آموزش

This article presents the results of an assessment of mental performance and attention characteristics in children attending preschool educational organizations. Using the Anfimov letter-based proofreading test, the speed, accuracy, error rate, and stability of attention were evaluated in 228 children from modular (n=114) and traditional (n=114) types of preschools in the city of Tashkent and the Surkhandarya region. The results showed that children in traditional preschools had significantly higher information processing speed and attention stability (P<0.01), whereas the attention accuracy rate was higher in modular preschools (P<0.05). Furthermore, in modular preschools, girls demonstrated a lower error rate compared to boys (P<0.05). These findings confirm that the organizational and structural features of the preschool educational environment affect individual components of children's attention and highlight the practical importance of the hygienic and pedagogical optimization of this environment.

این مقاله نتایج ارزیابی عملکرد ذهنی و ویژگی‌های توجه در کودکان حاضر در سازمان‌های آموزشی پیش‌دبستانی را ارائه می‌دهد. با استفاده از آزمون تصحیح‌خوانی مبتنی بر حروف Anfimov، سرعت، دقت، نرخ خطا و پایداری توجه در ۲۲۸ کودک از مهدکودک‌های مدولار (n=114) و سنتی (n=114) در شهر تاشکند و منطقه سرخان‌دریا مورد ارزیابی قرار گرفت. نتایج نشان داد که کودکان در مهدکودک‌های سنتی از سرعت پردازش اطلاعات و پایداری توجه به‌طور معناداری بالاتری برخوردار بودند (P<0.01)، در حالی که نرخ دقت توجه در مهدکودک‌های مدولار بالاتر بود (P<0.05). همچنین، در مهدکودک‌های مدولار، دختران نسبت به پسران نرخ خطای کمتری نشان دادند (P<0.05). این یافته‌ها تأیید می‌کند که ویژگی‌های سازمانی و ساختاری محیط آموزشی پیش‌دبستانی بر مؤلفه‌های فردی توجه کودکان تأثیر می‌گذارد و اهمیت عملی بهینه‌سازی بهداشتی و آموزشی این محیط را برجسته می‌سازد.

Mood follows a well-documented circadian rhythm. Sleep timing and duration are similarly shaped by biological and social factors. However, large-scale, real-world data on how these patterns vary across demographic groups remain limited. Prior studies often rely on laboratory data or social media linguistic analysis, which lack direct self-reports. This study examines hourly, weekly, and demographic trends in mood and sleep duration reports using one of the largest online datasets of directly self-reported behavioral health: 468,092 Lumosity users (aged 20–79) who reported daily mood (−2 to +2 scale) and sleep duration (≤5–9 + hours). We assessed variation by time of day, day of week, and interactions of age, gender, and race/ethnicity using ANOVA and linear regression. Mood was higher among users reporting in the afternoon and evening, and lower from late night through morning. Mood showed a U-shaped pattern with age, consistent throughout the week, and longer sleep duration was linked to better mood reports throughout the day and week. Sleep duration varied by time of report and by day of week, with longer durations in the afternoon/evening and on weekends. Women reported longer sleep overall, Black users reported shorter sleep, and sleep duration declined from young adulthood through midlife before rising slightly among older users. Higher mood was associated with longer sleep, and the weekday-weekend mood difference was larger among users reporting longer sleep. These findings demonstrate the value of large-scale digital data for public health insight, highlighting demographic disparities in sleep and the importance of midlife as a key intervention period. Because the sample is likely skewed toward higher educational attainment and health engagement, disparity estimates may understate true population-level differences. The late-night peak in negative affect aligns with literature on nocturnal suicide risk, though this nonclinical sample cannot directly speak to clinical risk or crisis-service need.

خلق و خو از یک ریتم شبانه‌روزی مستند پیروی می‌کند. زمان‌بندی و مدت خواب نیز به طور مشابه تحت تأثیر عوامل زیستی و اجتماعی قرار دارند. با این حال، داده‌های واقعی و گسترده درباره چگونگی تغییر این الگوها در میان گروه‌های جمعیت‌شناختی همچنان محدود است. مطالعات پیشین اغلب به داده‌های آزمایشگاهی یا تحلیل زبانی شبکه‌های اجتماعی متکی هستند که فاقد خودگزارش‌دهی مستقیم می‌باشند. این مطالعه روندهای ساعتی، هفتگی و جمعیت‌شناختی در گزارش‌های خلق و مدت خواب را با استفاده از یکی از بزرگ‌ترین مجموعه داده‌های آنلاین سلامت رفتاری با خودگزارش‌دهی مستقیم بررسی می‌کند: ۴۶۸٬۰۹۲ کاربر Lumosity (در بازه سنی ۲۰ تا ۷۹ سال) که روزانه خلق (در مقیاس −۲ تا +۲) و مدت خواب (۵ ساعت یا کمتر تا ۹ ساعت و بیشتر) را گزارش کردند. ما تغییرات را بر اساس زمان روز، روز هفته و تعاملات سن، جنسیت و نژاد/قومیت با استفاده از تحلیل واریانس (ANOVA) و رگرسیون خطی ارزیابی کردیم. خلق در میان کاربرانی که در بعدازظهر و عصر گزارش داده‌اند بالاتر و از نیمه‌شب تا صبح پایین‌تر بود. خلق الگوی U شکلی با سن نشان داد که در طول هفته ثابت بود و مدت خواب طولانی‌تر با گزارش‌های خلق بهتر در سراسر روز و هفته همراه بود. مدت خواب بر اساس زمان گزارش و روز هفته متفاوت بود، به طوری که در بعدازظهر/عصر و آخر هفته‌ها مدت خواب طولانی‌تر بود. زنان به طور کلی خواب طولانی‌تری گزارش کردند، کاربران سیاه‌پوست خواب کوتاه‌تری گزارش کردند و مدت خواب از اوایل بزرگسالی تا میانسالی کاهش یافت و سپس در میان کاربران مسن‌تر اندکی افزایش یافت. خلق بالاتر با خواب طولانی‌تر همراه بود و تفاوت خلق بین روزهای هفته و آخر هفته در میان کاربرانی که خواب طولانی‌تری گزارش کردند بیشتر بود. این یافته‌ها ارزش داده‌های دیجیتال گسترده را برای بینش سلامت عمومی نشان می‌دهد و بر نابرابری‌های جمعیت‌شناختی در خواب و اهمیت میانسالی به عنوان دوره‌ای کلیدی برای مداخله تأکید می‌کند. از آنجا که نمونه احتمالاً به سمت تحصیلات بالاتر و مشارکت بیشتر در سلامت گرایش دارد، برآورد نابرابری‌ها ممکن است تفاوت‌های واقعی در سطح جمعیت را کمتر از واقعیت نشان دهد. اوج خلق منفی در نیمه‌شب با ادبیات مربوط به خطر خودکشی شبانه همسو است، اگرچه این نمونه غیر بالینی نمی‌تواند مستقیماً درباره خطر بالینی یا نیاز به خدمات بحران اظهار نظر کند.

With the widespread integration of Generative Artificial Intelligence (GAI) into higher education, its relationship with students’ creativity has become a growing focus of scholarly inquiry. Drawing on data from 424 survey responses and in-depth interviews with eight students, this study constructs and examines a chain path model of Exploration–Exploitation–Co-Creation–Reflection to investigate how GAI-assisted learning processes are associated with students’ creativity. Quantitative analyses indicate that exploratory and exploitative behaviors are positively associated with creativity, and these associations are observed alongside perceived cognitive stimulation. Furthermore, co-creation and reflection are significantly associated with flow experience and creative self-efficacy, which are related to students’ creative performance. The qualitative findings complement the quantitative results by showing that students’ engagement in exploration, knowledge utilization, collaborative co-creation, and reflection during GAI-assisted learning is accompanied by cognitive inspiration and psychological engagement. Overall, this study provides insight into how GAI-assisted learning processes may be associated with creativity development in higher education through the interplay of behavioral, cognitive, and psychological mechanisms, offering implications for educational practice and theoretical advancement.

با ادغام گسترده هوش مصنوعی مولد (GAI) در آموزش عالی، رابطه آن با خلاقیت دانشجویان به کانون توجه فزاینده پژوهش‌های علمی تبدیل شده است. این مطالعه با استفاده از داده‌های ۴۲۴ پرسشنامه و مصاحبه‌های عمیق با هشت دانشجو، یک مدل مسیر زنجیره‌ای اکتشاف–بهره‌برداری–هم‌آفرینی–تأمل را ساخته و بررسی می‌کند تا چگونگی ارتباط فرایندهای یادگیری با کمک GAI با خلاقیت دانشجویان را مورد مطالعه قرار دهد. تحلیل‌های کمی نشان می‌دهد که رفتارهای اکتشافی و بهره‌بردارانه با خلاقیت رابطه مثبت دارند و این ارتباطات همراه با تحریک شناختی ادراک‌شده مشاهده می‌شوند. افزون بر این، هم‌آفرینی و تأمل به طور معناداری با تجربه جریان و خودکارآمدی خلاقانه مرتبط هستند که این عوامل نیز با عملکرد خلاقانه دانشجویان ارتباط دارند. یافته‌های کیفی، نتایج کمی را تکمیل می‌کند و نشان می‌دهد که مشارکت دانشجویان در اکتشاف، بهره‌گیری از دانش، هم‌آفرینی مشارکتی و تأمل در طول یادگیری با کمک GAI با الهام شناختی و درگیری روان‌شناختی همراه است. در مجموع، این مطالعه بینشی درباره چگونگی ارتباط فرایندهای یادگیری با کمک GAI با رشد خلاقیت در آموزش عالی از طریق تعامل سازوکارهای رفتاری، شناختی و روان‌شناختی ارائه می‌دهد و پیامدهایی برای عمل آموزشی و پیشرفت نظری مطرح می‌کند.

Abstract It is generally assumed that children and adults learn language through fundamentally different mechanisms: Children predominantly rely on implicit learning, and adults utilize more explicit strategies (Lichtman, 2016). However, little is known about when and how learners begin to benefit from explicit instruction over the course of language development. Addressing this gap, the present study responds to DeKeyser's (2012, 2013) call to investigate age–treatment interactions (ATIs) under highly controlled experimental conditions. Using a cross‐situational learning (CSL) paradigm, we trained 150 learners aged 8 to 13 to acquire both vocabulary and grammar in a complex artificial language under two instructional conditions: implicit and explicit. Results indicated that, in this task, 12‐to‐13‐year‐old children showed clearer benefits from explicit instruction than younger children, particularly for grammatical information related to word order. These findings shed light on the developmental stage at which explicit instruction may become beneficial for children's nonnative language (L2) learning.

چکیده: به طور کلی فرض می‌شود که کودکان و بزرگسالان زبان را از طریق سازوکارهای بنیاداً متفاوتی فرا می‌گیرند: کودکان عمدتاً به یادگیری ضمنی متکی هستند و بزرگسالان از راهبردهای آشکار بیشتری استفاده می‌کنند (Lichtman, 2016). با این حال، اطلاعات اندکی دربارهٔ زمان و چگونگی بهره‌مندی یادگیرندگان از آموزش آشکار در طول فرایند رشد زبانی وجود دارد. پژوهش حاضر در پاسخ به درخواست DeKeyser (2012, 2013) برای بررسی تعاملات سن–درمان (ATIها) در شرایط آزمایشی بسیار کنترل‌شده انجام شده است. با استفاده از الگوی یادگیری میان‌موقعیتی (CSL)، تعداد ۱۵۰ یادگیرنده در بازهٔ سنی ۸ تا ۱۳ سال برای فراگیری واژگان و دستور زبان در یک زبان مصنوعی پیچیده تحت دو شرایط آموزشی ضمنی و آشکار آموزش دیدند. نتایج نشان داد که در این تکلیف، کودکان ۱۲ تا ۱۳ ساله نسبت به کودکان کم‌سن‌تر، به ویژه در زمینهٔ اطلاعات دستوری مربوط به ترتیب واژه‌ها، از آموزش آشکار سود بیشتری بردند. این یافته‌ها به روشن شدن مرحلهٔ رشدی که در آن آموزش آشکار می‌تواند برای یادگیری زبان دوم (L2) کودکان مفید واقع شود، کمک می‌کند.

Play-based parent-child interaction offers preschoolers rich opportunities for everyday foreign language learning, yet many parents struggle to turn open-ended play into effective English-as-a-Foreign-Language (EFL) learning experiences at home. To explore how AI might support this process, we conducted formative studies through interviews and a Wizard-of-Oz study. We identified four key challenges: content selection, language expression, balancing instruction and play, and problem solving. To address these challenges, we present PAPEL, a parent–AI collaborative system that grounds suggestions in the ongoing play scene and organizes support into four core modules: content generation, language adaptation, balance assessment, and extended response. In a counterbalanced within-subjects study with 16 parent–child dyads, PAPEL was associated with more integrated parent utterances that combined playful and instructional content, as well as more parent–child conversational turns, than the lightweight chatbot baseline used in our study.

تعامل والد-کودک مبتنی بر بازی، فرصت‌های غنی‌ای برای یادگیری زبان خارجی در زندگی روزمره کودکان پیش‌دبستانی فراهم می‌کند، اما بسیاری از والدین در تبدیل بازی‌های باز به تجربیات مؤثر یادگیری زبان انگلیسی به‌عنوان زبان خارجی (EFL) در خانه با دشواری مواجه هستند. به‌منظور بررسی نقش هوش مصنوعی در حمایت از این فرایند، مطالعات شکل‌دهنده‌ای از طریق مصاحبه‌ها و مطالعهٔ ویزارد آو آز انجام دادیم. چهار چالش کلیدی شناسایی شد: انتخاب محتوا، بیان زبانی، ایجاد تعادل میان آموزش و بازی، و حل مسئله. برای پاسخ به این چالش‌ها، سامانهٔ PAPEL را معرفی می‌کنیم که یک سامانهٔ مشارکتی والد-هوش مصنوعی است و پیشنهادها را بر اساس صحنهٔ جاری بازی ارائه می‌دهد و حمایت را در قالب چهار ماژول اصلی سازمان‌دهی می‌کند: تولید محتوا، سازگاری زبانی، ارزیابی تعادل، و پاسخ‌دهی گسترده. در یک مطالعهٔ درون‌گروهی متقابل با ۱۶ زوج والد-کودک، استفاده از PAPEL با اظهارات والدین یکپارچه‌تر که محتوای بازیگوشانه و آموزشی را ترکیب می‌کردند و همچنین تعداد بیشتری از نوبت‌های مکالمهٔ والد-کودک نسبت به چت‌بات سبک‌وزن مبنا در پژوهش ما همراه بود.

Many education systems aim to support teachers in moving toward conceptually oriented mathematics instruction. The 2023 California Mathematics Framework provides one example of this effort by organizing standards around big ideas and emphasizing mathematical connections. In this study, we report on an early investigation of teachers’ learning about, and efforts to enact, the framework’s big ideas approach. We followed a cohort of elementary teachers who participated in a year-long professional learning fellowship. Drawing on multiple qualitative data sources, we examine the affordances and constraints teachers experienced as they learned to teach mathematics conceptually through big ideas, as well as the ways that the framework's conceptual structure supported their instructional decision-making. Teachers reported meaningful shifts in their teaching, which they attributed to increased student engagement, a sense of instructional freedom, and growing confidence in themselves as mathematical thinkers. Classroom observations corroborated these reported shifts by documenting teachers' enactment of key features of conceptual mathematics instruction. At the same time, teachers identified important constraints, particularly tensions between conceptual teaching and procedural district assessment systems. Across teachers, the big ideas approach provided a shared conceptual structure for organizing instruction around connected mathematical ideas while supporting teachers’ professional judgment in how those ideas were enacted in classrooms. To illustrate variation in teachers’ experiences, we present four cases representing different trajectories of learning and enactment. We conclude with implications for the design of professional learning and the use of coherent conceptual frameworks to support teachers' learning and instructional decision-making.

بسیاری از نظام‌های آموزشی در پی حمایت از معلمان برای حرکت به سوی آموزش ریاضیات مبتنی بر مفاهیم هستند. چارچوب ریاضیات کالیفرنیا ۲۰۲۳ نمونه‌ای از این تلاش است که استانداردها را حول ایده‌های بزرگ سازمان‌دهی کرده و بر ارتباطات ریاضی تأکید می‌کند. در این مطالعه، گزارشی از یک بررسی اولیه درباره یادگیری معلمان و تلاش‌های آن‌ها برای اجرای رویکرد ایده‌های بزرگ این چارچوب ارائه می‌شود. ما یک گروه از معلمان ابتدایی را که در یک دوره یک‌ساله یادگیری حرفه‌ای شرکت کردند، دنبال کردیم. با استفاده از منابع مختلف داده‌های کیفی، به بررسی فرصت‌ها و محدودیت‌هایی که معلمان در فرآیند یادگیری آموزش مفهومی ریاضیات از طریق ایده‌های بزرگ تجربه کردند، و همچنین نحوه حمایت ساختار مفهومی چارچوب از تصمیم‌گیری‌های آموزشی آن‌ها پرداختیم. معلمان تغییرات معناداری را در شیوه تدریس خود گزارش کردند که آن را به افزایش مشارکت دانش‌آموزان، احساس آزادی آموزشی و افزایش اعتماد به نفس خود به عنوان اندیشمندان ریاضی نسبت دادند. مشاهدات کلاسی این تغییرات گزارش‌شده را با مستندسازی اجرای ویژگی‌های کلیدی آموزش مفهومی ریاضیات توسط معلمان تأیید کرد. همزمان، معلمان محدودیت‌های مهمی را شناسایی کردند، به‌ویژه تنش میان آموزش مفهومی و نظام‌های ارزیابی رویه‌ای منطقه‌ای. در میان معلمان، رویکرد ایده‌های بزرگ ساختار مفهومی مشترکی برای سازمان‌دهی آموزش حول ایده‌های مرتبط ریاضی فراهم کرد و در عین حال از قضاوت حرفه‌ای معلمان در نحوه اجرای این ایده‌ها در کلاس حمایت نمود. برای نشان دادن تنوع تجربیات معلمان، چهار مطالعه موردی ارائه می‌شود که مسیرهای متفاوت یادگیری و اجرا را نمایان می‌کند. در پایان، پیامدهایی برای طراحی یادگیری حرفه‌ای و استفاده از چارچوب‌های مفهومی منسجم جهت حمایت از یادگیری معلمان و تصمیم‌گیری‌های آموزشی آن‌ها ارائه می‌شود.

Dominant models of intercultural competence and empathy rest on the assumption that learners are free to move, encounter differences in person, and choose their intercultural contacts. Imperiale (2021) has shown, in the context of the Gaza Strip in Palestine, that this assumption renders such models programmatically inapplicable under conditions of forced immobility. This study extends that reconceptualisation empirically to the occupied West Bank in Palestine. Drawing on semi-structured online interviews with four Palestinian undergraduates who had never travelled beyond the West Bank, this study examines how intercultural empathy is understood and enacted when encounter is structurally denied. The interviews were conducted between April and August 2024 and analysed using reflexive thematic analysis. Participants articulated empathy as inseparable from political recognition and material action; they described deliberate strategies, such as preparatory research, active listening and digital exchange, through which they built intercultural understanding without mobility; and one participant refused the expectation of empathy altogether, demanding it instead. Read through the Capabilities Approach and critical pedagogy, these accounts suggest that intercultural empathy is best understood not as an individual competence acquired through encounter, but as a relational capability whose distribution and expectation are politically structured. Implications for intercultural education in contexts of conflict and constraint are discussed.

الگوهای غالب شایستگی و همدلی بین‌فرهنگی بر این فرض استوار هستند که یادگیرندگان آزادانه می‌توانند جابجا شوند، تفاوت‌ها را به‌صورت حضوری تجربه کنند و تماس‌های بین‌فرهنگی خود را انتخاب نمایند. Imperiale (2021) در زمینه نوار غزه در فلسطین نشان داده است که این فرض باعث می‌شود چنین الگوهایی در شرایط بی‌تحرکی اجباری به‌طور برنامه‌ای غیرقابل اجرا باشند. این پژوهش، بازنگری مذکور را به‌صورت تجربی به کرانه باختری اشغالی فلسطین گسترش می‌دهد. با بهره‌گیری از مصاحبه‌های نیمه‌ساختاریافته آنلاین با چهار دانشجوی کارشناسی فلسطینی که هرگز از کرانه باختری سفر نکرده بودند، این مطالعه بررسی می‌کند که همدلی بین‌فرهنگی چگونه در شرایطی که مواجهه به‌طور ساختاری انکار می‌شود، فهم و اجرا می‌گردد. مصاحبه‌ها بین آوریل و اوت ۲۰۲۴ انجام شد و با استفاده از تحلیل تماتیک بازتابی مورد بررسی قرار گرفت. مشارکت‌کنندگان همدلی را جدایی‌ناپذیر از شناسایی سیاسی و کنش مادی بیان کردند؛ آن‌ها راهبردهای عمدی مانند پژوهش مقدماتی، گوش‌دادن فعال و تبادل دیجیتال را توصیف نمودند که از طریق آن‌ها بدون جابجایی، فهم بین‌فرهنگی را ایجاد کردند؛ و یکی از مشارکت‌کنندگان به‌طور کلی از انتظار همدلی امتناع ورزید و آن را مطالبه نمود. با خوانش از منظر رویکرد قابلیت‌ها و پداگوژی انتقادی، این روایت‌ها نشان می‌دهند که همدلی بین‌فرهنگی بهتر است نه به‌عنوان یک شایستگی فردی که از طریق مواجهه کسب می‌شود، بلکه به‌عنوان یک قابلیت رابطه‌ای که توزیع و انتظار آن به‌طور سیاسی ساختار یافته است، درک شود. پیامدهای این یافته‌ها برای آموزش بین‌فرهنگی در زمینه‌های تعارض و محدودیت مورد بحث قرار گرفته است.

Background Against the backdrop of digital empowerment, generative artificial intelligence has been widely applied in school-age children’s reading education, and digital reading has become one of the primary types of environmental exposure for school-age children. However, school-age children face challenges such as insufficient age-appropriate content and uncontrollable physical and mental strain. There is an urgent demand for a public health intervention model that balances reading-related health benefits, prevents and controls digital exposure risks, avoids physical and mental health impairments, and adapts to school-age children from diverse socioeconomic backgrounds. Methods A retrospective control study design was used in this study. A total of 100 cases of school-age children aged 6–12 were collected from the standardized intervention archive of our institution from September 2025 to December 2025. According to the intervention plan actually accepted in the archive records, they were divided into the collaborative intervention group and the AI-only reading group with 50 cases in each group. In the AI-only reading group, the recorded intervention is purely generative AI independent reading intervention (college students are only responsible for equipment operation and maintenance, and do not participate in reading guidance and emotional intervention), while in the collaborative intervention group, the recorded intervention is the structured auxiliary collaborative intervention of the whole process of generative AI voice multi-round interactive reading combined with standardized training for college students. The intervention period is 12 weeks, three times a week, and each time is 20–25 min. Retrospective analysis of longitudinal data at baseline, 6 weeks of intervention, 12 weeks of follow-up and 4 weeks of follow-up, with the comprehensive score of early reading as the only preset main outcome index, repeated measurement analysis of variance, independent sample t -test and chi-square test were used to analyze the inter-group and time effects, Cohen’s d was used to evaluate the effect, and the test level was α = 0.05. Results Retrospective archive data shows that, after intervention, the collaborative intervention group achieved significantly higher composite early reading scores, phonological awareness, vocabulary comprehension accuracy, reading attention duration and reading interest scores than the AI-only reading group ( p < 0.05). The main effects of group, time and the group-time interaction were all highly statistically significant ( p < 0.01), with an effect size of Cohen’s d = 0.50 representing a moderate intervention effect. The collaborative intervention group also showed significantly higher intervention adherence rate, AI interaction completion rate, reading task completion rate and frequency of active participation than the AI-only reading group ( p < 0.05). In terms of digital health-related outcomes, the collaborative intervention group had significantly lower incidence of adverse psychological states, incidence of prodromal signs of visual fatigue and digital eye strain symptoms, and study dropout rate ( p < 0.05). Among the digital health-related safety indicators, the incidence of negative emotions, visual fatigue and research dropout rate were significantly lower than those of the AI-only reading group ( p < 0.05). The archived records showed that the whole screen duration was strictly in compliance, and there was no privacy leakage and serious adverse events. The 10% lost visit rate was controllable, and the complete rate of informed consent and the qualified rate of implementation were all 100%, and there was no privacy leakage and serious adverse events. Conclusion The generative AI interaction mode paired with college student auxiliary support is associated with sustained improvement school-age children’s core early reading ability via cumulative short-term follow-up effects. Meanwhile, this collaborative model enables effective management of digital environmental exposure risks and may reduce risks related to visual and psychological health among school-age children. The intergroup differences remained stable with reliable effect sizes. This intervention model can be may provide a reference for future implementation as a digital public health intervention targeting school-age children’s early reading, and provides preliminary empirical evidence for the standardized application of AI-supported education for school-age children. This retrospective study only reflects the differences between groups of compound intervention programs in archived cases, and cannot establish strong causal inference.

زمینه: در بستر توانمندسازی دیجیتال، هوش مصنوعی مولد به طور گسترده‌ای در آموزش خواندن کودکان سن مدرسه به کار گرفته شده است و خواندن دیجیتال به یکی از انواع اصلی مواجهه‌ی محیطی برای کودکان سن مدرسه تبدیل شده است. با این حال، کودکان سن مدرسه با چالش‌هایی مانند کمبود محتوای متناسب با سن و فشارهای جسمی و روانی غیرقابل کنترل مواجه هستند. نیاز فوری به یک الگوی مداخله‌ی سلامت عمومی وجود دارد که منافع سلامت مرتبط با خواندن را متعادل کند، خطرات مواجهه‌ی دیجیتال را پیشگیری و کنترل نماید، از آسیب‌های سلامت جسمی و روانی جلوگیری کند و با کودکان سن مدرسه از زمینه‌های اجتماعی-اقتصادی متنوع سازگار باشد. روش‌ها: در این مطالعه از طرح کنترل گذشته‌نگر استفاده شد. در مجموع ۱۰۰ مورد از کودکان سن مدرسه ۶ تا ۱۲ ساله از آرشیو مداخله‌ی استانداردشده‌ی مؤسسه‌ی ما از سپتامبر ۲۰۲۵ تا دسامبر ۲۰۲۵ جمع‌آوری شد. بر اساس برنامه‌ی مداخله‌ای که واقعاً در سوابق آرشیو پذیرفته شده بود، آن‌ها به دو گروه مداخله‌ی مشارکتی و گروه خواندن صرفاً با هوش مصنوعی تقسیم شدند که هر گروه شامل ۵۰ نفر بود. در گروه خواندن صرفاً با هوش مصنوعی، مداخله‌ی ثبت‌شده صرفاً مداخله‌ی خواندن مستقل با هوش مصنوعی مولد بود (دانشجویان دانشگاه فقط مسئول راه‌اندازی و نگهداری تجهیزات بودند و در راهنمایی خواندن و مداخله‌ی عاطفی شرکت نداشتند)، در حالی که در گروه مداخله‌ی مشارکتی، مداخله‌ی ثبت‌شده، مداخله‌ی ساختاریافته‌ی کمکی مشارکتی در کل فرایند خواندن تعاملی چندمرحله‌ای صوتی با هوش مصنوعی مولد همراه با آموزش استانداردشده برای دانشجویان دانشگاه بود. دوره‌ی مداخله ۱۲ هفته، سه بار در هفته و هر بار ۲۰ تا ۲۵ دقیقه بود. تحلیل گذشته‌نگر داده‌های طولی در خط پایه، ۶ هفته مداخله، ۱۲ هفته پیگیری و ۴ هفته پیگیری انجام شد و امتیاز جامع خواندن اولیه به عنوان تنها شاخص اصلی از پیش تعیین‌شده در نظر گرفته شد. برای تحلیل اثرات بین‌گروهی و زمانی از تحلیل واریانس اندازه‌گیری مکرر، آزمون t مستقل و آزمون کای-دو استفاده شد، اندازه‌ی اثر با Cohen’s d ارزیابی شد و سطح آزمون α = ۰٫۰۵ بود. نتایج: داده‌های آرشیوی گذشته‌نگر نشان داد که پس از مداخله، گروه مداخله‌ی مشارکتی در امتیاز ترکیبی خواندن اولیه، آگاهی واجی، دقت درک واژگان، مدت زمان توجه به خواندن و امتیاز علاقه به خواندن به طور معناداری بالاتر از گروه خواندن صرفاً با هوش مصنوعی بود (p < 0.05). اثرات اصلی گروه، زمان و تعامل گروه-زمان همگی از نظر آماری بسیار معنادار بودند (p < 0.01) و اندازه‌ی اثر Cohen’s d = 0.50 نشان‌دهنده‌ی اثر مداخله‌ای متوسط بود. گروه مداخله‌ی مشارکتی همچنین نرخ پایبندی به مداخله، نرخ تکمیل تعامل با هوش مصنوعی، نرخ تکمیل وظیفه‌ی خواندن و فراوانی مشارکت فعال به طور معناداری بالاتری نسبت به گروه خواندن صرفاً با هوش مصنوعی نشان داد (p < 0.05). از نظر پیامدهای مرتبط با سلامت دیجیتال، گروه مداخله‌ی مشارکتی شیوع معناداری کمتری از وضعیت‌های روانی نامطلوب، نشانه‌های پیش‌درآمد خستگی بینایی و علائم خستگی چشمی دیجیتال و نرخ ترک تحصیل داشت (p < 0.05). در میان شاخص‌های ایمنی مرتبط با سلامت دیجیتال، شیوع هیجانات منفی، خستگی بینایی و نرخ ترک پژوهش به طور معناداری کمتر از گروه خواندن صرفاً با هوش مصنوعی بود (p < 0.05). سوابق آرشیوی نشان داد که مدت زمان کل استفاده از صفحه نمایش کاملاً مطابق با مقررات بوده و هیچ نشتی حریم خصوصی و رویداد نامطلوب جدی وجود نداشته است. نرخ مراجعه‌ی از دست رفته ۱۰٪ قابل کنترل بود و نرخ کامل بودن رضایت آگاهانه و نرخ اجرای واجد شرایط هر دو ۱۰۰٪ بود و هیچ نشتی حریم خصوصی و رویداد نامطلوب جدی وجود نداشت. نتیجه‌گیری: شیوه‌ی تعاملی هوش مصنوعی مولد همراه با حمایت کمکی دانشجویان دانشگاه با بهبود پایدار توانایی خواندن اولیه‌ی هسته‌ای کودکان سن مدرسه از طریق اثرات تجمعی پیگیری کوتاه‌مدت مرتبط است. در عین حال، این مدل مشارکتی امکان مدیریت مؤثر خطرات مواجهه با محیط دیجیتال را فراهم می‌کند و ممکن است خطرات مرتبط با سلامت بینایی و روانی کودکان سن مدرسه را کاهش دهد. تفاوت‌های بین‌گروهی با اندازه‌های اثر قابل اعتماد پایدار باقی ماندند. این مدل مداخله می‌تواند به عنوان مرجعی برای اجرای آینده به عنوان یک مداخله‌ی سلامت عمومی دیجیتال با هدف خواندن اولیه‌ی کودکان سن مدرسه مورد استفاده قرار گیرد و شواهد تجربی مقدماتی برای کاربرد استاندارد آموزش مبتنی بر هوش مصنوعی برای کودکان سن مدرسه فراهم می‌کند. این مطالعه‌ی گذشته‌نگر فقط تفاوت‌های بین گروه‌های برنامه‌های مداخله‌ی ترکیبی در موارد آرشیوی را منعکس می‌کند و نمی‌تواند استنباط علّی قوی ایجاد کند.

Contemporary science education emphasizes the role of content knowledge (CK) in students’ informal reasoning (IR) within socio-scientific issues (SSI). However, students may not automatically apply scientific knowledge when reasoning about complex and open-ended SSI. Drawing on literature on modeling competence (MC), this study examined whether MC, operationalized through students’ modeling practices, statistically mediated the association between foundational scientific CK and science-based IR in a climate-related SSI task. 443 tenth-grade students participated in an online inquiry activity on climate change and methane emissions. Data were collected through a standardized CK assessment, a stock-and-flow MC task, and a written policy decision-making IR task. Results showed that students performed relatively well on foundational scientific CK and basic modeling practices involving source–sink identification and net-flow calculation, but showed weaker performance in model prediction and science-based IR. Path analysis indicated significant positive associations among CK, MC, and IR. The indirect association from CK to IR through MC was statistically significant and accounted for approximately 45.8% of the total CK–IR association. These findings suggest that students’ MC-related modeling practices may represent a meaningful statistical pathway linking foundational scientific CK and science-based IR. The study highlights the potential value of integrating content instruction with modeling practices in SSI learning and supporting IR that more explicitly incorporates scientific evidence and causal explanation.

آموزش علوم معاصر بر نقش دانش محتوا (CK) در استدلال غیررسمی (IR) دانش‌آموزان در مسائل اجتماعی-علمی (SSI) تأکید دارد. با این حال، دانش‌آموزان ممکن است به طور خودکار دانش علمی را هنگام استدلال درباره مسائل پیچیده و باز SSI به کار نگیرند. با بهره‌گیری از ادبیات مربوط به شایستگی مدل‌سازی (MC)، این مطالعه بررسی کرد که آیا MC، که از طریق فعالیت‌های مدل‌سازی دانش‌آموزان عملیاتی شده است، به طور آماری میانجی‌گر ارتباط بین دانش پایه علمی CK و IR مبتنی بر علم در یک تکلیف SSI مرتبط با اقلیم می‌باشد یا خیر. ۴۴۳ دانش‌آموز پایه دهم در یک فعالیت پژوهشی آنلاین درباره تغییرات اقلیمی و انتشار متان شرکت کردند. داده‌ها از طریق ارزیابی استاندارد CK، یک تکلیف MC مبتنی بر مدل ذخیره-جریان و یک تکلیف IR نوشتاری تصمیم‌گیری سیاستی گردآوری شد. نتایج نشان داد که دانش‌آموزان در CK علمی پایه و فعالیت‌های مدل‌سازی ابتدایی شامل شناسایی منبع-مخزن و محاسبه جریان خالص نسبتاً عملکرد خوبی داشتند، اما در پیش‌بینی مدل و IR مبتنی بر علم عملکرد ضعیف‌تری نشان دادند. تحلیل مسیر ارتباطات مثبت معناداری میان CK، MC و IR را نشان داد. ارتباط غیرمستقیم از CK به IR از طریق MC از نظر آماری معنادار بود و تقریباً ۴۵.۸٪ از کل ارتباط CK–IR را تشکیل می‌داد. این یافته‌ها نشان می‌دهد که فعالیت‌های مدل‌سازی مرتبط با MC دانش‌آموزان ممکن است مسیر آماری معناداری را میان CK علمی پایه و IR مبتنی بر علم فراهم کند. این مطالعه بر ارزش بالقوه ادغام آموزش محتوا با فعالیت‌های مدل‌سازی در یادگیری SSI و حمایت از IR که به طور صریح‌تر شواهد علمی و تبیین علّی را دربرمی‌گیرد، تأکید می‌کند.

Foundational basic science courses in early health sciences curricula are characterized by high conceptual density, complex disciplinary content, and large student enrollments. In this demanding environment, students frequently rely on superficial rote memorization rather than deep conceptual understanding, compromising the overarching curricular goal of establishing robust scientific foundations for subsequent clinical training. The pedagogical strategy implemented in this study consisted of an instructional framework combining weekly curated short instructional videos with asynchronous, incentivized online formative quizzes, designed to provide students with opportunities to identify conceptual gaps and perform active retrieval practice. Utilizing a multi-campus, observational quasi-experimental design across two consecutive cohorts of first-year dental students ( N = 771), the association between active quiz completion (Responders) and raw summative examination performance was analyzed. Active participation in the strategy was significantly and positively associated with raw summative examination scores across all evaluation periods (Cohen's d = 0.37–0.77), with continuous milestone completion accounting for 14.1% of the total variance in overall semester performance ( η 2 = 0.1409). Additionally, a concept-matched anchor-question design aligned with Bloom's revised taxonomy was implemented ( N = 412) to explore whether active participation was associated with item-level performance on higher-order questions, operationalized into categorical response profiles (Null, Basic, and Deep). Although small effect sizes were observed (Cramer's V = 0.10–0.11), item-level response profile distributions between Responders and Non-responders did not reach statistical significance following False Discovery Rate adjustment ( p adj >.25). The instructional design described here provides an adaptable, operationally scalable formative framework for large-enrollment health science courses. Prospective and longitudinal studies will be valuable to further investigate the relationship between continuous formative scaffolding and both long-term knowledge retention and higher-order analytical performance.

دروس علوم پایه بنیادین در اوایل برنامه‌های درسی علوم سلامت با تراکم مفهومی بالا، محتوای پیچیده رشته‌ای و تعداد زیاد دانشجویان مشخص می‌شوند. در این محیط پر‌چالش، دانشجویان اغلب به حفظیات سطحی تکیه می‌کنند تا درک عمیق مفهومی، که این امر هدف کلی برنامه درسی مبنی بر ایجاد بنیان‌های علمی قوی برای آموزش بالینی بعدی را به خطر می‌اندازد. راهبرد آموزشی به‌کاررفته در این پژوهش شامل چارچوبی آموزشی بود که ویدئوهای آموزشی کوتاه هفتگی گزینش‌شده را با آزمون‌های تکوینی آنلاین غیرهمزمان و مشوق‌دار ترکیب می‌کرد تا فرصت‌هایی برای شناسایی خلأهای مفهومی و تمرین بازیابی فعال برای دانشجویان فراهم آورد. با استفاده از طرح شبه‌آزمایشی مشاهده‌ای چند‌دانشگاهی در دو گروه متوالی از دانشجویان سال اول دندانپزشکی (N = 771)، ارتباط بین تکمیل فعال آزمون‌ها (پاسخ‌دهندگان) و عملکرد خام در آزمون‌های جمع‌بندی مورد تحلیل قرار گرفت. مشارکت فعال در این راهبرد به طور معنادار و مثبت با نمرات خام آزمون‌های جمع‌بندی در تمامی دوره‌های ارزیابی مرتبط بود (d کوهن = 0.37–0.77)، به‌طوری که تکمیل مستمر مراحل، ۱۴.۱٪ از واریانس کل عملکرد ترم را تبیین کرد (η۲ = 0.1409). علاوه بر این، طراحی سؤال لنگر مفهومی منطبق با طبقه‌بندی بازنگری‌شده بلوم (N = 412) به کار گرفته شد تا بررسی شود که آیا مشارکت فعال با عملکرد در سطح آیتم در سؤالات سطوح بالاتر، که به پروفایل‌های پاسخ‌دهی طبقه‌ای (Null، Basic و Deep) عملیاتی شده بود، مرتبط است یا خیر. اگرچه اندازه اثرات کوچک مشاهده شد (V کرامر = 0.10–0.11)، توزیع پروفایل‌های پاسخ‌دهی در سطح آیتم بین پاسخ‌دهندگان و غیرپاسخ‌دهندگان پس از اصلاح نرخ کشف کاذب از نظر آماری معنادار نشد (p adj >.25). طراحی آموزشی توصیف‌شده در اینجا، چارچوب تکوینی قابل تطبیق و مقیاس‌پذیری عملیاتی برای دروس علوم سلامت با ثبت‌نام بالا فراهم می‌کند. مطالعات آینده‌نگر و طولی برای بررسی بیشتر رابطه بین پشتیبانی تکوینی مستمر و هر دو نگهداری دانش بلندمدت و عملکرد تحلیلی سطوح بالاتر ارزشمند خواهند بود.

The present study aimed to develop and validate the learning-oriented assessment teacher perception scale (LOATPS) to assess language teachers’ perceptions of LOA. Thus, a tentative 53-item scale was piloted with 408 novice and experienced Iranian EFL teachers across a range of institutional contexts. Using exploratory and confirmatory factor analysis (EFA, CFA), the results of the analyses led to the removal of 13 items, leaving the instrument with 40 items on a five-point Likert scale. Moreover, the results revealed that the construct of LOATPS comprises five components, including “teachers’ LOA knowledge”, “teachers’ LOA beliefs”, “teachers’ practices of feedback and interaction”, “teachers’ practices of using a variety of assessments”, and “teachers’ practices of sharing with others”. Furthermore, the psychometric properties were confirmed, with composite reliability (CR) values ranging from 0.76 to 0.92, average variance extracted (AVE) reaching acceptable values (around 40 to 50% explained by components), and maximum shared variance (MSV) and the Fornell-Larcker criterion acknowledging discriminant validity. The LOATPS serves as a practical tool for teacher educators to design effective teacher education programs, and for EFL teachers and assessment scholars by raising their awareness of implementing LOA and its underlying components across diverse instructional settings.

پژوهش حاضر با هدف توسعه و اعتبارسنجی مقیاس ادراک معلمان از ارزیابی یادگیری‌محور (LOATPS) جهت سنجش ادراک معلمان زبان نسبت به ارزیابی یادگیری‌محور انجام شد. بدین منظور، یک مقیاس اولیه ۵۳ ماده‌ای بر روی ۴۰۸ معلم زبان انگلیسی به‌عنوان زبان خارجی (EFL) ایرانی، اعم از مبتدی و باتجربه، در طیف متنوعی از محیط‌های آموزشی اجرا شد. با استفاده از تحلیل عاملی اکتشافی و تأییدی (EFA، CFA)، نتایج تحلیل‌ها منجر به حذف ۱۳ ماده گردید و ابزار نهایی شامل ۴۰ ماده بر اساس مقیاس لیکرت پنج‌درجه‌ای باقی ماند. افزون بر این، نتایج نشان داد که سازه LOATPS شامل پنج مؤلفه است: «دانش معلمان درباره LOA»، «باورهای معلمان درباره LOA»، «عملکرد معلمان در بازخورد و تعامل»، «عملکرد معلمان در استفاده از انواع ارزیابی‌ها» و «عملکرد معلمان در به‌اشتراک‌گذاری با دیگران». همچنین، ویژگی‌های روان‌سنجی ابزار تأیید شد؛ به‌طوری‌که مقادیر پایایی ترکیبی (CR) بین ۰.۷۶ تا ۰.۹۲، میانگین واریانس استخراج‌شده (AVE) در مقادیر قابل قبول (حدود ۴۰ تا ۵۰ درصد تبیین‌شده توسط مؤلفه‌ها) و بیشینه واریانس مشترک (MSV) و معیار فورنل-لارکر، روایی واگرای ابزار را تأیید کردند. ابزار LOATPS به‌عنوان ابزاری کاربردی برای مدرسان معلمان جهت طراحی برنامه‌های آموزش معلم مؤثر و نیز برای معلمان EFL و پژوهشگران حوزه ارزیابی، با افزایش آگاهی آن‌ها نسبت به اجرای LOA و مؤلفه‌های زیربنایی آن در محیط‌های آموزشی متنوع، قابل استفاده است.

The rapid emergence of Artificial Intelligence (AI), is reshaping higher education through real-time tutoring, personalised learning, and advanced knowledge synthesis. In Uganda, the adoption of Competence-Based Education (CBE) emphasises learner-centered pedagogy, critical thinking, and practical skill development. While AI presents opportunities to strengthen CBE, its unstructured use may undermine independent inquiry, critical thinking, and authentic competency development. The study investigated how institutional readiness, stakeholder perceptions, and AI use patterns relate to learner achievement within a competence-based curriculum in an AI-powered environment. It further identified strategies for integrating AI to support competency attainment, academic performance, assessment outcomes, and learning outcomes while preserving the principles of CBE in Ugandan higher education institutions. A cross-sectional quantitative design was employed, involving academic staff ( n = 52) and students ( n = 513) from public and private universities in Uganda. Participants were recruited through convenience sampling using online platforms. Data were collected using structured questionnaires measuring institutional readiness, stakeholder perceptions, AI usage patterns, learner achievement, and pedagogical strategies for AI integration. Both descriptive and inferential statistics were analysed using the JASP statistical tool and Python-based data analysis tools. The findings revealed moderate institutional readiness for AI adoption, with technology recording the highest readiness (M = 3.2), followed by pedagogy (M = 2.9), while policy and governance readiness remained low (M = 2.4). Stakeholders perceived AI as supporting competency achievement (M = 4.1, 85%) and self-directed learning (M = 4.0, 80%), although concerns were raised regarding independent problem-solving (M = 3.6, 65%) and assessment authenticity (M = 3.8, 70%). Students reported frequent use of AI tools, particularly ChatGPT (81.1%), Gemini (56.8%), and Copilot (38.8%), primarily for concept clarification (89.2%), research (81.1%), and idea generation (70.3%). Correlation analysis revealed a moderate positive relationship between AI use frequency and academic performance ( r = 0.544), while chi-square analysis confirmed a significant association between AI use and academic performance (χ 2 = 241.898, p < 0.001). The study concludes that effective AI integration in CBE requires AI literacy training, lecturer capacity building, institutional policy frameworks, and competency-oriented assessment approaches to enhance learner achievement while preserving the integrity of competency development.

ظهور سریع هوش مصنوعی (AI)، آموزش عالی را از طریق آموزش در لحظه، یادگیری شخصی‌سازی‌شده و ترکیب پیشرفته دانش دگرگون می‌کند. در اوگاندا، پذیرش آموزش مبتنی بر شایستگی (CBE) بر آموزش یادگیرنده‌محور، تفکر انتقادی و توسعه مهارت‌های عملی تأکید دارد. در حالی که هوش مصنوعی فرصت‌هایی برای تقویت CBE فراهم می‌کند، استفاده بدون ساختار از آن ممکن است پژوهش مستقل، تفکر انتقادی و توسعه واقعی شایستگی را تضعیف کند. این مطالعه بررسی کرد که آمادگی نهادی، ادراک ذینفعان و الگوهای استفاده از هوش مصنوعی چگونه با پیشرفت یادگیرندگان در چارچوب برنامه درسی مبتنی بر شایستگی در محیطی مبتنی بر هوش مصنوعی مرتبط است. همچنین راهبردهایی را برای ادغام هوش مصنوعی به منظور حمایت از دستیابی به شایستگی، عملکرد تحصیلی، نتایج ارزیابی و نتایج یادگیری، در عین حفظ اصول CBE در مؤسسات آموزش عالی اوگاندا شناسایی کرد. یک طرح کمی مقطعی به کار گرفته شد که شامل اعضای هیئت علمی (n = 52) و دانشجویان (n = 513) از دانشگاه‌های دولتی و خصوصی اوگاندا بود. شرکت‌کنندگان از طریق نمونه‌گیری در دسترس با استفاده از بسترهای آنلاین جذب شدند. داده‌ها با استفاده از پرسشنامه‌های ساختاریافته که آمادگی نهادی، ادراک ذینفعان، الگوهای استفاده از هوش مصنوعی، پیشرفت یادگیرندگان و راهبردهای آموزشی برای ادغام هوش مصنوعی را اندازه‌گیری می‌کرد، جمع‌آوری شد. هر دو آمار توصیفی و استنباطی با استفاده از ابزار آماری JASP و ابزارهای تحلیل داده مبتنی بر Python تحلیل شدند. یافته‌ها آمادگی متوسط نهادی برای پذیرش هوش مصنوعی را نشان داد، به طوری که فناوری بالاترین آمادگی (M = 3.2) و پس از آن آموزش (M = 2.9) را داشت، در حالی که آمادگی سیاست و حکمرانی پایین باقی ماند (M = 2.4). ذینفعان هوش مصنوعی را در حمایت از دستیابی به شایستگی (M = 4.1، ۸۵٪) و یادگیری خودراهبر (M = 4.0، ۸۰٪) مؤثر دانستند، اگرچه نگرانی‌هایی در مورد حل مسئله مستقل (M = 3.6، ۶۵٪) و اصالت ارزیابی (M = 3.8، ۷۰٪) مطرح شد. دانشجویان استفاده مکرر از ابزارهای هوش مصنوعی، به ویژه ChatGPT (۸۱.۱٪)، Gemini (۵۶.۸٪) و Copilot (۳۸.۸٪) را عمدتاً برای شفاف‌سازی مفاهیم (۸۹.۲٪)، پژوهش (۸۱.۱٪) و تولید ایده (۷۰.۳٪) گزارش کردند. تحلیل همبستگی رابطه مثبت متوسطی بین فراوانی استفاده از هوش مصنوعی و عملکرد تحصیلی (r = 0.544) نشان داد، در حالی که تحلیل کای-دو ارتباط معناداری بین استفاده از هوش مصنوعی و عملکرد تحصیلی (χ2 = 241.898، p < 0.001) را تأیید کرد. مطالعه نتیجه می‌گیرد که ادغام مؤثر هوش مصنوعی در CBE مستلزم آموزش سواد هوش مصنوعی، توانمندسازی اعضای هیئت علمی، چارچوب‌های سیاست نهادی و رویکردهای ارزیابی مبتنی بر شایستگی است تا پیشرفت یادگیرندگان را در عین حفظ یکپارچگی توسعه شایستگی ارتقا دهد.

This study reconceptualizes Inclusive Education Competency (IEC) in early childhood as a product of activation rather than accumulation. We argue that Inclusive Education Disposition (IED) and Inclusive Education Knowledge (IEK) are necessary but insufficient conditions for inclusive practice; Self-Development (SD)—defined here as disciplined cycles of goal setting, monitoring, help-seeking, and reflection—functions as the proximal mechanism through which what teachers value and know is translated into what they consistently do in classrooms. Using a cross-sectional survey of in-service preschool teachers in Shanghai ( N = 355), we tested this activation framework through covariance-based structural equation modeling (CB-SEM) with 5,000-resample bootstrap inference. Reliability and convergent validity were strong, although SD–IEC discriminant validity was borderline under the item-level HTMT criterion (0.904); the structural model demonstrated adequate fit. SD was the strongest predictor of IEC ( β = 0.743, p < 0.001), while IED and IEK retained modest direct effects and significant indirect effects via SD, supporting partial mediation. The model explained 68.7% of the variance in SD and 86.2% of the variance in IEC. These findings shift the explanation of inclusive competency from static attributes to dynamic processes of professional change. In practical terms, systems pursuing Sustainable Development Goal 4 (SDG4)—that is, inclusive and equitable quality education for all—should institutionalize routines that support teacher self-development, including protected collaborative planning time, goal-based coaching, short plan–do–study–act cycles, peer observation, and formative evidence use. The study offers an empirically supported four-construct framework and practical implications for policy, leadership, and professional learning design.

این مطالعه، شایستگی آموزش فراگیر (IEC) در دوران کودکی را به عنوان محصولی از فعال‌سازی و نه انباشت مجدد مفهوم‌سازی می‌کند. ما استدلال می‌کنیم که نگرش به آموزش فراگیر (IED) و دانش آموزش فراگیر (IEK) شرایط لازم اما ناکافی برای اجرای فراگیر هستند؛ خودتوسعه‌بخشی (SD) — که در اینجا به عنوان چرخه‌های منظم تعیین هدف، پایش، جستجوی کمک و تأمل تعریف شده است — به عنوان سازوکار نزدیک عمل می‌کند که از طریق آن، آنچه معلمان ارزش‌گذاری و دانسته‌اند به آنچه به طور مستمر در کلاس‌های درس انجام می‌دهند، ترجمه می‌شود. با استفاده از یک پیمایش مقطعی از معلمان پیش‌دبستانی شاغل در شانگهای (N = 355)، این چارچوب فعال‌سازی را از طریق مدل‌سازی معادلات ساختاری مبتنی بر کوواریانس (CB-SEM) با استنباط بوت‌استرپ ۵٬۰۰۰ نمونه مجدد آزمون کردیم. پایایی و روایی همگرا قوی بود، اگرچه روایی تمایز SD–IEC در معیار HTMT در سطح آیتم (۰٫۹۰۴) در مرز قرار داشت؛ مدل ساختاری برازش مناسبی را نشان داد. SD قوی‌ترین پیش‌بینی‌کننده IEC بود (β = ۰٫۷۴۳، p < ۰٫۰۰۱)، در حالی که IED و IEK اثرات مستقیم متوسط و اثرات غیرمستقیم معنادار از طریق SD را حفظ کردند که از میانجی‌گری جزئی حمایت می‌کند. مدل، ۶۸٫۷٪ از واریانس SD و ۸۶٫۲٪ از واریانس IEC را تبیین کرد. این یافته‌ها توضیح شایستگی فراگیر را از ویژگی‌های ایستا به فرایندهای پویای تغییر حرفه‌ای منتقل می‌کند. از نظر عملی، نظام‌هایی که به دنبال تحقق هدف چهارم توسعه پایدار (SDG4) — یعنی آموزش با کیفیت، فراگیر و عادلانه برای همه — هستند، باید روال‌هایی را که از خودتوسعه‌بخشی معلمان حمایت می‌کند، نهادینه کنند؛ از جمله زمان برنامه‌ریزی مشارکتی محافظت‌شده، مربی‌گری مبتنی بر هدف، چرخه‌های کوتاه برنامه‌ریزی–اجرا–مطالعه–عمل، مشاهده همتایان و استفاده از شواهد تکوینی. این مطالعه یک چارچوب چهارساختاری مبتنی بر شواهد تجربی و پیامدهای عملی برای سیاست‌گذاری، رهبری و طراحی یادگیری حرفه‌ای ارائه می‌دهد.

Against the backdrop of the continuous advancement of inclusive education, kindergarten teachers have become crucial to determining whether the quality of preschool inclusive education can be effectively realized. However, existing studies have tended to examine teachers' attitudes, knowledge, or skills separately, with limited structural explanation of how deep-seated qualities, intrinsic motivation, and explicit practices jointly constitute teacher competency in preschool inclusive settings. This study integrated the Iceberg Model and the Onion Model to construct a five-dimensional framework of kindergarten teachers' inclusive education competency, including inclusive literacy, inclusive knowledge, inclusive motivation, teaching adjustment, and collaborative influence. A two-stage quantitative design was adopted. A self-developed 39-item questionnaire was finalized based on a pretest with 239 kindergarten teachers, and a formal survey was then conducted among 298 kindergarten teachers in Chongqing, China. The results showed that teachers' overall inclusive education competency was above the midpoint, but the five dimensions developed unevenly. Inclusive literacy and teaching adjustment were relatively higher, inclusive knowledge and inclusive motivation were close to the overall average, and collaborative influence was the weakest dimension. Further analyses indicated that backbone teachers and teachers who had received relevant training showed higher levels of competency. Teachers who had contact with children with special needs had higher mean scores across dimensions, but the differences were not statistically robust. Meanwhile, cumulative training duration did not show the expected positive relationship with overall competency, suggesting that training participation and training duration reflect different aspects of professional growth and that accumulated training hours cannot be equated with training quality. The findings indicate that kindergarten teachers' inclusive education competency is not a single reserve of knowledge or skills, but a composite structure comprising deepseated qualities, a knowledge base, intrinsic motivation, and practical abilities. This study provides empirical evidence from western China and offers implications for localized assessment, teacher support systems, and training improvement.

در بستر پیشرفت مستمر آموزش فراگیر، معلمان مهدکودک نقش کلیدی در تعیین تحقق مؤثر کیفیت آموزش فراگیر پیش‌دبستانی ایفا می‌کنند. با این حال، پژوهش‌های موجود عمدتاً نگرش‌ها، دانش یا مهارت‌های معلمان را به طور جداگانه بررسی کرده‌اند و توضیح ساختاری محدودی درباره این‌که چگونه ویژگی‌های عمیق، انگیزش درونی و عملکردهای آشکار به طور مشترک شایستگی معلمان در محیط‌های فراگیر پیش‌دبستانی را شکل می‌دهند، ارائه داده‌اند. این مطالعه با ادغام مدل کوه یخ و مدل پیازی، چارچوبی پنج‌بعدی از شایستگی معلمان مهدکودک در آموزش فراگیر شامل سواد فراگیر، دانش فراگیر، انگیزش فراگیر، تعدیل تدریس و تأثیر همکاری را تدوین کرد. طرح پژوهش کمی دو مرحله‌ای اتخاذ شد. پرسشنامه‌ای ۳۹ ماده‌ای که توسط پژوهشگران تدوین شده بود، بر اساس پیش‌آزمون با ۲۳۹ معلم مهدکودک نهایی شد و سپس پیمایش اصلی در میان ۲۹۸ معلم مهدکودک در چونگ‌کینگ، چین انجام گرفت. نتایج نشان داد که شایستگی کلی معلمان در آموزش فراگیر بالاتر از نقطه میانی بود، اما پنج بعد توسعه‌یافته به طور یکنواخت رشد نکرده بودند. سواد فراگیر و تعدیل تدریس نسبتاً بالاتر بودند، دانش فراگیر و انگیزش فراگیر نزدیک به میانگین کلی بودند و تأثیر همکاری ضعیف‌ترین بعد بود. تحلیل‌های بیشتر نشان داد که معلمان کلیدی و معلمانی که آموزش مرتبط دریافت کرده بودند، سطوح بالاتری از شایستگی را نشان دادند. معلمانی که با کودکان دارای نیازهای ویژه تماس داشتند، میانگین نمرات بالاتری در ابعاد مختلف داشتند، اما تفاوت‌ها از لحاظ آماری معنادار نبود. همچنین، مدت تجمعی آموزش رابطه مثبت مورد انتظار با شایستگی کلی را نشان نداد که این امر نشان می‌دهد مشارکت در آموزش و مدت آموزش جنبه‌های متفاوتی از رشد حرفه‌ای را منعکس می‌کند و ساعات تجمعی آموزش را نمی‌توان معادل کیفیت آموزش دانست. یافته‌ها نشان می‌دهد که شایستگی معلمان مهدکودک در آموزش فراگیر صرفاً ذخیره‌ای از دانش یا مهارت نیست، بلکه ساختاری مرکب متشکل از ویژگی‌های عمیق، بنیان دانشی، انگیزش درونی و توانایی‌های عملی است. این مطالعه شواهد تجربی از غرب چین ارائه می‌دهد و پیامدهایی برای ارزیابی بومی، نظام‌های حمایت از معلمان و بهبود آموزش دارد.

Introduction Workplace mathematics is often embedded in occupational processes, tools, materials, and artifacts rather than expressed through formal mathematical procedures, creating challenges for identifying and representing mathematics in Technical and Vocational Education and Training (TVET). This study examined mathematical affordances identifiable in welding and fabrication practices in Ghana and organized them into an analytical framework of vocational mathematical affordances. Methods An interpretive and exploratory qualitative design was employed. Sixty-one welding and fabrication activities were purposively documented across 11 commercial workshops using photographic records, structured observations, and descriptive activity records. Qualitative content analysis involved identifying mathematical affordances, open coding, category development, and framework construction. Four researchers independently coded the activities following calibration, yielding Krippendorff's α = 0.87. Results The analysis identified five interconnected domains: measurement and quantification, geometric reasoning, spatial reasoning and visualization, design and pattern formation, and structural and applied mathematics. Measurement and geometric reasoning were coded across the widest range of activities, whereas the other domains were coded within more specific subsets of the purposively selected corpus. Discussion The resulting Analytical Framework of Vocational Mathematical Affordances represents researcher-identified mathematical relationships in documented workplace processes and artifacts rather than demonstrated individual worker competence. The framework provides a workplacegrounded basis for further research on how vocational mathematical affordances might be recontextualized within TVET curriculum, teaching, and assessment.

مقدمه: ریاضیات محیط کار اغلب در فرایندها، ابزارها، مواد و مصنوعات شغلی نهفته است و به‌جای آنکه از طریق رویه‌های رسمی ریاضیاتی بیان شود، همین امر شناسایی و بازنمایی ریاضیات را در آموزش و پرورش فنی و حرفه‌ای (TVET) با چالش مواجه می‌کند. این مطالعه قابلیت‌های ریاضیاتی قابل شناسایی در فعالیت‌های جوشکاری و ساخت در غنا را بررسی و آن‌ها را در قالب چارچوب تحلیلی قابلیت‌های ریاضیاتی حرفه‌ای سازمان‌دهی کرده است. روش‌ها: از طرح کیفی تفسیری و اکتشافی استفاده شد. شصت‌ویک فعالیت جوشکاری و ساخت به‌صورت هدفمند در یازده کارگاه تجاری با استفاده از ثبت‌های عکاسی، مشاهدات ساختاریافته و ثبت‌های توصیفی فعالیت مستندسازی شد. تحلیل محتوای کیفی شامل شناسایی قابلیت‌های ریاضیاتی، کدگذاری باز، توسعه مقوله‌ها و ساخت چارچوب بود. چهار پژوهشگر پس از کالیبراسیون به‌طور مستقل فعالیت‌ها را کدگذاری کردند که ضریب آلفای کریپندورف برابر با 0.87 به‌دست آمد. یافته‌ها: تحلیل انجام‌شده پنج حوزه به‌هم‌پیوسته را شناسایی کرد: اندازه‌گیری و کمّی‌سازی، استدلال هندسی، استدلال فضایی و تجسم، طراحی و شکل‌دهی الگو، و ریاضیات ساختاری و کاربردی. اندازه‌گیری و استدلال هندسی در گسترده‌ترین دامنه فعالیت‌ها کدگذاری شد، در حالی که سایر حوزه‌ها در زیرمجموعه‌های خاص‌تری از مجموعه هدفمند انتخاب‌شده کدگذاری شدند. بحث: چارچوب تحلیلی قابلیت‌های ریاضیاتی حرفه‌ای حاصل، روابط ریاضیاتی شناسایی‌شده توسط پژوهشگران را در فرایندها و مصنوعات مستندسازی‌شده محیط کار بازنمایی می‌کند و نه شایستگی فردی کارگران. این چارچوب مبنایی مبتنی بر محیط کار برای پژوهش‌های بیشتر درباره نحوه بازمتن‌سازی قابلیت‌های ریاضیاتی حرفه‌ای در برنامه درسی، آموزش و ارزشیابی TVET فراهم می‌کند.

This study explored strategies for bridging AI-mediated educational inequalities in Open and Distance eLearning (ODeL) using Zimbabwe Open University as a case study. The study was grounded in the Capability Approach, which emphasises individuals’ ability to access and effectively utilise resources to achieve valued outcomes. A qualitative instrumental case study design was employed to gain an in-depth understanding of the interventions required to promote equitable participation in AI-enabled learning among geographically diverse student populations. Data were generated through semi-structured interviews with seven lecturers and one quality assurance coordinator, as well as focus group discussions with 14 students from diverse geographical and socioeconomic backgrounds. The data were analysed using Braun and Clarke's six-phase thematic analysis approach. The findings revealed four major strategies for bridging AI -mediated educational inequalities: digital infrastructure development, AI and digital literacy capacity building, inclusive institutional policies and support systems, and multi-stakeholder partnership and resource mobilisation. The study found that these strategies have the potential to enhance equitable access to AI-enabled learning resources, strengthen students’ digital capabilities, improve participation in AI-supported learning environments and reduce disparities between urban and rural learners. However, the effectiveness of these strategies may be constrained by limited financial resources, inadequate technological infrastructure, uneven digital literacy levels and policy implementation challenges. The study concludes that bridging AI-mediated educational inequalities requires a holistic approach that combines technological investment, capacity development, institutional commitment, and collaborative partnership. The study contributes to the emerging literature by showing that AI-mediated educational inequality extends beyond conventional digital access to include differences in AI literacy, institutional support, and students’ capabilities to convert AI resources into meaningful learning opportunities. The study recommends that ODeL institutions adopt inclusive AI integration frameworks that prioritise equitable access, digital empowerment, and targeted support for disadvantaged learners to ensure that the benefits of AI are accessible to all students regardless of geographical location.

این مطالعه به بررسی راهبردهایی برای پل زدن بر نابرابری‌های آموزشی مبتنی بر هوش مصنوعی در آموزش باز و از راه دور الکترونیکی (ODeL) با استفاده از دانشگاه باز زیمبابوه به عنوان مطالعه موردی پرداخت. این پژوهش بر رویکرد قابلیت استوار بود که بر توانایی افراد در دسترسی و بهره‌برداری مؤثر از منابع برای دستیابی به پیامدهای ارزشمند تأکید دارد. از طرح مطالعه موردی ابزاری کیفی برای درک عمیق مداخلات مورد نیاز جهت ارتقای مشارکت برابر در یادگیری مبتنی بر هوش مصنوعی در میان جمعیت دانشجویی با پراکندگی جغرافیایی مختلف استفاده شد. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با هفت مدرس و یک هماهنگ‌کننده تضمین کیفیت و همچنین بحث‌های گروهی متمرکز با ۱۴ دانشجو از پیشینه‌های جغرافیایی و اجتماعی-اقتصادی متنوع گردآوری شد. داده‌ها با استفاده از رویکرد تحلیل تماتیک شش‌مرحله‌ای Braun و Clarke تحلیل شدند. یافته‌ها چهار راهبرد اصلی برای پل زدن بر نابرابری‌های آموزشی مبتنی بر هوش مصنوعی را آشکار ساخت: توسعه زیرساخت دیجیتال، توانمندسازی سواد دیجیتال و هوش مصنوعی، سیاست‌ها و نظام‌های حمایتی فراگیر در سطح نهادی، و مشارکت چندذینفعی و بسیج منابع. پژوهش نشان داد که این راهبردها می‌توانند دسترسی برابر به منابع یادگیری مبتنی بر هوش مصنوعی را ارتقا دهند، قابلیت‌های دیجیتال دانشجویان را تقویت کنند، مشارکت در محیط‌های یادگیری پشتیبانی‌شده توسط هوش مصنوعی را بهبود بخشند و شکاف میان دانشجویان شهری و روستایی را کاهش دهند. با این حال، اثربخشی این راهبردها ممکن است با محدودیت منابع مالی، زیرساخت فناوری ناکافی، سطوح نابرابر سواد دیجیتال و چالش‌های اجرای سیاستی مواجه شود. این مطالعه نتیجه می‌گیرد که پل زدن بر نابرابری‌های آموزشی مبتنی بر هوش مصنوعی نیازمند رویکردی جامع است که سرمایه‌گذاری فناورانه، توسعه ظرفیت، تعهد نهادی و مشارکت همکاری‌جویانه را تلفیق کند. این پژوهش با نشان دادن اینکه نابرابری آموزشی مبتنی بر هوش مصنوعی فراتر از دسترسی صرف به فناوری دیجیتال بوده و تفاوت‌هایی در سواد هوش مصنوعی، حمایت نهادی و قابلیت‌های دانشجویان برای تبدیل منابع هوش مصنوعی به فرصت‌های یادگیری معنادار را نیز در بر می‌گیرد، به ادبیات نوظهور این حوزه کمک می‌کند. مطالعه حاضر توصیه می‌کند که مؤسسات ODeL چارچوب‌های ادغام فراگیر هوش مصنوعی را اتخاذ کنند که دسترسی برابر، توانمندسازی دیجیتال و حمایت هدفمند از دانشجویان محروم را در اولویت قرار دهد تا اطمینان حاصل شود که منافع هوش مصنوعی برای همه دانشجویان صرف‌نظر از موقعیت جغرافیایی در دسترس باشد.

This article exploits a 2018 reform of financial incentives for teachers to work in French disadvantaged schools. Based on administrative personnel records from an educational authority, it evaluates the impact of those incentives on stated preferences to move to such schools. This quasi-experimental source of variation of financial incentives, namely a gradual doubling of the annual stipend from €2,300 to €4,600 in these schools, enhanced their attractiveness. The estimated effect on teachers’ desired mobility is substantial and equivalent to a 34-minute reduction per trip. However, this effect is heterogeneous among teachers, notably higher for those with less experience and who already work in such schools.

این مقاله از اصلاحات سال ۲۰۱۸ در مشوق‌های مالی برای معلمان جهت کار در مدارس محروم فرانسه بهره می‌گیرد. بر اساس داده‌های اداری پرسنلی از یک مرجع آموزشی، تأثیر این مشوق‌ها بر ترجیحات اعلام‌شده برای انتقال به چنین مدارسی ارزیابی می‌شود. این منبع شبه‌آزمایشی از تغییرات مشوق‌های مالی، یعنی دو برابر شدن تدریجی کمک‌هزینه سالانه از €2,300 به €4,600 در این مدارس، جذابیت آن‌ها را افزایش داده است. اثر برآوردشده بر تمایل معلمان به جابجایی قابل توجه بوده و معادل کاهش ۳۴ دقیقه‌ای در هر سفر است. با این حال، این اثر در میان معلمان ناهمگون است و به‌ویژه برای افرادی که سابقه کمتری دارند و پیش‌تر نیز در چنین مدارسی مشغول به کار بوده‌اند، بیشتر است.

The purpose of this study was to examine the challenges and emerging innovation demands shaping university teaching in the twenty-first century and to develop a framework to enhance lecturer effectiveness. A qualitative research design was adopted, employing semi-structured interviews and focus group interviews. The study involved lecturers and academic administrators from 6 universities in Rwanda (5 private and 1 public).Three focus group discussions per university were conducted accordingly to major specializations, with 8 participants per group, totaling 144 lecturers. Additionally, 24 academic administrators, including deans and directors of Quality Assurance, participated in the interviews. Data were analyzed using thematic approach as per Braun and Clarke’s Six-phase framework. The findings revealed that lecturers face several interconnected challenges in adapting to contemporary university teaching. These include technological adaptation challenges, structural and institutional constraints, emotional and pedagogical adjustment, institutional support and policy alignment issues and student readiness and engagement gap. The findings also highlighted emerging innovation demands shaping effective university teaching, including redefining the skills of twenty-first century, promoting pedagogical and technological innovation driving change, balancing tradition with transformation, and strengthening institutional support for professional development and innovation. Based on these findings, the study developed an Integrated Innovation Framework comprising three pillars: Pedagogical-technological competence, Emotional and motivational resilience and Institutional Policy support. The framework provided actionable strategies for universities to foster sustainable, human-centered innovation, highlighting the importance of aligning professional development, infrastructure, policy and student engagement to enhance teaching effectiveness in the twenty-first century.

هدف این پژوهش بررسی چالش‌ها و نیازهای نوآورانه نوظهور که آموزش دانشگاهی را در قرن بیست‌ویکم شکل می‌دهند و توسعه چارچوبی برای ارتقای اثربخشی مدرسان بود. این پژوهش با رویکرد کیفی و با بهره‌گیری از مصاحبه‌های نیمه‌ساختاریافته و مصاحبه‌های گروه متمرکز انجام شد. شرکت‌کنندگان شامل مدرسان و مدیران دانشگاهی از ۶ دانشگاه در رواندا (۵ دانشگاه خصوصی و ۱ دانشگاه دولتی) بودند. در هر دانشگاه سه بحث گروه متمرکز بر اساس تخصص‌های اصلی با حضور ۸ نفر در هر گروه برگزار شد که در مجموع ۱۴۴ مدرس را شامل می‌شود. علاوه بر این، ۲۴ مدیر دانشگاهی، از جمله روسای دانشکده و مدیران تضمین کیفیت، در مصاحبه‌ها شرکت کردند. داده‌ها با استفاده از رویکرد تحلیل تماتیک مطابق با چارچوب شش‌مرحله‌ای Braun و Clarke تحلیل شدند. یافته‌ها نشان داد که مدرسان با چالش‌های چندوجهی و مرتبط در سازگاری با آموزش دانشگاهی معاصر مواجه‌اند. این چالش‌ها شامل دشواری‌های سازگاری فناورانه، محدودیت‌های ساختاری و نهادی، سازگاری عاطفی و آموزشی، مسائل حمایت نهادی و همسویی سیاست‌ها و همچنین فاصله آمادگی و مشارکت دانشجویان است. یافته‌ها همچنین نیازهای نوآورانه نوظهور را که اثربخشی آموزش دانشگاهی را شکل می‌دهند، از جمله بازتعریف مهارت‌های قرن بیست‌ویکم، ترویج نوآوری آموزشی و فناورانه محرک تغییر، ایجاد تعادل میان سنت و تحول و تقویت حمایت نهادی از توسعه حرفه‌ای و نوآوری برجسته ساخت. بر اساس این یافته‌ها، پژوهش چارچوب نوآوری یکپارچه‌ای را با سه رکن توسعه داد: شایستگی آموزشی-فناورانه، تاب‌آوری عاطفی و انگیزشی و حمایت سیاستی نهادی. این چارچوب راهبردهای عملیاتی برای دانشگاه‌ها جهت پرورش نوآوری پایدار و انسان‌محور ارائه می‌دهد و بر اهمیت همسویی توسعه حرفه‌ای، زیرساخت، سیاست و مشارکت دانشجویان برای ارتقای اثربخشی آموزش در قرن بیست‌ویکم تأکید می‌کند.

This Hypothesis and Theory paper addresses a design problem at the center of AI-assisted research writing: which cognitive demands should AI reduce, and which must remain the writer’s own work. Generative AI can absorb the effort of drafting, organizing, and synthesizing prose, but that same effort is where understanding takes shape. Recent empirical work documents reduced neural engagement, weaker recall of one’s own writing, and a diminished sense of authorship among writers who rely heavily on AI assistance. The paper grounds this problem in cognitive load theory, which distinguishes intrinsic load (the element interactivity a task inherently requires) from extraneous load (demands that do not contribute to learning), and which treats germane processes as the working memory resources a writer allocates to intrinsic load. It draws on productive struggle and generative processing to explain why germane processing cannot be offloaded: when a tool performs the work, the processing does not transfer to the writer; it does not occur. Two research questions are posed. First, which cognitive demands in research writing constitute extraneous load that AI could reduce, and which require germane processing that must remain the writer’s own. Second, how can human-in-the-loop AI collaboration be designed across the phases of research writing so that this distinction is operationalized through human judgment? The contribution is a nine-phase conceptual framework mapped to the sections of a research paper, from curiosity and inquiry through references and submission. Each phase specifies the dominant cognitive demand, the AI role (ranging from minimal involvement to full collaboration), and design guidelines for tools and interactions. The framework addresses research writing from secondary school (grades 9–12) through postdoctoral and professional research, across disciplines. It treats phase-aware AI use as responsive pedagogy applied to research writing: instruction and tool design that respond to the cognitive demands of the task rather than to the tool’s capabilities. The paper draws implications for the design of responsive digital education, including tool selection, assessment, equity, and support for writers with cognitive differences. The framework is intended to preserve the cognitive work that makes research meaningful.

این مقاله از نوع فرضیه و نظریه به یک مسئله طراحی در مرکز نگارش پژوهشی با کمک هوش مصنوعی می‌پردازد: کدام مطالبات شناختی باید توسط هوش مصنوعی کاهش یابد و کدام باید همچنان کار خود نویسنده باقی بماند. هوش مصنوعی مولد می‌تواند تلاش مربوط به پیش‌نویس‌نویسی، سازماندهی و ترکیب نثر را بر عهده گیرد، اما همین تلاش جایی است که فهم شکل می‌گیرد. پژوهش‌های تجربی اخیر کاهش درگیری عصبی، یادآوری ضعیف‌تر نوشته‌های خود و کاهش حس مالکیت نویسندگی را در میان نویسندگانی که به شدت به کمک هوش مصنوعی متکی هستند، مستند کرده‌اند. مقاله این مسئله را در نظریه بار شناختی ریشه‌یابی می‌کند که بار ذاتی (تعامل عناصر مورد نیاز ذاتی یک وظیفه) را از بار زائد (مطالباتی که به یادگیری کمک نمی‌کنند) متمایز می‌سازد و فرایندهای مرتبط را به عنوان منابع حافظه فعال که نویسنده به بار ذاتی اختصاص می‌دهد، تلقی می‌کند. مقاله با بهره‌گیری از مفاهیم تلاش مولد و پردازش مولد توضیح می‌دهد که چرا پردازش مرتبط را نمی‌توان واگذار کرد: زمانی که یک ابزار کار را انجام می‌دهد، پردازش به نویسنده منتقل نمی‌شود؛ بلکه اصلاً رخ نمی‌دهد. دو پرسش پژوهشی مطرح می‌شود. نخست، کدام مطالبات شناختی در نگارش پژوهشی بار زائد محسوب می‌شوند که هوش مصنوعی می‌تواند آن را کاهش دهد و کدام نیازمند پردازش مرتبط است که باید کار خود نویسنده باقی بماند. دوم، چگونه می‌توان همکاری هوش مصنوعی با حضور انسان در حلقه را در مراحل مختلف نگارش پژوهشی به گونه‌ای طراحی کرد که این تمایز از طریق قضاوت انسانی عملیاتی شود؟ دستاورد مقاله، یک چارچوب مفهومی نه‌مرحله‌ای است که با بخش‌های یک مقاله پژوهشی، از کنجکاوی و پرسشگری تا منابع و ارسال، تطبیق یافته است. هر مرحله، مطالبه شناختی غالب، نقش هوش مصنوعی (از حداقل مداخله تا همکاری کامل) و راهنمای طراحی برای ابزارها و تعاملات را مشخص می‌کند. این چارچوب نگارش پژوهشی را از دبیرستان (پایه‌های ۹ تا ۱۲) تا پژوهش‌های فوق‌دکتری و حرفه‌ای، در رشته‌های مختلف پوشش می‌دهد. استفاده مرحله‌محور از هوش مصنوعی را به عنوان آموزش پاسخگو در نگارش پژوهشی تلقی می‌کند: آموزش و طراحی ابزار که به مطالبات شناختی وظیفه پاسخ می‌دهد نه به قابلیت‌های ابزار. مقاله پیامدهایی برای طراحی آموزش دیجیتال پاسخگو، از جمله انتخاب ابزار، ارزیابی، عدالت و حمایت از نویسندگان با تفاوت‌های شناختی ارائه می‌دهد. هدف چارچوب، حفظ کار شناختی است که پژوهش را معنادار می‌کند.

The concept of core practices has gained increasing prominence in teacher education, yet important conceptual questions remain unresolved. In particular, there is little agreement on what constitutes a core practice, what it means for core practices to be research-based, and how to embed them within broader teacher education curricula. This paper proposes a theoretical framework to answer these questions. Building on the defining features proposed in foundational work on core practices (e.g., Grossman et al., 2009 ), we argue that core practices are instructional activities enacted in social interaction, occupying a medium level of granularity between broad domains of practice and specific teaching behaviors. Elaborating on this conception, we argue that core practices may function psychologically as basic-level categories ( Rosch, 1978 ) which novice teachers developed during their long-time apprenticeship of observation at school. Core practices thus provide ideal anchor points around which teacher education can be organized. Using the core practices of explaining and modeling, we demonstrate how core practices can be grounded in evidence-based instructional principles derived from research on learning and instruction, exemplifying what it means for core practices to be research-based. To address how such research-based core practices can be situated within a broader vision of teacher education, we propose a three-part framework in which (a) core practices serve as anchors for introducing novices to evidence-based principles from research on learning and instruction; (b) core practices are situated within middle-range theories of learning and instruction, enabling novices to decide when and why to enact them and to orchestrate different core practices in ways that promote student learning; and (c) core practices are related to the most fundamental goals of teaching, such as, for example, supporting students’ individual knowledge construction, supporting students’ participation in disciplinary discourse, or supporting students’ identity development, enabling novice teachers to deeply understand the purposes of teaching and reflect on and develop their teaching accordingly. Taken together, conceptualizing core practices as basic-level categories, grounding them in research on learning and instruction, and using them as anchors within broader teacher education curricula provides a foundation for a research-based signature pedagogy for teacher education.

مفهوم عملکردهای هسته‌ای در آموزش معلمان به‌طور فزاینده‌ای مورد توجه قرار گرفته است، اما پرسش‌های مفهومی مهمی همچنان بی‌پاسخ مانده‌اند. به‌ویژه، توافق اندکی درباره اینکه چه چیزی یک عملکرد هسته‌ای را تشکیل می‌دهد، عملکردهای هسته‌ای مبتنی بر پژوهش به چه معناست و چگونه می‌توان آن‌ها را در برنامه‌های جامع‌تر آموزش معلمان جای داد، وجود دارد. این مقاله چارچوبی نظری برای پاسخ به این پرسش‌ها پیشنهاد می‌کند. با تکیه بر ویژگی‌های تعیین‌کننده‌ای که در آثار بنیادی درباره عملکردهای هسته‌ای (مانند Grossman و همکاران، 2009) مطرح شده‌اند، استدلال می‌کنیم که عملکردهای هسته‌ای فعالیت‌های آموزشی هستند که در تعامل اجتماعی اجرا می‌شوند و سطحی میانی از جزئیات را میان حوزه‌های گسترده عمل و رفتارهای خاص تدریس اشغال می‌کنند. با بسط این مفهوم، استدلال می‌کنیم که عملکردهای هسته‌ای ممکن است از نظر روان‌شناختی به‌عنوان دسته‌های سطح پایه (Rosch، 1978) عمل کنند که معلمان نوآموز طی دوره طولانی کارآموزی مشاهده‌ای خود در مدرسه آن‌ها را توسعه داده‌اند. بنابراین، عملکردهای هسته‌ای نقاط لنگری ایده‌آلی را فراهم می‌کنند که آموزش معلمان می‌تواند حول آن‌ها سازمان یابد. با استفاده از عملکردهای هسته‌ای توضیح و مدل‌سازی، نشان می‌دهیم که چگونه عملکردهای هسته‌ای می‌توانند بر اصول آموزشی مبتنی بر شواهد برگرفته از پژوهش‌های یادگیری و آموزش استوار شوند و نمونه‌ای از معنای مبتنی بر پژوهش بودن عملکردهای هسته‌ای ارائه می‌دهیم. برای پاسخ به این پرسش که چگونه چنین عملکردهای هسته‌ای مبتنی بر پژوهش می‌توانند در چشم‌انداز گسترده‌تر آموزش معلمان جای گیرند، چارچوبی سه‌جزئی پیشنهاد می‌کنیم که در آن (الف) عملکردهای هسته‌ای به‌عنوان لنگرهایی برای معرفی نوآموزان به اصول مبتنی بر شواهد از پژوهش‌های یادگیری و آموزش عمل می‌کنند؛ (ب) عملکردهای هسته‌ای در نظریه‌های میان‌برد یادگیری و آموزش جای می‌گیرند و به نوآموزان امکان می‌دهند تصمیم بگیرند چه زمانی و چرا آن‌ها را اجرا کنند و چگونه عملکردهای هسته‌ای مختلف را به‌گونه‌ای سازمان دهند که یادگیری دانش‌آموزان را ارتقا دهد؛ و (ج) عملکردهای هسته‌ای به اساسی‌ترین اهداف تدریس، مانند حمایت از ساخت دانش فردی دانش‌آموزان، حمایت از مشارکت دانش‌آموزان در گفتمان تخصصی یا حمایت از رشد هویتی دانش‌آموزان مرتبط می‌شوند و به معلمان نوآموز امکان می‌دهند اهداف تدریس را عمیقاً درک کنند و بر اساس آن در تدریس خود تأمل و توسعه ایجاد کنند. در مجموع، مفهوم‌سازی عملکردهای هسته‌ای به‌عنوان دسته‌های سطح پایه، استوارسازی آن‌ها بر پژوهش‌های یادگیری و آموزش و استفاده از آن‌ها به‌عنوان لنگرهایی در برنامه‌های جامع‌تر آموزش معلمان، بنیانی برای یک پداگوژی امضادار مبتنی بر پژوهش در آموزش معلمان فراهم می‌کند.