شناسایی ظرفیت‌ها و چالش‌های هوش مصنوعی در ارزشیابی آموزش عالی: مروری نظام‌مند بر مبانی نظری

همگام با تحولات شگرف و سریع در حوزه فناوری‌ها، هوش مصنوعی به‌عنوان ابزاری قدرتمند توانسته است زندگی نوع بشر را در اتمام ابعاد به‌شدت تحت تاثیر قرار دهد. حوزه آموزش و یادگیری نیز از این قاعده مستثنی نیست و هوش مصنوعی توانسته است از ایده اولیه در خصوص آموزش تا برگ نهایی آموزش، یعنی ارزشیابی را متحول نماید. فرآیند ارزشیابی در تمام سطوح و مقاطع، همواره مورد رصد پژوهشگران جهت بررسی مثمر‌ثمر‌بودن فرآیند آموزشی است. در این حین، شناخت ظرفیت‌ها و چالش‌ها درارزشیابی آموزش عالی مارا در بهبود، مدیریت و کیفیت‌بخشی به فرآیند ارزشیابی کمک خواهد. از این رو، پژوهش حاضر به‌دنبال یک مرور نظام‌مند از ظرفیت‌ها و چالش های موجود در ارزشیابی نظام آموزش عالی است. به این جهت، پژوهش‌های انجام‌شده از فوریه 2015 تا ژوئن 2024 در مورد ظرفیت‌ها و چالش‌های هوش مصنوعی در ارزشیابی آموزش عالی را ارائه می‌دهد. این بررسی با هدف پرداختن به دو سوال کلیدی: (1) ظرفیت‌های شناسایی‌شده و (2) چالش‌های پیش ‌رو در زمینه هوش مصنوعی در ارزشیابی آموزش عالی انجام شد. جستجوی جامع پایگاه‌های اطلاعاتی، مانند sage، wiley online library و science direct ، 3281 پژوهش مشخص شد که از طریق یک فرآیند غربالگری دقیق، و انتخاب معیارهای انتخاب مقالات به نمونه نهایی 30 پژوهش مرتبط، محدود شد. یافته‌ها، چندین ظرفیت هوش مصنوعی، از قبیل شخصی‌سازی یادگیری، تاثیرات مثبت بر یادگیری دانشجویان، کاهش زمان در برنامه‌ریزی و مدیریت کارهای استادان، نمره‌دهی عینی‌تر دانشجویان، و خودکارسازی وظایف تکراری را شناسایی می‌کند. با این حال، پژوهش‌های مرور‌شده در این مقاله، همچنین چالش‌های مهمی مانند ملاحظات اخلاقی، ادغام با برنامه‌های درسی، زیرساخت‌های ناکافی، فقدان دانش فنی در بین استادان، مقاومت در برابر تغییر، و مشکلات در ارزشیابی فرآیندهای شناختی مرتبه بالاتر را نشان می‌دهد.

identifying the capacities and challenges of artificial intelligence in higher education evaluation: a systematic review of theoretical foundations

in line with the rapid and profound transformations in the field of technology, artificial intelligence (ai), as a powerful tool, has significantly impacted human life in various dimensions. the field of education and learning is no exception, with ai revolutionizing the educational process from design to final evaluation. the evaluation process at all educational levels has consistently been a focus of researchers to assess the effectiveness of educational processes. in this context, recognizing the capacities and challenges of ai in higher education evaluation will significantly contribute to improving, managing, and enhancing the quality of this process. this research aims to conduct a systematic review of the existing capacities and challenges of ai in higher education evaluation. this study examines research published from february 2015 to june 2024 concerning the capacities and challenges of ai in higher education evaluation. this review was conducted to address two key questions: (1) the identified capacities and (2) the challenges ahead in the field of ai in higher education evaluation. a comprehensive search of reputable databases such as sage, wiley online library, and science direct identified 3281 studies. following a rigorous screening process and the application of article selection criteria, 30 relevant studies were selected as the final sample. the findings of this research identified several capacities of ai in higher education evaluation, including personalized learning, positive impacts on student learning, reduced time spent on planning and managing faculty tasks, more objective student grading, and automation of repetitive tasks. however, the reviewed studies also highlight significant challenges, including ethical considerations, integration with curricula, inadequate infrastructure, lack of technical knowledge among faculty, resistance to change, and difficulties in evaluating higher-order cognitive processes.