جستجو در مقالات منتشر شده


2 نتیجه برای هوش مصنوعی

افشین متقی دستنائی، علی کرمی، میلاد پیری فتح‌آباد،
دوره 0، شماره 0 - ( 3-1401 )
چکیده

زمینه و هدف: در طول 25 سال گذشته هوش مصنوعی دستاوردهایی در برخی زمینه‌ها داشته که بر آموزش نیز تأثیر گذارده که البته انتقاداتی نیز علیه خوش‌بینی بیش از حد نسبت به تحقیقات هوش مصنوعی معاصر مطرح شده است. تحقیقات کمی در مورد انتظارات از نقش هوش مصنوعی در آموزش و تأثیر بالقوه آن بر آموزش انجام شده است. هدف این مطالعه تحلیل و بررسی نقش هوش مصنوعی در آموزش است.
روش پژوهش: این مطالعه با استفاده از روش تحلیل سوآت انجام شده است. جامعه پژوهش شامل 20 مقاله با موضوع کاربرد هوش مصنوعی در آموزش است که با استفاده از چارچوب مرور نظام‌مند سندلوسکی و باروسو جمع‌آوری شده است.
یافته‌های پژوهش: یافته‌های تحلیل سوات کاربرد هوش مصنوعی در آموزش نشان می‌دهد نقاط قوت شامل استفاده مؤثر از سیستم‌های استم مبتنی بر کامپیوتر، عوامل قابل آموزش برای یادگیری زبان طبیعی، اکوسیستم‌های ابزار یادگیری، و ارزشیابی مدل‌های یادگیری است. از سوی دیگر، نقاط ضعف شامل سیستم‌های آموزشی گنگ، سوگیری داده‌ها و الگوریتم‌ها، و تداخل سفارشی‌سازی هوش مصنوعی با استانداردسازی می‌شود. فرصت‌ها شامل تغییر نقش معلم به راهنما، آزادسازی معلمان از کارهای روزمره، ارائه کمک به دانش‌آموزان در هر زمان و مکان، و امکان یادگیری شخصی‌سازی‌شده است. اما تهدیدات شامل تغییر نقش معلم به حافظ سیستم، ترس از بیکاری، عدم آمادگی برای استفاده از هوش مصنوعی در آموزش، و اختلال در ایجاد مهارت‌های یادگیری مستقل در دانش‌آموزان به همراه پذیرش بی‌چون‌وچرای آن به دلیل هیاهو پیرامون هوش مصنوعی است.
نتایج: از جنبه‌های مختلف به نظر می‌رسد که هوش مصنوعی حالتی تبلیغاتی دارد، اما مانند سایر حوزه‌های تبلیغاتی، پتانسیل رشد با کاربردهای مشخص در فعالیت‌های آموزشی و یادگیری را دارد. آگاهی از هوش مصنوعی و مطالعه در مورد نقش هوش مصنوعی در آموزش، خطر جایگزینی آموزش مصنوعی به جای استفاده از هوش مصنوعی در آموزش را کم رنگ‌تر خواهد کرد. 

مریم ابوالقاسمی، فاطمه فهیم‌نیا،
دوره 8، شماره 4 - ( 11-1400 )
چکیده

هدف: در عصر کلان‌داده، دانشمندان با کار طاقت‌فرسای تحلیل انبوهی از داده‌ها مواجهند و استفاده از تکنیک‌های یادگیری ماشین یکی از راه‌حل‌های احتمالی برای حل این معضل است. علوم شهروندی از حوزه‌هایی است که هوش انسانی و مصنوعی را می‌توان برای تسهیل در این امور به طرق مختلف با هم ترکیب کرد. این مقاله، با توجه به ابهامات موجود در عملکرد ماشین و مدیریت داده‌های تولیدشده توسط کاربر، به توضیح چگونگی سازگاری یادگیری ماشین با ایده‌ی شهروندی فعال و شرایط لازم برای پیشرفت در علوم شهروندی و فراتر از آن می‌پردازد.
روش: این پژوهش به روش مروری و بر اساس مطالعه جامع و نظام‌مند متون مرتبط با یادگیری ماشین، علوم شهروندی و تعامل انسان و رایانه انجام شده است.
یافته‌ها: بسیاری از مشکلات تحقیقاتی از نظر محاسباتی لاینحل به نظر می‌رسند و به مهارت‌های شناختی انسان نیاز دارند. لذا در نتیجه‌ی فعالیت‌های طبقه‌بندی‌ای که اکثراً در پروژه‌های علوم شهروندی با مقیاس بزرگ انجام می‌شود، علاوه بر مشارکت‌کننده که احتمالاً مطالبی درباره‌ی علم می‌آموزد، ماشین نیز با آموختن مطالبی درباره‌ی فعالیت‌های انسان ابتدا از آن تقلید می‌کند و به مرور میزان یادگیری آن افزایش می‌یابد. اما در عین حال گسترش استفاده‌ از هوش مصنوعی و به‌ویژه یادگیری ماشین بحث‌های زیادی درباره‌ی اشکال مختلف ابهامات و سوگیری‌های ناشی از آن‌ها به دنبال داشته است که در پروژه‌های مرتبط نیاز به توجه جدی دارد.
نتیجهگیری: استفاده از تکنیک‌های یادگیری ماشین مزایای زیادی دارد، که از آن جمله می‌توان به کاهش زمان طبقه‌بندی و ارزیابی کارشناسانه‌ی تصمیم‌گیری در مجموعه‌های بزرگی از داده اشاره کرد. با این ‌حال، الگوریتم‌ها‌ غالباً به منزله‌ی جعبه‌‌ی سیاهی هستند که سوگیری‌های داده در نگاه اول در آن‌ها قابل مشاهده نیست و توجه به این امر می‌تواند از مخاطرات جدی در روند استفاده ازین تکنیک‌ها بکاهد.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به تعامل انسان و اطلاعات می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Human Information Interaction

Designed & Developed by : Yektaweb