دوره 11، شماره 3 - ( 9-1403 )
جلد 11 شماره 3 صفحات 92-71 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Fathi F, Fathi Vagargah K, Jafari E, Vahidi Asl M. Designing a Workplace Digital Curriculum Based on Artificial Intelligence Components. Human Information Interaction 2024; 11 (3)
URL: http://hii.khu.ac.ir/article-1-3183-fa.html
URL: http://hii.khu.ac.ir/article-1-3183-fa.html
فتحی فرهاد، فتحی واجارگاه کورش، جعفری اسماعیل، وحیدی اصل مجتبی. طراحی برنامه درسی دیجیتال در محیط کار مبتنی بر مولفههای هوش مصنوعی. تعامل انسان و اطلاعات. 1403; 11 (3)
گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه شهید بهشتی، تهران، ایران.
چکیده: (4040 مشاهده)
زمینه و هدف: تحولات دیجیتال وظهور هوش مصنوعی درعرصه آموزش ویادگیری بهویژه در زمینه آموزش مدیران و منابع انسانی نیازمند تغییرات اساسی و نوآوری در رویکردهای آموزشی است. در همین راستا هدف پژوهش حاضر طراحی برنامه درسی دیجیتال در محیط کار مبتنی بر مولفههای هوش مصنوعی بود.
روش: پژوهش حاضر بر اساس هدف، کاربردی و از لحاظ نحوه گردآوری دادهها، طرح کیفی است.از میان روشهای مختلف کیفی، از روش نظریهداده بنیاد با رویکرد سازنده گرایی شارماز استفاده شد. جامعه پژوهش حاضر، کلیه متخصصان حوزه برنامه درسی، فناوری آموزشی، تکنولوژی آموزشی و هوش مصنوعی هستند و اطلاع رسانها شامل 23 نفر از متخصصان بودند. به منظور گردآوری اطلاعات، از مصاحبه نیمه ساختاریافته، مشاهده و مطالعه اسناد و مدارک استفاده گردید. به منظور تجزیه و تحلیل اطلاعات در این پژوهش، از روش سه مرحلهای سوزان فریز شامل توجه، جمع آوری و تفکر به کمک نرم افزار اطلس تی آی7 انجام شد.
یافته ها: الگوی برنامه درسی فازی شامل برنامه درسی فاز1 (یادگیری مبتنی بر الگوی مشخص، طبقه بندی و سازماندهی محتوا، یادگیری خطی، یادگیری تحت نظارت بیرونی، یادگیری تقویتی و ادراک متقابل زبان)، برنامه درسی فاز2 (دانش ترکیبی در یادگیری، بهینه سازی یادگیری، یادگیری از داده های ناقص، یادگیری مبتنی بر استدلال، پیش بینی روند یادگیری و مواجه با مسائل یادگیری) و برنامه درسی فاز 3 (مواجه با مسائل غیرخطی، یادگیری عمیق، یادگیری بدون نظارت، خبرگی در یادگیری، تشابه یابی معنایی، یادگیری خودراهبر و انعطاف پذیری در یادگیری) بود.
نتیجه گیری: این الگو بر پایه منطق فازی هوش مصنوعی طراحی شده است و میتواند به بهبود طراحی برنامه درسی دیجیتال در محیط کار کمک کند. بر اساس مطالعات پیشینه، هیچ پژوهشی به این صورت یافت نشد که بتواند برنامه درسی دیجیتال در محیط کار رابه این نحو سازماندهی کرده و بنابراین، یافتههای پژوهش حاضر و خروجی نهایی، کاملا منحصر به فرد بوده است.
روش: پژوهش حاضر بر اساس هدف، کاربردی و از لحاظ نحوه گردآوری دادهها، طرح کیفی است.از میان روشهای مختلف کیفی، از روش نظریهداده بنیاد با رویکرد سازنده گرایی شارماز استفاده شد. جامعه پژوهش حاضر، کلیه متخصصان حوزه برنامه درسی، فناوری آموزشی، تکنولوژی آموزشی و هوش مصنوعی هستند و اطلاع رسانها شامل 23 نفر از متخصصان بودند. به منظور گردآوری اطلاعات، از مصاحبه نیمه ساختاریافته، مشاهده و مطالعه اسناد و مدارک استفاده گردید. به منظور تجزیه و تحلیل اطلاعات در این پژوهش، از روش سه مرحلهای سوزان فریز شامل توجه، جمع آوری و تفکر به کمک نرم افزار اطلس تی آی7 انجام شد.
یافته ها: الگوی برنامه درسی فازی شامل برنامه درسی فاز1 (یادگیری مبتنی بر الگوی مشخص، طبقه بندی و سازماندهی محتوا، یادگیری خطی، یادگیری تحت نظارت بیرونی، یادگیری تقویتی و ادراک متقابل زبان)، برنامه درسی فاز2 (دانش ترکیبی در یادگیری، بهینه سازی یادگیری، یادگیری از داده های ناقص، یادگیری مبتنی بر استدلال، پیش بینی روند یادگیری و مواجه با مسائل یادگیری) و برنامه درسی فاز 3 (مواجه با مسائل غیرخطی، یادگیری عمیق، یادگیری بدون نظارت، خبرگی در یادگیری، تشابه یابی معنایی، یادگیری خودراهبر و انعطاف پذیری در یادگیری) بود.
نتیجه گیری: این الگو بر پایه منطق فازی هوش مصنوعی طراحی شده است و میتواند به بهبود طراحی برنامه درسی دیجیتال در محیط کار کمک کند. بر اساس مطالعات پیشینه، هیچ پژوهشی به این صورت یافت نشد که بتواند برنامه درسی دیجیتال در محیط کار رابه این نحو سازماندهی کرده و بنابراین، یافتههای پژوهش حاضر و خروجی نهایی، کاملا منحصر به فرد بوده است.
واژههای کلیدی: الگوی برنامه درسی، برنامه درسی دیجیتال، برنامه درسی محیط کار، برنامه درسی فازی، هوش مصنوعی.
فهرست منابع
1. ظفری، مصطفی، اسماعیلی، علی و صادقی نیارکی، ابوالقاسم .(1400). مروری بر کاربرد های هوش مصنوعی و واقعیت مجازی در آموزش. مطالعات اندازه گیری و ارزشیابی آموزشی، 11 (36)، 89-16.doi: 10.22034/emes.2021.251559
2. پیروزفر، خدیجه و آزاد، رامین و معلمی، سمانه.(1402). کاربرد هوش مصنوعی در آموزش و یادگیری،کنفرانس بین المللی علوم انسانی ، علوم آموزشی ، حقوق و علوم اجتماعی.https://civilica.com/doc/1669151
3. References
4. Bhardwaj, G., Singh, S. V., & Kumar, V. (2020). An empirical study of artificial intelligence and its impact on human resource functions. In 2020 International Conference on Computation, Automation and Knowledge Management (ICCAKM) 47-51. IEEE. DOI: 10.1109/ICCAKM46823.2020.9051544 [DOI:10.1109/ICCAKM46823.2020.9051544]
5. Ifenthaler, D. (2010). Learning and instruction in the digital age. In J. M. Spector, D. Ifenthaler, P. Isaías, Kinshuk, & D. G. Sampson (Eds.), Learning and instruction in the digital age: Making a difference through cognitive approaches, technology-facilitated collaboration and assessment, and personalized communications (pp. 3-10). New York, NY: Springer.
6. Kaklij, V., Shah, V., Kunal, M., & Mandawkar, M. (2020). Microlearning based content-curation using Artificial Intelligence for Learning Experience Platform: A Survey. Shah, Mr. Kunal and Mandawkar, Mr. Umakant, Microlearning Based Content-Curation Using Artificial Intelligence for Learning Experience Platform: A Survey (August 19, 2020). IJRAR-International Journal of Research and Analytical Reviews (IJRAR), E-ISSN, 2348-1269.
7. Kim, M. Y., Atakishiyev, S., Babiker, H. K. B., Farruque, N., Goebel, R., Zaïane, O. R., ... & Chun, P. (2021). A multi-component framework for the analysis and design of explainable artificial intelligence. Machine Learning and Knowledge Extraction, 3(4), 900-921. [DOI:10.3390/make3040045]
8. Kose, U. (Ed.). (2014). Artificial Intelligence applications in distance education. IGI Global. [DOI:10.4018/978-1-4666-6276-6]
9. Mahmoudi-Dehaki, M., Chalak, A., & Heidari Tabrizi, H. (2021). The Impact of Learning through Management System vs. Learning through Experience Platform on Exam Results of Digital Natives and Digital Immigrants. Journal of Teaching Language Skills, 40(3), 117-158. DOI: 10.22099/jtls.2021.39227.2922
10. Mellit, A., & Kalogirou, S. A. (2008). Artificial intelligence techniques for photovoltaic applications: A review. Progress in energy and combustion science, 34(5), 574-632. [DOI:10.1016/j.pecs.2008.01.001]
11. Pepin, B., Choppin, J., Ruthven, K., & Sinclair, N. (2017). Digital curriculum resources in mathematics education: foundations for change. ZDM, 49, 645-661. [DOI:10.1007/s11858-017-0879-z]
12. Pirozfar, Khadijah and Azad, Ramin and Moalemi, Samaneh, 2021, Application of artificial intelligence in teaching and learning, International Conference on Humanities, Educational Sciences, Law and Social Sciences (In Persian)
13. Rožman, M., Tominc, P., & Milfelner, B. (2023). Maximizing employee engagement through artificial intelligent organizational culture in the context of leadership and training of employees: Testing linear and non-linear relationships. Cogent Business & Management, 10(2). [DOI:10.1080/23311975.2023.2248732]
14. Sandberg, O., & Sjöqvist, J. (2022). Implementing a gamified e-learning platform to teach softskills to bachelor students. [DOI:10.1080/23311975.2023.2248732]
15. Stone, D.L., D.L. Deadrick, K.M. Lukaszewski and R. Johnson (2015), 'The influence of technology on the future of human resource management', Human Resource Management Review, 25(2), 216-31. [DOI:10.1016/j.hrmr.2015.01.002]
16. zafari, M., esmaeily, A., & Sadeghi-Niaraki,. (2021). An Overview of the Applications of Artificial Intelligence and Virtual Reality in Education. Educational Measurement and Evaluation Studies, 11(36), 89-116. doi: 10.22034/emes.2021.251559 (In Persian) [DOI:10.3390/app112311534]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
