هوش مصنوعی در آموزش؛ طراحی، تدریس و ارزشیابی هوشمند

دانش: مفاهیم پایه هوش مصنوعی و هوش مصنوعی مولد کاربرد و نقش هوش مصنوعی در آموزش فرصت‌ها، چالش‌ها و محدودیت‌های هوش مصنوعی اصول اخلاقی، حقوقی و حفظ حریم خصوصی انواع مدل‌ها و ابزارهای هوش مصنوعی آموزشی

مهارت: تحلیل فرصت‌ها و چالش‌های استفاده از هوش مصنوعی در یک محیط آموزشی انتخاب ابزار مناسب هوش مصنوعی متناسب با نیاز آموزشی تشخیص کاربردهای مناسب و نامناسب هوش مصنوعی در تدریس ارزیابی اولیه خروجی ابزارهای هوش مصنوعی از نظر دقت، کیفیت و قابلیت استفاده به‌کارگیری اصول اخلاقی در استفاده از هوش مصنوعی در آموزش

معیار ارزشیابی: مفاهیم و کاربردهای هوش مصنوعی در آموزش را تشریح کند. فرصت‌ها، چالش‌ها و محدودیت‌های آن را تحلیل کند. ابزار مناسب را متناسب با نیاز آموزشی انتخاب کند. اصول اخلاقی، امنیت اطلاعات و حریم خصوصی را رعایت کند.

دانش: ویژگی‌ها، قابلیت‌ها و محدودیت‌های مدل‌های زبانی و ابزارهای هوش مصنوعی پرکاربرد کاربرد ChatGPT، Gemini، Claude، Copilot، NotebookLM و Perplexity در آموزش اصول و اجزای مهندسی پرامپت تکنیک‌های Zero-shot، One-shot، Few-shot، Role و Context Prompting اصول طراحی و بهینه‌سازی پرامپت‌های آموزشی اصول ایجاد و سازمان‌دهی کتابخانه پرامپت

مهارت: کار با مدل‌های زبانی و ابزارهای هوش مصنوعی آموزشی مقایسه و انتخاب ابزار متناسب با فعالیت آموزشی طراحی پرامپت ساختاریافته به‌کارگیری تکنیک‌های پرامپت‌نویسی در آموزش بهینه‌سازی پرامپت و ارزیابی خروجی مدل ایجاد و مدیریت کتابخانه پرامپت‌های آموزشی

معیار ارزشیابی: ابزار هوش مصنوعی مناسب را متناسب با فعالیت آموزشی انتخاب نموده و با استفاده از اصول و تکنیک‌های مهندسی پرامپت، پرامپت آموزشی را طراحی، اجرا، ارزیابی و در کتابخانه پرامپت سازمان‌دهی نماید.

دانش: اصول و مراحل طراحی آموزشی وطرح درس اصول طراحی محتوای دانشی و فعالیت‌های مهارتی اصول طراحی سناریوی تدریس کاربرد هوش مصنوعی در طراحی و بهینه‌سازی طرح درس

مهارت: تحلیل و تدوین نیاز آموزشی و نتایج یادگیری با هوش مصنوعی طراحی طرح درس متناسب با سطح فراگیر و زمان آموزش طراحی سناریوی تدریس و فعالیت‌های یادگیری

معیار ارزشیابی: براساس موضوع، اهداف آموزشی، سطح فراگیر و زمان آموزش، با استفاده از هوش مصنوعی طرح درس ساختاریافته شامل بخش‌های دانشی، مهارتی، فعالیت‌های یادگیری و روش ارزشیابی تهیه و خروجی تولیدشده را بررسی و اصلاح نماید.

دانش: اصول تولید محتوای آموزشی با هوش مصنوعی اصول تولید و بازنویسی متن آموزشی اصول خلاصه‌سازی و متناسب‌سازی محتوا با سطح فراگیر روش تولید تصویر و اینفوگرافیک آموزشی اصول طراحی ارائه و اسلاید آموزشی روش تولید صوت و پادکست آموزشی اصول تولید ویدئوی آموزشی با هوش مصنوعی معیارهای بررسی صحت، کیفیت و تناسب محتوای تولیدشده

مهارت: تولید و ویرایش متن آموزشی با استفاده از هوش مصنوعی تولید مثال، تمرین و سناریوی آموزشی تولید تصویر و اینفوگرافیک متناسب با محتوای درس طراحی اسلاید و ارائه آموزشی با ابزارهای هوش مصنوعی تولید محتوای صوتی و ویدئویی آموزشی متناسب‌سازی محتوا با اهداف و سطح فراگیر بررسی، اصلاح و اعتبارسنجی محتوای تولیدشده

معیار ارزشیابی: براساس اهداف آموزشی و ویژگی‌های فراگیر، با استفاده از ابزارهای هوش مصنوعی محتوای متنی و چندرسانه‌ای مناسب تولید نموده و از نظر صحت، کیفیت و تناسب آموزشی بررسی و اصلاح نماید.

دانش: اصول طراحی آزمون و ارزشیابی آموزشی انواع سؤال و معیارهای طراحی سؤال استاندارد اصول طراحی و مدیریت بانک سؤال اصول طراحی Rubric و چک‌لیست ارزشیابی روش‌های تولید بازخورد با هوش مصنوعی اصول تحلیل نتایج و عملکرد فراگیر با هوش مصنوعی

مهارت: طراحی سؤال و آزمون با استفاده از هوش مصنوعی ایجاد و مدیریت بانک سؤال طراحی Rubric و چک‌لیست ارزشیابی تحلیل نتایج آزمون و عملکرد فراگیر تولید بازخورد آموزشی با هوش مصنوعی

معیار ارزشیابی: با استفاده از هوش مصنوعی، آزمون استاندارد، بانک سؤال و ابزار ارزشیابی را متناسب با اهداف آموزشی طراحی نموده و نتایج را تحلیل و بازخورد مناسب ارائه نماید.

دانش: مفهوم و کاربرد دستیار آموزشی هوشمند اصول یادگیری شخصی‌سازی‌شده روش‌های شناسایی نیاز و سطح فراگیر مفهوم شکاف دانشی و مهارتی اصول طراحی مسیر یادگیری و پیشنهاد منابع اصول بازخورد هوشمند و پایش یادگیری اصول حریم خصوصی و امنیت داده‌های فراگیران

مهارت: به‌کارگیری دستیار هوشمند در فرایند آموزش تحلیل نیاز و سطح فراگیر با هوش مصنوعی شناسایی شکاف‌های دانشی و مهارتی طراحی مسیر یادگیری شخصی‌سازی‌شده پیشنهاد محتوا، تمرین و منابع متناسب پایش پیشرفت و بهینه‌سازی مسیر یادگیری

معیار ارزشیابی: با استفاده از ابزارهای هوش مصنوعی، نیاز و سطح فراگیر را تحلیل نموده و مسیر یادگیری شخصی‌سازی‌شده شامل محتوا، فعالیت، تمرین و بازخورد مناسب طراحی و بهینه‌سازی نماید.

دانش: مراحل یکپارچه‌سازی طراحی آموزشی، محتوا و ارزشیابی اصول انتخاب ابزار هوش مصنوعی متناسب با فعالیت آموزشی معیارهای کنترل کیفیت و اعتبارسنجی خروجی هوش مصنوعی

مهارت: انتخاب یک موضوع یا استاندارد آموزشی طراحی طرح درس با هوش مصنوعی تولید محتوای متنی و چندرسانه‌ای طراحی آزمون و ابزار ارزشیابی طراحی فعالیت یا مسیر یادگیری متناسب با فراگیر بازبینی و اصلاح خروجی‌های هوش مصنوعی

معیار ارزشیابی: یک بسته آموزشی مبتنی بر هوش مصنوعی شامل طرح درس، محتوای آموزشی، محتوای چندرسانه‌ای، آزمون و فعالیت یادگیری را طراحی، تولید، اعتبارسنجی و ارائه نماید.