| نقش هوش مصنوعی مولد در شخصی‌سازی یادگیری زبان عربی: ارائه چارچوبی برای بازخورد و تمرین تطبیقی دانش‌آموزان |
| کد مقاله : 1172-ARCONF6 (R4) |
| نویسندگان |
|
احمد کاظمی *1، زهرا شهابی2، محمد قهری3 1دانشگاه سیستان و بلوچستان 2دانشگاه فرهنگیان 3ندارد |
| چکیده مقاله |
| تفاوت‌های فردی دانش‌آموزان در سرعت یادگیری، شایستگی‌های زبانی و تنوع خطاهای صرفی، نحوی، واژگانی و ترجمه‌ای، اثربخشی الگوهای سنتی و همگن آموزش زبان عربی را در مدارس با چالش‌های ساختاری مواجه ساخته است. پژوهش حاضر با هدف تدوین سازوکارهای شخصی‌سازی آموزش زبان عربی با اتکا به قابلیت‌های هوش مصنوعی مولد، به ارائه چارچوبی مفهومی برای طراحی تمرین‌ها و بازخوردهای تطبیقی پرداخته است. این مطالعه با رویکرد مروری ـ تحلیلی و سنتز مفهومی اسناد معتبر علمی در حوزه‌های پردازش زبان طبیعی، سامانه‌های آموزش‌یار هوشمند و نظریه‌های بازخورد تکوینی به انجام رسید. یافته‌های پژوهش نشان می‌دهد که هوش مصنوعی مولد از توانایی تفکیک و سامان‌دهی بازخوردها در سطوح چندگانه اصلاحی، مفهومی، انگیزشی و داربست‌بندی‌شده سقراطی برخوردار است و برخلاف سامانه‌های ایستا، فرایند تولید پویا و درلحظه تمرین‌های هدفمند را در مؤلفه‌های صرف، نحو، واژگان، ترجمه و درک مطلب تسهیل می‌کند. بر پایه این یافته‌ها، چارچوب تطبیقی چهارلایه‌ای تحت عنوان «GenAI-ALAF» تدوین گردید که پیوند چرخه‌ای میان داده‌های رفتاری یادگیرنده، تحلیل‌گر تشخیصی خطا، موتور هوش مصنوعی مولد مقید و سازوکار بازخورد پویا را برقرار می‌سازد. همچنین نتایج نشان داد که مهار مدل‌های زبانی بزرگ از طریق تکنیک بازیابی افزوده با اسناد برنامه درسی (RAG) و اعمال فیلترهای نحوی، مانع از بروز توهم زبانی و لغزش‌های اعرابی شده و دقت آموزش ساختارهای فصیح زبان عربی را تضمین می‌نماید. کاربست این الگو، بستری ساختاریافته و شواهدبنیان را برای تحول در طراحی سامانه‌های آموزش هوشمند زبان و تحقق یادگیری فردی‌سازی‌شده در نظام تعلیم و تربیت فراهم می‌آورد. |
| کلیدواژه ها |
| هوش مصنوعی مولد، یادگیری زبان عربی، بازخورد تطبیقی، تمرین تطبیقی. |
| وضعیت: پذیرفته شده |
