دوره 8، شماره 2 - ( 6-1404 )
جلد 8 شماره 2 صفحات 34-17 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ashraf Ganjouei M, Shabaninia E. Exploring the Relationship Between Artificial Intelligence Methods and Restoration Education Based on Learning Theories. KCR 2025; 8 (2) :17-34
URL: http://journal.richt.ir/kcr/article-1-296-fa.html
URL: http://journal.richt.ir/kcr/article-1-296-fa.html
اشرفگنجوئی محمدعلی، شعبانینیا الهام. ﺑﺮرﺳﯽ ارﺗﺒﺎط روشﻫﺎی ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﺑﺎ آﻣﻮزش ﻣﺮﻣﺖ ﺑﺮ ﻣﺒﻨﺎی ﻧﻈﺮیهﻫﺎی یادﮔﯿﺮی. دانــش حـفـاظـت و مـرمـت. 1404; 8 (2) :17-34
دﮐﺘﺮای ﻣﻌﻤﺎری، داﻧﺸﯿﺎر، داﻧﺸﮑﺪه ﻫﻨﺮ و ﻣﻌﻤﺎری ﺻﺒﺎ، داﻧﺸﮕﺎه ﺷﻬﯿﺪ ﺑﺎﻫﻨﺮ ﮐﺮﻣﺎن، ﮐﺮﻣﺎن، ایﺮان.
چکیده: (1055 مشاهده)
ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﺑﻪ ﻋﻨﻮان یکی از ﺣﻮزهﻫﺎی ﻧﻮین ﻓﻨﺎوری ﮐﻪ وﺟﻮه ﻣﺨﺘﻠﻒ زﻧﺪﮔﯽ اﻧﺴﺎن را ﻣﺘﺤﻮل ﻣﯽﮐﻨﺪ، ﻣﯽﺗﻮاﻧﺪ ﻧﻘﺸﯽ ﮐﻠﯿﺪی در ارﺗﻘﺎ آﻣﻮزش ﻣﻬﻨﺪﺳﯽ ایفا ﮐﻨﺪ. ﺑﺎ این ﺣﺎل ﻧﻘﺶ این ﻓﻨﺎوری در آﻣﻮزش ﻣﺮﻣﺖ ﭼﻨﺪان ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﻧﮕﺮﻓﺘﻪ اﺳﺖ. ﭘﮋوﻫﺶ ﺣﺎﺿﺮ ﺳﻌﯽ دارد ﺗﺎ ﺑﺎ ﮐﻤﮏ ﻧﻈﺮیهﻫﺎی یادگیری، وﺟﻮه اﺳﺘﻔﺎده از ﻫﻮش ﻣﺼﻨﻮﻋﯽ در آﻣﻮزش ﻣﺮﻣﺖ را ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار دﻫﺪ. در این ﭘﮋوﻫﺶ از روش اﺳﻨﺎدی و ﺑﻪ ﻃﻮر ﺧﺎص روش ﺗﺤﻠﯿﻞ ﻣﺤﺘﻮای ﮐﯿﻔﯽ ﺟﻬﺖدار ﺑﺮای ﺑﺮرﺳﯽ ﭘﮋوﻫﺶﻫﺎی ده ﺳﺎل اﺧﯿﺮ (٢٠٢۵-٢٠١۵). اﺳﺘﻔﺎده و ارﺗﺒﺎط ﺗﺤﻘﯿﻘﺎت ﮔﺬﺷﺘﻪ ﺑﺎ ﺳﻪ ﻧﻈﺮیه یادگیری) یادگیری ﺗﺠﺮﺑﯽ، یادگیری سازندهگرا و یادگیری ارتباطگرا). بررسی میشود.
ﮐﺪﮔﺬاری دادهﻫﺎ ﺑﺮ اﺳﺎس ﻣﻮﻟﻔﻪﻫﺎی ﻫﺮ یک از ﺳﻪ ﻧﻈﺮیه یادگیری اﺳﺖ و ﭘﮋوﻫﺶﻫﺎی ﻗﺒﻠﯽ ﺑﺮ این اﺳﺎس ﻣﻮرد ﺗﺠﺰ یه و ﺗﺤﻠﯿﻞ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ. یاﻓﺘﻪﻫﺎ ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ در ﺣﻮزه یادگیری ﺗﺠﺮﺑﯽ، ﻣﻮﻟﻔﻪ ﺗﺠﺮﺑﻪ ﻋﯿﻨﯽ، در ﺧﺼﻮص یادگیری ﺳﺎزﻧﺪهﮔﺮا، ﻣﺆ ﻟﻔﻪﻫﺎی ﺗﻌﺎﻣﻞ اﺟﺘﻤﺎﻋﯽ و ﺑﻌﺪ از آن یادگیری ﻓﻌﺎل، و ﺗﮑﯿﻪ ﺑﺮ داﻧﺶ ﻗﺒﻠﯽ ﺑﺎ اﻗﺒﺎل ﺑﯿﺸﺘﺮی ﻣﻮاﺟﻪ ﻫﺴﺘﻨﺪ و در ﺧﺼﻮص یادگیری ارﺗﺒﺎطﮔﺮا، ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﺑﺮ ﺷﺒﮑﻪﺳﺎزی و ارﺗﺒﺎﻃﺎت، ﺗﺴﻬﯿﻞ ﻓﻨﺎوری، یادگیری ﻣﺪاوم، ﻣﻬﺎرتﻫﺎی ﺷﻨﺎﺧﺘﯽ و ﻫﻤﮑﺎری دیجیتال ﺑﻪ ﻧﺴﺒﺖ سایر ﻣﻮﻟﻔﻪﻫﺎ ارﺗﺒﺎط ﺑﯿﺸﺘﺮی دارﻧﺪ. یاﻓﺘﻪﻫﺎ ﻫﻤﭽﻨﯿﻦ ﻧﺸﺎن ﻣﯽدﻫﻨﺪ ﮐﻪ ﻣﺤﺪودیتﻫﺎی ﻫﻮش ﻣﺼﻨﻮﻋﯽ در دﺳﺘﺮﺳﯽ ﺑﻪ داﻧﺶ ﻣﺮﻣﺖ، ﺑﺮ ﻣﻮﻟﻔﻪﻫﺎیی ﻣﺎﻧﻨﺪ ﻣﺘﻦ ﻣﺤﻮری ﮐﻪ ﻣﺮﺗﺒﻂ ﺑﻪ داﻧﺶ زﻣﯿﻨﻪای اﺳﺖ اﺛﺮﮔﺬار اﺳﺖ و در آﻣﻮزش ﻣﺮﻣﺖ این ﮔﻮﻧﻪ ﻣﻮﻟﻔﻪﻫﺎ ﮐﻤﺘﺮ ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ. یاﻓﺘﻪﻫﺎی ﭘﮋوﻫﺶ ﻣﯽﺗﻮاﻧﺪ ﺗﻮﺳﻂ ﻣﻌﻠﻤﯿﻦ و ﭘﮋوﻫﺸﮕﺮان ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﯿﺮد ﺗﺎ ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ویژﮔﯽﻫﺎی دروس ﻣﺮﻣﺖ و ﻧﯿﺎزﻫﺎی یادگیری ﻫﺮ ﮐﺪام، روش ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻣﻨﺎﺳﺐ را اﻧﺘﺨﺎب یا ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار دﻫﻨﺪ.
ﮐﺪﮔﺬاری دادهﻫﺎ ﺑﺮ اﺳﺎس ﻣﻮﻟﻔﻪﻫﺎی ﻫﺮ یک از ﺳﻪ ﻧﻈﺮیه یادگیری اﺳﺖ و ﭘﮋوﻫﺶﻫﺎی ﻗﺒﻠﯽ ﺑﺮ این اﺳﺎس ﻣﻮرد ﺗﺠﺰ یه و ﺗﺤﻠﯿﻞ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ. یاﻓﺘﻪﻫﺎ ﻧﺸﺎن ﻣﯽدﻫﺪ ﮐﻪ در ﺣﻮزه یادگیری ﺗﺠﺮﺑﯽ، ﻣﻮﻟﻔﻪ ﺗﺠﺮﺑﻪ ﻋﯿﻨﯽ، در ﺧﺼﻮص یادگیری ﺳﺎزﻧﺪهﮔﺮا، ﻣﺆ ﻟﻔﻪﻫﺎی ﺗﻌﺎﻣﻞ اﺟﺘﻤﺎﻋﯽ و ﺑﻌﺪ از آن یادگیری ﻓﻌﺎل، و ﺗﮑﯿﻪ ﺑﺮ داﻧﺶ ﻗﺒﻠﯽ ﺑﺎ اﻗﺒﺎل ﺑﯿﺸﺘﺮی ﻣﻮاﺟﻪ ﻫﺴﺘﻨﺪ و در ﺧﺼﻮص یادگیری ارﺗﺒﺎطﮔﺮا، ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﺑﺮ ﺷﺒﮑﻪﺳﺎزی و ارﺗﺒﺎﻃﺎت، ﺗﺴﻬﯿﻞ ﻓﻨﺎوری، یادگیری ﻣﺪاوم، ﻣﻬﺎرتﻫﺎی ﺷﻨﺎﺧﺘﯽ و ﻫﻤﮑﺎری دیجیتال ﺑﻪ ﻧﺴﺒﺖ سایر ﻣﻮﻟﻔﻪﻫﺎ ارﺗﺒﺎط ﺑﯿﺸﺘﺮی دارﻧﺪ. یاﻓﺘﻪﻫﺎ ﻫﻤﭽﻨﯿﻦ ﻧﺸﺎن ﻣﯽدﻫﻨﺪ ﮐﻪ ﻣﺤﺪودیتﻫﺎی ﻫﻮش ﻣﺼﻨﻮﻋﯽ در دﺳﺘﺮﺳﯽ ﺑﻪ داﻧﺶ ﻣﺮﻣﺖ، ﺑﺮ ﻣﻮﻟﻔﻪﻫﺎیی ﻣﺎﻧﻨﺪ ﻣﺘﻦ ﻣﺤﻮری ﮐﻪ ﻣﺮﺗﺒﻂ ﺑﻪ داﻧﺶ زﻣﯿﻨﻪای اﺳﺖ اﺛﺮﮔﺬار اﺳﺖ و در آﻣﻮزش ﻣﺮﻣﺖ این ﮔﻮﻧﻪ ﻣﻮﻟﻔﻪﻫﺎ ﮐﻤﺘﺮ ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﻣﯽﮔﯿﺮﻧﺪ. یاﻓﺘﻪﻫﺎی ﭘﮋوﻫﺶ ﻣﯽﺗﻮاﻧﺪ ﺗﻮﺳﻂ ﻣﻌﻠﻤﯿﻦ و ﭘﮋوﻫﺸﮕﺮان ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﯿﺮد ﺗﺎ ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ویژﮔﯽﻫﺎی دروس ﻣﺮﻣﺖ و ﻧﯿﺎزﻫﺎی یادگیری ﻫﺮ ﮐﺪام، روش ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻣﻨﺎﺳﺐ را اﻧﺘﺨﺎب یا ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار دﻫﻨﺪ.
نوع مطالعه: پژوهشي |
موضوع مقاله:
کاربرد علوم، فناوریها، تجهیزات، مواد و روشهای نوین
دریافت: 1404/4/6 | پذیرش: 1404/6/1 | انتشار: 1404/6/31
دریافت: 1404/4/6 | پذیرش: 1404/6/1 | انتشار: 1404/6/31
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |