Journal of Healthcare Research and Education

Mentoring is increasingly recognized as a critical determinant of academic achievement, professional identity formation, career advancement, and well-being in health professions education. Conventional mentor-mentee models, typically centered on a single assigned faculty mentor, may be inadequate to address the diverse and evolving needs of contemporary dental learners and early-career faculty. The transition towards competency-based dental education (CBDE) under emerging National Dental Commission (NDC) reforms further underscores the need to enhance mentoring approaches that support competency attainment, reflective practice, research engagement, and career development. Recent mentoring literature advocates the development of mentoring networks and individualized mentoring pathways that extend beyond conventional dyadic relationships. Concurrently, advances in artificial intelligence (AI), machine learning, and learning analytics offer new opportunities to deliver personalized educational support at scale. This perspective explores the potential of AI-enabled mentoring networks as a strategy to strengthen mentoring and competency development in Indian dental education. Drawing on established mentoring theories, health professions education literature, and emerging educational technologies, we propose a conceptual framework integrating learner profiling, faculty profiling, intelligent mentor matching, dynamic mentoring road-maps, and longitudinal competency tracking. AI-enabled mentoring systems have the potential to enhance CBDE implementation and support the improvement of competent, adaptable, and future-ready oral health professionals. Future work should focus on ethical implementation, faculty preparedness, and evaluation of educational outcomes associated with technology-enhanced mentoring ecosystems.

مشاوره به طور فزاینده‌ای به عنوان یکی از عوامل تعیین‌کننده مهم در موفقیت تحصیلی، شکل‌گیری هویت حرفه‌ای، پیشرفت شغلی و بهزیستی در آموزش حرفه‌های سلامت شناخته می‌شود. مدل‌های سنتی مشاور-دانشجو که معمولاً بر یک عضو هیئت علمی اختصاص‌یافته متمرکز هستند، ممکن است برای پاسخگویی به نیازهای متنوع و در حال تحول دانشجویان دندانپزشکی معاصر و اعضای هیئت علمی در ابتدای مسیر شغلی کافی نباشند. گذار به سمت آموزش دندانپزشکی مبتنی بر شایستگی (CBDE) در چارچوب اصلاحات نوظهور کمیسیون ملی دندانپزشکی (NDC) بیش از پیش بر ضرورت ارتقای رویکردهای مشاوره‌ای که از کسب شایستگی، تمرین تأملی، مشارکت پژوهشی و توسعه شغلی حمایت می‌کنند، تأکید دارد. ادبیات اخیر مشاوره توسعه شبکه‌های مشاوره‌ای و مسیرهای مشاوره فردی‌شده را که فراتر از روابط دوتایی سنتی هستند، توصیه می‌کند. همزمان، پیشرفت‌های هوش مصنوعی (AI)، یادگیری ماشین و تحلیل‌های یادگیری فرصت‌های جدیدی را برای ارائه حمایت آموزشی شخصی‌سازی‌شده در مقیاس وسیع فراهم می‌آورد. این مقاله دیدگاهی را درباره ظرفیت شبکه‌های مشاوره مبتنی بر هوش مصنوعی به عنوان راهبردی برای تقویت مشاوره و توسعه شایستگی در آموزش دندانپزشکی هند ارائه می‌دهد. با بهره‌گیری از نظریه‌های مشاوره‌ای تثبیت‌شده، ادبیات آموزش حرفه‌های سلامت و فناوری‌های آموزشی نوظهور، چارچوب مفهومی‌ای را پیشنهاد می‌کنیم که شامل نمایه‌سازی دانشجو، نمایه‌سازی اعضای هیئت علمی، تطبیق هوشمند مشاور، نقشه‌راه‌های پویا برای مشاوره و پیگیری طولی شایستگی است. سامانه‌های مشاوره مبتنی بر هوش مصنوعی این پتانسیل را دارند که اجرای CBDE را ارتقا دهند و از تربیت متخصصان سلامت دهان توانمند، سازگار و آماده برای آینده حمایت کنند. پژوهش‌های آینده باید بر اجرای اخلاقی، آمادگی اعضای هیئت علمی و ارزیابی پیامدهای آموزشی مرتبط با اکوسیستم‌های مشاوره‌ای مبتنی بر فناوری تمرکز کنند.