مرور نظام مند کاربردهای هوش مصنوعی در مدیریت آموزشی با تمرکز بر عملکرد تحصیلی دانشجویان پزشکی

مقدمه: هوش مصنوعی در سال های اخیر به عنوان یکی از فناوری های کلیدی تحول آفرین، نقش مهمی در بهبود مدیریت آموزشی و ارتقای عملکرد تحصیلی دانشجویان پزشکی ایفا کرده است. رشد سریع ابزارهای داده محور، نظام های آموزشی پزشکی را به سوی تصمیم سازی مبتنیبر شواهد سوق داده است؛ بااین حال، یافته های پژوهشی موجود پراکنده و نیازمند یکپارچه سازی است. این مطالعه با هدف مرور نظام مند شواهد مرتبط با کاربردهای هوش مصنوعی در مدیریت آموزشی و بررسی پیامدهای آن بر عملکرد تحصیلی دانشجویان پزشکی انجام شد. روش کار: مطالعه مروری نظام مند حاضر مطابق با دستورالعمل PRISMA ۲۰۲۰ طراحی شد. جستوجو در پایگاه های Scopus، PubMed، Web of Science، ERIC، IEEE Xplore و Google Scholar برای مقالات منتشرشده بین سال های ۲۰۲۰ تا ۲۰۲۵ انجام گرفت. از مجموع ۵۴۲ رکورد اولیه، پس از غربالگری، ارزیابی متن کامل و سنجش کیفیت با ابزارهای CASP، JBI و AMSTAR-۲، در نهایت، ۳۵ مطالعه واجد شرایط وارد تحلیل نهایی شدند. تحلیل داده ها با روش ترکیب بندی موضوعی انجام شد. یافته ها: نتایج نشان داد کاربردهای هوش مصنوعی در مدیریت آموزشی در سه سطح یادگیرنده محور، داده محور و راهبردی قابل طبقه بندی است. سامانه های یادگیری تطبیقی موجب افزایش بیش از ۲۰٪ نمرات نظری، بهبود خودراهبری و کاهش اضطراب امتحان شدند. مدل های داده محور نیز دقت پیش بینی افت تحصیلی و ارزشیابی مهارت های بالینی را به طور معناداری افزایش دادند. در سطح راهبردی، سیستم های تصمیم یار هوشمند به بهبود سیاست گذاری آموزشی کمک کردند. بااین حال، چالش هایی مانند شکاف دیجیتال و نگرانی های اخلاقی گزارش شد. نتیجه گیری: شواهد نشان می دهد ادغام هوش مصنوعی در مدیریت آموزش پزشکی می تواند عملکرد تحصیلی را به طور قابل توجهی ارتقا دهد و تصمیم گیری های آموزشی مبتنیبر شواهد را تسهیل کند؛ بااین حال، رسیدگی به چالش های اخلاقی و نابرابری های زیرساختی برای پیاده سازی پایدار آن، امری حیاتی است.

کلیدواژه ها:

Artificial Intelligence ، Academic Performance ، Educational Management ، Medical Education ، هوش مصنوعی ، مدیریت آموزشی ، آموزش پزشکی ، عملکرد تحصیلی