پروژه: سامانهٔ یادگیری شخصی بدون وابستگی
سامانهٔ سادهٔ یادگیری ۱۴روزه با پیشآزمون، بازیابی مستقل، بازخورد، برنامهٔ مرور و ثبت صادقانهٔ وضعیت اجرا بساز.
بعد از این درس میتوانی
- برای ۵ مهارت محدود، سؤال انتقالی و کلید مرجع مستقل بسازد (
C01-I04،C06-I02). - دستکم یک پیشآزمون بدون ابزار را واقعاً اجرا و بازخورد محدود را مستند کند (
C02-I01،C06-I01). - برنامهٔ ۱۴روزه را با حالتهای
planned/done/missedبدون نمره ساختگی تحویل دهد (C05-I03،C02-I05). - در یک مورد مبهم،
NOT_EVALUABLE، دلیل و صاحب تصمیم را مشخص کند (C05-I05،C06-I05).
چرا این پروژه مهم است
سناریوی ساختگی: مریم، کارشناس فروش یک شرکت تجهیزات اداری در کرمان، میخواهد بدون اتکا به پاسخ آماده AI یاد بگیرد درخواست قابل ارزیابی بنویسد، ادعای بیسند را پیدا کند و دستیار را پیش از اقدام متوقف کند. او باید بتواند یادگیری واقعی را در روزهای بعد و بدون مدل نشان دهد؛ نه فقط گزارشی زیبا از مطالعه ارائه کند.
این پروژه خروجی سه درس قبلی را یکجا میگیرد: تلاش اولیهٔ مستقل (think-first-cognitive-offloading)، تقسیم کار متناسب با توانایی ابزار (jagged-frontier-collaboration) و مرور با بازیابی و سرنخ (learning-with-ai). برنامهٔ ۱۴روزه را طراحی میکنی، یک جلسه را واقعاً اجرا میکنی و بقیهٔ روزها را تا زمان اجرا صادقانه «برنامهریزیشده» نگه میداری.
مفاهیم و قرارداد پروژه
- [اصل پایدار] حافظه با بازیابی فعال، تمرین فاصلهدار و بازخورد اصلاحی بهتر سنجیده میشود تا بازخوانی صرف؛ اثر به نوع ماده و شرایط بستگی دارد.
- [استاندارد آموزشی] برای هر مهارت دو خط پیشرفت جدا ثبت کن: کیفیت با کمک مدل (
Assisted) و توانایی بدون کمک (Unassisted). - [استاندارد آموزشی] مربی فقط سؤال و سرنخ میدهد و از منبع یا کلید مستقل استفاده میکند؛ هیچ ادعای علمی بر اساس قضاوت مدل بهتنهایی قطعی نمیشود.
- [استاندارد عملیاتی] ثبت رویدادِ
planned،doneوmissedضروری است؛ روز آینده را بهعنوان انجامشده ننویس. - [ابزار؛ تاریخ ۲۰۲۶-۱۱-۰۷] جدول محلی، تقویم کاغذی و فایل متنی کافیاند. اتوماسیون با
n8nیا پیامرسان اختیاری است و در این پروژه ساخته نمیشود.
مدل ذهنی
سامانهٔ یادگیری را مثل دفترچه آزمایش ببین، نه اپلیکیشن امتیازدهی. هر سطر باید بگوید: چه مهارتی را آزمودی، قبل از کمک چه میدانستی، مدل چه کمکی کرد، هنگام بستهبودن منبع چه گفتی، جواب را با کدام شاهد سنجیدی و چه زمانی دوباره میآزمایی.
اگر کاربر پس از دیدن پاسخ مدل، بدون نگاه آن را کلمهبهکلمه تکرار کند، این هنوز دلیل کافی برای انتقال به یک سناریوی جدید نیست. در این پروژه حداقل یک سؤال انتقالی با داده متفاوت لازم است.
گامبهگام
گام ۱: پنج مهارت محدود و قابل مشاهده انتخاب کن
| شناسه محلی | مهارت درسی | نشانهٔ پاسخ بدون ابزار |
|---|---|---|
| K1 | نوشتن هدف و خروجی مشخص | یک درخواست با هدف و معیار پذیرش بنویسد |
| K2 | تشخیص فرض بیپشتوانه | دو فرض و دادهٔ لازم را جدا کند |
| K3 | تشخیص محدودیت AI | در یک نمونه بگوید چرا خروجی نامطمئن است |
| K4 | انتخاب تقسیم کار انسان/مدل | برای یک وظیفه، مسئول تصمیم را مشخص کند |
| K5 | بازیابی و بازخورد | یک سؤال تازه بسازد و بدون منبع پاسخ دهد |
این پنج مهارت نمونهٔ این پروژهاند؛ C01–C06 را بازتعریف نمیکنند. نگاشتهای آموزشی برای مثال: C01-I01، C02-I03، C03-I02، C05-I05، C06-I01.
گام ۲: برای هر مهارت یک مورد آزمون با جواب مرجع بساز
Case_ID: شناسه مثلK2-D0.Prompt: صورت سؤال که با متن آموزش یکسان نباشد.Reference: پاسخ/روبریک مستقل با منبع یا دلیل محاسباتی.Assisted_Outcome: اگر از مدل استفاده شد، چه کمکی گرفت و خروجی چه بود.Unassisted_Outcome: جواب مستقل با متن/مدل بسته.Decision:PASS،FAIL، یاNOT_EVALUABLEوقتی کلید یا شاهد ناکافی است.
اگر فقط مدل همان خروجی خود را تأیید کند، Reference مستقل نداری؛ آن مورد برای ادعای ماندگاری NOT_EVALUABLE میماند.
گام ۳: جلسهٔ مبنا را امروز واقعاً اجرا کن
برای هر ۵ مورد قبل از مدل درجه اطمینان خودت را از ۰ تا ۵ درستِ پیشبینیشده ثبت کن. سپس بدون ابزار جواب بده و با کلید مرجع بسنج. اگر ۳ پاسخ از ۵ درست شد و قبلش ۵ پیشبینی کرده بودی، شکاف کالیبراسیون محلی برابر ۲ مورد است؛ این عدد شاخص روانشناختی تعمیمپذیر نیست.
گام ۴: مربی را با حصار آموزشی فعال کن
نقش: مربی یادگیری، نه جانشین فراگیر.
هدف: [یکی از K1 تا K5].
مرجع پاسخ: [فقط متن عمومی/آموزشیِ مجاز].
ابتدا از من پاسخ مستقل بخواه.
پیش از تلاش من، جواب کامل نده؛ بعد از تلاش، فقط یک سرنخ بده.
پاسخ من را جداگانه در سطح «تکلیف»، «فرایند» و «خودتنظیمی» نقد کن.
اگر مرجع یا اطمینان کافی نداری، «تأییدنشده» بنویس.
در پایان یک سؤال انتقالی متفاوت بده تا بدون ابزار حل کنم.
مدل اجازه ثبت، ارسال، پرداخت یا اقدام بیرونی ندارد.متن بالا فقط قرارداد آموزشی است. محدودیت عملی: مدل ممکن است برخلاف آن جواب را لو بدهد یا غلط تصحیح کند؛ دانشآموز باید متن را کنار بگذارد و کلید مستقل را ملاک قرار دهد.
گام ۵: برنامهٔ ۱۴روزهٔ انعطافپذیر بساز
| روز نمونه | روش | شرط ادامه یا اصلاح | وضعیت هنگام تحویل امروز |
|---|---|---|---|
| ۰ | پیشآزمون بدون ابزار + کمک محدود | نوع خطا برای هر K ثبت شود | فقط اگر واقعاً اجرا شد: done |
| ۱ | بازیابی کوتاهپاسخ K1 و K2 | خطا → مثال/مرور نزدیکتر | planned |
| ۳ | سناریوی انتقالی K3 و K4 | شاهد ناکافی → توقف | planned |
| ۷ | دو مورد دامدار از پنج مهارت | سرنخ کمتر از نوبت قبلی | planned |
| ۱۴ | پسآزمون پنجمهارتی با منبع بسته | سنجش مستقل؛ نتیجه و محدودیت | planned |
روزهای انتخابشده نمونهاند، نه برنامه بهینه عمومی. بر اساس نتیجه بازیابی، تاریخ هر مفهوم را جلو/عقب ببر و در دفتر ثبت کن چه چیز و چرا تغییر کرد.
گام ۶: قرارداد فایل خروجی را روشن نگه دار
ستونهای جدول محلی (CSV یا دفتر):
case_id | skill | day | state | question | reference_id | predicted_correct | aided_used | independent_answer | reference_verdict | feedback | next_review
مقادیر مجاز برای state: planned / done / missed
مقادیر مجاز برای reference_verdict: PASS / FAIL / NOT_EVALUABLE
اگر state != done، ستون نتیجهٔ اجرا خالی میماند؛ «صفر» و «PASS» ساختگی نزن.
در کلید مرجع، منبع و تاریخ آن را جداگانه ثبت کن.گام ۷: شرط قبولی کارپوشه را بسنج
- ۵ مهارت با تعریف رفتاری و ۵ سؤال جدید دارای کلید مستقل و وضعیت ثبتشده.
- حداقل یک تلاش واقعیِ پیشآزمون بدون مدل و یک مورد بازخورد/سرنخ ثبتشده؛ اگر AI اجرا نشد، جای آن بازخورد انسانی یا از روی کلید را صریح بنویس.
- یک برنامه ۱۴روزه با وضعیت
planned/doneواقعی و حداقل یک قانون تغییر فاصله هنگام خطا. - یک مثال مرزی برای
NOT_EVALUABLEو یک شرط توقف/مسئول انسانی. - در ارزیابی محتوای همین پروژه، تحقق حداقل ۴ معیار از این ۵ معیار = پذیرش اولیه. این حد نصاب محلی است، نه ادعای اثر پژوهشی.
مثالها
پیادهسازی پروژه
مسیر اصلی: آفلاین و رایگان، ۲۵ دقیقه. یک جدول محلی یا کاغذ بردار؛ هیچ حساب خارجی لازم نیست. این ۲۵ دقیقه فقط ساخت و اجرای دور صفر است، نه ادعای انجام مرورهای ۱۴روزه.
- ۵ دقیقه: پنج مهارت نمونه یا معادل شخصیِ همسطح را انتخاب و برای هرکدام یک سؤال انتقالی طراحی کن.
- ۵ دقیقه: کلید مستقل و معیار
PASS/FAIL/NOT_EVALUABLEبرای هر سؤال بنویس. - ۵ دقیقه: دستکم یک پیشآزمون بدون ابزار و پیشبینی اطمینان را واقعاً ثبت کن.
- ۵ دقیقه: با منبع/مربی اختیاری بازخورد محدود بگیر؛ یک سؤال جدید را بدون ابزار پاسخ بده.
- ۵ دقیقه: روزهای آینده را با وضعیت
plannedتنظیم و جدول تحویل را بررسی کن.
اشتباههای رایج
| خطا | چرا آسیب میزند؟ | اصلاح |
|---|---|---|
ثبت done برای روزهای آینده | مدرک جعلی پیشرفت تولید میکند | تنها جلسه اجراشده done بماند |
| جایگزینی داده گمشده با نمره صفر | نبود داده با شکست واقعی متفاوت است | NOT_EVALUABLE یا نتیجه خالی |
| قضاوت مدل درباره پاسخ خود مدل | مرجع مستقل نیست | کلید منبعدار یا محاسبات مستقل |
| پنج سؤال تکراری با کلمات جابهجا | انتقال مهارت سنجیده نمیشود | یک مسئله با داده/زمینه جدید |
| اعتماد به نمره assisted برای قبولی شناختی | کیفیت محصول با یادگیری فرق دارد | ستون unassisted جدا |
| اصرار بر تقویم ثابت رغم شکست | فاصلهها متناسب با فرد نیست | مرور نزدیکتر/نمونه حلشده |
عیبیابی
برای یکی از Kها پاسخ مرجع ندارم.
سؤال مبهم یا منبع نامعتبر است.
آیا جواب مستقل از مدل قابل بررسی است؟
مورد را NOT_EVALUABLE بگذار؛ سؤال را تغییر بده یا منبع بهتر بیاور.
روز ۳ را از دست دادم.
برنامه با زمان واقعی هماهنگ نبوده است.
ستون state خالی یا ساختگی شده؟
missed ثبت کن؛ نوبت تازه را برنامهریزی کن و هیچ اجرای خیالی نساز.
همهٔ سؤالها را درست از حفظ تکرار میکنم.
ممکن است پاسخها حفظ لفظی و تکراری باشند.
یک سؤال با داده و زمینه متفاوت حل کن.
تمرین انتقالیِ منبع بسته اضافه و همراه با کلید مستقل بسنج.
مدل پاسخ من را غلط و کلید کاغذی درست میداند.
بین داوران تعارض یا خطای کلید وجود دارد.
منبع اولیه، تعریف سؤال و معیار نمره را بازبینی کن.
تا رفع تعارض، حکم NOT_EVALUABLE؛ بهجای متوسطگرفتن، شاهد معتبر جمع کن.
ایمنی و حریم خصوصی
تمرین کوتاه
تمرین · 10 دقیقه
کارپوشه ناقص زیر را تعمیر کن: K1,day=0,state=done,score=PASS بدون کلید؛ K2,day=14,state=done,score=100% با وجود نرسیدن روز ۱۴؛ K3,day=0,state=done,score=FAIL با کلید مستقل و پاسخ اشتباه. وضعیت و دلیل هرکدام را بنویس.
راهحل نمونه
- K1:
NOT_EVALUABLEتا کلید مستقل اضافه شود؛doneفقط به معنای انجام نوبت است، نه صحت آن. - K2:
plannedو نتیجه خالی؛ ثبت ۱۰۰٪ حذف شود. - K3:
done+FAILمعتبر؛ خطا برای بازخورد و مرور ثبت شود.
معیار: هر سه ردیف بدون جعل نتیجه، و با تفکیک state از verdict بازنویسی شوند.
چالش
تمرین · 45 دقیقه
چالش تکمیلی ۱۴روزه: فایل شخصی خودت را با پنج مهارت، پنج پرسش مرجعدار، پیشآزمون بدون ابزار، یک بازخورد محدود و یک برنامه مرور پر کن. این پروژه در جلسه فعلی فقط روز صفر را اجرا و روزهای ۱، ۳، ۷ و ۱۴ را برنامهریزی میکند؛ اجرای آنها وظیفه بعدی است.
پس از گذشت زمان واقعی، یک بار برای همان مهارت و یک بار برای سناریوی جدید بدون ابزار پاسخ بده. نتایج را جدا از assisted با حالتهای PASS/FAIL/NOT_EVALUABLE ثبت کن. هر بهبود فقط از مقایسهٔ شاهد واقعی همان فرد گزارش شود، نه وعدهٔ درصد ثابت.
راهحل نمونه
روبریک بررسی خروجی کنونی (هر بند ۱ امتیاز، کل ۵): (۱) پنج مهارت + هدف رفتاری؛ (۲) پنج سؤال با کلید مستقل؛ (۳) حداقل یک تلاش مستقل واقعی؛ (۴) ثبت محدودیت/شرط توقف؛ (۵) وضعیت واقعی و برنامه مرور تطبیقی. ۴/۵ برای قبولی کارگاه کافی است. روز ۱۴ تا اجرا نشود، هیچ امتیاز پسآزمون گزارش نمیشود.
پرسشهای سنجش
جمعبندی
- سامانه شخصی از دفترچهٔ شواهد شروع میشود، نه الزام به ساخت بات و اپ.
- پیشرفت با ابزار و بدون ابزار دو خروجی جدا هستند.
- هیچ روز آیندهای از پیش «انجامشده» نیست.
NOT_EVALUABLEصادقانه بهتر از عددسازی یا صفرگذاشتن بهجای داده ناموجود است.- پروژه با پنج مهارت و آزمون مستقلِ انتقالی قابل تحویل اولیه است؛ پیگیری ۱۴روزه به زمان واقعی نیاز دارد.
مسیر ادامه اختیاری: اگر بعداً ثبت خودکار زمان مرور خواستی، مفاهیم ورکفلو در automation-tools و n8n-workflows را جدا بیاموز؛ برای این پروژه ساخت اتوماسیون لازم نیست.
منابع پشتیبان این درس: Improving Students’ Learning With Effective Learning Techniques [داوریشده]src-dunlosky، The Effect of Testing Versus Restudy on Retention: A Meta-Analytic Review [داوریشده]src-rowland، Distributed practice in verbal recall tasks: A review and quantitative synthesis [داوریشده]src-cepeda، Retrieval Practice Consistently Benefits Student Learning: Systematic Review [داوریشده]src-agarwal، The Power of Feedback [داوریشده]src-hattie، Generative AI without guardrails can harm learning: Evidence from high school mathematics [داوریشده]src-bastani، To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI [داوریشده]src-bucinca، AI competency framework for students [چارچوب رسمی؛ نه پژوهش اثرسنجی]src-unesco.
پرسشهای سنجش
روز چهاردهم هنوز نرسیده. در جدول مرور چه مینویسی؟
- done با ۱۰۰٪
- planned بدون نتیجه اجرا
- FAIL بهطور پیشفرض
- PASS براساس نظر مدل
پاسخ نمونه و معیار ارزیابی
- a ← اجرای خیالی است.
- c ← نبود داده شکست نیست.
- d ← حدس مدل شاهد نیست.
چرا خروجی درستِ assisted جای آزمون روز ۱۴ را نمیگیرد؟
- چون AI همیشه غلط میگوید
- چون کیفیت پاسخ با کمک، توانایی مستقلِ تأخیری را نمیسنجد
- چون ۱۴ روز عدد جادویی است
- چون نمره یادگیری اصولاً غیرممکن است
پاسخ نمونه و معیار ارزیابی
- a ← قضاوت افراطی است.
- c ← روزهای پیشنهادشده نمونهاند.
- d ← با روبریک و شاهد میشود سنجش محدود انجام داد.
برای مهارت K2 «تشخیص فرض بیپشتوانه» یک سؤال انتقالی و پاسخ مرجع مستقل بنویس.
پاسخ نمونه و معیار ارزیابی
سؤال: «فروش مغازه در یک هفته ۸٪ پایین آمد؛ آیا علت آن قطعاً گرانی بوده است؟» مرجع: خیر، دادهٔ قیمت، رقبا و تغییر ترکیب مشتریان نداریم؛ دستکم دو فرض و داده لازم ثبت شود.
- سناریوی متفاوت (1 امتیاز)
- رد علت قطعی بدون داده (1 امتیاز)
- کلید قابل بررسی (1 امتیاز)
در دفترچه سؤال K4 حل شده ولی کلید پاسخ وجود ندارد. state و verdict چه میشود؟
پاسخ نمونه و معیار ارزیابی
اگر حل واقعاً صورت گرفته، state=done باقی میماند؛ verdict=NOT_EVALUABLE تا کلید مستقل بیاید. نمره صفر به جای نبود کلید نمیگذارم.
- تفکیک انجام و اعتبار (1 امتیاز)
- NOT_EVALUABLE (1 امتیاز)
- رد صفر ساختگی (1 امتیاز)
در اولین جلسه ۴/۵ معیار پروژه را گذراندهای. آیا میتوانی ادعا کنی «توانایی ذهنیام ۲۰٪ بهتر شد»؟
پاسخ نمونه و معیار ارزیابی
خیر؛ ۴/۵ حد نصاب محلی تحویل کارگاه است، نه اندازه اثر. ادعای بهبود فردی نیازمند آزمونهای مبنا و تأخیری با کلید و شرایط قابل مقایسه است و تعمیم علی ندارد.
- تشخیص حد نصاب محلی (1 امتیاز)
- نیاز به شواهد طولی (1 امتیاز)
- رد درصد ساختگی (1 امتیاز)
ابزارها و جایگزینها
- صفحهگسترده یا دفترچه محلی — ثبت ۵ مهارت، پاسخهای مستقل و برنامهٔ ۱۴روزه — LibreOffice Calc — جدول روی کاغذ — فایل CSV در ویرایشگر متن
- کلید پاسخ مبتنی بر منبع — سنجش مستقل پاسخ و ثبت شاهد — جزوهٔ معتبر — مستند رسمی متنآزاد — همکار متخصص همراه با ثبت دلیل
منابع
Improving Students’ Learning With Effective Learning Techniques [داوریشده] Dunlosky et al. · Psychological Science in the Public Interest 2013-01
The Effect of Testing Versus Restudy on Retention: A Meta-Analytic Review [داوریشده] Rowland · Psychological Bulletin 2014-08-25
Distributed practice in verbal recall tasks: A review and quantitative synthesis [داوریشده] Cepeda et al. · Psychological Bulletin 2006-05
Retrieval Practice Consistently Benefits Student Learning: Systematic Review [داوریشده] Agarwal, Nunes & Blunt · Educational Psychology Review 2021-03-14
The Power of Feedback [داوریشده] Hattie & Timperley · Review of Educational Research 2007-03
Generative AI without guardrails can harm learning: Evidence from high school mathematics [داوریشده] Bastani et al. · PNAS 2025-06-25
To Trust or to Think: Cognitive Forcing Functions Can Reduce Overreliance on AI [داوریشده] Buçinca et al. · Proceedings of the ACM on Human-Computer Interaction 2021-04
AI competency framework for students [چارچوب رسمی؛ نه پژوهش اثرسنجی] UNESCO 2024-08-08