🔹 ۱. آموزش زبان انگلیسی و هوش مصنوعی (گرایش آموزش زبان - CALL)
گسترش فناوری‌های مبتنی بر هوش مصنوعی، به‌ویژه در حوزه آموزش زبان دوم، فرصت‌های تازه‌ای برای طراحی سیستم‌های شخصی‌سازی‌شده یادگیری زبان انگلیسی فراهم کرده است. با این حال، هنوز روشن نیست که این فناوری‌ها تا چه اندازه می‌توانند در بهبود مهارت‌های اصلی زبان‌آموزان (خواندن، نوشتن، شنیدن و گفتار) اثربخش باشند. بنابراین نیاز به پژوهشی علمی وجود دارد که میزان تأثیر الگوریتم‌های یادگیری ماشین و ابزارهای هوشمند را در مقایسه با روش‌های سنتی آموزش زبان بررسی کند.
🔹 ۲. ترجمه ماشینی و کیفیت معنایی (گرایش ترجمه)
با پیشرفت سریع سیستم‌های ترجمه ماشینی مانند Google Translate و DeepL، ترجمه متون تخصصی به انگلیسی در دسترس‌تر از همیشه شده است. اما مسئله اصلی این است که کیفیت معنایی و انسجام متن‌های ترجمه‌شده تا چه حد قابل اعتماد است، به‌ویژه در متون علمی و دانشگاهی. این چالش باعث می‌شود نیاز به پژوهشی نظام‌مند برای مقایسه کیفیت ترجمه ماشینی و انسانی و بررسی روش‌های تلفیقی (Post-editing) بیش از پیش احساس شود.
🔹 ۳. تحلیل گفتمان انتقادی و رسانه‌های اجتماعی (گرایش زبان‌شناسی کاربردی)
رشد رسانه‌های اجتماعی انگلیسی‌زبان، فضایی برای شکل‌گیری گفتمان‌های جدید در حوزه‌های سیاسی، فرهنگی و اجتماعی ایجاد کرده است. یکی از چالش‌ها، بررسی چگونگی بازتولید قدرت و ایدئولوژی در این متون است. پژوهش‌های اخیر نشان می‌دهند که تحلیل گفتمان انتقادی می‌تواند ابزاری قدرتمند برای فهم این فرآیندها باشد، اما هنوز در زمینه تحلیل داده‌های کلان شبکه‌های اجتماعی کمبود مطالعات جامع وجود دارد.
🔹 ۴. ادبیات پسااستعماری انگلیسی (گرایش ادبیات انگلیسی)
ادبیات پسااستعماری به‌عنوان شاخه‌ای مهم در مطالعات ادبیات انگلیسی، به بررسی تأثیرات استعمار بر هویت، فرهنگ و زبان می‌پردازد. با وجود رشد این حوزه، هنوز در مورد نحوه بازنمایی مفاهیم هویت چندفرهنگی و مهاجرت در رمان‌های معاصر انگلیسی، به‌ویژه در دهه اخیر، ابهامات زیادی وجود دارد. این خلأ پژوهشی می‌تواند مبنای مطالعاتی عمیق برای کشف شیوه‌های نوین بازنمایی هویت در متون ادبی مدرن باشد.
🔹 ۵. ارزیابی مهارت‌های نوشتاری در زبان انگلیسی (گرایش آموزش زبان - Testing & Assessment)
یکی از چالش‌های اصلی در آموزش زبان انگلیسی، طراحی آزمون‌های دقیق و عادلانه برای سنجش مهارت نوشتاری دانشجویان است. روش‌های سنتی ارزیابی، معمولاً ذهنی و وابسته به نظر ارزیاب هستند و این موضوع باعث کاهش روایی و پایایی نتایج می‌شود. امروزه استفاده از ابزارهای دیجیتال و هوش مصنوعی در ارزیابی نوشتار مورد توجه قرار گرفته، اما هنوز جای پژوهش‌های عمیق در زمینه مقایسه دقت و اعتبار این ابزارها با ارزیابی انسانی وجود دارد.
پروپوزال خلاصه – آموزش زبان انگلیسی و هوش مصنوعی
۱. سؤال پژوهش (RQ)
چگونه فناوری‌های هوش مصنوعی در آموزش زبان انگلیسی می‌توانند مهارت‌های چهارگانه زبان‌آموزان (خواندن، نوشتن، شنیدن و گفتار) را بهبود دهند و چه تفاوتی با روش‌های سنتی دارند؟
۲. فرضیه‌ها
-
استفاده از سیستم‌های هوشمند مبتنی بر AI باعث افزایش سرعت یادگیری مهارت‌های زبان می‌شود.
-
تلفیق روش‌های سنتی و ابزارهای هوشمند، اثربخشی بیشتری نسبت به استفاده صرف از روش سنتی یا AI دارد.
-
یادگیری شخصی‌سازی‌شده با هوش مصنوعی، انگیزه و مشارکت دانشجویان را افزایش می‌دهد.
۳. اهداف پژوهش
-
بررسی تأثیر هوش مصنوعی بر بهبود مهارت‌های اصلی زبان انگلیسی.
-
مقایسه اثربخشی روش‌های سنتی و هوشمند در آموزش زبان.
-
ارائه چارچوب عملیاتی برای تلفیق هوش مصنوعی در برنامه‌های آموزشی.
۴. روش تحقیق
-
روش: ترکیبی (Mixed Methods)
-
کمی: اجرای آزمون‌های قبل و بعد از آموزش با ابزار AI و روش سنتی برای سنجش پیشرفت مهارت‌ها.
-
کیفی: مصاحبه با دانشجویان و معلمان برای بررسی تجربه یادگیری و میزان رضایت.
-
-
جامعه آماری: دانشجویان کارشناسی ارشد آموزش زبان انگلیسی در دانشگاه‌های منتخب.
-
نمونه‌گیری: نمونه‌گیری تصادفی خوشه‌ای (Cluster Random Sampling).
۵. مدل مفهومی پیشنهادی
روش آموزش
---------------------
| سنتی AI |
---------------------
↓
یادگیری زبان
(خواندن، نوشتن، شنیدن، گفتار)
↓
انگیزه و مشارکت دانشجویان
↓
اثربخشی کلی آموزش
این مدل نشان می‌دهد که روش آموزش (سنتی، هوش مصنوعی یا ترکیبی) تأثیر مستقیم بر مهارت‌های زبان و انگیزه دانشجویان دارد و نهایتاً اثربخشی کلی آموزش را تعیین می‌کند.
۱. آموزش زبان انگلیسی و هوش مصنوعی
RQ: چگونه فناوری‌های هوش مصنوعی در آموزش زبان انگلیسی می‌توانند مهارت‌های چهارگانه زبان‌آموزان را بهبود دهند و چه تفاوتی با روش‌های سنتی دارند؟
فرضیه‌ها:
-
استفاده از سیستم‌های هوشمند مبتنی بر AI باعث افزایش سرعت یادگیری مهارت‌های زبان می‌شود.
-
تلفیق روش‌های سنتی و ابزارهای هوشمند اثربخشی بیشتری نسبت به روش‌های منفرد دارد.
-
یادگیری شخصی‌سازی‌شده با AI انگیزه و مشارکت دانشجویان را افزایش می‌دهد.
اهداف:
-
بررسی تأثیر AI بر مهارت‌های زبان انگلیسی.
-
مقایسه اثربخشی روش‌های سنتی و هوشمند.
-
ارائه چارچوب عملیاتی برای ترکیب AI در برنامه آموزشی.
روش تحقیق: ترکیبی (Mixed Methods)، شامل آزمون پیش/پس و مصاحبه کیفی.
مدل مفهومی:
روش آموزش (سنتی ↔ AI ↔ ترکیبی) → مهارت‌های زبان → انگیزه و مشارکت → اثربخشی کلی
۲. ترجمه ماشینی و کیفیت معنایی
RQ: کیفیت معنایی و انسجام متن‌های ترجمه‌شده توسط سیستم‌های ماشینی چگونه با ترجمه انسانی مقایسه می‌شود؟
فرضیه‌ها:
-
ترجمه ماشینی در متون عمومی قابل قبول است، اما در متون تخصصی دقت کمتری دارد.
-
ترکیب ترجمه ماشینی و ویرایش انسانی باعث بهبود کیفیت و سرعت ترجمه می‌شود.
اهداف:
-
ارزیابی دقت ترجمه ماشینی در متون علمی.
-
مقایسه ترجمه ماشینی و انسانی.
-
ارائه مدل تلفیقی بهینه برای ترجمه تخصصی.
روش تحقیق: تحلیل کمی و کیفی متون ترجمه‌شده + پرسشنامه رضایت مترجمان.
مدل مفهومی:
نوع ترجمه (ماشینی ↔ انسانی ↔ ترکیبی) → دقت معنایی + انسجام → کیفیت کلی ترجمه
۳. تحلیل گفتمان انتقادی و رسانه‌های اجتماعی
RQ: رسانه‌های اجتماعی انگلیسی‌زبان چگونه گفتمان‌های قدرت و ایدئولوژی را بازتولید می‌کنند؟
فرضیه‌ها:
-
پست‌ها و توییت‌ها ابزار بازتولید گفتمان‌های اجتماعی و سیاسی هستند.
-
تحلیل گفتمان انتقادی می‌تواند تفاوت‌های فرهنگی و قدرت را آشکار کند.
اهداف:
-
شناسایی الگوهای قدرت و ایدئولوژی در شبکه‌های اجتماعی.
-
ارائه راهکارهای تحلیل گفتمان مبتنی بر داده‌های کلان.
روش تحقیق: تحلیل محتوای کمی و کیفی داده‌های شبکه‌های اجتماعی + نرم‌افزار تحلیل متن.
مدل مفهومی:
متن رسانه اجتماعی → عناصر قدرت/ایدئولوژی → بازنمایی گفتمان → پیامد اجتماعی
۴. ادبیات پسااستعماری انگلیسی
RQ: چگونه رمان‌های پسااستعماری انگلیسی، هویت چندفرهنگی و مهاجرت را بازنمایی می‌کنند؟
فرضیه‌ها:
-
رمان‌های پسااستعماری به بازنمایی تضاد فرهنگ‌ها و هویت‌های مهاجری می‌پردازند.
-
این بازنمایی‌ها بر درک مخاطبان از مسائل اجتماعی و تاریخی تأثیر می‌گذارد.
اهداف:
-
تحلیل بازنمایی هویت چندفرهنگی در رمان‌های پسااستعماری.
-
بررسی تأثیر بازنمایی بر ادراک مخاطب.
روش تحقیق: تحلیل محتوای متون و مطالعه موردی چند رمان.
مدل مفهومی:
رمان پسااستعماری → بازنمایی هویت و مهاجرت → فهم مخاطب → تأثیر اجتماعی
۵. ارزیابی مهارت‌های نوشتاری در زبان انگلیسی
RQ: استفاده از ابزارهای دیجیتال و AI در ارزیابی مهارت نوشتاری دانشجویان چه تفاوتی با ارزیابی انسانی دارد؟
فرضیه‌ها:
-
ارزیابی AI دقت و سرعت بیشتری نسبت به ارزیابی سنتی دارد.
-
ترکیب AI و ارزیابی انسانی می‌تواند روایی و پایایی بالاتری ارائه دهد.
اهداف:
-
مقایسه دقت و اعتبار ارزیابی انسانی و ماشینی.
-
ارائه مدل تلفیقی بهینه برای سنجش مهارت نوشتاری.
روش تحقیق: اجرای آزمون‌های نوشتاری + تحلیل کمی و کیفی نتایج + پرسشنامه رضایت شرکت‌کنندگان.
مدل مفهومی:
روش ارزیابی (انسانی ↔ AI ↔ ترکیبی) → دقت + روایی → سنجش مهارت نوشتاری → اثربخشی آموزش