تصميم وتطوير منصة تعليمية تكيفية ذكية (Smart Edu-AUI) قائمة على الذكاء الاصطناعي وتحليلات التعلم لتحسين تجربة المستخدم في الأنظمة التعليمية الذكية
DOI:
https://doi.org/10.65405/hzbmfs40الكلمات المفتاحية:
الذكاء الاصطناعي، التعليم الذكي، الواجهات التكيفية، تجربة المستخدم، تحليلات التعلم، SmartEdu-AUIالملخص
أصبحت الأنظمة التعليمية الذكية أحد أهم تطبيقات الذكاء الاصطناعي في قطاع التعليم، لما توفره من إمكانات متقدمة في تخصيص المحتوى التعليمي وتحسين تجربة التعلم، وعلى الرغم من التطور المستمر في منصات التعلم الإلكتروني، إلا أن معظمها لا يزال يعتمد على واجهات مستخدم ثابتة تقدم المحتوى والخدمات التعليمية لجميع المستخدمين بالطريقة نفسها، دون مراعاة الفروق الفردية بينهم من حيث الخبرة التقنية أو المستوى المعرفي أو الاهتمامات التعليمية. تهدف هذه الدراسة إلى تصميم وتطوير منصة تعليمية تكيفية ذكية تحمل اسم SmartEdu-AUI ، تعتمد على تقنيات الذكاء الاصطناعي وتحليلات التعلم ونمذجة المستخدم من أجل تحسين تجربة المستخدم داخل الأنظمة التعليمية الذكية. وقد تم تصميم نموذج أولي تفاعلي للمنصة يتضمن مجموعة من الوظائف الرئيسة تشمل إنشاء الملف الشخصي للمتعلم، والاختبارات التشخيصية، وتحديد الاهتمامات التعليمية، ومتابعة الأداء الأكاديمي، بالإضافة إلى محرك تكيف ذكي قادر على تحليل بيانات المستخدم واتخاذ قرارات تكيفية بصورة ديناميكية. كما تم تطوير إطار معماري متكامل يتكون من ست طبقات مترابطة تشمل ملف المتعلم، وجمع البيانات، وتحليلات التعلم، ومحرك الذكاء الاصطناعي، وطبقة اتخاذ القرار، وواجهة المستخدم التكيفية. ويسهم هذا الإطار في توفير تجربة تعلم شخصية تتكيف مع احتياجات المتعلم وسلوكه وأدائه بصورة مستمرة. وتشير النتائج المتوقعة إلى أن المنصة المقترحة يمكن أن تسهم في تحسين مستويات التفاعل والرضا، ودعم التعلم الشخصي، ورفع كفاءة العملية التعليمية مقارنة بالأنظمة التعليمية التقليدية، مما يجعلها نموذجاً واعداً لتطوير الجيل القادم من الأنظمة التعليمية الذكية.
التنزيلات
المراجع
[1] W. Villegas-Ch, X. Palacios-Pacheco, and M. Roman-Cañizares, “Adaptive Intelligent Tutoring Systems for STEM Education: Analysis of Learning Impact and Personalized Feedback,” International Journal of Educational Technology in Higher Education, vol. 22, no. 1, pp. 1–24, 2025.
[2] M. Jamali, H. Al-Khalifa, and R. Hassan, “AI-Powered Adaptive Learning Interfaces: A User Experience Study in Education Platforms,” Frontiers in Computer Science, vol. 7, Article 1672081, 2025.
[3] A. Kristić, M. Horvat, and B. Kovačević, “Machine Learning for Adaptive Accessible User Interfaces: A Systematic Literature Review,” Applied Sciences, vol. 15, no. 23, Article 12538, 2025.
[4] A. Hariyanto, “Artificial Intelligence in Adaptive Education: A Systematic Review,” Discover Artificial Intelligence, vol. 5, no. 1, pp. 1–18, 2025.
[5] J. Gaspar-Figueiredo, M. Santos, and P. Costa, “Integrating Human Feedback into a Reinforcement Learning-Based Framework for Adaptive User Interfaces,” arXiv Preprint, arXiv:2504.20782, 2025.
[6] A. Yermaganbetova, N. Beketova, S. Omarova, et al., “Artificial Intelligence-Based Adaptive Learning Environment for Higher Education,” Frontiers in Education, vol. 11, Article 1792353, 2026.
[7] S. Tlili, J. Burgos, D. Huang, R. Kinshuk, M. Jemni, and N. Chen, “Artificial Intelligence in Education: A Systematic Literature Review of Recent Research Trends,” Computers and Education: Artificial Intelligence, vol. 6, Article 100214, 2024.
[8] R. Khosravi, S. Shum, and D. Gašević, “Learning Analytics and Artificial Intelligence for Personalized Learning: Recent Advances and Future Directions,” British Journal of Educational Technology, vol. 56, no. 2, pp. 421–438, 2025.
[9] Alnnale, T. (2026). Predictive Governance in Digital Enterprises: An LSTM-Enhanced Deep Learning Framework for Economic Optimization of IT Incident Management Using Enriched Process Logs. Al-Farooq Journal of Sciences, 2(3), 86-113.
[8] Dalla, L. O. B., Essgaer, M., Jetlawei, S. S., EL-sseid, M., Alsharif, A., & Agila, A. A. A. (2026). Local Precision and Global Harmony: A Comparative Literature Review (LR) Framework for Taylor and Fourier Series in Engineering Modeling. Al-Farooq Journal of Sciences, 2(1), 275-304.
