تحلیل فرصت ها و چالش های یادگیری شخصی سازی شده مبتنی بر هوش مصنوعی در آموزش عالی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم تربیتی، دانشکده علوم انسانی و اجتماعی، دانشگاه مازندران

2 استاد دانشکده علوم تربیتی و روانشناسی، دانشگاه تبریز، تبریز، ایران

3 دانش آموخته کارشناسی ارشد برنامه ریزی درسی دانشگاه تبریز، تبریز، ایران

10.22080/eps.2025.28091.2292

چکیده

هدف:این مقاله به بررسی فرصت‌ها و چالش‌های یادگیری شخصی‌سازی‌شده مبتنی بر هوش مصنوعی در آموزش عالی ایران پرداخته و به تحلیل موانع پیچیده ای می پردازد که در برنامه ریزی آموزش عالی ایران در این زمینه پدیدار شده اند.
روش‌شناسی: رویکرد پژوهش کیفی و از نوع پدیدارشناسی توصیفی بود. از میان صاحب‌نظران و اساتید دانشگاه تعداد 14 نفر به روش نمونه‌گیری هدفمند از نوع گلوله برفی و تا رسیدن به اشباع نظری داده‌ها انتخاب شدند. تجزیه و تحلیل مصاحبه‌های نیمه‌ساختاریافته به صورت دستی و به روش کلایزی انجام شد.
یافته‌ها: از تجزیه و تحلیل داده­ها، 401 عبارت مهم استخراج شد که به 463 واحد معنایی فرموله شدند. در آخر واحدهای معنایی مشترک در دسته­های کلی­تری قرار گرفتند که حاصل آن، یافته‌های به دست آمده­ در پژوهش بود که نشان‌دهنده 8 مضمون اصلی و 52 زیرمضمون بود. مضامین اصلی استخراج شده عبارت بودند از: اصلاح و ارتقا نظام آموزشی، رفع کمبودها، ارتقا عملکرد دانشجویان، افزایش بهره‌وری استادان، آینده­نگری شغلی، نیاز به زیرساخت و نیروی انسانی، مقاومت فرهنگی و دغدغه‌های انسانی و اخلاقی.
نتیجه‌گیری و پیشنهادات: می‌توان نتیجه گرفت که یادگیری شخصی‌سازی‌شده مبتنی بر هوش مصنوعی با فواید و فرصت‌های زیادی برای برنامه ریزی آموزش عالی ایران همراه است اما چالش‌های سخت‌افزاری و انسانی بر سر راه آن قرار دارد که نیازمند توجه ویژه هستند.
نوآوری و اصالت: این مطالعه تحلیل جدیدی از ظرفیت هوش مصنوعی در برنامه ریزی آموزش عالی، فرصت هایی که می تواند به یادگیری شخصی سازی و ارتقاء کیفیت در نظام آموزش عالی کمک کند و چالش هایی که در این مسیر وجود دارد پرداخته است. 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analysis the opportunities and challenges of personalization learning based on artificial intelligence in higher education

نویسندگان [English]

  • Reza Mirarab razi 1
  • Davood Tahmaseb zade 2
  • sadegh ahmadi 3
1 Education department, faculty of humanities and social sciences, University of Mazandaran.
2 Professor of the Faculty of Educational Sciences and Psychology, University of Tabriz, Tabriz, Iran
3 Master's graduate in curriculum planning from the University of Tabriz, Tabriz, Iran
چکیده [English]

Aim: This article was conducted with the aim of analyzing the opportunities and challenges of personalized learning based on artificial intelligence in Iran's higher education
Methodology: The research approach was qualitative and descriptive phenomenology. among the experts and professors of the university, 14 people were selected by purposeful snowball sampling method until the theoretical saturation of the data was reached. The analysis of semi-structured interviews was done manually and using the Colaizzi method.
Results: The findings indicate that from the data analysis, 401 important phrases were extracted, which were formulated into 463 semantic units. Finally, the common semantic units were placed in more general categories, which resulted in the findings obtained in the research, which indicated 8 main themes and 52 sub-themes. The main themes extracted were: reforming and upgrading the educational system, eliminating deficiencies, improving students' performance, increasing professors' productivity, job prospects, the need for infrastructure and manpower, cultural resistance, and human and moral concerns.
Conclusions and suggestions: it can be concluded that personalized learning based on artificial intelligence is associated with many benefits and opportunities, but there are some hardware and human challenges on its way that require special attention.
Innovation and originality: This study provides a new analysis of the capacity of artificial intelligence in higher education planning, the opportunities that can help personalized learning and quality improvement in the higher education system, and the challenges that exist in this direction

کلیدواژه‌ها [English]

  • Personalized learning
  • higher education
  • educational planning
  • AI policy-making