North Khorasan University of Medical Sciences

other مرور نظام‌مند کاربردهای هوش مصنوعی در مدیریت آموزشی با تمرکز بر عملکرد تحصیلی دانشجویان پزشکی A Systematic Review of Artificial Intelligence Applications in Educational Management with a Focus on Medical Students علوم پایه Basic Sciences مقالات مروری Review Article مقدمه: هوش مصنوعی در سال‌های اخیر به‌عنوان یکی از فناوری‌های کلیدی تحول‌آفرین، نقش مهمی در بهبود مدیریت آموزشی و ارتقای عملکرد تحصیلی دانشجویان پزشکی ایفا کرده است. رشد سریع ابزارهای داده‌محور، نظام‌های آموزشی پزشکی را به‌سوی تصمیم‌سازی مبتنی&rlm;بر شواهد سوق داده است؛ بااین‌حال، یافته‌های پژوهشی موجود پراکنده و نیازمند یکپارچه‌سازی است. این مطالعه با هدفِ مرور نظام‌مند شواهد مرتبط با کاربردهای هوش مصنوعی در مدیریت آموزشی و بررسی پیامدهای آن بر عملکرد تحصیلی دانشجویان پزشکی انجام شد. روش کار: مطالعۀ مروری نظام‌مند حاضر مطابق با دستورالعمل PRISMA 2020 طراحی شد. جست&rlm;وجو در پایگاه‌های Scopus، PubMed، Web of Science، ERIC، IEEE Xplore و Google Scholar برای مقالات منتشرشده بین سال‌های ۲۰۲۰ تا ۲۰۲۵ انجام گرفت. از مجموعِ ۵۴۲ رکورد اولیه، پس از غربالگری، ارزیابی متن کامل و سنجش کیفیت با ابزارهای CASP، JBI و AMSTAR-2، در نهایت، ۳۵ مطالعه واجد شرایط وارد تحلیل نهایی شدند. تحلیل داده‌ها با روش ترکیب‌بندی موضوعی انجام شد. یافته‌ها: نتایج نشان داد کاربردهای هوش مصنوعی در مدیریت آموزشی در سه سطح یادگیرنده‌محور، داده‌محور و راهبردی قابل‌طبقه‌بندی است. سامانه‌های یادگیری تطبیقی موجب افزایش بیش از ۲۰٪ نمرات نظری، بهبود خودراهبری و کاهش اضطراب امتحان شدند. مدل‌های داده‌محور نیز دقت پیش‌بینی افت تحصیلی و ارزشیابی مهارت‌های بالینی را به‌طور معناداری افزایش دادند. در سطح راهبردی، سیستم‌های تصمیم‌یار هوشمند به بهبود سیاست‌گذاری آموزشی کمک کردند. بااین‌حال، چالش‌هایی مانند شکاف دیجیتال و نگرانی‌های اخلاقی گزارش شد. نتیجه‌گیری: شواهد نشان می‌دهد ادغام هوش مصنوعی در مدیریت آموزش پزشکی می‌تواند عملکرد تحصیلی را به‌طور قابل‌توجهی ارتقا دهد و تصمیم‌گیری‌های آموزشی مبتنی&rlm;بر شواهد را تسهیل کند؛ بااین‌حال، رسیدگی به چالش‌های اخلاقی و نابرابری‌های زیرساختی برای پیاده‌سازی پایدارِ آن، امری حیاتی است.   Introduction: In recent years, artificial intelligence (AI) has emerged as a transformative force in medical education, particularly in optimizing educational management and students' outcomes. Although the proliferation of data-driven tools has pivoted systems toward evidence-based decision-making, the current body of literature remains fragmented, necessitating a rigorous synthesis. This study systematically reviews AI applications in educational management and evaluates their impact on medical students' academic performance. Methods: This systematic review was conducted in accordance with the PRISMA 2020 guidelines. A comprehensive search was conducted across Scopus, PubMed, Web of Science, ERIC, IEEE Xplore, and Google Scholar for studies published between 2020 and 2025. Following rigorous screening and quality appraisal (using CASP, JBI, and AMSTAR-2), 35 studies were selected from 542 initial records. Data were analyzed via thematic synthesis. Results: The findings indicated that AI applications were categorized into three tiers: learner-centered, data-driven, and strategic. Adaptive learning systems yielded a >20% improvement in theoretical scores, enhanced self-directed learning, and reduced assessment-related anxiety. Data-driven models significantly improved the prediction of academic underachievement and clinical skill proficiency. At the strategic level, intelligent decision-support systems optimized educational planning and policy-making. Nevertheless, challenges, such as digital inequality and ethical concerns, including data privacy and algorithmic bias, remain significant barriers. Conclusion: The evidence suggests that AI integration in medical educational management can substantially enhance academic performance and facilitate evidence-based educational decision-making; however, addressing ethical challenges and infrastructure disparities remains crucial for its sustainable implementation.   هوش مصنوعی, مدیریت آموزشی, آموزش پزشکی, عملکرد تحصیلی Artificial Intelligence, Academic Performance, Educational Management, Medical Education 1 13 http://journal.nkums.ac.ir/browse.php?a_code=A-10-25-983&slc_lang=other&sid=1 Mahsa Jafarzadeh Hesari مهسا جعفرزاده حصاری 100319475328460031998 100319475328460031998 No Ph.D. Candidate in Educational Management, Department of Educational Sciences, Boj.C., Islamic Azad University, Bojnord, Iran دانشجوی دکتری مدیریت آموزشی، گروه علوم تربیتی، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایران Mahboube Soleimanpouromran محبوبه سلیمانپور عمران soleimanpouromran@iau.ac.ir 100319475328460031999 100319475328460031999 Yes Department of Educational Sciences, Boj.C., Islamic Azad University, Bojnord, Iran دانشیار، گروه علوم تربیتی، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایران Zohreh Abbasi زهره عباسی 100319475328460032000 100319475328460032000 No Department of Midwifery, School of Nursing, North Khorasan University of Medical Sciences, Bojnord, Iran گروه مامایی، دانشکدۀ پرستاری، دانشگاه علوم پزشکی خراسان شمالی، بجنورد، ایران