دانشگاه قمپژوهش در روشهای آموزش2981-10743520260220Technical Challenges of Implementing Artificial Intelligence Tools in Face-to-Face and Virtual Education: A Systematic Reviewچالشهای فنی پیادهسازی ابزارهای هوش مصنوعی در آموزش حضوری و مجازی (یک مرور نظاممند)418426910.22091/jrim.2026.13803.1371FAرحیمکریمیدانش آموخته رشته مدیریت آموزشی ، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران0000-0002-2774-4080Journal Article20250904The digital transformation of educational systems has positioned Artificial Intelligence (AI) as a cornerstone of innovation. Despite its considerable potential in personalizing learning, optimizing assessment processes, and empowering teachers, the practical implementation of AI faces complex technical barriers. These barriers vary in nature and intensity across face-to-face and virtual learning environments. This study aims to identify and critically analyze the technical challenges of integrating AI tools in both contexts and to propose evidence-based strategies to overcome them. The research employs a Systematic Literature Review (SLR). Reputable databases, including IEEE Xplore, ScienceDirect, and Springer, were searched using specialized keywords and Boolean operators. Studies published between 2020 and 2025 that specifically addressed technical barriers to AI adoption in education were screened according to inclusion and exclusion criteria. The selection process was documented using the PRISMA flow diagram. The analysis revealed six main categories of technical challenges: (1) data-related issues, including privacy, security, quality, and bias; (2) infrastructural challenges, such as high computational power and stable bandwidth requirements; (3) algorithmic and modeling issues, including the opacity of models (black-box problem) and reliability concerns; (4) integration and interoperability challenges with existing Learning Management Systems (LMS); (5) user experience (UX) and user interface (UI) issues for non-technical stakeholders; and (6) challenges of long-term maintenance, scalability, and technical sustainability. Results further indicated that, in virtual settings, network latency and data security are more critical, whereas in face-to-face settings, integration with classroom hardware poses greater challenges.
Successful implementation of AI in education requires a comprehensive and multidimensional approach that extends beyond tool selection. Key strategies include investing in robust infrastructures, establishing data standards, developing explainable AI (XAI) models, designing modular platforms with high interoperability, and providing technical training for teachers. By offering an analytical framework of technical barriers, this study supports IT managers, educational policymakers, and software developers in designing more efficient and realistic AI implementation strategiesدر پی تحول دیجیتال نظامهای آموزشی، هوش مصنوعی به عنوان یک رکن اصلی نوآوری مطرح شده است؛ با این حال، پیادهسازی عملی آن با موانع فنی پیچیدهای در هر دو محیط حضوری و مجازی روبهرو است. این مطالعه با هدف شناسایی و تحلیل این چالشها و ارائه راهکارهای مبتنی بر شواهد، به انجام یک مرور نظاممند (SLR) پرداخت. پژوهش حاضر با هدف شناسایی و تحلیل عمیق چالشهای فنی بهکارگیری ابزارهای هوش مصنوعی در این دو محیط آموزشی و ارائه راهکارهای مبتنی بر شواهد برای غلبه بر آنها انجام شده است. این مطالعه از روش مرور نظاممند ادبیات [1] بهره میبرد. جستجو در پایگاههای داده IEEE Xplore، ScienceDirect و Springer با کلیدواژههای تخصصی انجام و از پروتکل PRISMA برای غربالگری مقالات منتشرشده بین سالهای ۲۰۲۰ تا ۲۰۲۵ استفاده شد که در نهایت از میان ۱۰۳۵ مقاله شناساییشده، ۳۰ مقاله واجد شرایط برای تحلیل نهایی انتخاب گردید. یافتهها شش دسته چالش فنی اصلی را نشان داد: مسائل مرتبط با داده (حریم خصوصی، امنیت، کیفیت، سوگیری)، محدودیتهای زیرساختی، مشکلات الگوریتمی و مدلسازی (شامل مشکل جعبه سیاه)، دشواریهای یکپارچهسازی با سامانههای مدیریت یادگیری، چالشهای تجربه کاربری برای کاربران غیرفنی و مسائل نگهداری و مقیاسپذیری در بلندمدت. همچنین مشخص شد که در محیطهای مجازی، تأخیر شبکه و امنیت دادهها بحرانیتر است، در حالی که در محیطهای حضوری، یکپارچهسازی با سختافزارهای کلاسی چالش بزرگتری ایجاد میکند. نتیجهگیری کلی حاکی از آن است که موفقیت در پیادهسازی هوش مصنوعی مستلزم رویکردی همهجانبه شامل سرمایهگذاری در زیرساخت، تدوین استانداردهای داده، توسعه مدلهای قابل توضیح[2] (XAI)[3]، طراحی پلتفرمهای تعاملپذیر و آموزش فنی مربیان است. این چارچوب تحلیلی میتواند راهنمای مدیران فناوری، سیاستگذاران و توسعهدهندگان در تدوین راهبردهای واقعبینانه و کارآمد باشد.https://jrim.qom.ac.ir/article_4269_404a2c4b734366af73dd1bf216404794.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Opportunities and Challenges of Artificial Intelligence in Higher Education: A Systematic Reviewفرصتها و چالشهای هوش مصنوعی در آموزش عالی: یک مرور نظاممند1934426610.22091/jrim.2025.13842.1378FAقاسماسلامیدانشیار، گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، ایران.0000-0001-8708-2368فاطمهقربانیدانشجوی دکتری، گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، ایران.0009-0000-8973-3339Journal Article20250908Artificial intelligence has emerged over recent decades as one of the most transformative technologies across various fields, particularly in higher education. The introduction of tools such as adaptive learning systems, intelligent chatbots, and generative AI has created multiple opportunities for enhancing educational quality, personalizing learning, reducing faculty workload, and increasing student engagement and motivation.This study, employing a systematic review approach and based on the framework of Okoli and Schabram (2010), examines 24 selected articles from reputable scientific databases to provide a comprehensive overview of the applications, opportunities, and challenges of AI in higher education.The findings indicate that the use of ChatGPT and similar technologies leads to significant improvements in academic performance, enhances critical and creative thinking skills, increases student satisfaction, and reduces stress. Furthermore, these tools play a vital role in enabling personalized education and ensuring equitable access to learning resources. On the other hand, research highlights the potential of AI in facilitating instructional and administrative tasks for faculty members, positioning it as a key driver in transforming traditional educational structures. Nevertheless, challenges such as ethical concerns, data privacy protection, the risk of excessive student dependence on technology, reduced independent learning, and the lack of infrastructure and skills among instructors pose serious barriers to the effective adoption of AI. The review also reveals that most studies have been conducted in developed countries, with managerial, cultural, and human aspects receiving less attention.Therefore, the results underscore the need for more comprehensive studies and the contextualization of AI applications in higher education. Overall, the evidence suggests that the intelligent and responsible use of AI can play a crucial role in improving the quality of university learning and teaching, paving the way for the transformation of modern educational systems.هوش مصنوعی طی دهههای اخیر به یکی از فناوریهای تحولآفرین در عرصههای گوناگون، بهویژه آموزش عالی، تبدیل شده است. ورود ابزارهایی مانند سیستمهای یادگیری تطبیقی، چتباتهای هوشمند و هوش مصنوعی مولد فرصتهای متعددی برای ارتقای کیفیت آموزش، شخصیسازی یادگیری، کاهش بار کاری استادان و افزایش تعامل و انگیزش دانشجویان فراهم آورده است. این پژوهش با رویکرد مرور نظاممند و بر اساس چارچوب اوکولی و شابرام (Okoli & Schabram, 2010) به بررسی ۲۴ مقاله منتخب از پایگاههای معتبر علمی پرداخته تا تصویری جامع از فرصتها و چالشهای هوش مصنوعی در آموزش عالی ارائه دهد. نتایج نشان میدهد که استفاده از ChatGPT و فناوریهای مشابه موجب بهبود معنادار در عملکرد تحصیلی، ارتقای مهارتهای تفکر انتقادی و خلاقانه، افزایش رضایت و کاهش استرس دانشجویان شده است. همچنین، این ابزارها نقش مهمی در فراهمکردن آموزش شخصیسازیشده و دسترسی برابر به منابع یادگیری دارند. از سوی دیگر، پژوهشها بیانگر ظرفیت هوش مصنوعی در تسهیل وظایف آموزشی و اداری استادان بوده و آن را به عاملی مؤثر در تحول ساختارهای سنتی آموزش بدل کردهاند. با این حال، چالشهایی همچون نگرانیهای اخلاقی، حفظ حریم خصوصی دادهها، خطر وابستگی بیش از حد دانشجویان به فناوری، کاهش یادگیری مستقل و کمبود زیرساختها و مهارتهای لازم در میان استادان، موانعی جدی در مسیر بهرهبرداری مؤثر از این فناوری به شمار میروند. مرور مطالعات همچنین نشان میدهد که بیشتر تحقیقات در بستر کشورهای توسعهیافته انجام شده و جنبههای مدیریتی، فرهنگی و انسانی کمتر مورد توجه قرار گرفته است. بنابراین، نتایج این پژوهش بر ضرورت انجام مطالعات جامعتر و بومیسازی کاربردهای هوش مصنوعی در آموزش عالی تأکید میکند. بهطور کلی، یافتهها حاکی از آن است که بهرهگیری هوشمندانه و مسئولانه از هوش مصنوعی میتواند نقش بسزایی در ارتقای کیفیت یادگیری و آموزش دانشگاهی ایفا کند و مسیر تحول نظامهای آموزشی مدرن را هموار سازد.https://jrim.qom.ac.ir/article_4266_b30ad3038a8070c8e599256d174cf377.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305From Tool to Intelligent Facilitator: Exploring the Role of ChatGPT in Transforming English Language Classroomsاز ابزار تا تسهیلگر هوشمند: واکاوی نقش چتجیپیتی در تحول کلاسهای درس زبان انگلیسی3557426510.22091/jrim.2025.13838.1377FAنفیسهصالحیاستادیار گروه آموزش زبان انگلیسی، دانشگاه فرهنگیان، تهران، ایران.0009-0002-8650-4148Journal Article20250908The use of artificial intelligence in language education is rapidly accelerating, introducing transformative innovations that are profoundly enriching and personalizing the learning experience. Through tools like adaptive intelligent systems and conversational chatbots, this technology is not only democratizing access to educational content but also facilitating interactive learning customized to the individual needs of each language learner. This qualitative study examines the role of ChatGPT, as one of the most advanced AI tools, in reshaping the English language classrooms. Using a purposive sampling method, the research engaged 15 upper-secondary English teachers from Semnan province, Iran. Data were gathered via semi-structured interviews and direct classroom observations, then analyzed using thematic analysis. To ensure validity, the study employed peer review, member check, and data triangulation. The findings indicate that the integration of ChatGPT fosters positive change in four key domains: enhanced student interaction and participation, personalized learning processes, optimized instructional time, and expanded access to resources. Nonetheless, several challenges were identified, including instructors’ insufficient digital literacy, an over-reliance on ChatGPT by both teachers and students, concerns regarding the accuracy of AI-generated content, infrastructural and support limitations, and a lack of clear regulatory policies and frameworks. In response to these challenges, participants proposed solutions centered on three primary strategies: establishing regulatory guidelines, empowering educators through training, and implementing effective techno-pedagogical methods. The study concludes that while ChatGPT holds immense potential to redefine the language learning ecosystem, its successful integration hinges on empowering teachers, developing innovative pedagogical strategies, and maintaining a balanced, critical perspective on its capabilitiesکاربرد هوش مصنوعی در آموزش زبان، با شتابی فزاینده درحال پیشرفت است و با ارائه نوآوریهای تحولآفرین، تجربه یادگیری را بهطور چشمگیری غنیتر و شخصیتر میسازد. این فناوری با ابزارهایی مانند سیستمهای هوشمند تطبیقی و چتباتهای گفتوگومحور، نهتنها دسترسی به محتوای آموزشی را همگانی کرده، بلکه امکان یادگیری تعاملی و منطبق بر نیازهای فردی هر زبانآموز را فراهم میکند. پژوهش کیفی حاضر به واکاوی نقش چتجیپیتی، به عنوان یکی از پیشرفتهترین ابزارهای هوش مصنوعی، در تحول کلاسهای درس زبان انگلیسی میپردازد. بدین منظور، با استفاده از روش نمونهگیری هدفمند، ۱۵ مدرس زبان انگلیسی مقطع متوسطه دوم در استان سمنان انتخاب و اطلاعات از طریق مصاحبههای نیمهساختاریافته و مشاهده مستقیم کلاسهای درس گردآوری شد. دادهها با استفاده از روش تحلیل مضمون تجزیه و تحلیل و بهمنظور تأمین اعتبار، از راهبردهای بازبینی همتایان، اعتبارسنجی مشارکتکنندگان و مثلثسازی دادهها استفاده شد. یافتههای پژوهش نشان داد که بهکارگیری چتجیپیتی، موجب ایجاد تحول مثبت در چهار حوزۀ کلیدی: افزایش تعامل و مشارکت زبانآموزان، شخصیسازی فرآیند یادگیری، بهینهسازی زمان آموزشی و دسترسی گسترده به منابع شده است. با این حال، چالشهای متعددی نیز شناسایی شد که از جمله آنها میتوان به سواد دیجیتالی ناکافی مدرسان، وابستگی بیش از حد مدرسان و زبانآموزان به چتجیپیتی، نگرانی درباره صحت و دقت محتوای تولیدی، محدودیتهای زیرساختی و حمایتی، و فقدان سیاستها و چهارچوبهای نظارتی شفاف اشاره کرد. شرکتکنندگان برای مقابله با این چالشها، راهکارهایی را در سه محور اصلی ارائه دادند: تدوین راهبردهای نظارتی، توانمندسازی مدرسان، و بهرهگیری از راهبردهای آموزشی-فناورانه. این مطالعه نتیجه میگیرد که اگرچه چتجیپیتی پتانسیل فوقالعادهای برای بازتعریف اکوسیستم آموزش زبان دارد، موفقیت آن در گرو توانمندسازی مربیان، توسعه راهبردهای نوین تدریس و اتخاذ نگاهی متعادل و نقادانه به قابلیتهای آن استhttps://jrim.qom.ac.ir/article_4265_68997ad85e4a8a1d8ec0c74a06178c24.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Investigating the Relationship between Digital Leadership and Artificial Intelligence Literacy with Teachers' Teaching Effectiveness Through the Mediation of Career Motivation and Cognitive Flexibilityبررسی رابطه بین رهبری دیجیتال و سواد هوش مصنوعی با اثربخشی تدریس معلمان از طریق میانجی انگیزه شغلی و انعطافپذیری شناختی5879406410.22091/jrim.2026.14574.1439FAمعصومهباقرپور جدیکارشناسی ارشد مدیریت آموزشی، گروه علوم تربیتی، دانشگاه آزاد اسلامی، اردبیل، ایرانکمالنصرتی هشی. استادیار گروه آموزش علوم تربیتی، دانشگاه فرهنگیان، تهران، ایران.0000-0002-8175-5637مرتضیگلشنی گهرازدانشجوی کارشناسی ارشد روانشناسی تربیتی، گروه روانشناسی و مشاوره، دانشگاه فرهنگیان، تهران، ایران.0000-0001-5299-9846Journal Article20251118The present study aimed to investigate the relationship between digital leadership and artificial intelligence (AI) literacy with teachers’ teaching effectiveness, mediated by job motivation and cognitive flexibility. To achieve this objective, a descriptive-correlational method utilizing structural equation modeling was employed. The research population consisted of sixth-grade teachers in Ardabil city, totaling approximately 550 individuals. A sample of 229 teachers was determined using the Krejcie and Morgan table through quota sampling. The research instruments included five questionnaires: the Digital Leadership Questionnaire developed by Kokkonos et al. (2025), the AI Literacy Scale by Ng et al. (2023), the Job Motivation Questionnaire by Mohammadi Aghajeri (1996), the Cognitive Flexibility Scale by Dennis and Vander Wal (2010), and the Teaching Effectiveness Questionnaire by Mahmoudi et al. (2019). Data analysis was conducted using SPSS 26 and Smart PLS 3 software. The findings revealed that teachers’ AI literacy (path coefficient = 0.189, t = 2.157), job motivation (path coefficient = 0.258, t = 2.441), and cognitive flexibility (path coefficient = 0.271, t = 3.704) had significant relationships with teaching effectiveness at the 95% confidence level. In contrast, the relationship between digital leadership and teaching effectiveness (path coefficient = 0.072, t = 0.804) was not significant. Moreover, results indicated that digital leadership had a significant indirect effect on teaching effectiveness through the mediation of job motivation (path coefficient = 0.168, t = 2.328), whereas other indirect pathways—including mediations of job motivation and cognitive flexibility in the relationships between digital leadership and AI literacy with teaching effectiveness—were not significant. These findings highlight the importance of directly enhancing components such as AI literacy, job motivation, and cognitive flexibility to improve teaching quality. They also suggest that teachers’ professional development should be strategically designed to focus on these dimensions.هدف پژوهش حاضر بررسی رابطه بین رهبری دیجیتال و سواد هوش مصنوعی با اثربخشی تدریس معلمان از طریق میانجی انگیزه شغلی و انعطافپذیری شناختی بود. برای دستیابی به این هدف از روش توصیفی - همبستگی به کمک مدلسازی معادلات ساختاری استفاده گردید. جامعه پژوهش حدود 550 نفر از معلمان پایه ششم شهر اردبیل بود. نمونه پژوهش 229 نفر با استفاده از جدول گرجسی مورگان و به روش سهمیهای تعیین گردید. ابزار پژوهش پنج پرسشنامه رهبری دیجیتال کوکونوس و همکاران (Kokonos et al., 2025) سواد هوش مصنوعی نگ و همکاران(Ng et al,2023) ، انگیزه شغلی محمدی آقاجری (Mohammadi Aghajeri,1996)، انعطافپذیری شناختی دنیز و واندروال (Dennis & Vander Wal, 2010) و اثربخشی تدریس محمودی و همکاران (et al., 2019 (Mahmoudi بود. برای تجزیه و تحلیل دادهها از نرمافزار Spss26 و Smart pls3 استفاده شد. یافتههای پژوهش نشان داد که میان سواد هوش مصنوعی معلمان (ضریب مسیر 0.189، آماره t=157/2)، انگیزه شغلی (ضریب مسیر 0.258، آماره t=441/2) و همچنین انعطافپذیری شناختی معلمان (ضریب مسیر 0.271، آماره t= 704/3) با اثربخشی تدریس رابطهای معنادار در سطح 95 درصد وجود دارد. در مقابل، رابطه بین رهبری دیجیتال و اثربخشی تدریس (ضریب مسیر 0.072، آماره0/804 t=) معنادار نبود. همچنین، نتایج نشان داد که رهبری دیجیتال از طریق میانجی انگیزه شغلی تأثیر معناداری بر اثربخشی تدریس دارد (ضریب مسیر 0.168، آماره t=2/328)، اما سایر مسیرهای غیرمستقیم از جمله میانجیگری انگیزش شغلی و انعطافپذیری شناختی در رابطه بین رهبری دیجیتال و سواد هوش مصنوعی با اثربخشی تدریس معنادار نبودند. این یافتهها بر اهمیت تقویت مستقیم مؤلفههایی همچون سواد هوش مصنوعی، انگیزه شغلی و انعطافپذیری شناختی در بهبود کیفیت تدریس تأکید دارد و نشان میدهد که توسعه حرفهای معلمان باید بهصورت هدفمند بر این ابعاد متمرکز شود.https://jrim.qom.ac.ir/article_4064_73c4bcf9f04ef6304b0c529fde91be40.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305An Analysis of the Application of Artificial Intelligence in Technical and Vocational Educationواکاوی کاربرد هوش مصنوعی در آموزشهای فنی و مهارتی8097427010.22091/jrim.2026.13806.1373FAسیده فاطمهحسینیکارشناسی ارشد کامپیوتر (نرمافزار)، معاون آموزشی مجتمع پویااندیشان علوی شیراز، ایران0009-0008-1957-7957مصطفیقادری دهکردیدکتری شهرسازی، دانشکدۀ معماری و شهرسازی، دانشگاه شهید بهشتی، تهران، ایران.0009-0001-7626-3574Journal Article20250905With the rapid expansion of emerging technologies-especially artificial intelligence (AI)-technical and vocational education and training (TVET) systems are confronting profound opportunities and challenges. As the labor market increasingly requires advanced, technology-based skills, examining the role and capacities of AI in enhancing the quality, efficiency, and personalization of skills training has become imperative. Despite scattered studies in this field, a gap remains in deep understanding of the key themes and the conceptual relationships between AI’s technical components and the contextual requirements of Iran’s TVET. Accordingly, the present study aims to identify and analyze the underlying dimensions and latent themes related to AI applications in technical and vocational education.
This research employed a qualitative approach using thematic analysis. Data were collected through semi-structured interviews with 14 experts in AI, skills training, and educational technology. The data were coded and analyzed with MAXQDA, and EndNote was used to organize the scholarly sources. In total, the analysis yielded 47 initial codes, 8 central themes, and a single selective (overarching) theme.
The findings indicate that AI-through pillars such as personalized learning, educational data analytics, intelligent interactions, and emerging technologies, and with due consideration of cultural, ethical, and infrastructural challenges-can play a significant role in transforming technical and vocational education. Ultimately, by proposing a nested conceptual model, the study explicates the relationships between macro- and micro-level themes and offers an actionable framework for designing AI-enabled instructional programs.با گسترش روزافزون فناوریهای نوظهور، بهویژه هوش مصنوعی، نظامهای آموزشی فنی و مهارتی با فرصتها و چالشهای بنیادینی مواجه شدهاند. در شرایطی که بازار کار نیازمند مهارتهای پیشرفته و مبتنی بر فناوری است، بررسی نقش و ظرفیتهای هوش مصنوعی در ارتقای کیفیت، کارآمدی و شخصیسازی آموزشهای مهارتی به ضرورتی اجتنابناپذیر بدل شده است. علیرغم مطالعات پراکنده در این حوزه، خلأیی در درک عمیق از مضامین کلیدی و روابط مفهومی میان مؤلفههای فنی هوش مصنوعی و الزامات بومی آموزشهای فنی ایران وجود دارد. بر این اساس، پژوهش حاضر با هدف شناسایی و تحلیل ابعاد و مضامین پنهانِ مرتبط با کاربردهای هوش مصنوعی در آموزشهای فنی و مهارتی انجام شده است.
این پژوهش با رویکرد کیفی و با استفاده از راهبرد تحلیل مضمون انجام شده و دادهها از طریق مصاحبههای نیمهساختاریافته با ۱۴ نفر از خبرگان حوزههای هوش مصنوعی، آموزشهای مهارتی و فناوری آموزشی گردآوری شده است. دادههای حاصل با استفاده از نرمافزار MAXQDA کدگذاری و تحلیل شد و برای سازماندهی منابع علمی از نرمافزار EndNote بهره گرفته شد. در مجموع، از تحلیل دادهها، 47 کد اولیه، 8 مضمون محوری و یک مضمون انتخابی بهدست آمد.
یافتهها نشان میدهند که هوش مصنوعی از طریق محورهایی همچون شخصیسازی یادگیری، تحلیل دادههای آموزشی، تعاملات هوشمند، فناوریهای نوین و نیز با درنظر گرفتن چالشهای فرهنگی، اخلاقی و زیرساختی، میتواند نقش مؤثری در تحول آموزشهای فنی و مهارتی ایفا کند. درنهایت، پژوهش حاضر با ارائه یک مدل تودرتوی مفهومی، روابط میان مضامین کلان و خرد را تبیین کرده و چارچوبی قابل کاربرد برای طراحی برنامههای آموزشی هوشمند ارائه میدهد.https://jrim.qom.ac.ir/article_4270_c8670d0e8997831e889903850f07c50e.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260220Assessing the Effectiveness of Artificial Intelligence in the Implementation of Teaching Methods in Primary Educationبررسی کارایی هوش مصنوعی در اجرای روشهای تدریس در آموزش ابتدایی98118374810.22091/jrim.2025.13691.1363FAمصطفیایمان فراستادیار گروه آموزش ریاضی، دانشگاه فرهنگیان، تهران، ایران0009-0003-1999-9344سیدمجیدمقیمیاستادیار گروه آموزش زبان و ادبیات فارسی، دانشگاه فرهنگیان، تهران، ایران.0009-0005-3397-4893Journal Article20250826The aim of this study is to investigate the impact of artificial intelligence (AI) on the implementation of teaching methods. The main research question is whether AI can effectively assist primary school teachers as an intelligent assistant in carrying out the stages of instructional methods. This study was designed and conducted using a mixed-methods approach in three phases. In the first phase, ten modern teaching methods were selected based on specific criteria such as active learning, student participation, group activities, and continuous feedback; their characteristics were extracted. In the second phase, the effectiveness of AI as a teacher assistant in implementing instructional methods was qualitatively examined and analyzed. Given that the research focuses on the facilitating role of AI in supporting teachers’ instructional tasks, a series of questions were posed to AI chatbots involving the provision of strategies and suggestions for each teaching stage. The AI's performance was then analyzed through the lens of this teacher-AI interaction. In the third phase, both qualitative and quantitative findings were analyzed and interpreted. Findings revealed that out of 55 instructional stages examined, AI demonstrated the ability to provide effective collaboration and useful suggestions in 32 stages (58%). An analysis of content generated by AI chatbots in the context of teaching sixth-grade mathematics and first-grade Persian demonstrated that this technology can provide meaningful and effective support to educators across various stages of instructional implementation.هدف از این پژوهش بررسی تأثیر هوش مصنوعی در اجرای روشهای تدریس است و پرسش اصلی آن بدین قرار است که آیا استفاده از هوش مصنوعی میتواند معلمان در دورۀ ابتدایی را چون دستیاری هوشمند در اجرای مراحل روشهای تدریس به صورت مؤثر یاری دهد؟ این پژوهش با ترکیبی از روشهای کیفی و کمی و در سه مرحله طراحی و اجرا گردیده است. در مرحلۀ اول: 10 روش نوین تدریس براساس معیارهایی مشخصی چون: یادگیری فعال، مشارکت دانشآموزان، فعالیتهای گروهی و بازخورد مستمر، انتخاب و ویژگیهای آنها استخراج گردید. در مرحلۀ دوم: کارایی هوش مصنوعی در نقش دستیار معلم در اجرای روشهای تدریس بهصورت کیفی مورد بررسی و تحلیل قرار گرفت. با توجه به اینکه این تحقیق بر نقش تسهیلگری هوش مصنوعی بر وظایف معلم در اجرای روشهای تدریس تأکید می ورزد، سؤالاتی با مضمون ارائه راهکار و پیشنهاد در اجرای مراحل روش تدریس از چتباتهای هوش مصنوعی طرح گردید و عملکردش از خلال این تعامل (میان معلم و هوش مصنوعی) تحلیل و بررسی شد. در مرحلۀ سوم: یافتههای کیفی و کمی تحلیل و تبیین شدند. یافتهها نشان داد که از مجموع ۵۵ مرحلۀ روشهای تدریس بررسی شده، هوش مصنوعی در ۳۲ مرحله (۵۸ درصد) قابلیت همکاری و ارائۀ راهبرد و پیشنهاد مؤثر به معلم را دارد. بررسی نمونههایی از مطالب ارائه شده توسط چتباتهای هوش مصنوعی در تدریس ریاضی پایۀ ششم و فارسی پایۀ اول نشان داد که این فناوری میتواند در مراحل مختلف اجرای روشهای تدریس به صورت توانمند و مؤثر به معلم کمک کند.https://jrim.qom.ac.ir/article_3748_3ce8812d40b53fbff7dcd4b56d65dcb1.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305The Impact of Applying Artificial Intelligence and Digital Competencies on Organizational Excellence: The Mediating Role of Employee Competenciesتأثیر کاربرد هوش مصنوعی و شایستگیهای دیجیتال بر تعالی سازمانی با نقش میانجی شایستگیهای کارکنان119134395410.22091/jrim.2025.13940.1388FAمرضیهدهقانیزادهاستادیار گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه پیامنور، تهران، ایران0000-0002-7676-1100محمد مهدییاوریکارشناس ارشد گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه پیامنور، تهران، ایران0009-0005-1573-5792بیبی مهدیهدهقانیتفتیکارشناس ارشد گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه پیامنور، تهران، ایران0009-0009-8751-6854Journal Article20250921The present study investigates the impact of applying artificial intelligence and digital competencies on organizational excellence, emphasizing the mediating role of employee competencies within the Yazd governor's office. This research was applied in purpose and descriptive–correlational in nature and methodology. The statistical population comprised all permanent employees of the Yazd goverenor's office (N=270), from which 159 individuals were selected using a simple random sampling method. Standardized questionnaires were employed for data collection, and the hypotheses were tested using structural equation modeling. The findings showed that applying artificial intelligence (β = 0.262) and digital competencies (β = 0.233) have a direct and significant impact on organizational excellence. Also, employee competencies as a mediating variable strengthened this relationship (β = 0.098 and β = 0.140). The results of this study indicate that investing in the development of artificial intelligence and digital competencies of employees can be considered as a key strategy for achieving organizational excellence in government institutions, and in this regard, employee competencies also act as a mediating variable. By providing a practical framework, this study provides the ground for policymakers to digital transformation and improve organizational performance.هدف پژوهش حاضر، بررسی تأثیر کاربرد هوش مصنوعی و شایستگیهای دیجیتال بر تعالی سازمانی با نقش میانجی شایستگیهای کارکنان در استانداری یزد بود. روش این پژوهش از نظر هدف، کاربردی و از نظر ماهیت و روش گردآوری داده ها توصیفی - همبستگی بود. جامعه آماری این پژوهش شامل کلیه کارکنان رسمی استانداری یزد (۲۷۰ نفر) بود که ۱۵۹ نفر به روش نمونهگیری تصادفی ساده انتخاب شدند. ابزار گردآوری دادهها در این پژوهش، پرسشنامههای استاندارد بود و فرضیات پژوهش با تکنیک مدلیابی معادلات ساختاری تحلیل شدند. یافتهها نشان داد که کاربرد هوش مصنوعی (262/0=β) و شایستگیهای دیجیتال (233/0=β) تأثیر مستقیم و معناداری بر تعالی سازمانی دارند. همچنین، شایستگیهای کارکنان بهعنوان متغیر میانجی، این رابطه را تقویت کرد (098/0 و 140/0=β). نتایج این پژوهش حاکی از آن است که سرمایهگذاری در توسعه هوش مصنوعی و شایستگیهای دیجیتال کارکنان میتواند بهعنوان راهبردی کلیدی برای دستیابی به تعالی سازمانی در نهادهای دولتی مورد توجه قرار گیرد و در این راستا، شایستگیهای کارکنان نیز بهعنوان متغیر واسطهای عمل میکند. این مطالعه با ارائه چارچوبی عملی، زمینه را برای سیاستگذاران، جهت تحول دیجیتال و بهبود عملکرد سازمانی فراهم میکند.https://jrim.qom.ac.ir/article_3954_a7154708010941a72ecf842744a1a2fe.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Comparing the Performance of Artificial Neural Network and Linear Regression Model in Predicting Students' Academic Achievement and Their Success in Personalized Learning: A Case Study of Undergraduate and Graduate Students at Payame Noor University of Mashhadمقایسه کارایی مدل شبکه عصبی مصنوعی و مدل رگرسیون خطی در پیشبینی عملکرد تحصیلی دانشجویان و موفقیت آنها در یادگیری شخصیسازیشده (مطالعه موردی: دانشجویان مقطع کارشناسی و کارشناسی ارشد دانشگاه پیام نور مشهد)135151394510.22091/jrim.2025.13050.1295FAمعصومهعیلامی رود معجنیاستادیار گروه علوم تربیتی، دانشگاه پیام نور ، تهران، ایران0000-0001-6395-757Xسمیهقاضیدانش آموخته دکتری برنامه ریزی درسی، مدرس گروه علوم تربیتی، دانشگاه فرهنگیان، مازندران. ایران.0000-0002-2694-3934Journal Article20250527This study aims to evaluate the efficiency of artificial intelligence models in educational planning and predicting students' academic performance, as well as optimizing personalized learning. A comparison between Artificial Neural Networks (ANN) and Linear Regression (LR) was conducted to identify the optimal model for analyzing educational data.This quantitative research was conducted using an analytical-comparative method. Educational data were extracted from Learning Management Systems (LMS), and both Linear Regression (LR) and Artificial Neural Networks (ANN) were utilized for analysis. Indicators such as the coefficient of determination (R²), Mean Absolute Error (MAE), and Root Mean Square Error (RMSE) were examined to assess the accuracy and generalizability of the models.The findings revealed that the neural network, with a coefficient of determination (R² = 0.88) in the testing phase, exhibited higher accuracy compared to linear regression (R² = 0.75). The neural network was better at identifying complex relationships among educational variables, demonstrating its superior accuracy in predicting students' academic performance and optimizing educational planning.This study demonstrates that artificial neural networks are powerful analytical tools with significant potential for optimizing educational planning processes. However, effective utilization of these models requires sufficient data, optimal configurations, and appropriate computational infrastructure. It is recommended that universities and educational institutions leverage machine learning models for analyzing large-scale educational data and equip educational planning systems with AI-based technologies. Additionally, increasing awareness and training educators about the applications of AI in educational planning and personalized learning can enhance the quality of education and reduce academic dropout rates.مقاله حاضر با هدف بررسی کاربرد مدلهای هوش مصنوعی در برنامهریزی آموزشی و پیشبینی عملکرد تحصیلی دانشجویان و بهینهسازی یادگیری شخصیسازیشده انجام شده است. مقایسه میان شبکه عصبی مصنوعی و رگرسیون خطی بهمنظور شناسایی مدل بهینه در تحلیل دادههای آموزشی صورت گرفته است. این پژوهش از نوع کمی و با روش تحقیق تحلیلی-مقایسهای انجام شده است. دادههای آموزشی از سیستم مدیریت یادگیری استخراج و برای تحلیل آنها از رگرسیون خطی و شبکه عصبی مصنوعی استفاده شده است. شاخصهای ضریب تعیین ، میانگین خطای مطلق و ریشه میانگین مربعات خطا بهمنظور ارزیابی دقت و تعمیمپذیری مدلها مورد بررسی قرار گرفتهاند. یافتهها نشان داد که شبکه عصبی (با ضریب تعیین 88/0) در مرحله آزمون، دقت بالاتری نسبت به رگرسیون خطی (با ضریب تعیین 75/0) دارد و توانسته روابط پیچیده بین متغیرهای آموزشی را بهتر شناسایی کند و نشاندهنده دقت بیشتر این مدل در پیشبینی عملکرد تحصیلی دانشجویان و بهینهسازی برنامهریزی آموزشی است. این پژوهش نشان میدهد که شبکههای عصبی مصنوعی بهعنوان ابزارهای تحلیلی قدرتمند، توانایی بالایی در بهینهسازی فرآیندهای برنامهریزی آموزشی دارند. با این حال، استفاده مؤثر از این مدلها نیازمند دادههای کافی، تنظیمات بهینه و زیرساختهای محاسباتی مناسب است. پیشنهاد میشود که دانشگاهها و مؤسسات آموزشی از مدلهای یادگیری ماشینی در تحلیل کلان دادههای آموزشی بهره ببرند و سامانههای مدیریت یادگیری را با فناوریهای مبتنی بر هوش مصنوعی تجهیز کنند. همچنین، افزایش آگاهی و آموزش اساتید درباره کاربردهای هوش مصنوعی در برنامهریزی آموزشی و یادگیری شخصیسازیشده میتواند به بهبود کیفیت آموزش و کاهش نرخ افت تحصیلی کمک کند.https://jrim.qom.ac.ir/article_3945_6c1f346e38060826ee679a36ed93abf1.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Dimensions of Pedagogical Content Knowledge (PCK) Based Curriculum Implementation with an Emphasis on Artificial Intelligence Integration in E-Learning (Case Study: Payame Noor and Farhangian Universities of Isfahan)ابعاد اجرای برنامههای درسی مبتنی بر دانش پداگوژی محتوا با تأکید بر ادغام هوش مصنوعی در آموزش الکترونیکی (مطالعه موردی دانشگاههای پیامنور و فرهنگیان استان اصفهان)152177405010.22091/jrim.2025.14188.1402FAمسرتآیتاستادیار گروه مدیریت بازرگانی و مدیریت فناوری اطلاعات، دانشگاه پیامنور، تهران، ایران.0000-0001-5473-8092رسولشریفی نجف آبادیاستادیار گروه آموزش جغرافیا، دانشگاه فرهنگیان، تهران، ایران0000-0001-6215-3334Journal Article20251012Pedagogical content knowledge (PCK), an integrated blend of subject matter expertise and teaching skills, plays a pivotal role in enhancing the quality of higher education. This study aimed to explore the challenges, weaknesses, opportunities, and threats of implementing PCK curricula with an emphasis on integrating artificial intelligence (AI) into teaching strategies in higher education and e-learning, using a qualitative approach and thematic analysis method. The research population consisted of 27 participants (5 administrators, 14 faculty members, and 8 students) from Payame Noor and Farhangian Universities in Isfahan selected through purposive and snowball sampling. Data were collected via semi-structured interviews, ensuring validity and reliability through triangulation until theoretical saturation was achieved, and analyzed using thematic analysis. From the interviews, 98 open codes were extracted, categorized into 7 strengths (PCK courses, faculty motivation, support for authors, discussion forums, internships, teaching festivals, technology integration), 7 weaknesses (faculty and student challenges, organizational shortcomings, resource constraints, research limitations, course complexity, digital challenges), 4 threats (higher education and schooling system issues, technological threats, ethical challenges), and 6 opportunities (interdisciplinary courses, stakeholder engagement, quality enhancement, information technology, global achievements, AI integration). Findings revealed that AI enhances learning quality and data analysis in e-learning, but limited digital infrastructure and technical knowledge hinder its adoption. It is recommended to invest in digital infrastructure, faculty training, and ethical policies to leverage AI’s potential. This study provides a foundation for educational policy-making and future research on integrating innovative technologies into PCK.دانش پداگوژی محتوا، ترکیبی یکپارچه از دانش موضوعی و مهارتهای تربیتی، نقشمحوری در بهبود کیفیت آموزش عالی دارد. این پژوهش باهدف بررسی چالشها، ضعفها، فرصتها و تهدیدهای اجرای برنامههای درسی دانش پداگوژی محتوا با تأکید بر ادغام هوش مصنوعی در راهبردهای تدریس آموزش عالی و آموزش الکترونیکی، با رویکرد کیفی و روش تحلیل مضمون انجام شد. جامعه پژوهش شامل 27 نفر (5 مدیر، 14 استاد، 8 دانشجو) از دانشگاههای پیامنور و فرهنگیان اصفهان بود که با نمونهگیری هدفمند و گلولهبرفی انتخاب شدند. دادهها از طریق مصاحبههای نیمهساختاریافته با روش مثلثی برای تضمین روایی و پایایی تا اشباع نظری گردآوری و با تحلیل مضمون بررسی شدند. از مصاحبهها 98 کدباز استخراج شد که در 7 مضمون قوت (دروس پداگوژی، انگیزهبخشی به استادان، حمایت از مولفان، جلسات تبادل نظر، کارورزی، جشنوارههای تدریس، ادغام فناوری)، 7 مضمون ضعف (مشکلات استادان و دانشجویان، ضعفهای سازمانی، محدودیت منابع، محدودیتهای پژوهشی، پیچیدگی دروس، چالشهای دیجیتال)، 4 مضمون تهدید (تضعیف جایگاه در نظام آموزش عالی، تغییر سبک آموزش در نظام آموزش و پرورش ، تهدیدهای فناوری، چالشهای اخلاقی) و 6 مضمون فرصت (دروس بینرشتهای، جلب مشارکت، ارتقای شرایط، فناوری اطلاعات، دستاوردها، ادغام هوش مصنوعی) دستهبندی شدند. نتایج نشان داد هوش مصنوعی کیفیت یادگیری و تحلیل دادههای آموزشی را در آموزش الکترونیکی بهبود میبخشد، اما کمبود زیرساختهای دیجیتال و دانش فنی بهرهبرداری را محدود میکند. پیشنهاد میشود با سرمایهگذاری در زیرساختها، آموزش استادان و تدوین سیاستهای اخلاقی، از پتانسیلهای هوش مصنوعی بهرهبرداری شود. این پژوهش مبنایی برای سیاستگذاری آموزشی و تحقیقات آینده در ادغام فناوریهای نوین در دانش پداگوژی محتوا فراهم میکند. https://jrim.qom.ac.ir/article_4050_1c04b55c60deca4ad0014627ef2a34ff.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Philosophical Implications for Using Artificial Intelligence in Teaching and Learningدلالتهای فلسفی کاربرد هوش مصنوعی در آموزش و یادگیری178195426710.22091/jrim.2025.14009.1392FAزهراکاظمی زادهدکتری فلسفه تعلیم و تربیت اسلامی، دانشگاه علامه طباطبایی، تهران، ایران. رایانامه0009-0002-4690-6097Journal Article20250928The aim of this article is to examine the philosophical implications of using artificial intelligence in education and learning. In this study, the research method is descriptive-analytical and the data collection tool is in the form of taking notes from books, articles and other scientific documents. The research findings show that the use of artificial intelligence in education brings with it extensive philosophical issues and implications; because the use of artificial intelligence in education by teachers and students is not only a technical challenge, but also a deep and fundamental philosophical question. This issue includes various epistemological and anthropological aspects, including: the definition and nature of knowledge and learning in humans and artificial intelligence systems, the methods of representing knowledge and processing information by these two, the concept of the authenticity of knowledge and cognition, the sources of knowledge and cognition in humans and artificial intelligence, the fundamental differences in cognitive processes between them and the changing roles of teachers and learners in the learning process. Philosophical challenges surrounding the authenticity of knowledge generated by AI depend heavily on our definition of knowledge and authenticity, and this has led to different perspectives. In addition, fundamental and significant differences in the way humans and AI learn change the role of students to active participants and the role of teachers to designers of learning experiences. Therefore, examining these complex philosophical issues and debates is essential for the successful design and implementation of AI-based educational systems so that we can benefit from the positive effects of this technology in improving the quality of teaching and learning.هدف مقاله حاضر، بررسی دلالتهای فلسفی کاربرد هوش مصنوعی در آموزش و یادگیری است. در این پژوهش، روش تحقیق، توصیفی- تحلیلی است و ابزار گردآوری اطلاعات به صورت فیشبرداری از کتب، مقاله و سایر اسناد علمی است. یافتههای تحقیق نشان میدهد که کاربرد هوش مصنوعی در آموزش، مسائل و دلالتهای فلسفی گستردهای را به همراه دارد؛ چراکه استفاده از هوش مصنوعی در آموزش توسط معلمان و دانشآموزان، نهتنها یک چالش فنی، بلکه یک پرسش فلسفی عمیق و بنیادی است. این موضوع شامل جنبههای معرفتشناختی و انسانشناختی گوناگونی میشود، از جمله: تعریف و ماهیت دانش و یادگیری در انسان و سیستمهای هوش مصنوعی، شیوههای بازنمایی دانش و پردازش اطلاعات توسط این دو، مفهوم اصالت دانش و معرفت، منابع معرفت و شناخت در انسان و هوش مصنوعی، تفاوتهای بنیادین در فرایندهای شناختی میان آنها و نقشهای متحولشده معلم و متربی در فرایند یادگیری. چالشهای فلسفی پیرامون اصالت دانش تولیدشده توسط هوش مصنوعی، وابستگی زیادی به تعریف ما از دانش و اصالت دارند و این موضوع، دیدگاههای متفاوتی را ایجاد کرده است. علاوهبر این، تفاوتهای اساسی و قابلتوجه در شیوه یادگیری انسان و هوش مصنوعی، نقش دانشآموزان را به مشارکتکنندگان فعال و نقش معلمان را به طراحان تجربیات یادگیری تغییر میدهد. ازاینرو، بررسی این مباحث و مسائل فلسفی پیچیده برای طراحی و پیادهسازی موفقیتآمیز سیستمهای آموزشی مبتنی بر هوش مصنوعی ضروری است تا بتوانیم از اثرات مثبت این فناوری در ارتقای کیفیت آموزش و یادگیری بهرهمند شویم.https://jrim.qom.ac.ir/article_4267_c399fdd66269e7c5e88bddea4f3dc8b0.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Algorithmic Bias and Educational Justice in the Age of Artificial Intelligence: Social Implications and Policy Solutions in Iranسوگیری الگوریتمی و عدالت آموزشی در عصر هوش مصنوعی، پیامدهای اجتماعی و راهکارهای سیاستی در ایران196213426810.22091/jrim.2026.14502.1436FAفائقهفقیه موسویدانشجوی دکتری مهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر و فناوری اطلاعات ، دانشگاه قم، قم، ایران.0000-0002-3607-8809فرانکفتوحی قزوینیاستادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم، قم، ایران0000-0002-5170-4783Journal Article20251113With the expanding use of artificial intelligence—especially large language models (LLMs)—in education, a key question arises: how can these technologies strengthen or undermine educational equity? This study aims to elucidate the dimensions of algorithmic bias within educational systems and to derive social implications and policy responses appropriate to the Iranian context. The present research is qualitative, adopting a documentary–analytical approach. It employs a systematic content analysis of official reports, scholarly articles, and international case studies, guided by a conceptual checklist of educational equity. The study’s theoretical framework draws on John Rawls’s theory of justice as fairness and Amartya Sen’s capability approach. The findings indicate that bias operating at four levels—problem formulation, data, modelling, and interpretation/implementation—can reproduce educational inequalities and, in Iran’s diverse context marked by a digital divide, further intensify them. Accordingly, six policy directions are proposed: equity-oriented algorithm design; monitoring and ensuring data diversity; providing algorithmic ethics education for stakeholders; strengthening transparency and accountability; developing indigenous models; and reducing the digital divide. The article’s contribution lies in linking theories of justice with the literature on algorithmic bias and in advancing a locally grounded framework for educational equity policymaking in Iran in the age of artificial intelligence.با گسترش کاربرد هوش مصنوعی و بهویژه مدلهای زبانی بزرگ در آموزش، این پرسش مطرح میشود که این فناوریها چگونه میتوانند عدالت آموزشی را تقویت یا تضعیف کنند. هدف این پژوهش، تبیین ابعاد سوگیری الگوریتمی در نظامهای آموزشی و استخراج پیامدهای اجتماعی و راهکارهای سیاستی متناسب با بافت ایران است. پژوهش حاضر کیفی و از نوع تحلیل اسنادی ـ تحلیلی است و با استفاده از تحلیل محتوای نظاممند گزارشهای رسمی، مقالات علمی و مطالعات موردی بینالمللی، براساس چکلیست مفهومی عدالت آموزشی، انجام شده است. چارچوب نظری مطالعه بر نظریه عدالت بهمثابه انصافِ جان راولز و رویکرد قابلیتهای آمارتیا سن استوار است. یافتهها نشان میدهد سوگیری در چهار سطح تعریف مسئله، داده، مدلسازی و تفسیر/ پیادهسازی میتواند نابرابریهای آموزشی را بازتولید کند و در بافت متنوع و دارای شکاف دیجیتال ایران این نابرابریها را تعمیق بخشد. بر این اساس، شش محور سیاستی شامل طراحی عدالتمحور الگوریتمها، پایش تنوع دادهها، آموزش اخلاق الگوریتمی به ذینفعان، شفافیت و پاسخگویی، توسعه مدلهای بومی و کاهش شکاف دیجیتال پیشنهاد میشود. نوآوری مقاله در پیوند دادن نظریههای عدالت با ادبیات سوگیری الگوریتمی و بسط چارچوبی بومی برای سیاستگذاری عدالت آموزشی در عصر هوش مصنوعی در ایران است.https://jrim.qom.ac.ir/article_4268_1eb217b968f585751b0e27393b8a8da5.pdfدانشگاه قمپژوهش در روشهای آموزش2981-10743520260305Introduction and Validation of a Scale Assessing Teachers' Perceptions of the Use of Artificial Intelligence in Educationمعرفی و اعتباریابی مقیاس ادراک معلمان از کاربرد هوش مصنوعی در آموزش214231374910.22091/jrim.2025.13695.1361FAآزادالله کرمیاستادیار، گروه آموزشی علوم تربیتی، دانشگاه فرهنگیان، تهران، ایران.0000-0001-8623-6281خلیلزندیاستادیار، گروه مدیریت آموزشی، دانشگاه فرهنگیان، تهران، ایران0000-0002-7532-6529زهرامعارف ونداستادیار، گروه علوم تربیتی، دانشکده ادبیات و علوم انسانی، دانشگاه قم، قم، ایران0000-0002-8979-9255Journal Article20250822The aim of this study was to introduce and validate the measurement tool "Teachers' Perception of the Use of Artificial Intelligence in Education". The research method was a descriptive survey. The statistical population was third and fourth year student teachers of Farhangian University of Kurdistan Province. Using the available sampling method, a sample of 321 people was selected. The data collection tool was the 15-item scale of teachers' perception of the use of artificial intelligence in education, which was developed by Ozum et al. (2025). Data analysis was performed using exploratory factor analysis, confirmatory factor analysis, Cronbach's alpha coefficient, and one-sample t-test. The results of the exploratory factor analysis showed that the Persian version of the scale is exactly the same as the factor structure of the original version, which can be reduced to three subscales. Therefore, following the original version, these subscales were named “Perception of Teaching”, “Perception of Learning” and “Perception of Ethical Issues”, respectively. The results of confirmatory factor analysis also indicated a good fit of the three-dimensional model of teachers’ perception of the use of AI in education. The results of the reliability study showed that the reliability of the entire scale was confirmed with a coefficient of 0.89. The reliability of the subscales was also in the range of 0.75 to 0.89. Other findings indicated the positive perception of the sample individuals of the use of AI in education. Based on the research findings, the Persian version of the Teachers’ Perception of the Use of AI in Education Scale in the Iranian sample studied has appropriate validity and reliability, and this tool can be used in future research.هدف از این پژوهش معرفی و اعتباریابی ابزار سنجش «ادراک معلمان از کاربرد هوش مصنوعی در آموزش» بود. روش پژوهش، توصیفی پیمایشی بود. جامعه آماری، دانشجومعلمان سال سوم و چهارم دانشگاه فرهنگیان استان کردستان بودند. با استفاده از روش نمونهگیری دردسترس، نمونهای به حجم 321 نفر انتخاب شد. ابزار گردآوری دادهها مقیاس 15 مادهای ادراک معلمان از کاربرد هوش مصنوعی در آموزش بود که توسط اوزوم و همکاران (Üzüm & et al., 2025) تدوین شده است. تجزیه و تحلیل دادهها با استفاده از تحلیل عاملی اکتشافی، تحلیل عاملی تأییدی، ضریب آلفای کرونباخ و آزمون t تک نمونهای انجام شد. نتایج تحلیل عاملی اکتشافی نشان داد که نسخه فارسی مقیاس دقیقاً مشابه با ساختار عاملی نسخه اصلی، قابل تقلیل به سه زیرمقیاس است. بنابراین به پیروی از نسخه اصلی، این زیرمقیاسها به ترتیب «ادراک از تدریس»، «ادراک از یادگیری» و «ادراک از مسائل اخلاقی» نام نهاده شدند. نتایج تحلیل عاملی تأییدی نیز بیانگر برازش خوب مدل سهبعدی ادراک معلمان از کاربرد هوش مصنوعی در آموزش بود. نتایج بررسی پایایی نشان داد که پایایی کل مقیاس با ضریب 89/0 تأیید میشود. پایایی زیرمقیاسها نیز در دامنه 75/0 تا 89/0 بود. سایر یافتهها بیانگر ادراک مثبت افراد نمونه از کاربرد هوش مصنوعی در آموزش بود. بر مبنای یافتههای پژوهش، نسخه فارسی مقیاس ادراک معلمان از کاربرد هوش مصنوعی در آموزش در نمونه ایرانی مورد مطالعه دارای روایی و پایایی مناسبی است و میتوان از این ابزار در پژوهشهای آتی استفاده نمود.https://jrim.qom.ac.ir/article_3749_f6e188a9568a71da8834d3c37d1eb866.pdf