نقش ارزشیابی توصیفی هوشمند در افزایش خودتنظیمی یادگیری دانش‌آموزان متوسطه

در دهه‌های اخیر، تحول در نظام‌های آموزشی با تأکید بر یادگیری عمیق، یادگیرنده‌محوری و توسعه مهارت‌های فراشناختی، موجب توجه فزاینده به رویکردهای نوین ارزشیابی شده است. در این میان، ارزشیابی توصیفی به‌عنوان رویکردی کیفی و فرایندمحور، با هدف ارائه بازخوردهای دقیق، کاهش اضطراب آزمون و تقویت انگیزش درونی دانش‌آموزان مورد توجه نظام‌های آموزشی قرار گرفته است. هم‌زمان، پیشرفت‌های چشمگیر در حوزه هوش مصنوعی و فناوری‌های آموزشی امکان توسعه شکل نوینی از ارزشیابی را فراهم کرده است که می‌توان از آن با عنوان «ارزشیابی توصیفی هوشمند» یاد کرد. این نوع ارزشیابی با بهره‌گیری از سامانه‌های تحلیلی، الگوریتم‌های یادگیری ماشین و محیط‌های یادگیری دیجیتال، قادر است داده‌های آموزشی را به‌صورت مستمر تحلیل کرده و بازخوردهای شخصی‌سازی‌شده و دقیق‌تری در اختیار معلمان و دانش‌آموزان قرار دهد. پژوهش حاضر با هدف بررسی نقش ارزشیابی توصیفی هوشمند در افزایش خودتنظیمی یادگیری دانش‌آموزان دوره متوسطه انجام شده است. روش پژوهش از نوع کیفی و مبتنی بر مطالعه کتابخانه‌ای و اسنادی است. در این راستا، منابع علمی معتبر فارسی و بین‌المللی در حوزه ارزشیابی آموزشی، یادگیری خودتنظیم و کاربرد هوش مصنوعی در آموزش از پایگاه‌های علمی داخلی نظیر نورمگز، SID، مگیران و سیویلیکا و همچنین پایگاه‌های بین‌المللی مانند ساینس‌دایرکت و پرکوئست مورد بررسی و تحلیل قرار گرفتند.

In recent decades, the evolution of educational systems with an emphasis on deep learning, learner-centeredness and the development of metacognitive skills has caused increasing attention to new evaluation approaches. In the meantime, descriptive evaluation as a qualitative and process-oriented approach, with the aim of providing accurate feedback, reducing test anxiety and strengthening students' internal motivation, has received the attention of educational systems. At the same time, significant developments in the field of artificial intelligence and educational technologies have enabled the development of a new form of evaluation, which can be referred to as "intelligent descriptive evaluation". Using analytical systems, machine learning algorithms and digital learning environments, this type of evaluation is able to continuously analyze educational data and provide more accurate and personalized feedback to teachers and students. The present study was conducted with the aim of investigating the role of intelligent descriptive evaluation in increasing the self-regulation of learning of secondary school students. The research method is qualitative and based on library and document study. In this regard, reliable Persian and international scientific sources in the field of educational evaluation, self-regulated learning and the use of artificial intelligence in education from domestic scientific databases such as Normex, SID, Mogiran and Civilika as well as international databases such as ScienceDirect and Perquest were analyzed.