<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>فصلنامه ایده های نو در تعلیم و تربیت</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue></Issue>
      <PubDate PubStatus="epublish">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Assessment in the age of artificial intelligence</ArticleTitle>
    <VernacularTitle>ارزشیابی در عصر هوش مصنوعی</VernacularTitle>
    <FirstPage></FirstPage>
    <LastPage></LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>سید</FirstName>
        <LastName>علی</LastName>        <Affiliation>کارشناسی ارشد تکنولوژی آموزشی، دانشگاه علامه طباطبائی، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>رضا</FirstName>
                <Affiliation>دانشجوی دکترای برنامه ریزی درسی، دانشگاه آزاد اسلامی، آزادشهر، گلستان، ایران</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>

    <Abstract>In this paper, we argue that a particular set of problems with traditional assessment methods. They may be difficult for educators to design and implement; It provides only discrete snapshots of performance rather than different perspectives of learning; Do not match the participants&#039; specific knowledge, skills, and backgrounds; It is designed to prepare students to enter school, rather than the culture of going to school. And they assess the skills that humans normally use computers to perform. We review existing AI methods that at least partially address these issues and critically discuss whether these methods present additional challenges to the assessment methodology.</Abstract>
    <OtherAbstract Language="FA">در این مقاله، ما استدلال می‌کنیم که یک مجموعه خاص از مسائل شیوه‌های ارزیابی سنتی. ممکن است برای مربیان طراحی و پیاده‌سازی آن‌ها دشوار باشد؛ تنها تصاویر لحظه‌ای گسسته از عملکرد را به جای دیدگاه‌های متفاوت یادگیری ارائه می‌دهد؛ با دانش، مهارت‌ها و زمینه‌های خاص شرکت کنندگان سازگاری نداشته باشید؛ برای آماده کردن دانش آموزان برای ورود به مدرسه، به جای فرهنگ مدرسه رفتن، فرهنگ مدرسه رفتن طراحی شده‌است. و مهارت‌هایی را که انسان‌ها به طور معمول برای انجام آن‌ها از کامپیوتر استفاده می‌کنند، ارزیابی می‌کنند. ما روش‌های هوش مصنوعی موجود را بررسی می‌کنیم که حداقل تا حدی به این مسائل می‌پردازند و به طور انتقادی بحث می‌کنیم که آیا این روش‌ها چالش‌های بیشتری را برای روش ارزیابی ارائه می‌دهند</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">assessment</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Education</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/1275703</ArchiveCopySource>
  </Article>
</ArticleSet>
