نقش هوش مصنوعی در شخصی‌سازی فرایند یادگیری و ارتقای انگیزه تحصیلی دانش‌آموزان

گسترش فناوری‌های هوش مصنوعی، چشم‌انداز تازه‌ای برای بازطراحی فرایند یاددهی ـ یادگیری و پاسخ‌گویی به تفاوت‌های فردی دانش‌آموزان ایجاد کرده است. در محیط مدرسه، دانش‌آموزان از نظر دانش پیشین، سرعت یادگیری، توانایی‌های شناختی، علایق، نیازهای آموزشی، خودکارآمدی و انگیزش با یکدیگر تفاوت دارند؛ بااین‌حال، ساختار آموزش جمعی در بسیاری از موقعیت‌ها همچنان بر ارائه محتوای مشابه، زمان آموزشی یکسان و فعالیت‌های نسبتاً مشابه استوار است. این ناهمخوانی می‌تواند بر کیفیت تجربه یادگیری، مشارکت دانش‌آموزان و در نهایت پیشرفت تحصیلی آنان اثرگذار باشد. یادگیری شخصی‌سازی‌شده با هدف ایجاد تناسب بیشتر میان ویژگی‌های یادگیرنده و فرایند آموزش مطرح شده است و هوش مصنوعی می‌تواند امکان اجرای برخی ابعاد این رویکرد را در مقیاسی گسترده‌تر فراهم کند. پژوهش حاضر با رویکرد مروری ـ تحلیلی، نقش هوش مصنوعی در شخصی‌سازی فرایند یادگیری و ارتباط آن با انگیزه و پیشرفت تحصیلی دانش‌آموزان را بررسی می‌کند. در این مقاله، پس از تبیین مفهوم هوش مصنوعی آموزشی و یادگیری شخصی‌سازی‌شده، مبانی نظری مرتبط با سازنده‌گرایی، منطقه مجاور رشد، نظریه خودتعیین‌گری، خودکارآمدی و یادگیری خودتنظیم بررسی شده و سپس سازوکارهای اثرگذاری شخصی‌سازی بر فرایند یادگیری، انگیزش و پیشرفت تحصیلی تحلیل شده است. شواهد پژوهشی جدید نشان می‌دهند که هوش مصنوعی می‌تواند از طریق یادگیری تطبیقی، تحلیل داده‌های آموزشی، بازخورد شخصی‌سازی‌شده، تنظیم سطح دشواری، پیشنهاد منابع و فعالیت‌های متناسب و پشتیبانی از یادگیری خودتنظیم، شرایط مساعدتری برای یادگیری ایجاد کند. یک فراتحلیل در سال ۲۰۲۵ که ۲۹ مطالعه تجربی با ۲۶۵۷ شرکت‌کننده را بررسی کرده است، اثر مثبت معناداری برای کاربرد هوش مصنوعی بر پیشرفت تحصیلی گزارش کرده است؛ در عین حال، نقش عواملی مانند سطح تحصیلی، حوزه درسی، مدت مداخله و نوع کاربرد هوش مصنوعی را نیز مورد توجه قرار داده است. همچنین، بر اساس ۴۰ مطالعه و ۵۸۴۹ شرکت‌کننده نشان داده است که بازخورد شخصی‌سازی‌شده با پشتیبانی هوش مصنوعی با پیامدهای مثبت در یادگیری و انگیزش همراه است، هرچند اثرات آن تحت تأثیر سطح یادگیرنده، مدت مداخله و نوع بازخورد قرار دارد. با وجود این، هوش مصنوعی به‌خودی‌خود تضمین‌کننده افزایش انگیزه یا پیشرفت تحصیلی نیست و اثربخشی آن به کیفیت طراحی آموزشی، نقش معلم، میزان مشارکت فعال دانش‌آموز، کیفیت داده‌ها، دسترسی عادلانه، حریم خصوصی و نحوه استفاده از فناوری وابسته است. نتیجه مقاله نشان می‌دهد که هوش مصنوعی زمانی می‌تواند در خدمت ارتقای انگیزه و پیشرفت تحصیلی قرار گیرد که شخصی‌سازی را به معنای شناخت بهتر یادگیرنده، تنظیم مناسب چالش، ارائه بازخورد هدفمند، تقویت خودتنظیمی و ایجاد فرصت برای مشارکت فعال بداند، نه صرفاً ارائه محتوای متفاوت یا پاسخ آماده.