بررسی ابزارهای هوش مصنوعی در سنجش
مقدمه
امروزه، هوش مصنوعی در حوزههای مختلفی از جمله تشخیص بصری و صوتی، تصمیمگیری، پردازش زبان طبیعی و ترجمه، بهصورت برنامههای رایانهای، نرمافزارهای کاربردی و دستگاههای هدایتکننده در تجهیزات و روباتها به کار میرود (شجاعی، ۱۴۰۰؛ Okuno, Nakadai & Kitano, 2002). در آموزش، هوش مصنوعی میتواند به طراحی مکالمات شخصی میان دانشجو و استاد کمک کرده و بهعنوان دستیار آموزشی عمل کند (Delgado Calvo-Flores et al., 2020؛ Kay, 2012). همچنین، این فناوری قادر است نقش مربی را ایفا کند که فرآیندهای یادگیری دانشآموزان را مشاهده و تجزیهوتحلیل کرده و بر اساس نیازهای آنان کمک فوری ارائه دهد (Ahmad et al., 2022).
طبیعی است که معلمان در فرآیند دقیق و حساس سنجش دانشآموزان ممکن است دچار خطا شوند، اما هوش مصنوعی میتواند سنجش و ارزیابی تعداد زیادی از دانشآموزان را با سرعت بالا و طبق استانداردها انجام دهد (Feng & Law, 2020). در دوره کرونا، مدارس ایران محیط فعالیت خود را به فضای برنامههای آنلاین تغییر دادند و ارزیابی تکالیف و پاسخها بهصورت آنلاین دشوار شد (Ahmad et al., 2022). بااینحال، برنامههای آموزشی هوش مصنوعی ابزارهایی هستند که معلمان میتوانند از آنها برای بهبود آموزش استفاده کنند. استفاده از برنامههای آموزشی هوش مصنوعی، امکان شخصیسازی سریع در آموزش را فراهم میآورد و بهراحتی میتوان به کمک بازخورد و پیشرفت دانشآموزان، محتوای آموزشی را تطبیق داد (مستوفی، ۱۴۰۱؛ Daniel, Amanda & Brad, 2023).
نحوه استفاده از کیوریپاد در کلاس درس
کیوریپاد ابزار آموزشی مفیدی است که میتواند برای ایجاد درسهای کوچک و سریعاً تکمیلشونده مورداستفاده قرار گیرد. این ابزار به معلمان این امکان را میدهد که بازخورد آنی از عملکرد دانشآموزان دریافت کرده و پیشرفت آنها را پیگیری کنند. معلمان میتوانند دادههای خود را در برنامه وارد کنند و فعالیتهای آموزشی را باتوجهبه نیازهای یادگیری دانشآموزان سفارشی کنند.
ویژگیهای خاص کیوریپاد
– نظرسنجی: ابزاری است که به معلمان امکان میدهد در حین تدریس، سؤالاتی برای دانشآموزان مطرح کرده و پاسخهای فوری دریافت کنند. معلمان میتوانند سؤالات چندگزینهای، درست/نادرست یا سؤالات باز ایجاد کنند و نتایج را در زمان واقعی مشاهده کنند.
– بازخورد فوری: پس از ارسال پاسخها توسط دانشآموزان، بازخورد فوری در مورد صحت محتوای ارائهشده دریافت میشود.
– ابرکلمات: نمایشی بصری از مجموعهای از کلمات است که اندازه هر کلمه با فراوانی یا اهمیت آن متناسب است. این ابزار میتواند برای شناسایی سریع مضامین اصلی یا ایدهها مورداستفاده قرار گیرد.
– سؤال باز: این ویژگی به معلمان کمک میکند تا راهبردهای سؤالگذاری را تسهیل کرده و درک کنند که دانشآموزان در مهارتها و مفاهیم مختلف در چه سطحی هستند. همچنین، این ابزار میتواند به دانشآموزان کمک کند تا ارتباط بهتری با یادگیری خود برقرار کنند.
– طراحی پرده نما: به معلمان کمک میکند تا بر اساس موضوعات و استانداردهای آموزشی، فعالیتهایی طراحی کنند و محتوای درس را به طور دلخواه سفارشی کنند.
– ترسیم: ابزاری چندکاره است که برای اهداف مختلفی مانند طوفان فکری، حل مسئله و یادداشتبرداری مشارکتی استفاده میشود.

کُنکر
کُنکر ابزاری آموزشی رایگان است که به مربیان اجازه میدهد آزمونها و فعالیتهای تعاملی مختلفی ایجاد کنند. این ابزار شامل انواع مختلفی از فعالیتها از جمله پرکردن جای خالی و سؤالات درست/نادرست است و به نیازهای یادگیری مختلف پاسخ میدهد. همچنین، به مربیان امکان میدهد تا زمان را صرفهجویی کرده و محتوای آموزشی را رونویسی کنند.
نتیجهگیری
هوش مصنوعی نرمافزاری است که فرآیند سنجش و نمرهگذاری یادگیری را با دقت و هوشیاری انجام میدهد. این فناوری به معلمان کمک میکند تا به طور عادلانه قضاوت کرده و مسیر استعداد و علاقه دانشآموزان را شناسایی کنند تا از گذراندن واحدهایی که نیازی به آنها نیست، جلوگیری شود.
منابع
1. شیخشعاعی، ح. (۱۴۰۰). مروری بر سیاستگذاری بینالمللی در زمینه هوش مصنوعی. اولین اجلاس بینالمللی مدیریت و صنعت.
2. مستوفی، شکوفا. (۱۴۰۱). عملکرد هوش مصنوعی در یادگیری و آموزش. هفتمین کنفرانس ملی رویکردهای نوین در آموزش و پژوهش.
3. Ahmad, S. F., Alam, M. M., Khairil, R. M., Mubarik, M. Sh., & Hyder, S. I. (2022). “Academic and Administrative Role of Artificial Intelligence in Education”. Sustainability, 1101, 14. https://doi.org/10.3390/su14031101
4. Feng, S., & Law, N. (2020). “Mapping Artificial Intelligence in Education Research Network based Keyword Analysis”. International Journal of Artificial Intelligence in Education. https://doi.org/10.1007/s40593-021-00244-4
5. Kay, J. (2012). AI and education: grand challenges. IEEE Intelligent Systems, 27, 66–69. https://doi.org/10.1109/MIS.2012.92
6. Delgado Calvo-Flores, M., Gibaja Galindo, E., Pegalajar Jiménez, M. C., & Pérez Piñeiro, O. (2020). “Predicting students’ marks from Moodle logs using neural network models”. Current Developments in Technology-Assisted Education.
7. Okuno, H. G., Nakadai, K., & Kitano, H. (2002). Social interaction of humanoid robot based on audio-visual tracking. International Conference on Industrial, Engineering and Other Applications of Applied Intelligent Systems, (pp. 725–735). https://doi.org/10.1007/3-540-48035-8_70
8. Daniel, F., Amanda, F., & Brad, W. (2023). The AI Classroom: The ultimate guide to artificial intelligence in education. Published by TeacherGoals Publishing, LLC. www.teachergoals.com