Exploring The Role Of Artificial Intelligence In Blended Learning For Improving Social Interactions Among Primary Students: A Case Study Of Tuyserkan

Subject Areas : Social Evolutions

Amir Hossein Souri ¹ , Farideh Goudarzi ²

1 - Department of Educational Sciences, Malayer Branch, Islamic Azad University, Malayer, Iran.
2 - Department of Educational Sciences, Malayer Branch, Islamic Azad University, Malayer, Iran.

Received: 2024-04-20 Accepted : 2024-09-08 Published : 2024-09-17

Keywords: Education, Societal Development, AI, Social Interactions, Cultural Identity, Students, Tuyserkan.,

Abstract :

Education, as a cornerstone of societal development, holds significant potential to enhance students’ social interactions and cultural identity through the integration of emerging technologies, particularly AI, in blended learning environments. This study aimed to investigate the effects of AI-based instruction on academic motivation, academic performance, social interactions, and critical thinking and problem-solving skills. A quasi-experimental design with pre-test and post-test measures was employed, including experimental and control groups. The statistical population comprised elementary school students in Tuyserkan, from which a purposive and randomized sample of 60 students (30 in the experimental group and 30 in the control group) was selected. Data were collected using standardized questionnaires and class grade averages for academic performance assessment. The validity and reliability of the instruments were confirmed, and data analysis was conducted using SPSS software with the Kolmogorov–Smirnov (K-S) test, Shapiro–Wilk (S-W) test, Levene’s test, and Multivariate Analysis of Covariance (MANCOVA). Results revealed that AI-based instruction significantly improved academic motivation (7.66 units), academic performance (3.97 units), social interactions (4.33 units), and particularly critical thinking and problem-solving skills (8.90 units, effect size = 0.769, p < 0.001). These findings highlight the effective role of AI in enhancing learning quality and strengthening students’ cultural identity, suggesting that integrating AI into blended learning environments can better prepare students for the challenges of the modern world.

References:

بابایی‌رباط، ارسلان. جوانفر، زیبا. رجبی‌هامانه، فاطمه. بابایی‌جنیدآباد، فاطمه. (1402). بررسی تأثیر هوش‌مصنوعی بر توسعۀ مهارت‌های اجتماعی و همکاری بین دانش‌آموزان. اولین همایش بین‌المللی معلمان برتر و مدارس پی‌شرو در هزارۀ سوم، بوشهر-ایران، 18-1.
حیاوی، هاجر. (1403). تأثیر هوش‌مصنوعی بر تعاملات‌اجتماعی در محیط‌های آموزشی. اولین همایش ملی مهارت‌های معلمی، مسجدسلیمان، 12-1.
دهقانی، اسماء. (1402). بررسی تأثیر یادگیری ترکیبی بر بهبود کیفیت آموزش و عملکرد دانش‌آموزان. اولین همایش بین‌المللی افق‌های نوین در آموزش‌وپرورش در هزارۀ سوم، بوشهر-ایران، 11-1.
رجبی، حسنعلی. زندی، بهمن. اکرادی، احسان. شاکری، محسن. (1396). مطالعۀ اثر آموزش و تدریس به‌صورت ترکیبی بر یادگیری دانش‌آموزان؛ مطالعۀ موردی رشته‌های فنی‌وحرفه‌ای. فصلنامۀ علمی‌پژوهشی-تدریس‌پژوهی، دورۀ 5، شمارۀ 2، 81-69.
شعبانی، حمیرا. (1403). اثرات هوش‌مصنوعی در فرایند یادگیری دانش‌آموزان در دروس علوم‌تجربی. فصلنامۀ علمی‌تخصصی-رویکردهای پژوهشی نوین مدیریت و حسابداری, دورۀ 8 شمارۀ 28، 45-31.
طاهرزاده، جواد. شاهمردی‌بنی‌تاک، بلال. فیضی، حسن. قاسمی‌آزاد، معصومه. (1403). تأثیر آموزش ترکیبی مبتنی‌بر هوش‌مصنوعی بر مهارت‌های شناختی و اجتماعی دانش‌آموزان. اولین همایش بین‌المللی تحولات نوین در علوم‌تربیتی، روان‌شناسی و آموزش‌وپرورش، ارومیه-ایران، 9-1.
فنائی، راضیه. (1402). چالش‌ها و فرصت‌های استفاده‌از هوش‌مصنوعی در آموزش‌وپرورش. پنجمین همایش ملی پژوهش‌های حرفه‌ای در روان‌شناسی و مشاوره با رویکرد از نگاه معلم، میناب-ایران، 9-1.
فیروزی، فاطمه. پورحسین، معصومه. مشعلی، زینب. زارع‌بلدان، زبیده. (1403). کاربرد هوش‌مصنوعی بر توسعۀ مهارت‌های بین فرهنگی در دانش‌آموزان. اولین همایش بین‌المللی آموزش‌وپرورش با رویکرد مدارس هوشمند، معلمان خلاق و دانش‌آموزان متفکر در افق ۱۴۰۴، بوشهر-ایران، 14-1.
محسن‌زاده، مهدی. (1402). نقش یادگیری ترکیبی در بهبود فرایند آموزشی و یادگیری دانش‌آموزان. اولین همایش بین‌المللی معلمان برتر و مدارس پیش‌رو در هزارۀ سوم، بوشهر-ایران، 15-1.
محمودی، مهشید. حسین‌زاده، مهدی. (1402). بررسی تأثیر سیستم آموزشی هوشمند بر عملکرد دانش‌آموزان مقطع ابتدایی. هشتمین کنفرانس ملی رویکردهای نوین در آموزش‌وپژوهش، محمودآباد-ایران، 11-1.
نصیری، محمدرضا. عباداله‌عموقین، جعفر. (1403). بررسی نقش هوش‌مصنوعی در آموزش بااستفاده‌از رویکرد ره‌نگاشت فناوری. فصلنامۀ علمی‌پژوهشی-مطالعات کاربردی علم‌سنجی، دورۀ 1، شمارۀ 2، 130-111.
نیک‌نژاد، شبنم. رستگار، منصوره. (1403). تأثیر اپلیکیشن‌های آموزشی مبتنی‌بر هوش‌مصنوعی در هوشمندسازی دانش‌آموزان دوم دبستان. فصلنامۀ علمی‌پژوهشی-شناخت، رفتار، یادگیری، دورۀ 1، شمارۀ 2، 246-233.
Ali, Omar. Murray, Peter A. Momin, Mujtaba. Dwivedi, Yogesh K. Malik, Tegwen. (2024). The Effects Of Artificial Intelligence Applications In Educational Settings: Challenges And Strategies. Technological Forecasting And Social Change, 199(1): 1-18.
Al-Zahrani, AbdulRahman. Alasmari, Talal. (2024). Exploring The Impact Of Artificial Intelligence On Higher Education: The Dynamics Of Ethical, Social, And Educational Implications. Humanities And Social Sciences Communications, 11(1): 1-12.
Gómez-Martínez, Vittoria Angélica. García Naranjo, Martha Lucía. (2024). Social Interaction In Blended Learning: A Reflection On Technology Integration. Trilogía Ciencia Tecnología Sociedad, 16(34): 1-21.
Park, Yeonjeong. Young Doo, Min. (2024). Role Of AI In Blended Learning: A Systematic Literature Review. The International Review Of Research In Open And Distributed Learning, 25(1):164-196.
Shi, Lizhen. Muhammad Umer, Arshad. Shi, Yanting. (2023). Utilizing AI Models To Optimize Blended Teaching Effectiveness In College-Level English Education. Cogent Education, 10(2): 1-19.

Full-Text:



Journal Of Socio-Cultural Changes                                                                                Vol.21 , No.2, (81), Summer 2024

 

 

Exploring The Role Of Artificial Intelligence In Blended Learning For Improving Social Interactions Among Primary Students: A Case Study Of Tuyserkan

 

Amir Hossein Souri ¹, Farideh Goudarzi²*

(Received Date: 2024/04/20 - Accepted Date: 2024/09/08)

 

Abstract

Education, as a cornerstone of societal development, holds significant potential to enhance students’ social interactions and cultural identity through the integration of emerging technologies, particularly AI, in blended learning environments. This study aimed to investigate the effects of AI-based instruction on academic motivation, academic performance, social interactions, and critical thinking and problem-solving skills. A quasi-experimental design with pre-test and post-test measures was employed, including experimental and control groups. The statistical population comprised elementary school students in Tuyserkan, from which a purposive and randomized sample of 60 students (30 in the experimental group and 30 in the control group) was selected. Data were collected using standardized questionnaires and class grade averages for academic performance assessment. The validity and reliability of the instruments were confirmed, and data analysis was conducted using SPSS software with the Kolmogorov–Smirnov (K-S) test, Shapiro–Wilk (S-W) test, Levene’s test, and Multivariate Analysis of Covariance (MANCOVA). Results revealed that AI-based instruction significantly improved academic motivation (7.66 units), academic performance (3.97 units), social interactions (4.33 units), and particularly critical thinking and problem-solving skills (8.90 units, effect size = 0.769, p < 0.001). These findings highlight the effective role of AI in enhancing learning quality and strengthening students’ cultural identity, suggesting that integrating AI into blended learning environments can better prepare students for the challenges of the modern world.

Keywords: Education, Societal Development, AI, Social Interactions, Cultural Identity, Students, Tuyserkan.

 

 

 

 

 

 

تبیین بازتاب هوش‌مصنوعی در محیط‌های آموزشی ترکیبی بر ارتقاء تعاملات‌اجتماعی دانش‌آموزان ابتدایی (مطالعۀ موردی: شهر تویسرکان)

 

امیرحسین سوری³، فریده گودرزی⁴*

 (تاریخ دریافت: 18/06/1403 - تاریخ پذیرش: 01/02/1403)

 

چکیده

آموزش، به‌عنوان یکی‌از ارکان توسعۀ جوامع، با بهره‌گیری از فناوری‌های نُوین ازجمله هوش‌مصنوعی در محیط‌های آموزشی ترکیبی، پتانسیل قابل‌توجهی برای ارتقای تعاملات‌اجتماعی و هویت‌فرهنگی دانش‌آموزان دارد. هدف این پژوهش بررسی تأثیر آموزش‌های مبتنی‌بر هوش‌مصنوعی به‌مثابۀ انگیزۀ تحصیلی، عملکرد تحصیلی، تعاملات‌اجتماعی و مهارت‌های تفکر انتقادی و حل‌مسئله بود. مطالعۀ حاضر از نوع نیمه‌آزمایشی با طرح پیش‌آزمون و پس‌آزمون و دو گروه آزمایش و کنترل انجام شد. جامعۀ آماری شامل دانش‌آموزان مقطع ابتدایی شهر تویسرکان بود که نمونه‌ای 60نفری (30نفر گروه آزمایش و 30نفر گروه کنترل)، به‌صورت هدف‌مند و تصادفی انتخاب شدند. داده‌ها بااستفاده‌از پرسش‌نامه‌های استاندارد و معدل کلاسی برای عملکرد تحصیلی جمع‌آوری شد. روایی و پایایی ابزارها تأیید گردید و تحلیل داده‌ها با نرم‌افزار SPSS و آزمون‌های (K-S test)، (S-W test)، (Levene’s test) و (MANCOVA)، انجام شد. نتایج نشان‌دادکه آموزش مبتنی‌بر هوش‌مصنوعی به‌طور معنی‌داری (001/0P<)، انگیزۀ تحصیلی (66/7واحد)، عملکرد تحصیلی (97/3واحد)، تعاملات‌اجتماعی (33/4واحد) و به‌ویژه تفکر انتقادی و حل‌مسئله (90/8واحد با میزان تأثیر 769/0)، را بهبود بخشیده است. این یافته‌ها بر نقش مؤثر هوش‌مصنوعی در ارتقای کیفیت یادگیری و تقویت هویت‌فرهنگی دانش‌آموزان تأکید دارند و پیشنهاد می‌کنند که ادغام این فناوری در محیط‌های آموزشی ترکیبی می‌تواند زمینه‌ساز آمادگی بهتر دانش‌آموزان برای چالش‌های دنیای مدرن باشد.

واژگان کلیدی: آموزش، توسعۀ جوامع، هوش‌مصنوعی، تعاملات‌اجتماعی، هویت‌فرهنگی، دانش‌آموزان، شهر تویسرکان.

 

 

 

 

 

 

1- مقدّمه

آموزش، به‌مثابۀ زیربنایی برای تحول فرد و جامعه، توانایی‌های بالقوۀ نسل‌های آینده را می‌پروراند و مسیر شکل‌گیری اجتماع توانمند و پویا را هموار می‌سازد (نیک‌نژاد، رستگار، 1403: 236). دانش‌آموزان، ازطریق فرایند یادگیری، علاوه‌بر کسب دانش علمی، مهارت‌های اجتماعی، عاطفی و شناختی خودرا توسعه می‌دهند؛ درواقع کیفیت آموزش در سال‌های ابتدایی تأثیر قابل‌توجهی بر موفقیت‌های آتی آنان در ابعاد مختلف زندگی دارد (Ali et al., 2024: 2-6). طراحی محیط‌های آموزشی و روش‌های تدریس باید به‌گونه‌ای باشد که نیازهای متنوع دانش‌آموزان را پاسخ دهد، انگیزه و اعتمادبه‌نفس آنان را تقویت کند و فرصت رشد مهارت‌های نوین را فراهم سازد. ظهور فناوری‌های نُوین، به‌ویژه هوش‌مصنوعی، افق‌های جدیدی برای بهبود فرایند یادگیری ایجاد کرده است. محیط‌های آموزشی ترکیبی، که آموزش حضوری و آنلاین را تلفیق می‌کنند، امکان انعطاف‌پذیری و شخصی‌سازی یادگیری را فراهم می‌آورند و می‌توانند تجربۀ یادگیری را غنی‌تر کنند (محسن‌زاده، 1402: 2؛ رجبی و دیگران، 1396: 71). بهره‌گیری از هوش‌مصنوعی دراین محیط‌ها، با تحلیل داده‌های یادگیری، ارائۀ بازخورد فوری و محتوای متناسب با نیازهای فردی دانش‌آموزان، فرصت ارتقای انگیزه، عملکرد تحصیلی و مهارت‌های تفکر انتقادی و حل‌مسئله را فراهم می‌سازد. روش‌های سنتی آموزش که عمدتاً بر تدریس یکسان برای همۀ دانش‌آموزان تمرکز دارند، اغلب توان پاسخ‌گویی به نیازهای فردی و سبک‌های یادگیری مختلف را ندارند و ممکن است منجربه کاهش انگیزه، افت عملکرد تحصیلی و ایجاد شکاف‌های آموزشی شوند. محیط‌های آموزشی ترکیبی با بهره‌گیری از فناوری‌های نوین، به‌ویژه هوش‌مصنوعی، می‌توانند این محدودیت‌ها را برطرف کنند و تجربۀ یادگیری را براساس توانمندی‌ها و نیازهای هر دانش‌آموز شخصی‌سازی نمایند. نظریه‌های یادگیری نظیر سازنده‌گرایی و یادگیری شناختی تأکید دارند که مشارکت فعال دانش‌آموزان و دریافت بازخوردهای فوری، کلید یادگیری مؤثر هستند. هوش‌مصنوعی با فراهم‌کردن ابزارهای تطبیقی و بازخوردهای دقیق، امکان تحقق این اصول نظری را در محیط‌های آموزشی ترکیبی فراهم می‌کند. علاوه‌براین، یادگیری اجتماعی نشان می‌دهد که تعاملات‌اجتماعی بخش جدایی‌ناپذیر یادگیری هستند و محیط‌های ترکیبی با پشتیبانی ابزارهای تعاملی دیجیتال، این تعاملات را تقویت می‌کنند. باتوجه‌به اهمیت به‌کارگیری فناوری‌های نُوین در آماده‌سازی دانش‌آموزان برای چالش‌های دنیای مدرن، بررسی تأثیر هوش‌مصنوعی در محیط‌های آموزشی ترکیبی بر انگیزه، عملکرد تحصیلی و تعاملات‌اجتماعی دانش‌آموزان ضروری است. پژوهش حاضر، باتمرکزبر این موضوع و مطالعة موردی دانش‌آموزان شهر تویسرکان، به‌بررسی میزان تأثیر آموزش مبتنی‌بر هوش‌مصنوعی بر ارتقای کیفیت یادگیری و تقویت هویت‌فرهنگی و اجتماعی دانش‌آموزان می‌پردازد. و به‌دنبال پاسخ به این پرسش است‌که - چگونه آموزش مبتنی‌بر هوش‌مصنوعی در محیط‌های آموزشی ترکیبی می‌تواند بر انگیزۀ تحصیلی، عملکرد تحصیلی، تعاملات‌اجتماعی و مهارت‌های تفکر انتقادی و حل‌مسئله دانش‌آموزان تأثیر بگذارد؟ - فرض برآن بوده‌ که - آموزش با بازتاب «AI»، در محیط‌های آموزشی ترکیبی موجب بهبود نیاز دانش‌آموزان می‌شود.

 

2- چارچوب پژوهش-(مبانی‌نظری/پیشینۀ پژوهش)

1-2- مبانی‌نظری

انگیزۀ تحصیلی به تمایل و اشتیاق دانش‌آموزان برای مشارکت فعال در فرایند یادگیری اشاره دارد (محمودی، حسین‌زاده، 1402: 2؛ شعبانی، 1403: 35). نظریۀ خودتعیین‌گری که توسط ادوارد دسی⁵ و ریچارد رایان⁶ توسعه یافته است، بر اهمیت نیازهای روان‌شناختی اساسی مانند خودمختاری، شایستگی و ارتباط اجتماعی تأکید دارد. این نظریه بیان می‌کند که زمانی‌که این نیازها برآورده شوند، انگیزۀ درونی فرد تقویت می‌شود (Gómez-Martínez, García Naranjo, 2024: 2-5). در محیط‌های آموزشی ترکیبی، هوش‌مصنوعی می‌تواند با ارائۀ محتوای شخصی‌سازی‌شده و بازخوردهای فوری، این نیازها را تأمین کرده و انگیزۀ تحصیلی را تقویت کند. عملکرد تحصیلی به‌میزان موفقیت دانش‌آموزان در دستیابی به اهداف آموزشی اشاره دارد. نظریۀ یادگیری شناختی بر اهمیت فرایندهای ذهنی مانند تفکر، حافظه و حل‌مسئله تأکید دارد (نصیری، عباداله‌عموقین، 1403: 115؛ دهقانی، 1402: 4-3). دراین چارچوب، هوش‌مصنوعی می‌تواند با تحلیل داده‌های عملکرد دانش‌آموزان و ارائۀ بازخوردهای شخصی‌سازی‌شده، نقاط ضعف را شناسایی و راهکارهای بهبود ارائه دهد. این امر به بهبود عملکرد تحصیلی دانش‌آموزان کمک می‌کند. تعاملات اجتماعی به ارتباطات و همکاری‌های میان دانش‌آموزان و معلمان در محیط‌های آموزشی اشاره دارد. نظریۀ یادگیری اجتماعی، که توسط آلبرت بندورا⁷، توسعه یافته است بر اهمیت مشاهده، تقلید و تعامل با دیگران در فرایند یادگیری تأکید دارد. در محیط‌های آموزشی ترکیبی، هوش‌مصنوعی می‌تواند با ارائۀ ابزارهای تعاملی مانند پلتفرم‌های آنلاین و انجمن‌های مجازی، تعاملات اجتماعی را تسهیل کند و به دانش‌آموزان امکان می‌دهد تا در فعالیت‌های گروهی آنلاین مشارکت کرده و مهارت‌های ارتباطی خودرا تقویت کنند (فنائی، 1402: 2؛ فیروزی و دیگران، 1403: 2؛ طاهرزاده و دیگران، 1403: 2). تفکر انتقادی و حل‌مسئله به توانایی تحلیل اطلاعات، ارزیابی گزینه‌ها و ارائۀ راه‌حل‌های خلاقانه برای مسائل پیچیده اشاره دارد. نظریۀ یادگیری سازنده‌گرا، که توسط ژان پیاژه⁸ و لِو ویگوتسکی⁹ توسعه یافته است، براین باور است‌که دانش‌آموزان ازطریق مواجهه‌با چالش‌های واقعی و فعالیت‌های عملی، مهارت‌های تفکر انتقادی خودرا توسعه می‌دهند (Shi, Muhammad Umer, Shi, 2023: 5-9). هوش‌مصنوعی می‌تواند با ارائۀ سناریوهای شبیه‌سازی‌شده و تمرینات تحلیلی، دانش‌آموزان را به تفکر عمیق‌تر و حل‌مسائل پیچیده تشویق کند.

 

2-2- پیشینۀ پژوهش

حیاوی (1403)، در بررسی «تأثیر هوش‌مصنوعی بر تعاملات‌اجتماعی در محیط‌های آموزشی»؛ نشان‌دادکه این فناوری می‌تواند نقش مؤثری در شکل‌دهی و ارتقای مهارت‌های اجتماعی دانش‌آموزان ایفاء کند. بااستفاده‌از روش مروری اسنادی، یافته‌ها برآن است‌که تأثیر هوش‌مصنوعی در دو حوزۀ اصلی قابل‌مشاهده است: نخست، توسعۀ مهارت‌های اجتماعی و دوم، تغییر و بازتعریف شیوه‌های یادگیری. نتایج تحقیق تأکید دارد به‌کارگیری هوش‌مصنوعی می‌تواند تعاملات اجتماعی و فرایندهای یادگیری را بهبود بخشد؛ بااین‌حال، مدیریت دقیق این فناوری توسط معلمان و متولیان آموزشی برای جلوگیری از پیامدهای منفی احتمالی و بهره‌برداری حداکثری از مزایای آن ضروری است (حیاوی، 1403: 12-1). بابایی‌رباط و همکاران (1402)، باعنوان «بررسی تأثیر هوش‌مصنوعی بر توسعۀ مهارت‌های اجتماعی و همکاری بین دانش‌آموزان»؛ بااستفاده‌از تحلیل‌های نظری و تجربی، نشان‌دادکه هوش‌مصنوعی ازطریق ارائۀ محیط‌های یادگیری شخصی‌سازی شده، شبیه‌سازی‌های اجتماعی و ابزارهای تعاملی، زمینه را برای توسعۀ مهارت‌های اجتماعی دانش‌آموزان فراهم می‌آورد. همچنین، پلتفرم‌های آموزشی آنلاین و ابزارهای مشارکتی مبتنی‌بر فناوری، همکاری گروهی و تعاملات بین دانش‌آموزان را تسهیل می‌کنند. یافته‌ها نشان می‌دهند که هوش‌مصنوعی می‌تواند مهارت‌های ارتباطی، حل‌مسئله گروهی و اعتمادبه‌نفس دانش‌آموزان را در تعاملات اجتماعی بهبود بخشد و فاصله‌های اجتماعی و فرهنگی را کاهش دهد. پژوهشگران بر ضرورت مدیریت چالش‌هایی مانند حفظ تعاملات‌انسانی، جلوگیری از وابستگی بیش‌ازحد به فناوری و رعایت حریم‌خصوصی و امنیت داده‌ها تأکید کردند و راهکارهایی برای استفادۀ بهینه از هوش‌مصنوعی در محیط‌های آموزشی پیشنهاد نمودند (بابایی‌رباط و دیگران، 1402: 18-1). پارک¹⁰و یونگ‌دو¹¹ (2024)، در “Role Of AI In Blended Learning: A Systematic Literature Review”؛ با مرورنظام‌مند، نقش هوش‌مصنوعی در یادگیری ترکیبی را بررسی کردند و نشان‌دادندکه پیشرفت‌های فناوری AI، به‌ویژه در دوران همه‌گیری COVID-19، فرصت‌هایی برای توسعۀ محیط‌های یادگیری ترکیبی متنوع و پویا فراهم‌کرده است. پژوهش شامل 30مطالعۀ تجربی منتشر شده بین 2007تا2023میلادی، بود و بااستفاده‌از چارچوب‌های مفهومی مبتنی‌بر 4چالش اصلی یادگیری ترکیبی و 3نقش هوش‌مصنوعی تحلیل شد. یافته‌ها کاربردهای AI عمدتاً در بخش یادگیری فردی آنلاین و غیرهم‌زمان متمرکز بوده و کمتر به ارتباط میان فعالیت‌های آنلاین و آفلاین کلاس توجه شده است. هوش‌مصنوعی در مطالعات بررسی‌شده عمدتاً در دو نقش شناسایی شد: نخست، به‌عنوان واسطۀ مستقیم که انعطاف‌پذیری و خودگردانی دانش‌آموزان را در یادگیری ترکیبی کنترل می‌کند و دوم، به‌سان دستیار مکمل با بهره‌گیری از فناوری‌های پیشرفته تحلیل یادگیری برای ارتقای تعامل مؤثر با دانش‌آموزان و تسهیل فرایند یادگیری. تنها تعداد اندکی از مطالعات به نقش AI به‌عنوان یک عامل نوآورانه آموزشی، مانند عامل‌های پداگوژیک یا ربات‌ها، پرداخته‌اند (Park, Young Doo, 2024: 164-196). الزهرانی¹² و الاسماری¹³ (2024)، در پژوهش “Exploring The Impact Of Artificial Intelligence On Higher Education: The Dynamics Of Ethical, Social, And Educational Implications”؛ به‌بررسی تأثیر هوش‌مصنوعی بر آموزش‌عالی در عربستان‌سعودی پرداختند و نشان‌دادندکه افزایش نفوذ AI دراین‌حوزه، ضرورت تحلیل ابعاد اخلاقی، اجتماعی و آموزشی آن را برجسته می‌کند. بااستفاده‌از روش کمی و گردآوری داده‌ها ازطریق پرسش‌نامۀ آنلاین با 1113پاسخ‌دهنده، یافته‌ها حاکی‌از نگرش مثبت ذی‌نفعان نسبت‌به کاربرد هوش‌مصنوعی در آموزش‌عالی بود. نتایج نشان‌دادکه AI می‌تواند آموزش و یادگیری را بهبود بخشد، فرایندهای اداری را ساده‌سازی کند و نوآوری را تقویت نماید. و بر اهمیت رعایت ملاحظات اخلاقی و تدوین دستورالعمل‌های مناسب در پیاده‌سازی AI تأکید کرد و مسائلی نظیر حریم‌خصوصی، امنیت و سوگیری‌های احتمالی را موردتوجه قرار داد. علاوه‌براین، مشارکت‌کنندگان آینده‌ای مبتنی‌بر یادگیری شخصی‌سازی شده، ادغام اخلاقی AI، همکاری و حمایت مستمر از یادگیری مادام‌العمر را متصور شدند. یافته‌ها همچنین تعامل پیچیده میان کاربردهای AI، اهداف استفاده، چالش‌ها و تأثیر آن‌ها بر نگرش‌ها و برداشت‌ها را روشن ساخت (Al-Zahrani, Alasmari, 2024: 1-12).

 

3- روش‌شناسی

این پژوهش از نوع نیمه‌آزمایشی با طرح پیش‌آزمون-پس‌آزمون و دو گروه آزمایش و کنترل طراحی شد. هدف مطالعه بررسی تأثیر آموزش‌های مبتنی‌بر هوش‌مصنوعی در محیط‌های آموزشی ترکیبی بر انگیزۀ تحصیلی، عملکرد تحصیلی، تعاملات‌اجتماعی و تفکر انتقادی و حل‌مسئلۀ بود. جامعۀ آماری شامل تمامی دانش‌آموزان ابتدایی شهر تویسرکان می‌باشد. باتوجه‌به حجم جامعه، تعداد نمونه براساس محاسبات آماری 384نفر برآورد شد؛ اما برای اجرای دقیق آزمایش، 60دانش‌آموز که شرایط ورود به مطالعه (دسترسی به فناوری و تمایل به شرکت در برنامه‌های آموزشی ترکیبی)، را داشتند، به‌صورت هدفمند انتخاب و به‌طور تصادفی در دو گروه آزمایش (30نفر) و کنترل (30نفر)، جایابی شدند. گروه آزمایش؛ برنامۀ آموزشی مبتنی‌بر هوش‌مصنوعی را به‌صورت هفتگی و در محیط‌های ترکیبی (حضوری و مجازی)، دریافت نمود. گروه کنترل؛ طی همان بازۀ زمانی از روش‌های آموزشی سنتی بهره برد. این طراحی امکان مقایسۀ اثر آموزش مبتنی‌بر هوش‌مصنوعی با روش‌های مرسوم را فراهم ساخت. داده‌ها ازطریق پرسشنامه‌های استاندارد و معدل کلاسی جمع‌آوری شد. (انگیزۀ تحصیلی)؛ با پرسشنامه‌ای 33سؤالی و مقیاس لیکرت سنجیده شد. عملکرد تحصیلی ازطریق معدل دروس کلیدی و آزمون‌های استاندارد کلاس ارزیابی گردید. (تعاملات‌اجتماعی)؛ ازطریق  20سؤال و تفکر انتقادی و حل‌مسئله با پرسش‌نامۀ مهارت‌های تفکر انتقادی کالیفرنیا (CCTST)، سنجیده شد. روایی ابزارها با نظر متخصصان و پایایی آن‌ها با ضریب آلفای کرونباخ بالاتر از 8/0 تأیید گردید. تحلیل داده‌ها با نرم‌افزار SPSS انجام شد. در سطح توصیفی، شاخص‌های میانگین و انحراف استاندارد محاسبه شد. در سطح استنباطی، ابتدا آزمون‌های کلموگروف-اسمیرنوف (K-S test) و شاپیرو-ویلک (S-W test)، برای بررسی نرمال‌بودن داده‌ها به‌کار رفت. سپس آزمون لون (Levene’s test)، برای همگنی واریانس‌ها اجرا شد. نهایتاً، برای واکاوی اثر آموزش مبتنی‌بر هوش‌مصنوعی بر متغیرهای تحقیق و کنترل متغیرهای مداخله‌گر، تحلیل کوواریانس چندمتغیری (MANCOVA)، انجام گردید. این مجموعه آزمون‌ها امکان تحلیل دقیق روابط میان متغیرها و ارزیابی اثر واقعی مداخله آموزشی را فراهم‌ساخت.

 

4- بحث و  یافته‌ها

برای تحلیل کوواریانس می­بایست در ابتدا پیش­فرض­ها بررسی شوند. این پیش­فرض­ها شامل نرمال‌بودن اطلاعات در پیش­آزمون، برابری واریانس­های پیش‌آزمون و برابری شیب‌خط رگرسیون بین مقادیر پس­آزمون و پیش­آزمون پرسش‌نامه­ها می­باشند، که دراین بخش برای هر پرسش‌نامه تحلیل­های ذکر شده انجام می­شود.

برای بررسی نرمال‌بودن داده‌ها از آزمون‌های شاپیرو–ویلک و کولموگروف–اسمیرنوف استفاده شد. همان‌طورکه برپایۀ (جدول 1)، گزارش شده است، درصورتی‌که سطح معناداری (حاصل از آزمون‌ها بزرگتر یا مساوی 05/0 باشد، فرض صفر مبنی‌بر نرمال‌بودن داده‌ها رد نمی‌شود. براین اساس، فرضیات آزمون به‌صورت به‌مثابۀ H0: توزیع داده‌ها نرمال است. H1: توزیع داده‌های نرمال نیست. تدوین شده است. 

 

جدول 1. نتایج آزمون نرمال‌سازی متغیرهای اصلی-(مأخذ: یافته‌های پژوهشی، 1403)
متغیرها	فرایند	آزمون کولموگروف-اسمیرنوف			آزمون شاپیرو-ویلک
		آماره	درجۀ آزادی	سطح معنی­داری	آماره	درجۀ آزادی	سطح معنی­داری
انگیزۀ تحصیلی	پیش‌آزمون	325/0	40	200/0	965/0	40	142/0
	پس‌آزمون	209/0	40	200/0	935/0	40	097/0
عملکرد تحصیلی	پیش‌آزمون	196/0	40	200/0	967/0	40	329/0
	پس‌آزمون	265/0	40	200/0	919/0	40	142/0
تعاملات اجتماعی	پیش‌آزمون	137/0	40	200/0	908/0	40	526/0
	پس‌آزمون	251/0	40	200/0	994/0	40	068/0
تفکر انتقادی و حل‌مسئله	پیش‌آزمون	241/0	40	200/0	894/0	40	086/0
	پس‌آزمون	286/0	40	200/0	908/0	40	172/0

 

نتایج جدول فوق نشان می‌دهد که مقدار معناداری در هر دو آزمون شاپیرو–ویلک و کولموگروف–اسمیرنوف بزرگتر از 05/0 بوده است؛ بنابراین، فرض صفر پذیرفته شده و داده‌ها از توزیع نرمال پیروی می‌کنند.

 

برای بررسی همگنی واریانس‌ها از آزمون مربوطه استفاده شد که نتایج آن برپایۀ (جدول 2)، ارائه شده است. این پیش‌فرض زمانی برقرار است‌که سطح معناداری آزمون بزرگتر از 05/0 باشد. براین اساس، سطح معناداری تمامی متغیرها بالاتر از 05/0 گزارش شده است؛ طوری‌که، فرض صفر مبنی‌بر برابری واریانس‌ها پذیرفته شده و داده‌ها از نظر همگنی واریانس موردتأیید قرار گرفتند.

 

جدول 2. نتایج مربوط‌به پیش‌فرض‌های همگونی واریانس‌ها-(مأخذ: یافته‌های پژوهشی، 1403)
پیش‌فرض	همگونی واریانس‌ها
زیرمقیاس	F	معنی­داری
انگیزۀ تحصیلی	415/0	204/0
عملکرد تحصیلی	685/0	316/0
تعاملات اجتماعی	749/0	416/0
تفکر انتقادی و حل‌مسئله	625/0	167/0

 

یکی‌از الزامات آزمون کوواریانس، همگنی شیب‌های رگرسیونی است. این پیش‌فرض بیان می‌کند که رابطه بین متغیر کمکی و متغیر وابسته در تمامی گروه‌ها باید مشابه باشد؛ درغیراین‌صورت، وجود تعامل میان متغیر هم‌تغییر و متغیر مستقل می‌تواند نتایج تحلیل را مخدوش سازد. همان‌گونه که در (جدول 3)، نشان داده شده است، چنانچه سطح معناداری آزمون بزرگتر از 05/0 باشد، فرض صفر مبنی‌بر برابری شیب‌های رگرسیون پذیرفته می‌شود. پیش‌فرض برابری شیب‌های رگرسیون برقرار بوده و داده‌ها از این لحاظ موردتأیید قرار گرفتند.

 

جدول 3. نتایج مربوط‌به پیش‌فرض‌های برابری شیب‌های رگرسیون دو گروه-(مأخذ: یافته‌های پژوهشی، 1403)
پیش‌فرض	همگونی ضرایب رگرسیون
زیرمقیاس	آماره آزمون	معنی­داری
انگیزۀ تحصیلی	865/0	418/0
عملکرد تحصیلی	562/0	075/0
تعاملات اجتماعی	428/0	108/0
تفکر انتقادی و حل‌مسئله	391/0	265/0

 

برپایۀ (جدول 4)، رابطۀ بین متغیر کمکی و متغیر وابسته در همۀ گروه‌ها خطی بوده است که نشان‌دهندۀ تأیید پیش‌فرض خطی‌بودن هستند.

 

جدول 4. نتایج مربوط‌به پیش‌فرض خطی‌بودن رابطه بین متغیر همگام (نمرات پیش‌آزمون)، و متغیر وابسته-(مأخذ: یافته‌های پژوهشی، 1403)
زیرمقیاس	ضریب هم‌بستگی	معنی­داری
انگیزه تحصیلی	632/0	0001/0
عملکرد تحصیلی	463/0	0001/0
تعاملات اجتماعی	715/0	0001/0
تفکر انتقادی و حل مسئله	517/0	0001/0

 

نتایج (جدول 5)، نشان می‌دهد که پس از کنترل اثر پیش‌آزمون، میانگین نمرات گروه آزمایش و کنترل در فاکتورهای عملکردی تفاوت معناداری دارند. بنابراین، فرضیۀ اول پژوهش تأیید شد و می‌توان نتیجه گرفت که آموزش مبتنی‌بر هوش‌مصنوعی تأثیر معناداری بر بهبود فاکتورهای عملکردی دانش‌آموزان ابتدایی تویسرکان داشته است. مقدار اثر 639/0 بیانگر شدت بالای تأثیر مداخله بوده و توان آماری 936/0 نیز کفایت حجم‌نمونه را تأیید می‌کند.

 

جدول 5. نتایج کوواریانس نمرات کل پس‌آزمون-(مأخذ: یافته‌های پژوهشی، 1403)
شاخص­های آماری متغیر	درجۀ آزادی	میانگین مجذورات	F	معنی­داری	میزان تأثیر	توان آماری
گروه	1	362/12	352/9	001/0	526/0	847/0
پیش‌آزمون	1	514/69	124/12	001/0	639/0	936/0
میزان خطا	39	965/14

 

(جدول 6)، میانگین و انحراف معیار نمرات متغیرهای پژوهش را در دو گروه کنترل و آزمایش طی مراحل پیش‌آزمون و پس‌آزمون نشان می‌دهد. همچنین، برپایۀ (شکل‌های 1تا4)، تغییرات میانگین متغیرهای موردبررسی را در دو مرحلۀ پیش‌آزمون و پس‌آزمون برای هر دو گروه مقایسه و ترسیم، ارائه شده است..

 

جدول 6. میانگین، واریانس و انحراف معیار متغیرها قبل و بعد از آموزش مبتنی‌بر هوش‌مصنوعی-(مأخذ: یافته‌های پژوهشی، 1403)
متغییر	گروه	پیش‌آزمون			پس‌آزمون			تغییر مقادیر میانگین
		میانگین	واریانس	انحراف معیار	میانگین	واریانس	انحراف معیار
انگیزۀ تحصیلی	کنترل	49/80	63/59	328/7	43/81	12/49	623/2	94/0 افزایش
	آزمایش	46/71	23/53	369/2	12/79	33/49	123/3	66/7 افزایش
عملکرد تحصیلی	کنترل	61/78	32/60	139/8	69/78	76/61	265/3	08/0 افزایش
	آزمایش	39/78	16/50	436/7	36/82	39/53	254/2	97/3 افزایش
تعاملات اجتماعی	کنترل	21/61	36/49	362/1	64/61	46/57	465/4	43/0 افزایش
	آزمایش	96/63	33/52	362/3	29/73	39/43	621/5	33/4 افزایش
تفکر انتقادی و حل‌مسئله	کنترل	74/66	49/37	136/6	61/67	33/65	236/3	87/0 افزایش
	آزمایش	76/65	66/49	119/4	66/74	16/49	623/3	90/8 افزایش

 

 

شکل 1. میانگین نمرات مؤلفۀ انگیزۀ تحصیلی به تفکیک گروه آزمایش و کنترل-(مأخذ: یافته‌های پژوهشی، 1403)

 

 

شکل 2. میانگین نمرات مؤلفۀ عملکرد تحصیلی به تفکیک گروه آزمایش و کنترل-(مأخذ: یافته‌های پژوهشی، 1403)

 

شکل 3. میانگین نمرات مؤلفۀ تعاملات‌اجتماعی به تفکیک گروه آزمایش و کنترل-(مأخذ: یافته‌های پژوهشی، 1403)

 

 

شکل 4. میانگین نمرات مؤلفۀ تفکر انتقادی و حل‌مسئله به تفکیک گروه آزمایش و کنترل-(مأخذ: یافته‌های پژوهشی، 1403)

 

و برپایۀ (جدول 7)، میانگین نمرات گروه آزمایش در پس‌آزمون برای متغیرهای انگیزهۀ تحصیلی، عملکرد تحصیلی، تعاملات‌اجتماعی و تفکر انتقادی و حل‌مسئله به‌طور معناداری بالاتر از گروه کنترل بوده است (001/0P<). میزان اثر آموزش مبتنی‌بر هوش مصنوعی برای تفکر انتقادی و حل‌مسئله برابر با 769/0 (معادل 9/76درصد)، با توان آماری 99/0 به‌دست‌آمد که بیشترین مقدار در میان مؤلفه‌ها بود. همچنین، میزان اثر برای انگیزۀ تحصیلی 539/0، عملکرد تحصیلی 359/0 و تعاملات‌اجتماعی 419/0 گزارش شد که همگی از نظر آماری معنادار بوده‌اند.

 

جدول 7. نتايج کوواریانس چندمتغیری میانگین متغیرهای موردبررسی-(مأخذ: یافته‌های پژوهشی، 1403)
متغیرها	مجموع مجذورات	درجۀ آزادي	ميانگين مجذورات	F	معناداري	ميزان تأثیر	توان آماري
انگیزۀ تحصیلی	57/34	1	46/25	43/11	001/0	539/0	899/0
عملکرد تحصیلی	21/157	1	13/131	67/23	001/0	359/0	745/0
تعاملات اجتماعی	43/32	1	13/24	34/7	001/0	419/0	869/0
تفکر انتقادی و حل‌مسئله	53/12	1	21/5	54/9	001/0	769/0	99/0

 

5- نتیجه‌گیری

پژوهش حاضر نشان‌دادکه ادغام هوش‌مصنوعی در محیط‌های آموزشی ترکیبی نقش مؤثری در ارتقای انگیزۀ تحصیلی دانش‌آموزان دارد. آموزش مبتنی‌بر AI با ارائۀ بازخوردهای شخصی‌سازی‌شده و محتوای تطبیقی، توانسته است تمایل و اشتیاق دانش‌آموزان برای مشارکت فعال در فرایند یادگیری را به‌طور معناداری افزایش دهد. این روش، نیازهای روان‌شناختی دانش‌آموزان را تأمین کرده و انگیزۀ درونی آنان را تقویت می‌کند. همچنین، عملکرد تحصیلی دانش‌آموزان تحت‌تأثیر آموزش مبتنی‌بر هوش‌مصنوعی بهبود یافته است. میانگین نمرات پس‌آزمون گروه آزمایش به‌طور معناداری بالاتر از گروه کنترل بود و میزان اثرگذاری قابل‌توجهی برای این متغیر مشاهده شد. این نتایج نشان می‌دهند که AI می‌تواند نقاط ضعف یادگیری دانش‌آموزان را شناسایی و با ارائۀ راهکارهای شخصی‌سازی‌شده، عملکرد تحصیلی آنان را بهبود بخشد. در بُعد اجتماعی، هوش‌مصنوعی تعاملات‌اجتماعی دانش‌آموزان را تسهیل کرده و توانایی آنان در همکاری و مشارکت گروهی را افزایش داده است. ابزارهای تعاملی دیجیتال و پلتفرم‌های آموزشی آنلاین موجب شده است‌که دانش‌آموزان مهارت‌های ارتباطی و همکاری خودرا ارتقاء دهند و فاصله‌های اجتماعی و فرهنگی کاهش یابد. یکی‌از مهمترین دستاوردهای پژوهش، تأثیر قابل‌توجۀ AI بر توسعۀ تفکر انتقادی و توانایی حل‌مسئله دانش‌آموزان بود. میانگین نمرات پس‌آزمون گروه آزمایش دراین مؤلفه به‌طور قابل‌توجهی افزایش یافته و بیشترین میزان اثرگذاری در میان مؤلفه‌های پژوهش را نشان می‌دهد. سناریوهای شبیه‌سازی‌شده، تمرینات تحلیلی و بازخوردهای تحلیلی AI، دانش‌آموزان را در مواجهه با چالش‌های واقعی و تفکر عمیق‌تر ترغیب کرده است. درنتیجه، پژوهش حاضر بر نقش مؤثر هوش‌مصنوعی در ارتقای کیفیت یادگیری و تقویت هویت‌فرهنگی و اجتماعی دانش‌آموزان تأکید دارد. ادغام AI در محیط‌های آموزشی ترکیبی، انگیزه و عملکرد تحصیلی را بهبود می‌بخشد و تعاملات‌اجتماعی و مهارت‌های تفکر انتقادی را تقویت می‌کند. این نتایج نشان می‌دهند که طراحی برنامه‌های آموزشی مبتنی‌بر هوش‌مصنوعی می‌تواند زمینه‌ساز پرورش دانش‌آموزان توانمند و آماده برای مواجهه با چالش‌های دنیای مدرن باشد.

 

منابع

−       بابایی‌رباط، ارسلان. جوانفر، زیبا. رجبی‌هامانه، فاطمه. بابایی‌جنیدآباد، فاطمه. (1402). بررسی تأثیر هوش‌مصنوعی بر توسعۀ مهارت‌های اجتماعی و همکاری بین دانش‌آموزان. اولین همایش بین‌المللی معلمان برتر و مدارس پی‌شرو در هزارۀ سوم، بوشهر-ایران، 18-1.

−       حیاوی، هاجر. (1403). تأثیر هوش‌مصنوعی بر تعاملات‌اجتماعی در محیط‌های آموزشی. اولین همایش ملی مهارت‌های معلمی، مسجدسلیمان، 12-1.

−       دهقانی، اسماء. (1402). بررسی تأثیر یادگیری ترکیبی بر بهبود کیفیت آموزش و عملکرد دانش‌آموزان. اولین همایش بین‌المللی افق‌های نوین در آموزش‌وپرورش در هزارۀ سوم، بوشهر-ایران، 11-1.

−       رجبی، حسنعلی. زندی، بهمن. اکرادی، احسان. شاکری، محسن. (1396). مطالعۀ اثر آموزش و تدریس به‌صورت ترکیبی بر یادگیری دانش‌آموزان؛ مطالعۀ موردی رشته‌های فنی‌وحرفه‌ای. فصلنامۀ علمی‌پژوهشی-تدریس‌پژوهی، دورۀ 5، شمارۀ 2، 81-69.

−       شعبانی، حمیرا. (1403). اثرات هوش‌مصنوعی در فرایند یادگیری دانش‌آموزان در دروس علوم‌تجربی. فصلنامۀ علمی‌تخصصی-رویکردهای پژوهشی نوین مدیریت و حسابداری, دورۀ 8 شمارۀ 28، 45-31.

−       طاهرزاده، جواد. شاهمردی‌بنی‌تاک، بلال. فیضی، حسن. قاسمی‌آزاد، معصومه. (1403). تأثیر آموزش ترکیبی مبتنی‌بر هوش‌مصنوعی بر مهارت‌های شناختی و اجتماعی دانش‌آموزان. اولین همایش بین‌المللی تحولات نوین در علوم‌تربیتی، روان‌شناسی و آموزش‌وپرورش، ارومیه-ایران، 9-1.

−       فنائی، راضیه. (1402). چالش‌ها و فرصت‌های استفاده‌از هوش‌مصنوعی در آموزش‌وپرورش. پنجمین همایش ملی پژوهش‌های حرفه‌ای در روان‌شناسی و مشاوره با رویکرد از نگاه معلم، میناب-ایران، 9-1.

−       فیروزی، فاطمه. پورحسین، معصومه. مشعلی، زینب. زارع‌بلدان، زبیده. (1403). کاربرد هوش‌مصنوعی بر توسعۀ مهارت‌های بین فرهنگی در دانش‌آموزان. اولین همایش بین‌المللی آموزش‌وپرورش با رویکرد مدارس هوشمند، معلمان خلاق و دانش‌آموزان متفکر در افق ۱۴۰۴، بوشهر-ایران، 14-1.

−       محسن‌زاده، مهدی. (1402). نقش یادگیری ترکیبی در بهبود فرایند آموزشی و یادگیری دانش‌آموزان. اولین همایش بین‌المللی معلمان برتر و مدارس پیش‌رو در هزارۀ سوم، بوشهر-ایران، 15-1.

−       محمودی، مهشید. حسین‌زاده، مهدی. (1402). بررسی تأثیر سیستم آموزشی هوشمند بر عملکرد دانش‌آموزان مقطع ابتدایی. هشتمین کنفرانس ملی رویکردهای نوین در آموزش‌وپژوهش، محمودآباد-ایران، 11-1.

−       نصیری، محمدرضا. عباداله‌عموقین، جعفر. (1403). بررسی نقش هوش‌مصنوعی در آموزش بااستفاده‌از رویکرد ره‌نگاشت فناوری. فصلنامۀ علمی‌پژوهشی-مطالعات کاربردی علم‌سنجی، دورۀ 1، شمارۀ 2، 130-111.

−       نیک‌نژاد، شبنم. رستگار، منصوره. (1403). تأثیر اپلیکیشن‌های آموزشی مبتنی‌بر هوش‌مصنوعی در هوشمندسازی دانش‌آموزان دوم دبستان. فصلنامۀ علمی‌پژوهشی-شناخت، رفتار، یادگیری، دورۀ 1، شمارۀ 2، 246-233.

−       Ali, Omar. Murray, Peter A. Momin, Mujtaba. Dwivedi, Yogesh K. Malik, Tegwen. (2024). The Effects Of Artificial Intelligence Applications In Educational Settings: Challenges And Strategies. Technological Forecasting And Social Change, 199(1): 1-18.

−       Al-Zahrani, AbdulRahman. Alasmari, Talal. (2024). Exploring The Impact Of Artificial Intelligence On Higher Education: The Dynamics Of Ethical, Social, And Educational Implications. Humanities And Social Sciences Communications, 11(1): 1-12.

−       Gómez-Martínez, Vittoria Angélica. García Naranjo, Martha Lucía. (2024). Social Interaction In Blended Learning: A Reflection On Technology Integration. Trilogía Ciencia Tecnología Sociedad, 16(34): 1-21.

−       Park, Yeonjeong. Young Doo, Min. (2024). Role Of AI In Blended Learning: A Systematic Literature Review. The International Review Of Research In Open And Distributed Learning, 25(1):164-196.

−       Shi, Lizhen. Muhammad Umer, Arshad. Shi, Yanting. (2023). Utilizing AI Models To Optimize Blended Teaching Effectiveness In College-Level English Education. Cogent Education, 10(2): 1-19.

 

 

 

221

 

---

[1] Department of Educational Sciences, Malayer Branch, Islamic Azad University, Malayer, Iran.

[e-mail]

[2] *Department of Educational Sciences, Malayer Branch, Islamic Azad University, Malayer, Iran. 

(Corresponding Author): [e-mail]

[3]  گروه علوم‌تربیتی، واحد ملایر، دانشگاه آزاداسلامی، ملایر، ایران.

[e-mail]

[4] * گروه علوم‌تربیتی، واحد ملایر، دانشگاه آزاداسلامی، ملایر، ایران. (نویسندۀ مسئول)

[e-mail]

[5]  Edward Deci

[6]  Richard Ryan

[7]  Albert Bandura

[8]  Jean Piaget

[9]  Jean Piaget

[10]  Yeonjeong Park

[11]  Min Young Doo

[12]  AbdulRahman Al-Zahrani

[13]  Talal Alasmari