پیشرفت های سریع در حوزه هوش مصنوعی، به ویژه ظهور مدل های زبانی بزرگ و سیستم های تطبیقی، چشم انداز آموزش را به طور بنیادین دگرگون ساخته است. این مقاله به بررسی نقش هوش مصنوعی در شخصی سازی فرآیند یادگیری و ارائه بازخورد فوری به دانش آموزان می پردازد. با بهره گیری از فناوری های نوینی همچون پردازش زبان طبیعی، یادگیری ماشین و سیستم های توصیه گر مبتنی بر هوش مصنوعی، امکان طراحی محیط های یادگیری تطبیقی فراهم شده است که محتوا، مسیر یادگیری و بازخورد را متناسب با نیازها، توانایی ها و سبک یادگیری هر دانش آموز تنظیم می کنند. یافته های پژوهش های اخیر نشان می دهد که سیستم های هوش مصنوعی می توانند با دقت بالایی (نزدیک به توافق کامل با کدگذاری انسانی) اطلاعات مربوط به خودتنظیمی یادگیری دانش آموزان را شناسایی کرده و توصیه های شخصی سازی شده ای ارائه دهند که منجر به بهبود عملکرد تحصیلی و افزایش تعامل می شود. با این حال، چالش هایی نظیر توهمات هوش مصنوعی، وابستگی بیش از حد دانش آموزان به این سیستم‌ها و ملاحظات اخلاقی مرتبط با حریم خصوصی و سوگیری‌های الگوریتمی، نیازمند توجه جدی هستند. این مقاله با مرور نظام مند پژوهش‌های انجام شده بین سال‌های 2020 تا 2026، چارچوبی جامع برای درک فرصت‌ها و چالش‌های کاربست هوش مصنوعی در آموزش شخصی سازی شده ارائه می‌دهد و چشم انداز آینده این حوزه را ترسیم می‌کند.

هوش مصنوعی شخصی سازی یادگیری بازخورد فوری سیستم‌های تدریس هوشمند