رتبه بندی عوامل موثر بر کارکرد هوش مصنوعی در بهبود آموزش ضمن خدمت معلمان با استفاده از روش تصمیم گیری چندمعیاره سکا

زمینه و هدف: پژوهش حاضر با هدف رتبه بندی عوامل موثر بر کارکرد هوش مصنوعی در بهبود آموزش ضمن خدمت معلمان با استفاده از روش تصمیم گیری چند معیاره سکا به شیوه ای کیفی و از نوع کاربردی انجام شده است.روش پژوهش: پژوهش حاضر به لحاظ هدف کاربردی و از لحاظ ماهیت توصیفی- پیمایشی محسوب می شود. جامعه آماری این پژوهش شامل کلیه ی اساتید دانشگاه فرهنگیان تهران واحد نسیبه بوده اند، نمونه‌گیری به صورت هدفمند و با رعایت اصل اشباع نظری انجام شد و شامل 20 نفر از متخصصان بود. گردآوری داده های پژوهش از طریق مصاحبه با خبرگان به دست آمد. پس از استخراج معیارهای خبرگان از عوامل موثر بر کارکرد هوش مصنوعی در آموزش ضمن خدمت معلمان ماتریس تصمیم گیری با توجه به معیارها و گزینه ها تدوین شد. در پایان از روش سکا به جهت تعیین رتبهبندی عوامل موثر بهره برده و به این منظور از نرم افزار lingo برای حل معادلات غیرخطی استفاده شد.یافته‌ها: تحلیل داده‌های آموزشی، شخصی‌سازی آموزش، و تعامل و همکاری مجازی از مهم‌ترین عوامل موثر بر کارکرد هوش مصنوعی در بهبود آموزش ضمن خدمت معلمان هستند.نتیجه‌گیری: معیارهای مطرح شده از نظر خبرگان همگی مثبت بودند بدان معنا که با افزایش میزان هر معیار، میزان کارکرد هوش مصنوعی در بهبود آموزش ضمن خدمت افزایش می یافت.

ranking factors influencing the performance of artificial intelligence in improving in-service teacher training using the multi-criteria decision-making seca method

background and objective: this study aimed to rank the factors influencing the performance of artificial intelligence in improving in-service teacher training by utilizing the seca decision-making method in a qualitative and applied manner.methodology: the study is considered applied in terms of its objective and descriptive-survey in nature. the statistical population included all faculty members of nasibeh campus, farhangian university in tehran. the sampling method was purposive and adhered to the principle of theoretical saturation, encompassing 20 experts. data collection was conducted through interviews with experts. after extracting expert-defined criteria influencing ai performance in in-service teacher training, a decision matrix was developed based on the criteria and alternatives. finally, the sec method was employed to determine the ranking of influencing factors, and the lingo software was used to solve the nonlinear equations.findings: educational data analysis, personalized training, and virtual interaction and collaboration were identified as the most significant factors influencing ai performance in improving in-service teacher training.conclusion: all the criteria identified by the experts were considered positive, indicating that an increase in any criterion would lead to an improvement in the performance of ai in enhancing in-service teacher training.