مقاله انگلیسی با ترجمه اثرات کاربردهای هوش مصنوعی در محیط های آموزشی: چالش ها و استراتژی ها

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

اثرات کاربردهای هوش مصنوعی در محیط های آموزشی: چالش ها و استراتژی ها

عنوان انگلیسی:

The effects of artificial intelligence applications in educational settings: Challenges and strategies

کد محصول: M1587

سال نشر: 2024

نام ناشر (پایگاه داده): الزویر

نام مجله: Technological Forecasting & Social Change

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 18  صفحه PDF

تعداد صفحه ترجمه فارسی:   55 صفحه WORD

قیمت فایل ترجمه شده:  132000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده

با مداخله مداوم ابزارهای هوش مصنوعی در بخش آموزش، تحقیقات جدیدی برای ارزیابی قابلیت و امکان سنجی پلتفرم های هوش مصنوعی موجود برای اطلاع رسانی روش های مختلف آموزشی مورد نیاز است. این مقاله ادبیات منتشر شده  تا به امروز را بررسی کرده تا چالش های کلیدی را که بر پیامدهای پذیرش مدل های هوش مصنوعی در بخش آموزش تأثیر می گذارد، ارزیابی کند. محققان هم به نفع و هم علیه برنامه های کاربردی مبتنی بر هوش مصنوعی در محیط علمی تحقیقاتی انجام داده اند. در مجموع ۶۹ مقاله از یک مجموعه ی ۶۱۸ مقاله ای از مجلات مختلف علمی بین سال های ۲۰۱۸ تا ۲۰۲۳ انتخاب شدند. پس از بررسی دقیق مقالات منتخب، این مقاله یک ساختار طبقه‌بندی را بر اساس پنج بعد متمایز ارائه می‌کند شامل: چالش‌های کاربری، عملیاتی، زیست محیطی، فناوری و اخلاقی. مطالعه کنونی استفاده از ChatGPT را به عنوان یک ابزار کمک آموزشی-یادگیری تکمیلی از جمله برای رفع نیازهای ابزارهای آموزشی سفارشی و بهینه‌سازی شده برای آموزش دانشگاهی توصیه می‌کند. این مطالعه به یک شکاف دانش مهم در مورد اینکه چگونه مدل‌های هوش مصنوعی دانش را در محیط‌های آموزشی افزایش می‌دهند، می‌پردازد. به عنوان مثال، این مقاله، طیفی از اثرات مرتبط با AI را در یادگیری شامل نیاز به دستورات خلاقانه، آموزش در مجموعه داده‌ها و مدل های مختلف را مورد بحث قرار می دهد، ادغام ورودی انسانی و محرمانه بودن داده‌ها و حذف سوگیری مورد بحث قرار گیرد. این مطالعه با توصیه راه‌حل‌های استراتژیک برای چالش‌های نوظهور شناسایی‌شده و ارائه روش های تشویق به پذیرش گسترده‌تر ChatGPT و سایر ابزارهای هوش مصنوعی در بخش آموزش این مقاله را به پایان می‌رساند. بینش های ارائه شده در این مطالعه می تواند به عنوان مرجعی برای سیاست گذاران، اساتید، کارشناسان فناوری و ذینفعان عمل کند و ابزاری را برای تسهیل پذیرش گسترده تر ChatGPT در بخش آموزش ارائه می کند. علاوه بر این، این مطالعه یک پایه مهم برای تحقیقات آینده فراهم می کند.

کلمات کلیدی: ChatGPT، هوش مصنوعی، چالش ها، استراتژی ها، بخش آموزش

Abstract: With the continuous intervention of AI tools in the education sector, new research is required to evaluate the viability and feasibility of extant AI platforms to inform various pedagogical methods of instruction. The current manuscript explores the cumulative published literature to date in order to evaluate the key challenges that influence the implications of adopting AI models in the Education Sector. The researchers’ present works both in favour and against AI-based applications within the Academic milieu. A total of 69 articles from a 618-article population was selected from diverse academic journals between 2018 and 2023. After a careful review of selected articles, the manuscript presents a classification structure based on five distinct dimensions: user, operational, environmental, technological, and ethical challenges. The current review recommends the use of ChatGPT as a complementary teaching-learning aid including the need to afford customized and optimized versions of the tool for the teaching fraternity. The study addresses an important knowledge gap as to how AI models enhance knowledge within educational settings. For instance, the review discusses interalia a range of AIrelated effects on learning from the need for creative prompts, training on diverse datasets and genres, incorporation of human input and data confidentiality and elimination of bias. The study concludes by recommending strategic solutions to the emerging challenges identified while summarizing ways to encourage wider adoption of ChatGPT and other AI tools within the education sector. The insights presented in this review can act as a reference for policymakers, teachers, technology experts and stakeholders, and facilitate the means for wider adoption of ChatGPT in the Education sector more generally. Moreover, the review provides an important foundation for future research.

Keywords: ChatGPT, Artificial intelligence, Challenges, Strategies, Education sector

۱. مقدمه

اخیرا رویه های آموزشی و علمی در معرض پیشرفت‌های فناورانه چشمگیر و گسترده‌ای قرار گرفته‌اند که بهترین نمونه آن مداخله‌ی اخیر هوش مصنوعی است (تومی، ۲۰۱۸). تحقیقات فناورانه حجیم و نوآوری‌های نهفته در علوم یادگیری ماشین، معرفی مدل‌های زبان مولد را تسریع کرده است (دویدی و همکاران، ۲۰۲۱). این امر همچنین به پیشرفت فناوری‌های تولید محتوا و نوآوری مرتبط با توسعه‌ی محتوای دیجیتال و توسعه‌ی اسکریپت با استفاده از فناوری‌های هوش مصنوعی تعبیه‌شده مانند مدل مولد ChatGPT منجر شده است (هو، ۲۰۲۳). پیشرفت و یکپارچه‌سازی یادگیری عمیق (DL) و فناوری‌های هوش مصنوعی قابل بازتولید، به ایجاد مصنوعات و آثار دیجیتالی انجامیده است که به طور سیستماتیک ورودی‌های صوتی-تصویری، گرافیک‌های متحرک و سایر دستورات دیجیتال و اسکریپتی را یکپارچه می‌کنند. این امر با بررسی دقیق ورودی‌های آموزشی و همگام‌سازی بین الگوها و طرح‌های داده‌ی مختلف حاصل می‌شود (ابو کمیل و همکاران، ۲۰۲۱؛ گوی و همکاران، ۲۰۲۳)…

1.Introduction: Educational and academic practices have been exposed to significant and far-reaching technological advancements in recent times no better exemplified by the recent intervention of Artificial Intelligence (Tuomi, 2018). The swift technological research and embedded innovation in machine learning sciences has accelerated the introduction of language generation models (Dwivedi et al., 2021). This has further led to the advancement of content generation technologies and innovation pertaining to digital content development and script development using embedded AI technologies such as the ChatGPT generative model (Hu, 2023). Progression and integration of deep learning (DL) and reproducible AI technologies has led to the creation of digital artifacts and relics which systematically integrate audio-visual inputs, movable graphics and other digital and script commands. This is achieved by duly scrutinizing training inputs and synchronizing between various data patterns and designs (Abukmeil et al., 2021; Gui et al., 2023)…

۲.۱. مروری بر هوش مصنوعی

هوش مصنوعی یا هوش ماشینی، حوزه‌ای از علوم کامپیوتر است که در آن ماشین‌ها با توانایی انجام وظایف هوشمندانه‌ای که معمولاً توسط انسان‌ها انجام می‌شود، برنامه‌ریزی می‌شوند (دویدی و همکاران، ۲۰۲۳ ج؛ سانگ و همکاران، ۲۰۲۰؛ علی و همکاران، ۲۰۲۳؛ پان و نیشانت، ۲۰۲۳). رایانه‌ها و ماشین‌ها از تکنیک‌های هوش مصنوعی برای درک، تجزیه و تحلیل و یادگیری از داده‌ها از طریق الگوریتم‌های طراحی شده‌ی خاص استفاده می‌کنند (ساسوبیلی و همکاران، ۲۰۲۰؛ ریچی جونیور و همکاران، ۲۰۲۳). به عنوان مثال، با فناوری‌های مدرن هوش مصنوعی، دوربین‌ها می‌توانند چهره‌ها را به طور خودکار تشخیص دهند، در حالی که رایانه‌ها می‌توانند بین یک زبان به زبان دیگر ترجمه کنند (ساسوبیلی و همکاران، ۲۰۲۰). هوش مصنوعی از دهه‌ی ۱۹۵۰ به عنوان یک رشته‌ی دانشگاهی تأسیس شده است و از آن زمان تاکنون، به طور قابل توجهی در زمینه‌هایی مانند NLP، یادگیری، استدلال و دامنه‌های دانش مختلف مورد تحقیق قرار گرفته است. اخیراً، هوش مصنوعی با گسترش تحقیقات فراتر از علوم کامپیوتر متحول شده است، به طوری که تحولات اخیر از حوزه‌های گسترده‌ای مانند روانشناسی، زبان‌شناسی و فلسفه بهره می‌برند (علی و همکاران، ۲۰۲۳). در نتیجه، هوش مصنوعی در زمینه‌های مختلفی مانند آموزش، تجارت الکترونیک، رباتیک، ناوبری، مراقبت‌های بهداشتی، کشاورزی، نظامی، بازاریابی و در کنسول‌های بازی به کار رفته است. به طور خاص‌تر، کاربردهای هوش مصنوعی شامل موتورهای جستجو مانند گوگل، سیستم‌های توصیه گر مانند نتفلیکس، اتومبیل‌های خودران مانند تسلا، و سیستم‌های تشخیص گفتار انسان مانند سیری و الکسا است. به طور کلی، روش‌های هوش مصنوعی را می‌توان به طور گسترده در این حوزه‌ها دسته‌بندی کرد: یادگیری ماشین (برناردینی و همکاران، ۲۰۲۱)، رباتیک NLP (موری و همکاران، ۲۰۱۹)، بینایی کامپیوتر (جهان و تریپاتی، ۲۰۲۱) و کلان داده (حسن و کارموکر، ۲۰۲۰)…

2.1. Artificial intelligence overview AI or machine intelligence is an area of computer science where machines are programmed with the ability to perform intelligent tasks that are usually undertaken by humans (Dwivedi et al., 2023c; Tsang et al., 2020; Ali et al., 2023; Pan and Nishant, 2023). Computers and machines use AI techniques to understand, analyze, and learn from data through specifically designed algorithms (Sasubilli et al., 2020; Richey Jr et al., 2023). For example, with modern AI technologies, cameras can automatically recognize faces, while computers can translate between one language to another (Sasubilli et al., 2020). AI has been founded as an academic discipline since the 1950s and since then, it has been significantly researched in areas such as NLP, learning, reasoning and various knowledge domains. More recently, AI has been transformed with the expansion of its research beyond computer science, with recent developments drawing from broad areas such as psychology, linguistics, and philosophy (Ali et al., 2023). Consequently, AI has been applied in various areas such as education, e-commerce, robotics, navigation, healthcare, agriculture, military, marketing and in gaming consoles. More specifically, widely adopted AI applications include search engines such as Google, recommender systems such as Netflix, self-driving cars such as Tesla, and human speech recognition systems such as Siri and Alexa. In general, AI methods can be broadly categorized in these areas as machine learning (Bernardini et al., 2021), robotics NLP (Murray et al., 2019), computer visioning (Jahan and Tripathi, 2021), and big data (Hossen and Karmoker, 2020)….

۳. روش تحقیق

مطالعات واتسون (۲۰۱۵) و علی و همکاران (۲۰۱۸) مقالات اصلی در زمینه‌ی انجام بررسی‌های سیستماتیک و اکتشافی بودند. در این بخش، پروتکل‌ها و فرآیندهای شناسایی، انتخاب و ارزیابی ادبیات تدوین شده و ارتباط پارامترهای تحقیقاتی خاص برجسته شده است. در اینجا، محققان فرآیند مرور را به گونه‌ای طراحی کرده‌اند که بسیار پرمنبع (ترنفیلد و همکاران، ۲۰۰۳)، سیستماتیک، مستقل و دقیق باشد (بویل و سزچ-کجمانویچ، ۲۰۱۵). با پیروی از مرورهای کیچنهام و چارترز (۲۰۰۷) و علی و همکاران (۲۰۱۸؛ ۲۰۲۰ b)، مطالعه حاضر شامل مراحل برنامه‌ریزی، اجرا و خلاصه‌سازی است که توضیح دقیق آن‌ها در ادامه آمده است…

3. Research methodology Watson (2015) and Ali et al. (2018) were the seminal papers in the area for conducting systematic and scoping reviews. Here, the protocols and processes for identifying, selecting, and evaluating the literature have been established bringing to light the relevance of specific research parameters. Here, the researchers have carefully constructed the review process in such a way that it is highly resourceful (Tranfield et al., 2003), systematic, independent and rigorous (Boell and Cecez-Kecmanovic, 2015). Following the reviews of Kitchenham and Charters (2007) and Ali et al. (2018; 2020b), the current manuscript flows through the stages of planning, execution, and summarizing where a detailed explanation is next outlined…

6.نتیجه گیری

 نوظهور بودن ChatGPT به عنوان یک مدل مولد هوش مصنوعی برای ایجاد خروجی فکری یکی از مهم ترین نوآوری های دوران معاصر بوده است. با این حال، این مطالعه به درخواست‌ سایر محققان  برای ارائه ادبیات تحقیقاتی بیشتر در مورد این موضوع پاسخ داده است. با توجه به اینکه یادگیری ماشینی، تولید محتوای پیشرفته و نوآوری مربوط به ارائه محتوای دیجیتال را امکان پذیر کرده است، این فرآیند به طور طبیعی فناوری پیشرفته هوش مصنوعی را به عنوان یک موضوع ثابت برای اکثر زمینه های تحقیقاتی دیجیتال در نظر می گیرد. به عنوان مثال، ما در مطالعه فعلی بررسی کردیم که چگونه مدل‌های مولد هوش مصنوعی با اسکن نمونه‌های آموزشی ورودی که برای آموزش داده‌های ورودی استفاده می‌شوند، آثار مصنوعی ایجاد می‌کنند. ما همچنین نحوه بررسی این ویژگی‌ها را از طریق ChatGPT به عنوان نمونه‌ای از یک مدل مولد که منجر به توسعه یک چارچوب طبقه‌بندی جامع می‌شود که در جدول 2 نشان داده شده است، بیان کردیم. در مرحله بعد استراتژی هایی را که می توانند به عنوان راه حل هایی برای چالش های ارائه شده اجرا شوند، شناسایی کردیم. به عنوان مثال خاطرنشان کردیم که ChatGPT این پتانسیل را دارد که بخش آموزشی را از طریق ابزارهای دیجیتال متحول کند و نحوه انجام این فرآیند بر اساس چالش های ارائه شده را تجزیه و تحلیل کردیم…

6.Conclusion: The novelty of ChatGPT as a generative model of AI for intellectual output creation has been one of the most significant innovations of contemporary times. However, this review responded to calls for a well-researched literature on the theme. Given that machine learning has enabled hi-tech content generation and innovation pertaining to digital content initiation, this process has naturally progressed to sophisticated AI technology as a constant theme for most digitallydependent fields of inquiry. We explored in the current study for instance how AI generative models create artificial relics by scanning through the input training specimens that are used to train input data. We also outlined how these features are explored through ChatGPT as an example of a generative model leading to the development of a comprehensive classification framework which was outlined in Table 2. We next identified the strategies that can be implemented as solutions to the challenges presented. We noted for instance that ChatGPT has the potential to transform the educational sector through digital means and we analyzed what this process might look like on the basis of the challenges presented…