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. آشنایی با هوش مصنوعی مولد، کاربردها و محدودیت‌های آن در آموزش
    • آشنایی با هوش مصنوعی مولد و نقش آن به‌عنوان دستیار دبیر در طراحی، تولید و بازنگری محتوای آموزشی
    • کاربردهای هوش مصنوعی در تولید متن، تصویر، تمرین، آزمون، اسلاید، طرح درس، بازخورد آموزشی و امور روزمره دبیران
    • محدودیت‌ها، خطاهای احتمالی، سوگیری‌ها و ضرورت بررسی، اصلاح و تأیید نهایی تمامی خروجی‌ها توسط دبیر
  2. تعامل مؤثر با هوش مصنوعی و طراحی درخواست‌های آموزشی
    • تعیین موضوع، هدف یادگیری، درس، پایه تحصیلی، سطح دانش‌آموزان و انتظارات آموزشی پیش از ارائه درخواست
    • مشخص‌کردن نوع محصول، قالب، حجم، سطح دشواری، سبک نگارش و سایر ویژگی‌های مورد انتظار خروجی
    • اصلاح تدریجی درخواست‌ها و خروجی‌ها از طریق گفت‌وگوی چندمرحله‌ای، ارائه بازخورد، مقایسه نسخه‌های مختلف و استفاده از نمونه‌ها و منابع مرجع
  3. تولید و شخصی‌سازی محتوای آموزشی
    • تولید، ساده‌سازی، خلاصه‌سازی، بازنویسی و متناسب‌سازی محتوای درسی برای سطوح مختلف دانش‌آموزان
    • طراحی اهداف یادگیری، طرح درس، فعالیت‌های آغازین، حین تدریس و جمع‌بندی، همراه با مثال، داستان، تشبیه و سناریوهای آموزشی
    • تولید یا بازنگری محتوای آموزشی بر اساس کتاب درسی، زمان کلاس، نیازهای یادگیرندگان و شرایط آموزشی مختلف
  4. تولید تمرین، تکلیف، سؤال و ابزارهای ارزشیابی
    • طراحی تمرین‌ها و تکالیف متناسب با اهداف یادگیری، همراه با مثال‌های حل‌شده، پاسخ تشریحی و فعالیت‌های تکمیلی
    • تولید سؤال‌های چندگزینه‌ای، کوتاه‌پاسخ، تشریحی و عملکردی با سطوح دشواری مختلف و گزینه‌های انحرافی مناسب
    • تولید پاسخ‌نامه، بارم‌بندی، روبریک‌های ارزشیابی، نسخه‌های متفاوت آزمون و بازبینی کیفیت، پوشش اهداف آموزشی و رفع ابهام سؤال‌ها
  5. تولید محتوای دیداری و ارائه‌های آموزشی
    • تبدیل متن، کتاب درسی یا طرح درس به ساختار اسلاید و سازمان‌دهی مناسب محتوای ارائه
    • تولید نکات کلیدی، یادداشت ارائه، تصاویر، نمودارها، اینفوگرافیک‌ها و سایر محتوای دیداری متناسب با سن و اهداف آموزشی
    • استفاده از قابلیت‌های چندرسانه‌ای هوش مصنوعی برای تحلیل تصویر، تولید محتوای تصویری و بهبود کیفیت ارائه‌های آموزشی
  6. ارزیابی، اصلاح و استفاده مسئولانه از هوش مصنوعی در آموزش
    • بررسی صحت علمی، انطباق با کتاب درسی، اهداف یادگیری، سن و سطح دانش‌آموزان و اصلاح خطاهای احتمالی
    • شناسایی اطلاعات نادرست، ساختگی، مبهم یا سوگیرانه، ارزیابی کیفیت محتوای تولیدشده و استفاده از روش‌های مناسب برای اعتبارسنجی و راستی‌آزمایی خروجی‌ها
    • رعایت حقوق مؤلف، حریم خصوصی دانش‌آموزان، اصول اخلاقی و استفاده مسئولانه از هوش مصنوعی، همراه با شخصی‌سازی و تأیید نهایی تمامی محتواها توسط دبیر

ارزیابی

  • آزمون‌های چندگزینه‌ای پایان هر بخش

منابع

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