رزومه وب سایت شخصی


EN
محمدعلی رستمی نژاد

محمدعلی رستمی نژاد

دانشیار

marostami@birjand.ac.ir

دانشکده/پردیس: علوم تربیتی و روانشناسی

گروه/دانشکده علوم تربیتی

مقطع تحصیلی: دکترای تخصصی

سال تولد: ۱۳۵۷۰۶۱۹

رزومه وب سایت شخصی
EN
محمدعلی رستمی نژاد

دانشیار محمدعلی رستمی نژاد

marostami@birjand.ac.ir
دانشکده/پردیس: علوم تربیتی و روانشناسی - گروه/دانشکده علوم تربیتی مقطع تحصیلی: دکترای تخصصی | سال تولد: ۱۳۵۷۰۶۱۹ |

اینجانب دانش آموخته فناوری آموزشی از دانشگاه علامه طباطبایی و دانشیار گروه علوم تربیتی  دانشگاه بیرجند هستم. علایق پژوهشی بنده به قرار زیر است:

  • سنجش فناوری در آموزش

  • فناوری برنامه درسی

  • فناوری در آموزش افراد با نیازهای ویژه

  • علوم شناختی و فناوری های یاددهی-یادگیری

  • یاددهی-یادگیری الکترونیکی

My affiliation

Associate Professor of educational technology University of Birjand

نمایش بیشتر

کاربردهای مدل‌سازی یادگیرنده در طراحی برنامه‌درسی: مرور نظام‌مند

نویسندگانمحمدعلی رستمی نژاد,محبوبه ظهوریان مفتخراحمدی,محسن آیتی
نشریهبرنامه درسی و آموزش یادگیرنده محور
شماره صفحات97-117
شماره سریال۴
شماره مجلد۴
نوع مقالهFull Paper
تاریخ انتشار۲۰۲۶
نوع نشریهالکترونیکی
کشور محل چاپایران
کلید واژه هاپیشرفت‌ تحصیلی؛ طراحی برنامه‌درسی؛ مدل‌سازی یادگیرنده؛ هوش‌مصنوعی

چکیده مقاله

هدف: توجه به تفاوت های فردی در طراحی و رهبری برنامه درسی بسیار حائز اهمیت است. مدل‌سازی یادگیرنده، با قابلیت کمک به شخصی‌سازی یادگیری و بهینه‌سازی منابع، به‌عنوان یک راه حل در این مسیر می‌تواند مطرح شود. این مطالعه با تمرکز بر چهار سوال (تعریف مدل‌سازی یادگیرنده، انواع، کاربردها و روش‌های پیاده‌سازی آن) به تحلیل نقش مدل‌سازی یادگیرنده در طراحی برنامه درسی می‌پردازد. روش پژوهش: به روش مرور نظام‌مند براساس دستورالعمل پریزما، ۵1 مقاله از پایگاه‌های Web of Science و Scopus استخراج شد. پس از غربالگری، 12 مقاله با استفاده از تحلیل استقرایی و کدگذاری کیفی تحلیل شدند. یافته‌ها: بر اساس بررسی و تحلیل دقیق مقالات، تعریف مدل‌سازی یادگیرنده در طراحی برنامه درسی در سه چارچوب مختلف مبتنی بر هوش مصنوعی، مبتنی بر هستی شناسی و مبتنی بر اطلاعات شناختی یادگیرنده تعریف و در هفت نوع پوششی، کلیشه‌ای، اغتشاش، مبتنی بر یادگیری ماشین، ردیابی، هستی‌شناسی و ترکیبی طبقه‌بندی شدند. کاربردهای مدل‌سازی یادگیرنده شامل «تنظیم ساختار یادگیری»، «افزایش کارایی آموزش» و «طراحی برنامه‌های درسی شخصی‌سازی» بود. الگویتم پیاده‌سازی آن به سه دسته کدنویسی، هوش مصنوعی و ترکیبی تقسیم شدند. تفاوت اصلی آن‌ها در سطح وابستگی به داده و پیچیدگی سیستم است. مدل‌سازی یادگیرنده امکان تنظیم پویای برنامه درسی، بازخورد بلادرنگ و بهینه‌سازی عملکرد یادگیرندگان را فراهم می‌کند. نتیجه‌گیری: مدل‌سازی یادگیرنده با پیوند نظریه‌های آموزشی و فناوری، چالش‌های نظام‌های متمرکز را کاهش می‌دهد. یکپارچه‌سازی هوش مصنوعی در چارچوب‌های تربیتی نیازمند همکاری بین‌رشته‌ای، مدل‌های نظری قوی و ملاحظات اخلاقی برای تحول پایدار اس

لینک ثابت مقاله