Informatics

Students’ learning outcomes in Informatics remain a challenge when conventional instructional media offer limited interaction, contributing to passive engagement and difficulties understanding learning materials. This study examined changes in Grade X students’ learning outcomes after the implementation of Wordwall-assisted interactive learning media for the Computer Systems topic at SMAN 1 Sawahlunto, Indonesia. A quantitative approach was employed using a pre-experimental one-group pretest–posttest design involving 30 students from class X E4. Students completed a multiple-choice achievement test before instruction, participated in Computer Systems learning activities supported by Wordwall, and completed a posttest afterward. The intervention incorporated game-based activities to support practice and engagement; however, the research records did not specify its duration. Data were analyzed using descriptive statistics and a paired-samples t-test, with normalized gain (N-Gain) used to assess the level of improvement. The mean score increased from 53.67 on the pretest to 77.67 on the posttest, a difference of 24.00 points. The paired-samples t-test identified a statistically significant difference between scores (t = 8.664, df = 29, p < 0.001). The mean N-Gain was 0.538, indicating moderate improvement. These results show that students’ scores were higher after the Wordwall-assisted learning intervention. Nevertheless, the study did not include a control group, the observed change cannot be attributed to Wordwall alone; instructional or testing-related factors may also have contributed. Wordwall therefore be considered a useful supplementary medium for Informatics instruction, while further studies using control groups, larger samples, and documented intervention durations are needed to strengthen conclusions about its effectiveness.

یادگیری‌محورهای سنتی با ارائه تعامل محدود، به مشارکت منفعلانه و دشواری در درک مواد آموزشی دامن زده و نتایج یادگیری دانشجویان در رشته علوم رایانه را همچنان به چالش می‌کشند. این پژوهش تغییرات در نتایج یادگیری دانشجویان پایه دهم را پس از پیاده‌سازی رسانه‌های یادگیری تعاملی مبتنی بر Wordwall برای موضوع سیستم‌های رایانه‌ای در دبیرستان دولتی ۱ ساوالونتو، اندونزی، بررسی کرد. یک رویکرد کمی با استفاده از طرح پیش‌آزمون-پس‌آزمون یک‌گروهی نیمه‌آزمایشی که شامل ۳۰ دانشجوی کلاس X E4 بود، به کار گرفته شد. دانشجویان پیش از آموزش، یک آزمون دستاورد چندگزینه‌ای را تکمیل کردند، در فعالیت‌های یادگیری سیستم‌های رایانه‌ای که با پشتیبانی Wordwall انجام شد، شرکت کردند و پس از آن، آزمون پس‌آزمون را تکمیل نمودند. مداخله شامل فعالیت‌های مبتنی بر بازی برای پشتیبانی از تمرین و مشارکت بود؛ با این حال، سوابق پژوهش مدت زمان آن را مشخص نکرده است. داده‌ها با استفاده از آمار توصیفی و آزمون t نمونه‌های وابسته تحلیل شدند و بهره نرمال‌شده (N-Gain) برای ارزیابی سطح بهبود به کار رفت. میانگین نمره از ۵۳.۶۷ در پیش‌آزمون به ۷۷.۶۷ در پس‌آزمون افزایش یافت که تفاوتی معادل ۲۴.۰۰ نمره است. آزمون t نمونه‌های وابسته تفاوت معناداری بین نمرات را شناسایی کرد (t = 8.664, df = 29, p < 0.001). میانگین N-Gain برابر با ۰.۵۳۸ بود که نشان‌دهنده بهبود متوسط است. این نتایج نشان می‌دهند که نمرات دانشجویان پس از مداخله یادگیری مبتنی بر Wordwall بالاتر بود. با این حال، این مطالعه گروه کنترل را شامل نمی‌شد و تغییر مشاهده‌شده را نمی‌توان صرفاً به Wordwall نسبت داد؛ عوامل مرتبط با آموزش یا آزمون نیز ممکن است نقش داشته باشند. بنابراین، Wordwall می‌تواند به عنوان یک رسانه کمکی مفید برای آموزش علوم رایانه در نظر گرفته شود، در حالی که مطالعات بیشتر با استفاده از گروه‌های کنترل، نمونه‌های بزرگ‌تر و مدت زمان‌های مستندسازی‌شده مداخله برای تقویت نتایج‌گیری درباره اثربخشی آن مورد نیاز است.

Introduction Computer teachers are widely recognized as key drivers of digital transformation in education, given their central role in integrating technology into teaching and learning processes. Their position places them at the forefront of adopting and modeling innovative pedagogical approaches and associated technologies—such as gamification—to support sustainable integration within schools. Methods The study aimed to identify the extent of gamification adoption among computer teachers in Jordan; to do so, a descriptive approach was used. The study instrument was a questionnaire that had items measuring computer teachers' familiarity with gamification, attitudes toward gamification, employment of gamification, and the obstacles to employing gamification. The participants were 104 computer teachers from one governorate in Jordan. Results Results indicated that computer teachers had high familiarity with gamification and positive attitudes toward gamification, reflecting strong conceptual acceptance, whereas their reported classroom use was moderate. Teachers tended to rely on basic elements such as points and rewards rather than advanced strategies, indicating surface-level application. Additionally, familiarity with gamification was not comprehensive, with a stronger understanding of general concepts than specific tools. Perceived obstacles were moderate, with administrative and institutional factors identified as the most influential barriers. Discussion The study recommends strengthening institutional support and providing targeted training to enable effective and sustained implementation of gamification in practice.

Didimus Armindo Neonbasu, 2026: The Effect of Implementing the Project Based Learning (PjBL) Model on Students’ Learning Outcomes in Computer Systems in Grade X Culinary Classes at SMK Negeri 3 Kupang. Informatics Education Study Program, Faculty of Teacher Training and Education, Citra Bangsa University, Kupang. Supervisor I: Jhon Enstein, S.Kom., M.Cs., and Supervisor II: Diana Y. A. Fallo, S.Kom., M.T. This study aims to determine the effect of implementing the Project Based Learning (PjBL) model on students’ learning outcomes in Computer Systems in Grade X Culinary classes at SMK Negeri 3 Kupang. This research employed a quantitative approach using a quasi-experimental method with a Nonequivalent Control Group Design. The sample consisted of 50 students, comprising 25 students from Grade X Culinary 1 as the experimental group and 25 students from Grade X Culinary 2 as the control group. Data were collected through tests (pretest and posttest), observations, questionnaires, and documentation. The data were analyzed using descriptive statistics, normality tests, homogeneity tests, and an Independent Samples t-test. The results showed that the experimental group’s mean pretest score was 67.80, increasing to 75.80 on the posttest. Meanwhile, the control group’s mean score increased from 58.60 to 61.60. The hypothesis test yielded a significance value of 0.013, which was lower than 0.05; therefore, H₀ was rejected and Hₐ was accepted. Thus, the implementation of the Project Based Learning (PjBL) model has an effect on students’ learning outcomes in Computer Systems in Grade X Culinary classes at SMK Negeri 3 Kupang.

دیدیموس آرمین دو نئونباسو، ۲۰۲۶: تأثیر اجرای مدل یادگیری مبتنی بر پروژه (PjBL) بر نتایج یادگیری دانش‌آموزان در درس سیستم‌های کامپیوتری در کلاس‌های دهم رشته آشپزی هنرستان SMK Negeri 3 کوپانگ. برنامه مطالعاتی آموزش انفورماتیک، دانشکده تربیت معلم و آموزش، دانشگاه سیترابانگسا، کوپانگ. استاد راهنمای اول: Jhon Enstein، S.Kom.، M.Cs. و استاد راهنمای دوم: Diana Y. A. Fallo، S.Kom.، M.T. هدف این پژوهش تعیین تأثیر اجرای مدل یادگیری مبتنی بر پروژه (PjBL) بر نتایج یادگیری دانش‌آموزان در درس سیستم‌های کامپیوتری در کلاس‌های دهم رشته آشپزی هنرستان SMK Negeri 3 کوپانگ است. این پژوهش با رویکرد کمی و با استفاده از روش شبه‌آزمایشی و طرح گروه کنترل نابرابر انجام شد. نمونه شامل ۵۰ دانش‌آموز بود که ۲۵ نفر از کلاس دهم آشپزی ۱ به عنوان گروه آزمایش و ۲۵ نفر از کلاس دهم آشپزی ۲ به عنوان گروه کنترل انتخاب شدند. داده‌ها از طریق آزمون‌ها (پیش‌آزمون و پس‌آزمون)، مشاهده، پرسشنامه و مستندسازی جمع‌آوری شد. داده‌ها با استفاده از آمار توصیفی، آزمون نرمال بودن، آزمون همگنی و آزمون t مستقل تحلیل شدند. نتایج نشان داد که میانگین نمره پیش‌آزمون گروه آزمایش ۶۷٫۸۰ بود که در پس‌آزمون به ۷۵٫۸۰ افزایش یافت. در حالی که میانگین نمره گروه کنترل از ۵۸٫۶۰ به ۶۱٫۶۰ افزایش یافت. آزمون فرضیه مقدار معناداری ۰٫۰۱۳ را نشان داد که کمتر از ۰٫۰۵ بود؛ بنابراین H₀ رد و Hₐ پذیرفته شد. در نتیجه، اجرای مدل یادگیری مبتنی بر پروژه (PjBL) بر نتایج یادگیری دانش‌آموزان در درس سیستم‌های کامپیوتری در کلاس‌های دهم رشته آشپزی هنرستان SMK Negeri 3 کوپانگ تأثیر دارد.

Kit-Build Concept Mapping (KBCM) supports formative assessment by externalizing learning goals as a teacher reference map and diagnosing proposition-level gaps through automated comparison. However, typical KBCM use provides mainly verification feedback (what is missing/incorrect) and offers limited support for how students should act to close those gaps. Leveraging KBCM’s diagnostic outputs as an enabling infrastructure, this study proposes and implements a three-layer formative feedback framework that operationalizes structured gap-closing actions: (Layer 1) Evidence Access links each frequently missing proposition to specific source-text evidence; (Layer 2) Comprehension Verification prompts learners to articulate the reasoning behind the proposition through guided questioning; and (Layer 3) Integration Practice requires coordinated application of multiple propositions in authentic problem-solving tasks. We report three classroom trials with undergraduate informatics students (N = 11, N = 10, N = 10). Across all trials, large overall learning gains were observed from post-reading (T1) to post-intervention (T3) (Wilcoxon r =.895,.878,.889; all $$p <0.05$$ ). The magnitude of additional improvement beyond KBCM diagnostics differed by content complexity. These findings suggest that KBCM-based diagnosis can be systematically transformed into progressive, pedagogically grounded feedback that supports students’ gap-closing actions in classroom practice.

نگاشت مفهومی Kit-Build (KBCM) با برون‌سازی اهداف یادگیری به‌صورت نقشه مرجع معلم و تشخیص شکاف‌های سطح گزاره‌ای از طریق مقایسه خودکار، از ارزشیابی تکوینی پشتیبانی می‌کند. با این حال، استفاده معمول از KBCM عمدتاً بازخورد تأییدی (آنچه که ناقص یا نادرست است) ارائه می‌دهد و حمایت محدودی از نحوه اقدام دانش‌آموزان برای رفع این شکاف‌ها فراهم می‌سازد. این پژوهش با بهره‌گیری از خروجی‌های تشخیصی KBCM به‌عنوان زیرساخت توانمندساز، چارچوب بازخورد سازنده سه‌لایه‌ای را پیشنهاد و اجرا می‌کند که اقدامات ساختاریافته برای رفع شکاف‌ها را عملیاتی می‌سازد: (لایه ۱) دسترسی به شواهد، هر گزاره‌ای که به‌طور مکرر حذف شده را به شواهد خاصی در متن منبع پیوند می‌دهد؛ (لایه ۲) راستی‌آزمایی درک، یادگیرندگان را از طریق پرسش‌های هدایت‌شده به بیان استدلال پشت گزاره ترغیب می‌کند؛ و (لایه ۳) تمرین ادغام، نیازمند به‌کارگیری هماهنگ چند گزاره در وظایف حل مسئله اصیل است. سه آزمون کلاسی با دانشجویان کارشناسی رشته انفورماتیک (N = 11، N = 10، N = 10) گزارش می‌شود. در تمامی آزمون‌ها، افزایش چشمگیر یادگیری کلی از پس‌مطالعه (T1) تا پس‌مداخله (T3) مشاهده شد (Wilcoxon r = .895، .878، .889؛ همه $$p <0.05$$). میزان بهبود اضافی فراتر از تشخیص‌های KBCM بسته به پیچیدگی محتوا متفاوت بود. این یافته‌ها نشان می‌دهد که تشخیص مبتنی بر KBCM را می‌توان به‌صورت نظام‌مند به بازخورد تدریجی و مبتنی بر اصول آموزشی تبدیل کرد که از اقدامات رفع شکاف دانش‌آموزان در عمل کلاسی حمایت می‌کند.

Understanding the emotional vulnerability of cancer patients and caregivers is critical for improving psychological support and clinical intervention strategies. With the rapid growth of online health communities, large volumes of textual narratives describing treatment experiences and emotional struggles have become available for computational analysis. However, accurately capturing emotional intensity and contextual sentiment in such narratives remains challenging due to the complex linguistic patterns present in health-related discussions. This study proposes an attention-guided hybrid transformer-ensemble learning framework for emotional vulnerability detection in cancer-related social media posts. The proposed architecture integrates domain-adapted contextual representations generated by BioBERT with linguistic intensity features to capture both semantic context and emotional strength. An attention-based feature fusion mechanism dynamically combines these heterogeneous features to produce enriched representations of patient narratives. The fused representations are subsequently utilized by multiple optimized machine learning classifiers, including XGBoost, LightGBM, Random Forest, and CatBoost. Hyperparameter optimization is performed using the Optuna framework to improve predictive performance. Furthermore, ensemble learning strategies such as soft voting, hard voting, and stacking are employed to combine the predictions of the base classifiers. Experiments conducted on a held-out split of a publicly available dataset of 10,391 posts from cancer patients and caregivers demonstrate that ensemble approaches consistently outperform individual classifiers on this data. The stacking ensemble achieves an accuracy of 0.76 and an ROC-AUC of 0.91, outperforming its own individual base classifiers but not a fine-tuned BioBERT baseline (accuracy 0.77, ROC-AUC 0.92) evaluated on the same split; a TF-IDF with linear SVM baseline is also competitive (accuracy 0.763). The framework’s practical advantage over full BioBERT fine-tuning is therefore computational rather than purely predictive: it reuses frozen BioBERT features and adds a lightweight, interpretable attention-fusion and tree-ensemble stage at a fraction of the training cost, while an ablation study confirms that the attention-based fusion of contextual and lexical-intensity signals meaningfully outperforms either signal alone or their simple concatenation. The proposed framework thus provides a scalable, lower-cost computational approach that can support mental health monitoring and early intervention systems in online healthcare communities, at a modest accuracy cost relative to full transformer fine-tuning.

درک آسیب‌پذیری هیجانی بیماران سرطانی و مراقبان آنان برای بهبود حمایت روان‌شناختی و راهبردهای مداخله بالینی اهمیت اساسی دارد. با رشد سریع جوامع سلامت آنلاین، حجم زیادی از روایت‌های متنی که تجارب درمانی و چالش‌های هیجانی را توصیف می‌کنند، برای تحلیل محاسباتی در دسترس قرار گرفته‌اند. با این حال، شناسایی دقیق شدت هیجانی و احساسات زمینه‌ای در این روایت‌ها به دلیل الگوهای زبانی پیچیده در مباحث مرتبط با سلامت، همچنان چالش‌برانگیز است. این پژوهش چارچوبی هیبریدی مبتنی بر یادگیری تجمعی و ترنسفورمر هدایت‌شده با مکانیزم توجه را برای شناسایی آسیب‌پذیری هیجانی در پست‌های شبکه‌های اجتماعی مرتبط با سرطان پیشنهاد می‌کند. معماری پیشنهادی، بازنمایی‌های زمینه‌ای سازگار با حوزه که توسط BioBERT تولید شده‌اند را با ویژگی‌های شدت زبانی ترکیب می‌کند تا هم زمینه معنایی و هم قدرت هیجانی را استخراج نماید. مکانیزم ادغام ویژگی مبتنی بر توجه، این ویژگی‌های ناهمگن را به صورت پویا ترکیب می‌کند تا بازنمایی‌های غنی‌شده‌ای از روایت‌های بیماران ارائه دهد. این بازنمایی‌های ادغام‌شده سپس توسط چندین طبقه‌بند یادگیری ماشین بهینه‌شده شامل XGBoost، LightGBM، Random Forest و CatBoost مورد استفاده قرار می‌گیرند. بهینه‌سازی ابرپارامترها با استفاده از چارچوب Optuna برای بهبود عملکرد پیش‌بینی انجام می‌شود. افزون بر این، راهبردهای یادگیری تجمعی مانند رأی‌دهی نرم، رأی‌دهی سخت و استکینگ برای ترکیب پیش‌بینی‌های طبقه‌بندهای پایه به کار گرفته می‌شوند. آزمایش‌های انجام‌شده بر روی بخش جداگانه‌ای از یک مجموعه داده عمومی شامل ۱۰٬۳۹۱ پست از بیماران سرطانی و مراقبان آنان نشان می‌دهد که رویکردهای تجمعی به طور پیوسته عملکرد بهتری نسبت به طبقه‌بندهای منفرد در این داده‌ها دارند. استکینگ تجمعی به دقت ۰٫۷۶ و ROC-AUC برابر با ۰٫۹۱ دست می‌یابد که نسبت به طبقه‌بندهای پایه خود عملکرد بهتری دارد، اما نسبت به خط‌مبنای BioBERT تنظیم‌شده (دقت ۰٫۷۷، ROC-AUC برابر با ۰٫۹۲) که بر روی همان بخش ارزیابی شده است، برتری ندارد؛ همچنین خط‌مبنای TF-IDF با SVM خطی نیز رقابتی است (دقت ۰٫۷۶۳). بنابراین، مزیت عملی چارچوب پیشنهادی نسبت به تنظیم کامل BioBERT، بیشتر محاسباتی است تا صرفاً پیش‌بینی: این چارچوب از ویژگی‌های ثابت‌شده BioBERT استفاده می‌کند و مرحله‌ای سبک، قابل تفسیر و مبتنی بر ادغام توجه و یادگیری تجمعی درختی را با کسری از هزینه آموزش اضافه می‌کند، در حالی که مطالعه حذف اجزا تأیید می‌کند که ادغام مبتنی بر توجه سیگنال‌های زمینه‌ای و شدت واژگانی به طور معناداری بهتر از هر یک به تنهایی یا ادغام ساده آن‌ها عمل می‌کند. بدین ترتیب، چارچوب پیشنهادی رویکردی مقیاس‌پذیر و کم‌هزینه برای پشتیبانی از پایش سلامت روان و سامانه‌های مداخله زودهنگام در جوامع سلامت آنلاین فراهم می‌کند، هرچند با هزینه اندکی در دقت نسبت به تنظیم کامل ترنسفورمر.

This study aims to determine the effect of differentiated learning on students' learning motivation in Informatics subjects and to analyze students' learning motivation before and after the implementation of differentiated learning in Class XI SMAN 7 Kupang. This research employed a quantitative approach with a quasi-experimental design involving two classes: XI-11 as the experimental class (30 students) treated with differentiated learning (content, process, and product) and XI-8 as the control class (25 students) using conventional learning methods. Data were collected using learning motivation questionnaires based on the ARCS model (Attention, Relevance, Confidence, Satisfaction) pre-test and post-test, observation sheets, and documentation. Data analysis techniques included normality tests, homogeneity tests, and hypothesis testing using the Independent Sample T-Test. The results showed that the average learning motivation score in the experimental class increased significantly from 51.4 in the pre-test to 88.0 in the post-test, whereas the control class increased from 35.6 to 63.2. The Independent Sample T-Test yielded a t-value of 7.609 with a significance value of Sig. (2-tailed) = 0.000 (< 0.05), leading to the rejection of H0 and acceptance of Ha. In conclusion, differentiated learning has a significant positive effect on students' learning motivation in Informatics. The approach effectively increases attention, relevance, self-confidence, and satisfaction by accommodating individual learning needs, readiness, interests, and learning profiles.

این پژوهش با هدف تعیین تأثیر یادگیری تمایزیافته بر انگیزش یادگیری دانش‌آموزان در درس انفورماتیک و تحلیل انگیزش یادگیری دانش‌آموزان پیش و پس از اجرای یادگیری تمایزیافته در کلاس یازدهم دبیرستان دولتی شماره ۷ کوپانگ انجام شده است. این پژوهش با رویکرد کمی و طرح شبه‌آزمایشی با مشارکت دو کلاس انجام شد: کلاس XI-11 به عنوان گروه آزمایش (۳۰ دانش‌آموز) که با یادگیری تمایزیافته (محتوا، فرایند و محصول) آموزش دیدند و کلاس XI-8 به عنوان گروه کنترل (۲۵ دانش‌آموز) که از روش‌های یادگیری متداول استفاده کردند. داده‌ها با استفاده از پرسشنامه‌های انگیزش یادگیری مبتنی بر مدل ARCS (توجه، ارتباط، اعتماد به نفس، رضایت) در قالب پیش‌آزمون و پس‌آزمون، برگه‌های مشاهده و مستندسازی جمع‌آوری شد. روش‌های تحلیل داده شامل آزمون نرمالیتی، آزمون همگنی و آزمون فرضیه با استفاده از Independent Sample T-Test بود. نتایج نشان داد که میانگین نمره انگیزش یادگیری در گروه آزمایش به طور معناداری از ۵۱٫۴ در پیش‌آزمون به ۸۸٫۰ در پس‌آزمون افزایش یافت، در حالی که گروه کنترل از ۳۵٫۶ به ۶۳٫۲ افزایش داشت. آزمون Independent Sample T-Test مقدار t برابر با ۷٫۶۰۹ و مقدار معناداری Sig. (2-tailed) = ۰٫۰۰۰ (< ۰٫۰۵) را نشان داد که منجر به رد H0 و پذیرش Ha شد. در نتیجه، یادگیری تمایزیافته تأثیر مثبت و معناداری بر انگیزش یادگیری دانش‌آموزان در درس انفورماتیک دارد. این رویکرد با پاسخگویی به نیازها، آمادگی، علایق و پروفایل‌های یادگیری فردی، به طور مؤثری توجه، ارتباط، اعتماد به نفس و رضایت را افزایش می‌دهد.

This study examines how cross-subject integration in STEM education can be embedded within formal curriculum structures through institutional design rather than individual teacher initiative. The research was conducted at a STEM-specialist secondary school in Astana, Kazakhstan, where informatics functions as a coordinating subject across science and humanities disciplines. The study analyses two dimensions of curriculum organisation: (1) the vertical progression of the informatics curriculum across Grades 6–10, from digital literacy and data handling to programming and independent project work; and (2) a horizontal coordination mechanism in which informatics and subject teachers design shared learning tasks and independently assess different dimensions of the same student products. Data include curriculum documents, assessment rubrics, student project work ( n = 36 students, comprising three complete project groups from the chemistry integration cycle), and teacher perspectives collected through informal conversational exchanges. Findings document how co-assessment structures differentiated disciplinary feedback from two independent knowledge positions within a single task, and how teachers perceived this structure as making disciplinary expectations more explicit in student preparation. The study introduces the concept of an interdisciplinary assessment ecology as a distributed evaluation structure in which subject specialists assess distinct dimensions of shared student artefacts. The results suggest that such integration can be implemented through formal planning routines embedded in existing curriculum structures without additional curriculum time for students or external funding, though it does require coordinated teacher time for quarterly cross-departmental planning sessions.

این مطالعه بررسی می‌کند که چگونه ادغام میان‌موضوعی در آموزش STEM می‌تواند از طریق طراحی نهادی و نه صرفاً ابتکار فردی معلمان، در ساختارهای رسمی برنامهٔ درسی جای گیرد. پژوهش در یک دبیرستان تخصصی STEM در آستانه، قزاقستان انجام شده است که در آن، درس انفورماتیک به عنوان یک موضوع هماهنگ‌کننده میان رشته‌های علوم و علوم انسانی ایفای نقش می‌کند. این مطالعه دو بُعد از سازماندهی برنامهٔ درسی را تحلیل می‌کند: (۱) پیشرفت عمودی برنامهٔ درسی انفورماتیک در پایه‌های ششم تا دهم، از سواد دیجیتال و داده‌پردازی تا برنامه‌نویسی و کار پروژه‌ای مستقل؛ و (۲) سازوکار هماهنگی افقی که در آن معلمان انفورماتیک و سایر دروس، وظایف یادگیری مشترک طراحی کرده و به طور مستقل ابعاد مختلف یک محصول دانش‌آموزی را ارزیابی می‌کنند. داده‌ها شامل اسناد برنامهٔ درسی، روبریک‌های ارزیابی، کارهای پروژه‌ای دانش‌آموزان (n = 36 دانش‌آموز، شامل سه گروه کامل پروژه از چرخهٔ ادغام شیمی) و دیدگاه‌های معلمان که از طریق گفتگوهای غیررسمی جمع‌آوری شده‌اند، می‌باشد. یافته‌ها نشان می‌دهد که ساختارهای هم‌ارزیابی، بازخوردهای متمایز رشته‌ای را از دو جایگاه دانشی مستقل در قالب یک وظیفه واحد فراهم می‌کند و معلمان این ساختار را موجب شفاف‌تر شدن انتظارات رشته‌ای در آماده‌سازی دانش‌آموزان می‌دانند. این مطالعه مفهوم «بوم‌شناسی ارزیابی میان‌رشته‌ای» را به عنوان ساختار ارزیابی توزیع‌شده‌ای معرفی می‌کند که در آن متخصصان هر رشته، ابعاد متمایز مصنوعات مشترک دانش‌آموزی را ارزیابی می‌کنند. نتایج نشان می‌دهد چنین ادغامی می‌تواند از طریق روال‌های برنامه‌ریزی رسمی که در ساختارهای موجود برنامهٔ درسی تعبیه شده‌اند، بدون نیاز به زمان اضافی برای دانش‌آموزان یا تأمین مالی خارجی اجرا شود، هرچند نیازمند هماهنگی زمانی معلمان برای جلسات برنامه‌ریزی میان‌بخشی فصلی است.

Computer science students are required to master data structures and algorithms, yet learning these topics often presents significant cognitive challenges. This study investigates whether a bundled package of adaptive personalization is associated with learning outcomes, perceived workload, and usability, using an existing educational visualization tool called VZOU (Visualization Zone of Understanding). The enhanced adaptive version of VZOU incorporates personalized learning paths structured around a visible learning progression map, enabling learners to monitor their progress, identify gaps, and take ownership of their learning path. Basic gamification features, Bloom-aligned progressive sequencing, and topic-specific formative quizzes are designed to support self-regulated learning through immediate feedback and motivational reinforcement. In a between-subjects study (N = 55), we compared control, non-adaptive, and adaptive groups. The adaptive group scored significantly higher on the post-test than the non-adaptive and control groups (mean 89.3 vs. 73.3 and 71.0 out of 100, respectively), and showed numerically but not statistically higher usability scores (SUS). Perceived mental workload showed a mixed pattern: the overall six-subscale NASA-TLX composite did not differ significantly by condition, though Mental Demand specifically was significantly higher in the adaptive group than in the control group, and a workload composite excluding self-rated success also differed significantly across conditions. The bundled adaptive VZOU package, combining a diagnostic-driven graph, gated progression, formative quizzes, and gamification, was associated with higher post-test performance, while raising certain aspects of perceived workload. As these components were not manipulated independently, the estimate reflects the package as a whole, not any single element.

دانشجویان علوم کامپیوتر ملزم به تسلط بر ساختمان داده‌ها و الگوریتم‌ها هستند، اما یادگیری این مباحث اغلب با چالش‌های شناختی قابل توجهی همراه است. این پژوهش بررسی می‌کند که آیا یک بسته جامع شخصی‌سازی تطبیقی با پیامدهای یادگیری، بار ادراک‌شده و قابلیت استفاده ارتباط دارد یا خیر، و از یک ابزار تجسم آموزشی موجود به نام VZOU (منطقه تجسم فهم) استفاده می‌کند. نسخه تطبیقی پیشرفته VZOU مسیرهای یادگیری شخصی‌سازی‌شده‌ای را در قالب یک نقشه پیشرفت یادگیری قابل مشاهده ارائه می‌دهد که به یادگیرندگان امکان می‌دهد پیشرفت خود را پایش کنند، شکاف‌ها را شناسایی نمایند و مالکیت مسیر یادگیری خود را بر عهده گیرند. ویژگی‌های ابتدایی بازی‌وارسازی، توالی تدریجی منطبق با بلوم و آزمون‌های تکوینی موضوع‌محور به منظور حمایت از یادگیری خودتنظیمی از طریق بازخورد فوری و تقویت انگیزشی طراحی شده‌اند. در یک مطالعه بین‌گروهی (N = ۵۵)، گروه کنترل، غیرتطبیقی و تطبیقی با یکدیگر مقایسه شدند. گروه تطبیقی در آزمون پس از مداخله به طور معناداری نمره بالاتری نسبت به گروه‌های غیرتطبیقی و کنترل کسب کرد (میانگین ۸۹٫۳ در مقابل ۷۳٫۳ و ۷۱٫۰ از ۱۰۰، به ترتیب) و همچنین از نظر نمرات قابلیت استفاده (SUS) به صورت عددی اما نه معنادار آماری بالاتر بود. بار ذهنی ادراک‌شده الگوی ترکیبی نشان داد: ترکیب شش‌زیرمقیاس NASA-TLX به طور معناداری بر اساس شرایط تفاوت نداشت، اگرچه تقاضای ذهنی به طور خاص در گروه تطبیقی نسبت به گروه کنترل به طور معناداری بالاتر بود و ترکیب بار کاری بدون موفقیت خودارزیابی‌شده نیز به طور معناداری بین شرایط تفاوت داشت. بسته تطبیقی VZOU که ترکیبی از نمودار مبتنی بر تشخیص، پیشرفت مرحله‌ای، آزمون‌های تکوینی و بازی‌وارسازی است، با عملکرد بالاتر در آزمون پس از مداخله همراه بود، در حالی که برخی جنبه‌های بار ادراک‌شده را افزایش داد. از آنجا که این مؤلفه‌ها به طور مستقل دستکاری نشدند، این برآورد منعکس‌کننده بسته به طور کلی است، نه هیچ عنصر منفردی.

Introduction Educational automation is increasingly used in teaching, but its implications for teachers' tasks, responsibilities, and professional agency remain insufficiently synthesised across educational levels. This review examined how automated and intelligent technologies are transforming the teaching role. Methods Empirical studies indexed in Scopus and Web of Science from 2020 to 2024 were reviewed following PRISMA 2020. Eligibility was structured using PICO, and methodological quality was appraised with the 2018 Mixed Methods Appraisal Tool (MMAT). Results Fifty-eight studies met the eligibility and quality threshold: 41 quantitative, eight qualitative, and nine mixed-methods studies. Three domains emerged: teachers' adoption perspectives and constraints; technology-mediated models that redistribute teaching work; and educational outcomes conditioned by teacher competence, institutional support, and governance. Twenty-four studies met five MMAT criteria, 20 met four, and 14 met three. Sensitivity analysis retained the three domains but reduced confidence in claims about performance, motivation, and inclusion. Discussion Educational automation primarily redistributes teaching tasks rather than replacing teachers. Its educational value depends on teacher competence and agency, institutional support, and governance.

مقدمه: خودکارسازی آموزشی به طور فزاینده‌ای در آموزش مورد استفاده قرار می‌گیرد، اما پیامدهای آن برای وظایف، مسئولیت‌ها و عاملیت حرفه‌ای معلمان در سطوح مختلف آموزشی به طور کافی تلفیق نشده است. این مرور بررسی کرد که چگونه فناوری‌های خودکار و هوشمند در حال دگرگون‌سازی نقش تدریس هستند. روش‌ها: مطالعات تجربی نمایه‌شده در Scopus و Web of Science از سال ۲۰۲۰ تا ۲۰۲۴ بر اساس دستورالعمل PRISMA 2020 مرور شدند. معیارهای شمول با استفاده از PICO ساختاردهی شد و کیفیت روش‌شناختی با ابزار ارزیابی مطالعات روش‌های مختلط ۲۰۱۸ (MMAT) سنجیده شد. نتایج: پنجاه‌و‌هشت مطالعه معیارهای شمول و کیفیت را احراز کردند: ۴۱ مطالعه کمی، هشت مطالعه کیفی و نه مطالعه با روش‌های مختلط. سه حوزه اصلی شناسایی شد: دیدگاه‌ها و محدودیت‌های پذیرش معلمان؛ مدل‌های مبتنی بر فناوری که کار تدریس را بازتوزیع می‌کنند؛ و پیامدهای آموزشی که به شایستگی معلم، حمایت نهادی و حکمرانی وابسته است. بیست‌و‌چهار مطالعه هر پنج معیار MMAT، بیست مطالعه چهار معیار و چهارده مطالعه سه معیار را احراز کردند. تحلیل حساسیت سه حوزه را حفظ کرد اما اطمینان نسبت به ادعاهای مربوط به عملکرد، انگیزش و شمول را کاهش داد. بحث: خودکارسازی آموزشی عمدتاً وظایف تدریس را بازتوزیع می‌کند و جایگزین معلمان نمی‌شود. ارزش آموزشی آن وابسته به شایستگی و عاملیت معلم، حمایت نهادی و حکمرانی است.