pedagogical decision-making

Social capital represents a relational resource developed through trust, professional networks, collaboration, peer support, and knowledge exchange. In the context of Social Studies Education, social capital can support teachers in accessing information, experiences, and professional resources relevant to professional development and instructional planning. This study aims to analyze the conceptualization of teachers’ social capital, identify its dimensions in relation to teacher professionalism, and examine its relevance to Social Studies teaching practices and instructional planning. The study employs a Systematic Literature Review (SLR) approach guided by the PRISMA 2020 framework. The literature analyzed consists of scholarly publications published between 2023 and 2026 in Indonesian and English that met the established inclusion criteria. The data were analyzed through thematic synthesis based on conceptual dimensions, forms of professional relationships, and their contributions to teaching practices. The synthesis indicates that social capital facilitates teachers’ access to information, experiences, feedback, and professional support through networks and collaborative relationships. These resources can strengthen professional learning and pedagogical decision-making relevant to Social Studies instructional planning. However, empirical evidence directly linking teachers’ social capital to the quality of Social Studies instructional planning remains limited. These findings highlight the need for further research on how social capital can be translated into improvements in the quality of Social Studies instructional planning components.

This study examines how critical thinking, collaboration, and technology utilization are manifested in technology-based Islamic Religious Education among teachers participating in the Subject Teacher Forum (MGMP) in Blitar, Indonesia. This qualitative case study design explored teachers’ experiences, practices, and perceptions within their professional learning context. The study involved 96 Islamic Religious Education teachers affiliated with the MGMP, from whom 22 teachers were selected as intensive participants based on their active participation in more than 75% of forum meetings and their involvement in the forum’s professional learning activities on technology-supported instruction. Data were collected over one semester through semi-structured interviews and focus group discussions. The data were analyzed using the interactive qualitative analysis process of data condensation, data display, and conclusion drawing and verification, supported by open, axial, and selective coding. The findings indicate that critical thinking was manifested in teachers’ efforts to identify instructional problems, evaluate the relevance and credibility of information from digital sources, compare alternative teaching strategies, and make pedagogical decisions. Collaboration was reflected in knowledge sharing, joint lesson planning, collective problem solving, and mutual support among teachers. Technology functioned as an enabling medium through which teachers accessed learning resources, communicated with colleagues, shared instructional materials, and implemented digital learning activities. The findings further indicate that critical thinking and collaboration were interconnected rather than hierarchical competencies: critical thinking supported the evaluation and selection of information and instructional alternatives, whereas collaboration provided opportunities for teachers to discuss, validate, and refine their decisions collectively. The study concludes that technology-based Islamic Religious Education requires the simultaneous development of teachers’ critical thinking, collaborative practices, and digital competence. The findings have implications for MGMP-based professional development, particularly in designing collaborative activities that strengthen teachers’ capacity to critically evaluate digital religious learning resources. Keywords: critical thinking; collaboration; technology; Islamic education

این پژوهش به بررسی نحوه تجلی تفکر انتقادی، همکاری و بهره‌گیری از فناوری در آموزش دینی اسلامی مبتنی بر فناوری در میان معلمان شرکت‌کننده در انجمن معلمان موضوعی (MGMP) در بلتار، اندونزی می‌پردازد. این مطالعه با رویکرد کیفی و طراحی مطالعه موردی، به واکاوی تجارب، عملکردها و ادراکات معلمان در بستر یادگیری حرفه‌ای آنان می‌پردازد. جامعه پژوهش شامل ۹۶ معلم آموزش دینی اسلامی وابسته به MGMP بود که از میان آن‌ها ۲۲ معلم به عنوان مشارکت‌کنندگان فشرده بر اساس حضور فعال در بیش از ۷۵٪ جلسات انجمن و مشارکت در فعالیت‌های یادگیری حرفه‌ای انجمن در زمینه آموزش مبتنی بر فناوری انتخاب شدند. داده‌ها طی یک نیم‌سال تحصیلی از طریق مصاحبه‌های نیمه‌ساختاریافته و بحث‌های گروهی متمرکز گردآوری شد. تحلیل داده‌ها با استفاده از فرایند تعاملی تحلیل کیفی شامل تقطیر داده‌ها، نمایش داده‌ها و نتیجه‌گیری و اعتبارسنجی، با پشتیبانی کدگذاری باز، محوری و انتخابی انجام گرفت. یافته‌ها نشان می‌دهد که تفکر انتقادی در تلاش معلمان برای شناسایی مسائل آموزشی، ارزیابی ارتباط و اعتبار اطلاعات منابع دیجیتال، مقایسه راهبردهای جایگزین تدریس و اتخاذ تصمیمات آموزشی تجلی یافته است. همکاری نیز در به اشتراک‌گذاری دانش، برنامه‌ریزی مشترک دروس، حل مسئله جمعی و حمایت متقابل میان معلمان نمود یافته است. فناوری به عنوان بستری تسهیل‌گر عمل کرده که معلمان از طریق آن به منابع یادگیری دسترسی یافته، با همکاران ارتباط برقرار کرده، مواد آموزشی را به اشتراک گذاشته و فعالیت‌های یادگیری دیجیتال را اجرا نموده‌اند. یافته‌ها همچنین نشان می‌دهد که تفکر انتقادی و همکاری، شایستگی‌هایی به‌هم‌پیوسته و نه سلسله‌مراتبی هستند: تفکر انتقادی از ارزیابی و انتخاب اطلاعات و گزینه‌های آموزشی پشتیبانی می‌کند، در حالی که همکاری فرصت‌هایی برای بحث، اعتبارسنجی و اصلاح جمعی تصمیمات معلمان فراهم می‌آورد. نتیجه‌گیری پژوهش آن است که آموزش دینی اسلامی مبتنی بر فناوری مستلزم توسعه همزمان تفکر انتقادی، عملکردهای مشارکتی و شایستگی دیجیتال معلمان است. یافته‌ها دارای پیامدهایی برای توسعه حرفه‌ای مبتنی بر MGMP، به ویژه در طراحی فعالیت‌های مشارکتی جهت تقویت توانمندی معلمان در ارزیابی انتقادی منابع یادگیری دینی دیجیتال می‌باشد.

Artificial intelligence (AI) is increasingly being integrated into higher education, yet empirical evidence on its pedagogical use in university physics remains fragmented. This systematic review synthesized empirical research on the applications, reported learning and pedagogical outcomes, methodological quality, challenges, and educational implications of AI-supported university physics education. We used six search sources: SpringerLink, Scopus, Web of Science, ScienceDirect, Google Scholar, and ERIC. The searches in the five original sources were updated through September 2026, and ERIC was added as an additional search source. Eligibility criteria were defined using the PICOS framework, study selection followed PRISMA 2020, and methodological quality was appraised using the 2018 Mixed Methods Appraisal Tool (MMAT). Eleven empirical studies met the inclusion criteria and were synthesized narratively. Across the included studies, AI was used for tutoring and explanations, formative feedback and scaffolding, collaborative problem solving, simulation and modeling, instructional design, and developing AI literacy. Reported outcomes were mixed and context-dependent. Some studies identified favorable short-term or task-specific outcomes related to feedback, learning performance, simulation-based activities, and AI-related competencies, whereas others reported limitations in transfer to independent performance, the pedagogical quality of AI-generated materials, and students’ ability to recognize scientifically inaccurate AI-generated responses. Cross-study patterns suggested that instructional structure, alignment between AI-supported activities and learning tasks, students’ disciplinary knowledge, and opportunities to critically evaluate AI outputs shaped the educational use of AI. The current evidence does not support a general conclusion that AI is uniformly effective in university physics education. Rather, its educational value appears to depend on how AI is integrated into learning activities and on the extent to which students and instructors retain responsibility for reasoning, evaluation, and pedagogical decision-making. Given the small and heterogeneous evidence base, larger longitudinal and multi-institutional studies are needed to examine the durability and transferability of reported outcomes.

هوش مصنوعی (AI) به طور فزاینده‌ای در آموزش عالی ادغام می‌شود، اما شواهد تجربی درباره کاربرد آموزشی آن در فیزیک دانشگاهی همچنان پراکنده است. این مرور نظام‌مند، پژوهش‌های تجربی درباره کاربردها، پیامدهای یادگیری و آموزشی گزارش‌شده، کیفیت روش‌شناختی، چالش‌ها و پیامدهای آموزشی آموزش فیزیک دانشگاهی مبتنی بر هوش مصنوعی را سنتز کرده است. شش منبع جستجو مورد استفاده قرار گرفت: SpringerLink، Scopus، Web of Science، ScienceDirect، Google Scholar و ERIC. جستجوها در پنج منبع اصلی تا سپتامبر ۲۰۲۶ به‌روزرسانی شد و ERIC به عنوان منبع جستجوی اضافی افزوده شد. معیارهای شایستگی با استفاده از چارچوب PICOS تعریف شد، انتخاب مطالعات بر اساس PRISMA 2020 انجام گرفت و کیفیت روش‌شناختی با ابزار ارزیابی روش‌های ترکیبی ۲۰۱۸ (MMAT) سنجیده شد. یازده مطالعه تجربی معیارهای ورود را داشتند و به صورت روایی سنتز شدند. در مطالعات وارد شده، AI برای آموزش و توضیح، بازخورد تکوینی و پشتیبانی، حل مسئله گروهی، شبیه‌سازی و مدل‌سازی، طراحی آموزشی و توسعه سواد هوش مصنوعی به کار رفته بود. پیامدهای گزارش‌شده متنوع و وابسته به زمینه بودند. برخی مطالعات پیامدهای مثبت کوتاه‌مدت یا خاص وظیفه مرتبط با بازخورد، عملکرد یادگیری، فعالیت‌های مبتنی بر شبیه‌سازی و شایستگی‌های مرتبط با AI را شناسایی کردند، در حالی که برخی دیگر به محدودیت‌هایی در انتقال به عملکرد مستقل، کیفیت آموزشی مواد تولیدشده توسط AI و توانایی دانشجویان در تشخیص پاسخ‌های علمی نادرست تولیدشده توسط AI اشاره کردند. الگوهای میان‌مطالعه‌ای نشان داد که ساختار آموزشی، هم‌راستایی میان فعالیت‌های مبتنی بر AI و وظایف یادگیری، دانش تخصصی دانشجویان و فرصت‌های ارزیابی انتقادی خروجی‌های AI، استفاده آموزشی از هوش مصنوعی را شکل می‌دهد. شواهد موجود از نتیجه‌گیری کلی مبنی بر اثربخشی یکنواخت AI در آموزش فیزیک دانشگاهی حمایت نمی‌کند؛ بلکه ارزش آموزشی آن به نحوه ادغام AI در فعالیت‌های یادگیری و میزان حفظ مسئولیت استدلال، ارزیابی و تصمیم‌گیری آموزشی توسط دانشجویان و مدرسان بستگی دارد. با توجه به شواهد اندک و ناهمگون، مطالعات طولی و چندنهادی بزرگ‌تر برای بررسی پایداری و انتقال‌پذیری پیامدهای گزارش‌شده مورد نیاز است.