کاربرد پردازش زبان طبیعی در بهبود یادگیری و آموزش: مطالعه موردی در سیستم آموزشی ایران

گوزل, صدیقه; زمانپور, عنایت اله; دولت آبادی, شیوا

doi:10.22054/jti.2025.83803.1537

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشجوی دکتری سنجش و اندازه گیری، گروه روانشناسی، دانشکده ی علوم انسانی، واحد ساوه، دانشگاه آزاد اسلامی، ساوه، ایران.

² استادیار،گروه سنجش و اندازه‌گیری (روانسنجی)، دانشگاه علامه طباطبائی، تهران، ایران.

³ گروه روانشناسی، دانشگاه علامه طباطبائی، تهران، ایران.

https://doi.org/10.22054/jti.2025.83803.1537

چکیده

پژوهش حاضر به بررسی کاربرد پردازش زبان طبیعی (NLP) در بهبود یادگیری و آموزش با تمرکز بر پیامدهای آن در نظام آموزشی ایران می‌پردازد. این تحقیق با رویکرد ترکیبی شامل تحلیل داده‌های کیفی و کمی انجام شد. در بخش کیفی، مصاحبه با 20 معلم و 10 متخصص فناوری نشان داد که ادغام NLP می‌تواند یادگیری شخصی‌سازی‌شده، ارزیابی خودکار تکالیف و شناسایی زودهنگام مشکلات یادگیری را امکان‌پذیر کند. اما چالش‌هایی نظیر زیرساخت‌های ناکافی مدارس، نیاز به آموزش معلمان و نگرانی‌های اخلاقی مرتبط با حریم خصوصی داده‌ها نیز شناسایی شد.
در بخش کمی، 400 دانش‌آموز دبیرستانی در تهران به دو گروه آزمایش (200 نفر) و کنترل (200 نفر) تقسیم شدند. گروه آزمایش از نرم‌افزار مبتنی بر NLP برای آموزش زبان انگلیسی استفاده کردند و گروه کنترل آموزش سنتی دریافت کردند. نتایج نشان داد ابزارهای NLP تأثیر مثبت و معناداری بر عملکرد تحصیلی، انگیزه یادگیری و مهارت‌های زبان انگلیسی دانش‌آموزان دارند.
این پژوهش بر پتانسیل تحول‌آفرین NLP در آموزش تأکید می‌کند و پرداختن به چالش‌هایی مانند توسعه زیرساخت‌ها، آموزش معلمان، و مسائل اخلاقی و فرهنگی را برای ادغام موفقیت‌آمیز آن ضروری می‌داند. سرمایه‌گذاری در ابزارهای اختصاصی برای نظام آموزشی ایران و تدوین سیاست‌های اخلاقی، کلید موفقیت این فناوری در آموزش هستند.

کلیدواژه‌ها

عنوان مقاله [English]

Application of natural language processing in improving learning and teaching: A case study in Iran's educational system

نویسندگان [English]

sedigheh gozall ¹
Enayatollah Zamanpour ²
Shiva Dolatabadi ³

¹ ,PhD student in assessment and measurement, Department of Psychology, college of human science,Saveh Branch,Islamic Azad University,Saveh,Iran

² Assistant professor, Department of Assessment & Measurement (Psychometrics), Allameh Tabatabai University, Tehran, Iran

³ Department of Psychology, Allameh Tabatabai University, Tehran,. Iran.

چکیده [English]

The present study examines the application of Natural Language Processing (NLP) in enhancing learning and education, focusing on its implications for Iran's educational system. This research was conducted using a mixed-methods approach, including both qualitative and quantitative data analysis.
In the qualitative section, interviews with 20 teachers and 10 technology experts revealed that integrating NLP can enable personalized learning, automated assignment evaluation, and early identification of learning difficulties. However, challenges such as insufficient school infrastructure, the need for teacher training, and ethical concerns related to data privacy were also identified.
In the quantitative section, 400 high school students in Tehran were divided into experimental (n=200) and control (n=200) groups. The experimental group used NLP-based software for English language learning, while the control group received traditional instruction. The results showed that NLP tools had a significant positive impact on students' academic performance, learning motivation, and English language skills.
This study highlights the transformative potential of NLP in education and underscores the need to address challenges such as infrastructure development, teacher training, and ethical and cultural issues for its successful integration. Investment in specialized tools for Iran's educational system and the development of ethical policies are essential for the successful implementation of this technology in education.

کلیدواژه‌ها [English]

Natural Language Processing (NLP)
Education
Iran
Personalized Learning
Educational Technology
Language Learning

مراجع

اسدیان، س،. قلی زاده احمد آباد، ح.، حمزه و معهودی. (1397). امکان سنجی و آسیب شناسی ورود تبلت به فرآیند تدریس و یادگیری. تدریس پژوهی، 6(2)، 49-68.‎ https://dor.isc.ac/dor/20.1001.1.24765686.1397.6.2.4.7

درجزینی، ‌نورا، ضرغامی، قربان‌جهرمی و شوبیری. (1393). کاربرد هوش مصنوعی (یادگیری ماشینی) در روانشناسی یادگیری: رونمایی از بینش ها و جهت گیری های جدید. علوم روانشناختی، 141(23)، 2228-2241.‎ https://psychologicalscience.ir/article-1-2350-fa.html

محمدحسنی، ن. و آقازاده، ر. (1396). تاثیر بازی وارسازی (دیجیتال)، چندرسانه ای آموزشی و بازی آموزشی رو در رو بر یادگیری زبان انگلیسی پایه هفتم. فناوری های آموزشی در یادگیری، 3 (11)، 79-98. doi: 10.22054/jti.2020.48100.1290

معروفی، ‌ی. و امیری، ‌پ. (1402). بازنمایی تجارب زیستۀ معلمان از چالش های تدریس در کلاس های چندپایۀ دوزبانه. پژوهش در برنامه ریزی درسی، 78(20)، 82-104.‎ https://doi.org/10.30486/JSRE.2023.901266.2372

هوشمند همدانی، ن. (1401). یادگیری زبان و بازی دیجیتالی: نظریه‌های یادگیری و کاربردهای آن در بازی‌های دیجیتالی. فناوری های آموزشی در یادگیری, 5(18), 125-155. doi: 10.22054/jti.2023.71776.1358

Alawadh, H. M., Alabrah, A., Meraj, T., & Rauf, H. T. (2023). English language learning via YouTube: An NLP-based analysis of users’ comments. Computers, 12(2), 24. https://doi.org/10.3390/computers12020024

Alhawiti, K. M. (2014). Natural language processing and its use in education. International Journal of Advanced Computer Science and Applications, 5(12). DOI: 10.14569/IJACSA.2014.051210

Asadian, S., Gholizadeh Ahmadabad, H. & Maahoudi, Gh. (2018). Feasibility and Pathology of Tablet Entry Into the Teaching and Learning Process. Research in Teaching, 6(2), 49-68. https://dor.isc.ac/dor/20.1001.1.24765686.1397.6.2.4.7 [In Persian]

Chang, C. Y., Hwang, G. J., & Gau, M. L. (2022). Promoting students' learning achievement and self‐efficacy: A mobile chatbot approach for nursing training. British Journal of Educational Technology, 53(1), 171-188. https://doi.org/10.1111/bjet.13158.

Cuder, A., Pellizzoni, S., Di Marco, M., Blason, C., Doz, E., Giofrè, D., & Passolunghi, M. C. (2024). The impact of math anxiety and self‐efficacy in middle school STEM choices: A 3‐year longitudinal study. British Journal of Educational Psychology, 94(4), 1091-1108. https://doi.org/10.1111/bjep.12707.

Darjazini N, Zarghami M H, Ghorban Jahromi R, Shobeiry L. (2024). Artificial intelligence (machine learning) in the psychology of learning: Unveiling new insights and directions. Journal of Psychological Science. 23(141), 179-197. URL: http://psychologicalscience.ir/article-1-2350-en.html [In Persian]

Hooshmand Hamedani, N. (2022). Language Learning and Digital games: Learning theories and their application on digital games.. Educational Technologies in Learning, 5(18), 125-155. doi: 10.22054/jti.2023.71776.1358 [In Persian]

Kastrati, Z., Dalipi, F., Imran, A. S., Pireva Nuci, K., & Wani, M. A. (2021). Sentiment analysis of students’ feedback with NLP and deep learning: A systematic mapping study. Applied Sciences, 11(9), 3986. https://doi.org/10.3390/app11093986.

Manning, C. (2016, July). Understanding human language: Can NLP and deep learning help?. In Proceedings of the 39th International ACM SIGIR conference on Research and Development in Information Retrieval (pp. 1-1). https://doi.org/10.1145/2911451.2926732

Maroofi,Y. & Amiri, P. (2024). Representation of teachers' lived experiences of challenges in bilingual multi-grade classrooms (a phenomenological study). Research in Curriculum Planning, 3, 82-104. https://doi.org/10.30486/JSRE.2023.901266.2372 [In Persian]

Mathew, A. N., Rohini, V., & Paulose, J. (2021). NLP-based personal learning assistant for school education. Int. J. Electr. Comput. Eng, 11(5), 4522-4530. http://doi.org/10.11591/ijece.v11i5.pp4522-4530

Mejeh, M., & Rehm, M. (2024). Taking adaptive learning in educational settings to the next level: Leveraging natural language processing for improved personalization. Educational technology research and development, 72(3), 1597-1621. https://doi.org/10.1007/s11423-024-10345-1

Meurers, D. (2012). Natural language processing and language learning. Encyclopedia of applied linguistics, 4193-4205. https://doi.org/10.1002/9781405198431.wbeal0858.pub2.

Noorian, A., Harounabadi, A., & Hazratifard, M. (2024). A sequential neural recommendation system exploiting BERT and LSTM on social media posts. Complex & Intelligent Systems, 10(1), 721-744. https://doi.org/10.1007/s40747-023-01191-4.

Panesar, K. (2020). Natural language processing (NLP) in Artificial Intelligence (AI): a functional linguistic perspective. Vernon Press. https://vernonpress.com/book/935.

Rahmanipur, A., Shokri, M., & Heidarnia, M. (2025). Improved Personalized Language Learning for English Learners: A Systematic Review of NLP’s Impact. https://www.researchgate.net/publication/389590970_Improved_Personalized_Language_Learning_for_English_Learners_A_Systematic_Review_of_NLP's_Impact.

Ramesh, D., & Sanampudi, S. K. (2022). An automated essay scoring systems: a systematic literature review. Artificial Intelligence Review, 55(3), 2495-2527. https://doi.org/10.1007/s10462-021-10068-2.

Sajja, R., Sermet, Y., & Demir, I. (2025). End-to-end deployment of the educational AI hub for personalized learning and engagement: A case study on environmental science education. IEEE access. https://doi.org/10.1109/ACCESS.2025.3554222.

Shirvani Naghani, M., & Koulivand, K. (2023). Scanning and prioritization of technological, cultural-social, economic and policy-making factors effective on teaching Persian language to non-Persian speakers in the horizon of 2035. Journal of Teaching Persian to Speakers of Other Languages, 12(2), 177-205. https://doi.org/10.30479/JTPSOL.2024.19710.1654.

Sunar, A. S., & Khalid, M. S. (2023). Natural language processing of student's feedback to instructors: A systematic review. IEEE Transactions on Learning Technologies, 17, 741-753. https://doi.org/10.1109/TLT.2023.3330531.

Vistorte, A. O. R., Deroncele-Acosta, A., Ayala, J. L. M., Barrasa, A., López-Granero, C., & Martí-González, M. (2024). Integrating artificial intelligence to assess emotions in learning environments: a systematic literature review. Frontiers in psychology, 15, 1387089. https://doi.org/10.3389/fpsyg.2024.1387089.

Wu, H., Li, S., Gao, Y., Weng, J., & Ding, G. (2024). Natural language processing in educational research: The evolution of research topics. Education and Information Technologies, 1-27. https://doi.org/10.1007/s10639-024-12764-2.

Xia, Y., Shin, S. Y., & Shin, K. S. (2024). Designing Personalized Learning Paths for Foreign Language Acquisition Using Big Data: Theoretical and Empirical Analysis. Applied Sciences, 14(20), 9506. https://doi.org/10.1007/s11423-024-10345-1.

Yu, J. H., & Chauhan, D. (2025). Trends in NLP for personalized learning: LDA and sentiment analysis insights. Education and Information Technologies, 30(4), 4307-4348. https://doi.org/10.1007/s10639-024-12988-2.

Zafari, M., Bazargani, J. S., Sadeghi-Niaraki, A., & Choi, S. M. (2022). Artificial intelligence applications in K-12 education: A systematic literature review. Ieee Access, 10, 61905-61921. https://doi.org/10.1109/ACCESS.2022.3179356.

کاربرد پردازش زبان طبیعی در بهبود یادگیری و آموزش: مطالعه موردی در سیستم آموزشی ایران

مراجع

مراجع

دوره 8، شماره 30دی 1404صفحه 221-255

دوره 8، شماره 30
دی 1404
صفحه 221-255