You are not allowed to perform this action

تولید محتوای آموزشی با هوش مصنوعی

مدرس: دکتر امیر نجفی دوره: هوش مصنوعی
زمان ارائه: TBD گواهی‌نامه: رسمی

هدف کلی

هدف از این دوره، آشنایی دبیران با روش‌های کاربردی، مؤثر و مسئولانه استفاده از هوش مصنوعی مولد برای طراحی، تولید، بازبینی و شخصی‌سازی محتوای آموزشی است. انتظار می‌رود فراگیر پس از پایان دوره بتواند با تعامل مؤثر و مرحله‌ای با ابزارهای هوش مصنوعی، متناسب با هدف یادگیری، پایه تحصیلی، ویژگی‌های دانش‌آموزان و کتاب درسی، محتوای آموزشی، تمرین، تکلیف، سؤال و آزمون، طرح درس، اسلاید و سایر منابع آموزشی را تولید یا بازنگری کند. همچنین، فراگیر باید بتواند خروجی‌های تولیدشده را از نظر صحت علمی، کیفیت آموزشی، انطباق با برنامه درسی، حقوق مؤلف، حریم خصوصی و ملاحظات اخلاقی ارزیابی، اصلاح و تأیید نهایی کند.

سرفصل‌ها

  1. مبانی هوش مصنوعی مولد و نقش آن برای دبیر
    • تفاوت هوش مصنوعی مولد با موتور جست‌وجو و منابع آموزشی عادی
    • نقش هوش مصنوعی به‌عنوان دستیار دبیر، نه جایگزین او
    • کاربرد هوش مصنوعی در طراحی، تولید، بازنگری و شخصی‌سازی محتوای آموزشی
  2. کاربردها، محدودیت‌ها و خطاهای هوش مصنوعی در آموزش
    • کاربردهای هوش مصنوعی در تولید متن، تصویر، تمرین، آزمون، اسلاید، طرح درس و بازخورد آموزشی
    • خطاهای علمی، محاسباتی، منطقی، آموزشی و زبانی در خروجی
    • اطلاعات ساختگی، سوگیری و نامتناسب‌بودن محتوا با مخاطب
    • ضرورت بررسی، اصلاح و تأیید نهایی محتوا توسط دبیر
  3. آماده‌سازی درخواست آموزشی: تعیین نیاز و زمینه
    • تعیین موضوع، درس و پایه تحصیلی
    • مشخص‌کردن هدف یا اهداف یادگیری
    • تعیین سطح دانش‌آموزان، دانش قبلی و ویژگی‌های مخاطبان
    • بیان شرایط کلاس، محدودیت‌های زمانی، امکانات و ارتباط با کتاب درسی
  4. طراحی و اصلاح درخواست برای دریافت خروجی مناسب
    • مشخص‌کردن نوع محصول موردنیاز؛ مانند طرح درس، تمرین، آزمون یا اسلاید
    • مشخص‌کردن قالب، سطح دشواری، حجم و سایر ویژگی‌های خروجی
    • استفاده از نمونه، متن کتاب درسی و منابع مرجع در درخواست
    • اصلاح تدریجی خروجی از طریق گفت‌وگوی چندمرحله‌ای، بازخورد و مقایسه نسخه‌ها
  5. تولید، ساده‌سازی و بازنویسی محتوای درسی
    • خلاصه‌سازی، ساده‌سازی و بازنویسی متن‌های آموزشی
    • تبدیل محتوای موجود به قالب‌ها و ساختارهای آموزشی متفاوت
    • تبدیل یک محتوای واحد به نسخه‌های متناسب با سطوح مختلف دانش‌آموزان
    • حفظ دقت علمی و مفاهیم اصلی هنگام ساده‌سازی و بازنویسی
  6. طراحی طرح درس و فعالیت‌های یادگیری
    • طراحی اهداف و شواهد یادگیری با کمک هوش مصنوعی
    • تولید طرح درس کوتاه و ساختارمند
    • طراحی فعالیت‌های آغازین، فعالیت‌های حین تدریس و جمع‌بندی
    • تنظیم فعالیت‌ها با توجه به زمان کلاس، نیاز یادگیرندگان و شرایط آموزشی
    • هم‌راستاسازی اهداف یادگیری، فعالیت‌ها و ارزشیابی
    • بازبینی، نقد و اصلاح طرح درس با کمک هوش مصنوعی
  7. تولید تمرین، تکلیف و فعالیت‌های تکمیلی
    • طراحی تمرین و تکلیف متناسب با اهداف یادگیری
    • طراحی تمرین‌های تشخیصی برای شناسایی خطاها و حفره‌های یادگیری
    • سطح‌بندی تمرین‌ها از ساده به دشوار و طراحی مسائل متنوع
    • تولید مثال‌های حل‌شده و پاسخ‌های تشریحی
    • طراحی فعالیت‌های تکمیلی، جبرانی و چالشی برای دانش‌آموزان با سطوح متفاوت
  8. طراحی سؤال، آزمون و ابزارهای ارزشیابی
    • تولید سؤال‌های چندگزینه‌ای، کوتاه‌پاسخ، تشریحی و عملکردی
    • طراحی سؤال بر اساس هدف یادگیری و سطوح مختلف شناختی
    • تعیین سطح دشواری و طراحی گزینه‌های انحرافی بر اساس خطاهای رایج دانش‌آموزان
    • تولید پاسخ‌نامه، بارم‌بندی و روبریک‌های ارزشیابی
    • طراحی نسخه‌های متفاوت آزمون و بررسی پوشش اهداف آموزشی و رفع ابهام سؤال‌ها
    • طراحی فرایندهای ارزشیابی برای سنجش فهم، استدلال و اصالت یادگیری دانش‌آموز در حضور ابزارهای هوش مصنوعی
  9. طراحی ساختار ارائه و اسلاید آموزشی
    • تبدیل متن منتخب، محتوای کتاب درسی یا طرح درس به ساختار اسلاید
    • تعیین ترتیب منطقی اسلایدها و سازمان‌دهی محتوای ارائه بر اساس مسیر یادگیری
    • تولید یادداشت ارائه برای دبیر
    • رعایت اختصار، خوانایی و هدف آموزشی در طراحی اسلایدها
  10. تولید و استفاده از محتوای دیداری و چندرسانه‌ای
    • نوشتن درخواست مناسب برای تولید تصویر آموزشی
    • بررسی صحت علمی، خوانایی و تناسب محتوای دیداری با سن دانش‌آموزان و اهداف یادگیری
    • استفاده از قابلیت‌های چندرسانه‌ای هوش مصنوعی برای تحلیل تصویر، تولید محتوای تصویری و طراحی فعالیت آموزشی
    • ویرایش، بهبود و آماده‌سازی محتوای دیداری برای استفاده آموزشی و ارائه
  11. ارزیابی و راستی‌آزمایی محتوای تولیدشده
    • بررسی صحت علمی، محاسباتی و منطقی و اصلاح خطاهای احتمالی
    • تطبیق محتوا با کتاب درسی، اهداف یادگیری و سطح دانش‌آموزان
    • شناسایی اطلاعات نادرست، ساختگی، مبهم یا سوگیرانه
    • ارزیابی کیفیت متن، تمرین، سؤال، پاسخ‌نامه و محتوای دیداری
    • بررسی ادعاهای مهم و منابع معرفی‌شده توسط هوش مصنوعی با مراجعه به منابع معتبر
  12. استفاده مسئولانه و تأیید نهایی محتوای آموزشی
    • رعایت حقوق مؤلف و مالکیت فکری در استفاده از متن، تصویر و سایر منابع
    • حفاظت از حریم خصوصی و اطلاعات شخصی دانش‌آموزان
    • توجه به اصول اخلاقی و پرهیز از استفاده نامناسب یا غیرمسئولانه از هوش مصنوعی
    • شخصی‌سازی، اصلاح و تأیید نهایی خروجی‌ها توسط دبیر پیش از استفاده آموزشی یا ارائه به دانش‌آموزان
    • حفظ مسئولیت و قضاوت حرفه‌ای دبیر در تصمیم‌گیری نهایی درباره محتوای آموزشی

ارزیابی

  • آزمون‌های چندگزینه‌ای پایان هر بخش
  • آزمون پایانی

منابع

  1. G. James, D. Witten, T. Hastie, R. Tibshirani, An Introduction to Statistical Learning, Springer, 2017.