کاربست هوش مصنوعی در کالبدشکافی محتوای علوم تجربی: شناسایی نقاط کور و کج‌فهمی‌های پایه ششم
کد مقاله : 1331-NCSE6 (R1)
نویسندگان
حسین طالب زاده *
عضو گروه آموزش جامعه شناسی دانشگاه فرهنگیان،تهران،ایران
چکیده مقاله
هدف این پژوهش، شناسایی و دسته‌بندی نقاط کور و کج‌فهمی‌های محتوای کتاب علوم تجربی پایه ششم با کاربست هوش مصنوعی مولد و چارچوب سازنده‌گرایی پیشگیرانه-جبرانی بود. روش پژوهش، کیفی از نوع تحلیل محتوای هدایت‌شده بود. ۱۶ معلم آموزگار پایه ششم از ۱۲ مدرسه دولتی منطقه دو تهران، طی کارگاهی سه‌روزه، ده درس از کتاب علوم ششم را با پرامپت‌های ساختاریافته تحلیل کردند. داده‌ها شامل جدول‌های نقاط کور و سناریوهای خطای تولیدشده توسط معلمان بود که با روش کدگذاری قیاسی-استقرایی تحلیل شد. یافته‌ها منجر به شناسایی ۴۴ نقطه کور یکتا در شش مقوله اصلی گردید: (۱) آمیختگی مفاهیم هم‌جوار و هم‌پوشان (۲۷٫۳٪)، (۲) خطای درک روابط علّی و معلولی (۲۲٫۷٪)، (۳) تعمیم بیش‌ازحد الگوهای شهودی، (۴) کج‌فهمی ناشی از استعاره‌ها و بازنمایی‌های نادقیق، (۵) عدم درک مقیاس و بازه زمانی فرآیندها، و (۶) ساده‌سازی افراطی فرآیندهای انتزاعی. تحلیل ساختاری نشان داد چهار الگوی تکرارشونده—هم‌جواری مفاهیم متضاد، گسست در زنجیره علّی، جهش شناختی از پیش‌نیازها، و استعاره‌ها/بازنمایی‌های نادقیق—منشأ اصلی این اصطکاک‌های شناختی هستند. همچنین الگوی طراحی جبرانی سه‌لایه (اصلاح محتوا، ایجاد تعارض شناختی و ارزشیابی تشخیصی) مسیری عملی برای تبدیل این بینش‌ها به مداخلات پیشگیرانه ارائه داد. نتیجه‌گیری نشان می‌دهد که بیشتر کج‌فهمی‌ها ریشه در معماری محتوا دارند نه توانایی دانش‌آموز، و پیشگیری از آن‌ها از طریق رویکرد «معلم در حلقه» بسیار اثرگذارتر از درمان است.
کلیدواژه ها
هوش مصنوعی مولد، نقاط کور شناختی، کج‌فهمی، علوم تجربی پایه ششم، سازنده‌گرایی پیشگیرانه-جبرانی، تحلیل محتوا.
وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر