مقدمه
توسعه فناوریهای الکترونیکی بسیاری از شیوههای آموزش و یادگیری را دگرگون کرده است. باید بپذیریم، آنچه در فناوری ثابت است، تغییر است و این موضوع بر انتظارات کاربران در ارائه خدمات آموزشی تأثیر چشمگیری گذاشته است؛ به طوری که به جرئت میتوان گفت، در این دوران یادگیری دیجیتالی درک نمیشود، مگر آنکه معماریِ قلب نرمافزار آموزشی آن تغییر کند. برای بررسی این موضوع، بهتر است پارادایمی را که در یادگیری الکترونیکی در دو دهه اخیر رخ داده است، مرور کنیم.
موج اول یادگیری الکترونیکی که در اواخر دهه 1990 میلادی شروع شد، این امکان را برای کاربران فراهم کرد که در هر مکان و زمان بتوانند آموزش دریافت کنند. در این دوران، آموزشگران و دانشجویان از اینکه میتوانستند در هر زمان و مکانی1 در یک سخنرانی شرکت کنند و با یکدیگر به بحث و گفتوگو بپردازند، بسیار هیجانزده و خوشحال بودند. در این دوران ابزارهای وب 2 بسیار سریع رشد کردند و سیستمهای متعدد مدیریت یادگیری (LMS)2 پدیدار شدند، به طوری که مدرسان و یادگیرندگان میتوانستند هر نوع محتوای آموزشی مانند فیلم، متن، تصویر و صوت را برای یکدیگر ارسال کنند و در فضای مجازی با یکدیگر تعامل داشته باشند. امکانات وب 2 شور و نشاط زیادی در میان یادگیرندگان ایجاد کرد، اما به تدریج از این هیجانات کاسته شد. این فناوری نمیتوانست تعیین کند چه کسی باید چه چیزی را بیاموزد. در واقع هنوز یادگیرندگان صرف نظر از اینکه چه علاقهها و استعدادهایی داشتند، به گونهای واحد میآموختند.
موج دوم یادگیری الکترونیکی که از اواخر دهه دوم قرن بیستویکم شروع شده است، «شخصیسازی و تعامل3» است. در این دوران، سیستمهای آموزش آنلاین به سمت غنیسازی تجربههای یادگیری براساس تفاوتها و نیازهای فردی جهت گرفتهاند (بننعیم - کریچن، 2015). به عبارت دیگر، سیستمها به سمت یادگیری تطبیقی هدایت شدهاند.
یادگیری تطبیقی که گاهی به آن تدریس تطبیقی هم گفته میشود، در واقع روشی آموزشی است که در آن از الگوریتمهای رایانهای برای تعامل با یادگیرنده و ارائه منابع و فعالیتهای یادگیری بر مبنای ویژگیها و نیازهای فردی یادگیرنده استفاده میشود. ایده یادگیری تطبیقی در واقع ظهور یک مفهوم جدید نیست. این ایده از دهه 1960 وجود داشت. در آن دوران، رویکرد غالب، یادگیری برنامهای اسکینر بود که به علت مدل تفکر الگوریتمی، بسیاری از آموزشگران از آن استقبال کردند. در آموزش برنامهای، موضوعهای درسی به اجزای کوچک یا مراحل متعدد تقسیم میشدند و یادگیرنده، در صورتی که یک مرحله را یاد میگرفت، به مرحله بعد راه مییافت. ماشینهای یادگیری اولیه که برنامههای آموزشی آنها براساس رویکرد آموزش برنامهای تدوین میشدند، در ابتدا بسیار ساده بودند و به مرور پیشرفت کردند. با کمک این برنامههای آموزشی، اگر یادگیرنده در مرحلهای از آموزش موفق نمیشد، به آموزشهای تکمیلی هدایت میشد و در آزمونهای سادهتر شرکت میکرد تا به یادگیری در حد تسلط دست پیدا کند. در آن دوران، پاسخ به نیازهای فردی یادگیرندگان، به علت محدودیت در برنامهنویسی و فناوری، بسیار محدود بود. بهتدریج سیستمهای رایانهای و زبانهای برنامهنویسی پیشرفت کردند، مدلهای تفکر از الگوریتمی و جعبه سیاه اسکینر وارد مرحله هوش مصنوعی شدند و زبانهای برنامهنویسی وارد عمل شدند، به طوری که امروزه با فناوریهایی مانند سیستمهای ابری و هوش مصنوعی و اینترنت، مدلهای یادگیری تطبیقی توسعه پیدا کردند.
در دهه اخیر، یعنی از سال 2010 سیستمهای مدیریت یادگیری پیشرفت بسیاری کردهاند، اما بسیاری از برنامههای آموزشی رایانهای هنوز هم به شیوه سنتی و براساس دیدگاههای یادگیری غیرتطبیقی تنظیم شدهاند. در واقع برنامههای رایانهای، به شیوه سنتی، محتوای آموزشی را در اختیار یادگیرنده قرار میدهند و آنها میتوانند به صورت مجازی آزمون بدهند، تکالیفشان را برای معلم ارسال کنند، و با همکلاسیها و معلم تعامل مجازی داشته باشند، اما این سیستمها نمیتوانند بر حسب سبک یادگیری و علاقههای یادگیرندگان، به آنها تکالیفی ارائه کنند. در واقع، نظام آموزشی رایانهای که معماری آن به صورت سنتی طراحی شده است، به تفاوتهای فردی دانشآموزان (دانشجویان) توجهی ندارد.
در اواخر دهه دوم قرن بیستویکم، با پیشرفت در سیستمهای هوش مصنوعی، فناوریهایی پدیدار شدند که بتوانند یادگیری تطبیقی را به صورت گسترده پشتیبانی کنند. این برنامهها براساس یافتههای روانشناسی، علوم تربیتی و علوم مغزی طراحی میشوند. برای آنکه با عملکرد این سیستمها بهتر آشنا شوید، ابتدا سیستمهای مدیریت یادگیری را مرور میکنیم و سپس درباره سیستمهای یادگیری تطبیقی شرح میدهیم.
سیستم مدیریت یادگیری
سیستم مدیریت یادگیری که گاهی به اختصار LMS نامیده میشود و در برخی منابع به آن پورتال یا پلتفرم نیز گفته میشود، در واقع یک نرمافزار و برنامه تحت وب است که مدیریت، مستندسازی، پیگیری، گزارشگیری و ارائه دورههای تحصیلی و برنامههای آموزشی را انجام میدهد. این نرمافزار به مدرس امکان میدهد محتویات دوره آموزشی را در اختیار یادگیرندگان قرار دهد، آزمونهای آنلاین برگزار کند، تکالیف مربوط به درسها را در یک سیستم تحت وب ارسال کند. دانشجویان نیز متقابلاً میتوانند این تکالیف را برای مدرسان ارسال کنند. یادگیرندگان و معلمان میتوانند در محیط مجازی به صورت همزمان یا غیرهمزمان با یکدیگر تعامل داشته باشند. باید توجه کرد، این سیستمها مختص آموزش آنلاین نیستند، بلکه دورههای آموزشی حضوری نیز میتوانند از سیستم مدیریت یادگیری بهرهمند شوند. برای مثال، آموزشوپرورش در سالهای اخیر پورتال همگام را راهاندازی کرده است که داشبوردهای متعددی مانند آزمون آنلاین، ارسال محتوای آموزشی، و ارسال و دریافت تکالیف دارد. معلمان و دانشآموزان در کلاسهای حضوری نیز میتوانند از آن استفاده کنند، اما این پورتال هنوز در حال تکمیل است.
سیستم مدیریت یادگیری تطبیقی
در هر دوره آموزش الکترونیکی سنتی، یادگیرنده مسیری را که مربی ایجاد میکند، بهصورت خطی دنبال خواهد کرد؛ به طوری که فیلمها، کلیپها و اسلایدهای آموزشی را تماشا میکند، مقالات و جزوهها را میخواند، در آزمونهای آنلاین شرکت و در ماژولهای تعاملی بحث و گفتوگو میکند. سیستم یادگیری انطباقی شامل همان مواد آموزشی خواهد بود، اما در آن نحوه ارائه اطلاعات برای هر یادگیرنده متفاوت خواهد بود. این سیستم تصمیم میگیرد محتوا را براساس اهداف و دانش یادگیرنده تغییر دهد. برای مثال، قبل از شروع دوره، دانش و سبک یادگیری یادگیرنده را با استفاده از آزمونهای متعدد میسنجد و بر مبنای نتایج بهدست آمده، به یادگیرنده محتوای آموزشی ارائه میدهد. در هر مرحله از آموزش، از یادگیرنده آزمون گرفته میشود و براساس دانشی که کسب کرده است، به وی سؤالات چالشبرانگیزتر یا آسانتری ارائه میشود. چون برنامه این سیستمها براساس هوش مصنوعی تنظیم شده است، آنها میتوانند مانند دستیار آموزشی به معلم خدمت کنند.
بسیاری از سیستمهای مدیریت یادگیری تطبیقی همانند پلتفرمی هستند که میتوانند روی سیستمهای مدیریت یادگیری که به صورت سنتی تنظیم شدهاند، نصب شوند (مانند پلتفرم ریپل که در ادامه به شرح آن میپردازیم). برخی نیز مانند «NEO LMS» نوعی سیستم مدیریت یادگیریِ شامل ابزارهای یادگیری تطبیقی هستند. امروزه پلتفرمهای یادگیری تطبیقی متعددی توسعه پیدا کردهاند که هر یک قابلیتهای ویژهای دارند؛ به طوری که برخی از آنها عملکرد پیچیدهای در یادگیری تطبیقی انجام میدهند و برخی دیگر سادهترند. در ادامه، برخی از این سیستمهای مدیریت یادگیری تطبیقی را معرفی میکنیم.
الکس4
سیستم الکس یک شرکت ارزیابی و یادگیری آنلاین است که در هر دوره، برای تعیین سریع و دقیق آنچه دانشآموز میداند و آنچه نمیداند، از سؤال تطبیقی استفاده میکند. سپس در مورد مباحثی که یادگیرنده آمادگی یادگیری آنها را دارد، آموزش میدهد و دوباره وی را ارزیابی میکند. این روند را تا جایی ادامه میدهد که یادگیرنده نمره استاندارد را کسب کند.
ریپل5
پلتفرم ریپل یکی از توسعهیافتهترین سیستمهای یادگیری تطبیقی است و با اغلب سیستمهای مدیریت یادگیری مانند مودل6 و بلکبورد7 سازگار است. این پلتفرم از دانشآموز و همچنین معلم پشتیبانی میکند. برای معلمان، در نقش معلم همیار، این پلتفرم میتواند اوراق دانشآموزان را تصحیح کند و به آنها نمره بدهد.
ریپل برای هر دانشآموز پروفایلی تشکیل میدهد تا اطلاعات فردی دانشآمـوزان جمـعآوری و به صـورت منظم در پوشـهای ثبـت شـود. اطلاعات شامل دو بخـش است: اطلاعـات بخـش اول به ویژگیهای فردی دانشآموز مربوط اسـت که قبـل از شـروع سال تحصیلی یا دوره آموزشی، با استفاده از پرسشنامههایی، جمعآوری میشوند؛ شامل میزان اطلاعات در مورد مباحث مورد آموزش، علاقهها، تجربهها و سبکهای یادگیری یادگیرنده. اطلاعات بخش دوم پروفایل در طول دوره آموزش جمعآوری میشوند؛ مانند میزان پیشرفت و فعالیتهای دانشآموزان، میزان مشارکت در فعالیتهای یادگیری کلاس درس، تکالیف انجامشده و نتایج آزمونها. اطلاعات پروفایل دانشآموز به معلم کمک میکند کلاس خود را براساس ویژگیهای فردی دانشآموزان اداره کند. رپیل همچنین بر حسب پاسخهایی که دانشآموزان به آزمون میدهند، به آنها منابع و محتوای آموزشی ارائه میدهد تا در بخشهایی که ضعیف هستند بیشتر تمرین کنند.
آلتا8
کمپانی نیوتن9 یکی از پیشرفتهترین برنامههای یادگیری انطباقی را تولید کرده است که مانند یک همیار به معلمان و یادگیرندگان خدمت میکند. این سیستم برای معلمان این امکان را فراهم میکند که به میزان مهارت، میزان تعامل با همکلاسیها، و زمان صرفشده برای انجام تکالیف درسیِ هر یک از یادگیرندگان پی ببرد. همچنین، میزان پیشرفت تحصیلی دانشآموزان را به صورت انفرادی یا گروهی، با استفاده از شاخصهای آماری، در اختیار معلم و دانشآموزان قرار میدهد. آلتا براساس دادههای جمعآوریشده، همانند مشاور تحصیلی، در مورد مطالعات و تمرینهایی که باید در مباحث درسی انجام شوند، به دانشآموزان توصیههایی میدهد. برای مثال، اگر دانشآموزی در یک مبحث درسی ضعیف باشد، به وی محتوای آموزشی یا تمرینهایی ارائه میدهد که در آن زمینه پیشرفت کند. اگر هم دانشآموزی در برخی مباحث درسی قوی باشد، تمرینها و محتوای چالشزا به وی ارائه میدهد تا در آن زمینه بیشتر پیشرفت کند.
جمعبندی
توسعه فناوری، نیازها و انتظارات کاربران را تغییر داده است. در این دوران، کار با سیستمهایی که به همه یادگیرندگان خدمات آموزشی یکسان میدهند، دیگر جذابیت ندارد. زمان آن رسیده است که آموزشوپرورش نیز برای بهروز کردن سیستمهای آموزشی، مانند پورتال همگام، اقدامی انجام دهد. پورتالهایی که براساس یادگیری تطبیقی طراحی شده باشند، میتوانند مانند مشاور تحصیلی به دانشآموزان خدمات آموزشی ارائه دهند. این پورتالها همچنین میتوانند مانند همیار به معلم خدمت کنند تا روشهای تدریس خود را براساس نیازها و ویژگیهای فردی دانشآموزان تنظیم کنند.
پینوشتها
1. anytime, anywhere
2. Learning Management System
3. personalization and engagement
4. Aleks: (https://www.aleks.com/about_aleks)
5. Ripple (http://ripplelearning.org/)
6. Moodle
7. BlackBoard
8. Alta
9. Knewton (https://www.knewton.com/the-power-of-altas-adaptive-technology/)
منابع
1. سیف، علیاکبر (1398). روانشناسی پرورشی نوین. چاپ هفدهم. انتشارات دوران. تهران. 1.
2. Tsai, C. & Hsu, C. (2020). Adaptive Instruction Systems and Learning: https://link.springer.com/referenceworkentry /10.1007/978-1-4419-1428-6_1092
3. Ben-Naim, D. (2018). CEO Blog: Inspiring the Next Wave in Digital Learning: https://www.smartsparrow.com/2018/11/14/ceo-blog-inspiring-the-next-wave-in-digital-learning/
4. Crichton, D. (2015). Searching For The Next Wave of Education Innovation: https://techcrunch.com/2015/06/27/education-next-wave/
5. Marienko, M., Nosenko, Y., Sukhikh, A., Tataurov, V., Shyshkina, M. (2020). Personalization of learning through adaptive technologies in the context of sustainable development of teachers’ education, The International Conference on Sustainable Futures: Environmental, Technological, Social and Economic Matters (ICSF 2020)