پیوندهای مفید
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 563 |
| تعداد مقالات | 4,459 |
| تعداد مشاهده مقاله | 7,462,263 |
| تعداد دریافت فایل اصل مقاله | 3,902,060 |
تحلیل ابعاد شخصی‌سازی و چالش‌های آموزشی کاربست هوش مصنوعی در تدریس معکوس ریاضی | ||
| پژوهش در آموزش ریاضی | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 11 آبان 1405 | ||
| نوع مقاله: مقاله مروری | ||
| شناسه دیجیتال (DOI): 10.48310/rme.2026.22236.1141 | ||
| نویسندگان | ||
| پروانه ذوالفقاری* 1؛ سید جلال لنگری2 | ||
| 1عضو هیات علمی گروه ریاضی دانشگاه فرهنگیان مشهد | ||
| 2ریاضی- دانشگاه فرهنگیان- تهران-ایران | ||
| چکیده | ||
| پژوهش حاضر با هدف تحلیل ابعاد شخصی‌سازی یادگیری و چالش‌های آموزشی کاربست هوش مصنوعی در چرخه تدریس معکوس ریاضی، با رویکرد مرور نظام‌مند روایی و سنتز کیفی شواهد منتشرشده در بازه ۲۰۱۹ تا ۲۰۲۵ انجام شد. یافته‌های سنتز شواهد نشان می‌دهد که هوش مصنوعی در قالب اکوسیستم پشتیبان تصمیم‌گیری، سه کارکرد محوری در چرخه تدریس معکوس ایفا می‌کند: در مرحله پیش از کلاس، تشخیص بی‌درنگ بدفهمی‌های مفهومی و داربست‌بندی شناختی از طریق سامانه‌های آموزش هوشمند و پلتفرم‌های تطبیقی؛ در مرحله حین کلاس، انتقال داده‌های تحلیلی یادگیری به معلم برای طراحی فعالیت‌های مسئله‌محور و هدایت گروه‌های ناهمگن؛ و در مرحله پس از کلاس، پیش‌بینی زودهنگام ریسک افت تحصیلی و اضطراب ریاضی. برای تبیین این یافته‌ها از چارچوب TPACK بهره گرفته شد و ماتریس تلفیقی دانش فناورانه-پداگوژیک-محتوایی در تدریس معکوس ریاضی ارائه گردید. این ماتریس نشان می‌دهد که هوش مصنوعی نه جایگزین معلم، بلکه تقویت‌کننده عاملیت حرفه‌ای اوست؛ به شرط آنکه سه چالش بنیادین شکاف دیجیتالی و عدالت آموزشی، پدیده توهم یادگیری ناشی از حل‌گرهای خودکار مسائل، و توسعه شایستگی‌های دیجیتال-پداگوژیکی معلمان در بستر نظام آموزشی کشور مدیریت شوند. بر این اساس، پیشنهادهایی در دو سطح کاربردی (معلمان ریاضی) و سیاستی (دانشگاه فرهنگیان و وزارت آموزش و پرورش) ارائه شده است. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی؛ تدریس معکوس؛ یادگیری ریاضی؛ شخصی سازی؛ سیستم های تدریس هوشمند؛ تحلیل یادگیری | ||
| عنوان مقاله [English] | ||
| Analyzing the Personalization Dimensions and Educational Challenges of Applying Artificial Intelligence in Flipped Mathematics Teaching | ||
| نویسندگان [English] | ||
| Parvaneh Zolfaghari1؛ Sayed Jalal Langari2 | ||
| 1Assistant Professor, Department of Mathematics, Farhangiyn University, , Tehran, Iran | ||
| 2Assistant Professor, Department of Mathematics, Farhangiyn University,, Tehran, Iran | ||
| چکیده [English] | ||
| This study aimed to analyze the dimensions of personalized learning and the educational challenges associated with implementing artificial intelligence (AI) in the flipped mathematics teaching cycle. It employed a narrative systematic review approach and a qualitative synthesis of evidence published between 2019 and 2025. The synthesis reveals that AI, functioning as a decision-support ecosystem, performs three pivotal roles within the flipped teaching cycle: during the pre-class phase, it enables real-time identification of conceptual misconceptions and provides cognitive scaffolding via intelligent tutoring systems and adaptive platforms; during the in-class phase, it relays learning analytics to the teacher to facilitate the design of problem-based activities and the guidance of heterogeneous groups; and during the post-class phase, it allows for the early prediction of risks regarding academic decline and math anxiety. The TPACK framework was utilized to interpret these findings, resulting in the presentation of an integrated matrix of Technological Pedagogical Content Knowledge (TPACK) for flipped mathematics teaching. This matrix demonstrates that AI serves not as a replacement for the teacher but as an enhancer of their professional agency—provided that three fundamental challenges are managed within the national educational system: the digital divide and educational equity; the "illusion of learning" phenomenon resulting from automated problem solvers; and the development of teachers' digital-pedagogical competencies. Accordingly, recommendations are offered at both the practical level (for mathematics teachers) and the policy level (for Farhangian University and the Ministry of Education). | ||
| کلیدواژه‌ها [English] | ||
| Artificial intelligence, flipped teaching. math learning, personalization, intelligent teaching systems-, learning analytics | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1 |
||