پروژه‌ی نهایی: ساخت معلم خصوصی هوشمند چندوجهی و انطباقی با حافظه

سامانه‌های هوش مصنوعی در آموزش دیگر به پاسخ‌دهی متنی ساده یا حل مستقیم تمرین‌ها محدود نمی‌شوند. تولید ابزارهایی شبیه Khanmigo یا Duolingo Max نیازمند رویکردی مهندسی برای ایجاد تعامل پداگوژیک، مدل‌سازی میزان تسلط کاربر و استفاده از ورودی‌های چندوجهی (صوت، متن و تصویر معادلات ریاضی) است. چالش اصلی در اینجا، ساخت سیستمی است که به جای دادن پاسخ آماده، یادگیرنده را با پرسش‌های هدایت‌کننده به تفکر وا دارد.

در این پروژه‌ی پایانی جامع، شما معماری یک معلم خصوصی انطباقی را با استفاده از LangGraph، پایگاه داده‌ی گرافی Neo4j، الگوریتم ردگیری دانش بیزی (BKT) و پشته‌ی صوتی بلادرنگ LiveKit پیاده‌سازی می‌کنید. یاد می‌گیرید که چگونه حافظه‌ی رویدادی و معنایی فراگیر را مدیریت کنید و هم‌زمان اصول سخت‌گیرانه‌ی ایمنی و حریم خصوصی داده‌ها را در نظر بگیرید.

اگر برای بخش‌های مدل زبانی و تبدیل متن به گفتار از سرویس‌های ارائه‌دهنده‌ی خارجی (مانند Anthropic یا Cartesia) استفاده می‌کنید، توجه داشته باشید که کارت‌های بانکی ایرانی امکان پرداخت مستقیم به این سرویس‌ها را ندارند؛ در نتیجه برای تهیه یا شارژ اعتبار ممکن است نیاز به گیت‌وی‌های واسط یا راه‌حل‌های پرداختی جایگزین داشته باشید. همچنین بخش‌هایی مانند تبدیل گفتار یا پردازش تصویر را می‌توان در صورت دسترسی به سخت‌افزار محلی روی سیستم شخصی نیز میزبانی کرد.

سرویس‌های Khanmigo (متعلق به Khan Academy)، Duolingo Max، LearnLM / Gemini for Education از گوگل، Q-Chat از Quizlet و Synthesis Tutor همگی در سال 2026 سامانه‌های تدریس چندوجهی انطباقی را در مقیاس بالا به بازار عرضه کردند. ساختار مشترک همه‌ی آن‌ها بر پایه‌ی این اصول است: شیوه‌نامه‌ی سقراطی (Policy؛ هیچ‌وقت جواب نهایی را لو نده)، مدل یادگیرنده که پس از هر تعامل به‌روزرسانی می‌شود (به شیوه‌ی ردگیری دانش بیزی)، ورودی ترکیبی صوت + متن + عکس از فرمول‌های ریاضی، بازیابی از گراف برنامه‌ی درسی، زمان‌بندی تکرار فاصله‌دار، و فیلترهای ایمنی سرسخت برای متناسب‌سازی محتوا با سن مخاطب. پروژه‌ی نهایی این است که یک معلم خصوصی برای موضوعی مشخص (جبر دورهٔ دوم دبستان و متوسطه یا مقدمات پایتون) بسازید و عرضه کنید، یک مطالعه‌ی اثربخشی دوهفته‌ای روی 10 فراگیر اجرا کنید و از ممیزی ایمنی محتوا سربلند بیرون بیایید.

فازهای تمرین‌شده: P5 · P6 · P11 · P12 · P14 · P17 · P18
مدت زمان: 30 ساعت

صورت مسئله

تدریس انطباقی تا پیش از این حوزه‌ای پژوهشی در فناوری آموزش محسوب می‌شد؛ اما تا سال 2026 رسماً به محصولی برای مصرف‌کنندگان تبدیل شده است. اکنون Khanmigo در بیشتر حوزه‌های آموزشی مدارس آمریکا پیاده‌سازی شده است. تعداد کاربران فعال ماهانه‌ی Duolingo Max به ده‌ها میلیون نفر می‌رسد. LearnLM / Gemini for Education از گوگل موتور محرک آموزش در Google Classroom است. Quizlet Q-Chat دوشادوش فلش‌کارت‌ها قرار دارد و Synthesis Tutor با ایده‌ی «آموزش برای کودکان کنجکاو» وایرال شد. مؤلفه‌های مشترک این سامانه‌ها عبارت‌اند از: ورودی چندوجهی (تایپ، صوت، عکاسی از معادلات)، پداگوژی سقراطی (اول بپرس، بعد توضیح بده)، مدل یادگیرنده که پس از هر تعامل به‌روزرسانی می‌شود، و ایمنی سرسختانه‌ی متناسب با سن کاربر.

شما یکی از این سامانه‌ها را برای گروهی مشخص می‌سازید. معیار سنجش شما یک پژوهش اثربخشی واقعی است: مقایسه‌ی نمرات پیش‌آزمون و پس‌آزمون طی دو هفته با حضور 10 فراگیر. چرخه‌ی تبادل صدا باید طبیعی به نظر برسد (از زیرساخت بخش سوم پروژه‌ی پایانی کمک بگیرید). سیستم حافظه نیز باید حریم خصوصی را رعایت کند و فیلتر ایمنی بتواند از ارزیابی‌های تیم قرمز (Red-team) منطبق بر استانداردهای COPPA برای مقاطع پایه و متوسطه با موفقیت عبور کند.

مفهوم

سامانه از چهار بخش تشکیل می‌شود. شیوه‌نامه‌ی تدریس (Tutor policy) یک چرخه‌ی سقراطی است: وقتی فراگیر پاسخ نهایی را می‌خواهد، شیوه‌نامه او را با یک سؤال راهنما هدایت می‌کند؛ وقتی پاسخ درست داد، سراغ مفهوم بعدی می‌رود؛ و اگر در حل مسئله گیر کند، مرحله‌به‌مرحله به او راهنمایی می‌رساند (داربست‌بندی آموزشی یا Scaffolding). مدل یادگیرنده (Learner model) بر اساس الگوریتم ردگیری دانش بیزی (Bayesian knowledge tracing یا گونه‌ای ساده از آن) کار می‌کند که بعد از هر تعامل، احتمال تسلط بر هر گره در برنامه‌ی درسی را به‌روزرسانی می‌کند. گراف برنامه‌ی درسی (Curriculum graph) یک گراف Neo4j از مفاهیم با یال‌های پیش‌نیاز است؛ شیوه‌نامه این گراف را پیمایش می‌کند تا مفهوم بعدی را برگزیند. حافظه (Memory) نیز یک حافظه‌ی رویدادی (Episodic Memory) به همراه حافظه‌ی معنایی (مشابه کتابخانه‌ی agentmemory) است که تعاملات، اشتباهات و ترجیحات گذشته را در خود نگه می‌دارد.

تجربه‌ی کاربری چندوجهی است: ورودی متنی برای پاسخ‌های تایپی، ورودی صوتی از طریق LiveKit + Whisper (استفاده‌ی مجدد از بخش سوم پروژه‌ی پایانی)، ورودی تصویری برای مسائل ریاضی به‌کمک dots.ocr یا PaliGemma 2، و خروجی صوتی با استفاده از Cartesia Sonic-2. ایمنی سامانه توسط Llama Guard 4 به همراه یک فیلتر متناسب‌سازی سن (مسدودکننده‌ی محتوای بزرگسالان، خشونت و خودآزاری) و همچنین شیوه‌نامه‌ی نگهداری داده منطبق بر قوانین COPPA تأمین می‌شود.

تحویل نهایی، همان مطالعه‌ی اثربخشی است: 10 فراگیر، پیش‌آزمون و پس‌آزمون، طی دو هفته. باید میزان تغییر در رشد یادگیری و بازه‌ی اطمینان (Confidence interval) را گزارش کنید و در نهایت هم نتایج را با یک خط مبنا (Baseline) غیرانطباقی (ارائه‌ی همان محتوا به شکل خطی و بدون شیوه‌نامه‌ی تدریس سقراطی) بسنجید.

معماری

learner device
  |
  +-- text         -> web app
  +-- voice        -> LiveKit Agents (ASR + TTS)
  +-- photo math   -> dots.ocr / PaliGemma 2
       |
       v
  tutor policy (LangGraph)
       - Socratic decision head
       - next-concept chooser (curriculum graph walk)
       - hint scaffolder
       - mastery update
       |
       v
  learner model (BKT / item-response theory)
       - per-concept mastery probability
       - spaced-repetition scheduler (SM-2 or FSRS)
       |
       v
  memory (agentmemory-style)
       - episodic: every interaction
       - semantic: learned mistakes, preferences
       - retention policy: COPPA / GDPR aware
       |
       v
  curriculum graph (Neo4j)
       - prerequisite edges
       - OER content attached
       |
       v
  safety:
    Llama Guard 4 + age-appropriate filter
    memory access guarded by learner ID scope

پشته‌ی فناوری

• انتخاب موضوع: جبر مقاطع پایه یا مقدمات پایتون (یکی را انتخاب کنید تا روی آن عمیق شوید)
• شیوه‌نامه‌ی تدریس: فریم‌ورک LangGraph مبتنی بر Claude Sonnet 4.7 (با قابلیت کش کردن پرامپت)
• مدل یادگیرنده: ردگیری دانش بیزی (نسخه‌ی کلاسیک) یا FSRS برای زمان‌بندی فاصله‌دار مرورها
• گراف برنامه‌ی درسی: Neo4j از مفاهیم + یال‌های پیش‌نیاز + محتواهای آموزشی آزاد (OER)
• حافظه: پایگاه داده‌ی برداری پایدار + حافظه‌ی رویدادی + حافظه‌ی معنایی به سبک agentmemory
• صوت: ابزار LiveKit Agents 1.0 + مدل Cartesia Sonic-2 (استفاده‌ی مجدد از پشته‌ی فرعی بخش سوم پروژه‌ی پایانی)
• حل تصویری ریاضی: dots.ocr یا PaliGemma 2 برای بازشناسی معادلات
• ایمنی: Llama Guard 4 + فیلتر اختصاصی متناسب با سن
• ارزیابی: تولید سؤال بر اساس سطوح یادگیری بلوم، بستر آزمایشی (Test harness) پیش‌آزمون و پس‌آزمون، ابزارهای مطالعه‌ی اثربخشی

پیاده‌سازی

1. گراف برنامه‌ی درسی. یک گراف در Neo4j با 50 تا 150 گره‌ی مفهومی بسازید (مثلاً برای جبر مقاطع پایه، از «محور اعداد» تا «فرمول معادلاتی درجه دوم») و یال‌های پیش‌نیاز را بین آن‌ها تعریف کنید. محتوای آموزشی آزاد (مانند Open Textbook یا OpenStax) را به هر گره متصل کنید.

2. مدل یادگیرنده. الگوریتم ردگیری دانش بیزی را با مقادیر پیشین (Priors) راه‌اندازی کنید: حدس (Guess)، خطای تصادفی (Slip)، و نرخ یادگیری (Learn-rate). بعد از هر تعامل، میزان تسلط بر آن مفهوم را به‌روزرسانی کنید و داده‌ها را به ازای هر فراگیر نگه‌داری نمایید.

3. شیوه‌نامه‌ی تدریس. یک گراف در LangGraph با این گره‌ها بسازید: read_signal (آیا پاسخ فراگیر درست بود؟ ناقص بود؟ یا گیر کرده بود؟)، select_concept (پیمایش گراف برنامه‌ی درسی و انتخاب مفهومی با بالاترین اولویت)، scaffold (پرامپت سقراطی)، و update_mastery.

4. حافظه. هر تعامل در حافظه‌ی رویدادی ذخیره می‌شود. اشتباهات و ترجیحات فراگیر به حافظه‌ی معنایی منتقل می‌شوند. برای رعایت قانون COPPA، شیوه‌نامه‌ی نگهداری تعریف کنید: حذف خودکار بعد از 1 سال و امکان دسترسی والدین.

5. مسیر صوتی. یک ورکر بر پایه‌ی LiveKit Agents متصل به شیوه‌نامه‌ی تدریس راه‌اندازی کنید. تبدیل گفتار به متن (ASR) با Whisper-v3-turbo و تبدیل متن به گفتار (TTS) با Cartesia Sonic-2 انجام شود. از قابلیت ورود ناگهانی به کلام (Barge-in) پشتیبانی کنید (با استفاده از سازوکارهای بخش سوم پروژه‌ی پایانی).

6. مسیر حل تصویری مسائل ریاضی. امکان بارگذاری یا گرفتن عکس را فراهم کنید؛ با اجرای dots.ocr یا PaliGemma 2 فرمول را بخوانید و سپس آن را به‌صورت ورودی ساختاریافته به سیستم تحویل دهید.

7. ایمنی. همه‌ی خروجی‌های مدل باید از فیلتر Llama Guard 4 به اضافه‌ی یک فیلتر متناسب با سن (مسدودکننده‌ی خودآزاری، محتوای بزرگسالان و خشونت) عبور کنند. دامنه‌ی دسترسی به حافظه را به شناسه‌ی هر فراگیر محدود کنید و بستری برای حذف داده‌ها توسط والدین بسازید.

8. مطالعه‌ی اثربخشی. 10 فراگیر را گرد هم بیاورید: پیش‌آزمون (یک خط مبنای استاندارد شامل 30 سؤال)، دو هفته تعامل با سامانه‌ی تدریس (3 نشست در هفته)، و سپس پس‌آزمون. نتایج را با یک گروه خط مبنای 10 نفره مقایسه کنید که همان محتوا را بدون حالت انطباقی مطالعه کرده‌اند.

9. گزارش‌های پیشرفت هفتگی. به ازای هر فراگیر، یک فایل PDF به‌صورت خودکار بسازید که خلاصه‌ای از مباحث تمرین‌شده، مسیر رشد تسلط و گام‌های پیشنهادی بعدی را نشان دهد.

استفاده از سیستم

learner: "I don't understand why 3x + 6 = 12 means x = 2"
[signal]   stuck
[concept]  'isolating variables' (prerequisite: addition-subtraction-equality)
[scaffold] "what number would you subtract from both sides to start?"
learner: "6"
[signal]   correct
[mastery]  addition-subtraction-equality: 0.62 -> 0.77
[concept]  continue 'isolating variables'
[scaffold] "great. now what is 3x / 3 equal to?"

خروجی نهایی

فایل outputs/skill-ai-tutor.md خروجی تحویلی شماست: یک معلم خصوصی انطباقی برای موضوعی مشخص، مجهز به ورودی چندوجهی، مدل یادگیرنده، حافظه، ایمنی، و اثربخشی اندازه‌گیری‌شده.

تمرین‌ها

1. مطالعه‌ی اثربخشی را یک‌بار با مدل یادگیرنده‌ی انطباقی و بار دیگر بدون آن (با ترتیب تصادفی مفاهیم) اجرا کنید. اختلاف را گزارش دهید. طبیعتاً انتظار می‌رود روش انطباقی بهتر عمل کند، اما اندازه‌ی این اختلاف نکته‌ی جالب ماجراست.

2. یک آزمون ارزیابی (Probe) چندوجهی اضافه کنید: یک سؤال مفهومیِ یکسان را در قالب متن، صوت و تصویر ارائه دهید. بسنجید که آیا فراگیران با قالبی که خودشان ترجیح می‌دهند، سریع‌تر به فهم مطلب می‌رسند یا خیر.

3. یک داشبورد برای والدین بسازید: مباحث تمرین‌شده، مسیر رشد تسلط، مفاهیم پیش‌رو، و رویدادهای امنیتی (فعال شدن هر گاردریل). این داشبورد باید کاملاً مطابق با الزامات COPPA باشد.

4. قابلیت تعویض زبان را پیاده‌سازی کنید: معلم بتواند ورودی اسپانیایی را بفهمد و به همان زبان تدریس کند. گستره‌ی پوشش X-Guard را اندازه بگیرید.

5. حریم خصوصی حافظه را تحت فشار بسنجید: بررسی کنید که فراگیر الف نتواند حتی از طریق حمله‌ی بارگذاری مجدد کلیپ صوتی (Voice-clip re-ingest attack)، به داده‌های فراگیر ب دست پیدا کند. هر تلاش برای دسترسی غیرمجاز را لاگ کنید و هشدار بفرستید.

اصطلاحات کلیدی

برای مطالعه‌ی بیشتر

• Khanmigo (Khan Academy) — سامانه‌ی مرجع آموزش مقاطع پایه و متوسطه
• Duolingo Max — سامانه‌ی مرجع یادگیری زبان
• Google LearnLM / Gemini for Education — مدل مرجع (Reference model) میزبانی‌شده
• Quizlet Q-Chat — مرجع تکمیلی
• Synthesis Tutor — نمونه‌ی استارتاپی مرجع
• FSRS algorithm — اسکژولر تکرار فاصله‌دار
• Bayesian Knowledge Tracing — روش کلاسیک مدل یادگیرنده
• LiveKit Agents — پشته‌ی صوتی تعاملی