Document Type : scientific-research
Author
عضو هیئت علمی دانشگاه پیام نور
Abstract
The present study was conducted with the aim of identifying the dimensions, components, and indicators of hyper-Personalized education using artificial intelligence. The type of research was qualitative in terms of data type, which included meta synthesis and Delphi stages in terms of nature. The statistical population in the qualitative section and meta synthesis stage included all theoretical foundations and relevant background from external databases, and in the Delphi stage, 15 participants (experts) were selected using purposive non-random sampling. The data collection method in the meta synthesis stage was a systematic literature review, and in the Delphi stage, a worksheet, and validity and reliability were examined, and the results indicated that the research tools were valid and reliable. The data analysis method in the meta synthesis stage was systematic analysis, and in the Delphi stage, the Kendall agreement coefficient was used with Maxqda-V2018 and Spss-V23 software. The findings showed that hyper-Personalized education using artificial intelligence included a cognitive dimension with the components of prior knowledge level analysis (5 indicators), individual learning style (6 indicators), cognitive adaptation (6 indicators), memory and memorization (6 indicators), and problem solving and critical thinking (6 indicators); an affective dimension with the components of identifying emotional states (6 indicators), intrinsic motivation (6 indicators), learner self-efficacy (6 indicators), learner satisfaction (6 indicators), and emotional involvement in learning (6 indicators); a behavioral dimension with the components of interaction patterns with the system (6 indicators), participation in group activities (6 indicators), learning discipline and pursuit (5 indicators), knowledge seeking behaviors (6 indicators), and interaction with feedback (6 indicators); and a contextual dimension with the components of learning environmental conditions (6 indicators), technology and tools used (6 indicators), cultural and linguistic adaptation (6 indicators), educational access and justice (6 indicators), and learning data analysis (6 indicators).
Keywords
Main Subjects
Article Title [Persian]
شناسایی ابعاد، مؤلفهها و شاخصهای آموزش فراشخصیسازیشده با بهرهگیری از هوش مصنوعی
Author [Persian]
- نازیلا خطیب زنجانی
Abstract [Persian]
پژوهش حاضر باهدف شناسایی ابعاد، مؤلفهها و شاخصهای آموزش فراشخصیسازیشده با بهرهگیری از هوش مصنوعی صورت گرفت. نوع پژوهش به لحاظ نوع داده کیفی بود که به لحاظ ماهیت شامل مراحل فراترکیب و دلفی بود. جامعه آماری در بخش کیفی و مرحله فراترکیب کلیه مبانی نظری و پیشینه مرتبط پایگاههای داده خارجی و در مرحله دلفی 15 مشارکتکننده (خبره) با روش نمونهگیری غیر تصادفی هدفمند انتخاب شدند. روش گرداوری دادهها در مرحله فراترکیب مرور سیستماتیک ادبیات و در مرحله دلفی کاربرگ بود و روایی و پایایی موردبررسی قرار گرفت که نتایج بیانگر روا و پایا بودن ابزارهای پژوهش بود. روش تجزیهوتحلیل دادهها در مرحله فراترکیب، تحلیل سیستماتیک و در مرحله دلفی ضریب توافق کندال بود با نرمافزارهای Maxqda-V2018و Spss-V23 بود. یافتهها نشان داد، آموزش فراشخصیسازیشده با بهرهگیری از هوش مصنوعی شامل بعد شناختی با مولفه های تحلیل سطح دانش پیشین(5شاخص)، سبک یادگیری فردی(6شاخص)، سازگاری شناختی(6 شاخص)، حافظه و یادسپاری(6 شاخص) وحل مسئله و تفکر انتقادی(6 شاخص)؛ بعد عاطفی با مولفه های شناسایی حالات هیجانی(6 شاخص)، انگیزش درونی(6 شاخص)، خودکارآمدی یادگیرنده(6 شاخص)، رضایت یادگیرنده(6 شاخص) و درگیری هیجانی در یادگیری(6 شاخص)، بعد رفتاری با مولفه های الگوهای تعامل با سیستم(6 شاخص)، مشارکت در فعالیتهای گروهی(6 شاخص)، نظم و پیگیری یادگیری(5 شاخص)، رفتارهای جستوجوی دانش(6 شاخص) و تعامل با بازخورد(6 شاخص) و بعد زمینه ای با مولفه های شرایط محیطی یادگیری(6 شاخص)، فناوری و ابزار مورد استفاده(6 شاخص)، تطبیق فرهنگی و زبانی(6 شاخص)، دسترسی و عدالت آموزشی(6 شاخص) و تحلیل دادههای یادگیری(6 شاخص) بود.
Keywords [Persian]
- آموزش فراشخصیسازیشده
- بهرهگیری از هوش مصنوعی
- یادگیری فردی
)