مقاله ترجمه شده موانع کلیدی یادگیری شخصی‌سازی‌شده در عصر هوش مصنوعی: مروری بر ادبیات

سال نشر: ۲۰۲۵

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۶  صفحه PDF

تعداد صفحه ترجمه فارسی:  ۳۲  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M2009

نام ناشر (پایگاه داده): MDPI

نام مجله:   Applied Sciences

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۵ :  موانع کلیدی یادگیری شخصی‌سازی‌شده در عصر هوش مصنوعی: مروری بر ادبیات

عنوان کامل انگلیسی:

Key Barriers to Personalized Learning in Times of Artificial Intelligence: A Literature Review

چکیده فارسی:

یادگیری شخصی‌سازی شده (PL) به عنوان یک رویکرد امیدوارکننده برای رفع نیازهای آموزشی متنوع ظهور کرده است، و هوش مصنوعی (AI) نقشی محوری و فزاینده در اجرای آن ایفا می‌کند. این مرور نظام‌مند ادبیات، چشم‌انداز یادگیری شخصی‌سازی شده را در زمینه‌های مختلف آموزشی، با تمرکز بر استفاده از هوش مصنوعی و چالش‌های مرتبط با آن، بررسی می‌کند. با استفاده از دستورالعمل‌های PRISMA، ۶۸ مطالعه تجربی منتشر شده بین سال‌های ۲۰۱۸ تا ۲۰۲۴ تحلیل شدند و همبستگی‌هایی را بین سطوح آکادمیک، روش‌های یادگیری، فناوری‌ها و موانع پیاده‌سازی آشکار ساختند. یافته‌های کلیدی عبارتند از: (الف) استفاده غالب از هوش مصنوعی در پیاده‌سازی‌های یادگیری شخصی‌سازی شده در آموزش عالی، (ب) ترجیح یادگیری ترکیبی در آموزش متوسطه و ابتدایی، (ج) تغییر از موانع فناورانه به موانع آموزشی در سطوح مختلف آموزشی، و (د) موانع روانشناختی پایدار در تمام زمینه‌ها. این مطالعه، بینش‌های ارزشمندی را برای مربیان، سیاست‌گذاران و پژوهشگران فراهم می‌کند و درکی جامع از وضعیت فعلی و مسیرهای آینده یادگیری شخصی‌سازی شده مبتنی بر هوش مصنوعی ارائه می‌دهد.

کلمات کلیدی: یادگیری شخصی‌سازی شده؛ هوش مصنوعی؛ آموزش ۴٫۰؛ مرور نظام‌مند؛ یادگیری تطبیقی؛ فناوری آموزشی؛ آموزش عالی؛ نوآوری آموزشی.

Abstract

Personalized learning (PL) has emerged as a promising approach to address diverse educational needs, with artificial intelligence (AI) playing an increasingly pivotal role in its implementation. This systematic literature review examines the landscape of PL across various educational contexts, focusing on the use of AI and associated challenges. Using the PRISMA guidelines, 68 empirical studies published between 2018 and 2024 were analyzed, revealing correlations between academic levels, learning modalities, technologies, and implementation barriers. Key findings include (a) predominant use of AI in higher education PL implementations, (b) preference for blended learning in secondary and elementary education, (c) shift from technological to pedagogical barriers across educational levels, and (d) persistent psychological barriers across all contexts. This review provides valuable insights for educators, policymakers, and researchers, offering a comprehensive understanding of the current state and future directions of AI-driven personalized learning.

Keywords: personalized learning; artificial intelligence; education 4.0; systematic review; adaptive learning; educational technology; higher education; educational innovation