامه بعدی، هوشمندانه بیاموزید و پیشرو باشید. روزتان پربار!
Artificial Intelligence & Automation Data Analytics & Big Data

Personalization, Adult learners, Online learning, Academagogy, Learning analytics, Artificial intelligence