بررسی فرصت‌ها و چالش‌های هوش مصنوعی و یادگیری ماشینی در مؤسسات آموزش عالی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 31

تعداد کلمات : 9800

مجله : sustainability(MDPI)

انتشار : 2021

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : Bنازنین 12

تاریخ انتشار
16 دسامبر 2023
دسته بندی
تعداد بازدیدها
3683 بازدید
92,000 تومان

عنوان فارسی مقاله:بررسی فرصت‌ها و چالش‌های هوش مصنوعی و یادگیری ماشینی در مؤسسات آموزش عالی

 چکیده

 شیوه سفر، سازماندهی زمان و کسب اطلاعات مردم به دلیل فناوری اطلاعات تغییر کرده است. هوش مصنوعی (AI) و یادگیری ماشین (ML) مکانیسم‌هایی هستند که از مدیریت داده‌ها و فرآیندهای توسعه تکامل یافته‌اند. ترکیب این مکانیسم‌ها در تجارت روندی است که بسیاری از صنایع مختلف، از جمله آموزش، آن را به عنوان تغییر دهنده بازی شناسایی کرده‌اند. در نتیجه، پلتفرم‌ها و برنامه‌های آموزشی بیشتر با نیازها و دانش فراگیران همسو می‌شوند و فرآیند آموزشی را کارآمدتر می‌کنند. بنابراین، هوش مصنوعی و ML پتانسیل بالایی در آموزش الکترونیکی و مؤسسات آموزش عالی (HEI) دارند. بنابراین، هدف این مقاله تعیین پتانسیل و زمینه‌های استفاده از آن در آموزش عالی بر اساس تحقیقات ثانویه و تحلیل اسناد (بررسی منابع)، تحلیل محتوا و تحقیقات اولیه (پیمایش) است. به عنوان مرجع این تحقیق، از منابع متعدد دانشگاهی، علمی و تجاری برای به دست آوردن تصویری وسیع‌تر از موضوع تحقیق استفاده شده است. علاوه بر این، این نظرسنجی در میان دانشجویان در جمهوری صربستان، با ۱۰۳ پاسخ‌دهنده برای تولید داده‌ها و اطلاعات درباره میزان دانش AI و ML توسط جمعیت دانشجوی، عمدتاً برای درک فرصت‌ها و چالش‌های موجود در هوش مصنوعی و ML در HEI. این مطالعه به موضوعات مهمی می‌پردازد، مانند دانش مشترک و موضع پایگاه‌های تحقیقاتی در مورد هوش مصنوعی و ML در HEI. بهترین شیوه‌ها در مورد استفاده از AI و ML در HEI. دانش دانشجویان از هوش مصنوعی و ML؛ و نگرش دانشجویان در مورد فرصت‌ها و چالش‌های هوش مصنوعی و ML در HEI. در ملاحظات آماری، با هدف ارزیابی اینکه آیا شاخص‌ها انعکاسی در نظر گرفته می‌شوند و در این مورد متعلق به همان بعد نظری هستند، ماتریس همبستگی و به دنبال آن پایایی ترکیبی ارائه شد. در نهایت نتایج با استفاده از تحلیل رگرسیون مورد ارزیابی قرار گرفت. نتایج نشان داد که هوش مصنوعی و ML فناوری‌های ضروری هستند که یادگیری را در درجه اول از طریق مهارت‌های دانشجویان، یادگیری مشارکتی در HEI و یک محیط تحقیقاتی در دسترس افزایش می‌دهند.

 

 

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Exploring Opportunities and Challenges of Artificial Intelligence and Machine Learning in Higher Education Institutions

Abstract

 The way people travel, organise their time, and acquire information has changed due to information technologies. Artificial intelligence (AI) and machine learning (ML) are mechanisms that evolved from data management and developing processes. Incorporating these mechanisms into business is a trend many different industries, including education, have identified as game-changers. As a result, education platforms and applications are more closely aligned with learners’ needs and knowledge, making the educational process more efficient. Therefore, AI and ML have great potential in e-learning and higher education institutions (HEI). Thus, the article aims to determine its potential and use areas in higher education based on secondary research and document analysis (literature review), content analysis, and primary research (survey). As referent points for this research, multiple academic, scientific, and commercial sources were used to obtain a broader picture of the research subject. Furthermore, the survey was implemented among students in the Republic of Serbia, with 103 respondents to generate data and information on how much knowledge of AI and ML is held by the student population, mainly to understand both opportunities and challenges involved in AI and ML in HEI. The study addresses critical issues, like common knowledge and stance of research bases regarding AI and ML in HEI; best practices regarding usage of AI and ML in HEI; students’ knowledge of AI and ML; and students’ attitudes regarding AI and ML opportunities and challenges in HEI. In statistical considerations, aiming to evaluate if the indicators were considered reflexive and, in this case, belong to the same theoretical dimension, the Correlation Matrix was presented, followed by the Composite Reliability. Finally, the results were evaluated by regression analysis. The results indicated that AI and ML are essential technologies that enhance learning, primarily through students’ skills, collaborative learning in HEI, and an accessible research environment.