student self-regulation

Geometry problem-solving requires learners to coordinate conceptual knowledge, spatial representation, strategy use and the regulation of cognition, motivation and effort. This systematic review examined how self-regulated learning (SRL) operates in geometry problem-solving and which learner, task, social, instructional and developmental conditions shape it. A Scopus search reported according to PRISMA 2020 identified 1,298 records; database limits left 529, and eligibility screening retained 32 empirical studies published from 2021 to 2026. Twelve studies involved undergraduates or pre-service teachers, seven involved school pupils, one involved kindergarten children and 12 did not state the educational level in the extracted records. Study quality was appraised with the Mixed Methods Appraisal Tool, and thematic synthesis identified four themes: planning and strategic regulation; monitoring, control and strategy adaptation; learner characteristics and outcomes; and instructional scaffolding and technology. Successful performance was associated with problem representation, strategy selection, monitoring, error detection, adaptation and evaluation. Diagnostic and elaborated feedback, content-focused peer feedback and supportive scaffolding were more informative than the presence of technology. Evidence on learner characteristics was mainly correlational, and evidence on young learners was thin. The review proposes a Process-Oriented Framework of Self-Regulated Geometry Problem-Solving that links input conditions, forethought, performance regulation, reflection, and outcomes and it is best supported for adolescent and adult learners. Future research should combine self-report with behavioural, longitudinal and process-tracing evidence and develop age-appropriate SRL measures for young children.

Background: The increasing use of Instagram among medical students has raised concerns about its potential impact on academic performance. However, existing evidence remains inconsistent, and researchers have not yet fully understood the psychological mechanisms underlying this relationship. Objective: To evaluate the association between Instagram use intensity and academic performance while investigating the mediating role of grit. Methods: A cross-sectional analytical study was conducted among 128 third-semester medical students at the Faculty of Medicine, Universitas Airlangga, Indonesia. Instagram use intensity was measured using the Instagram Intensity Scale Questionnaire (IISQ), and grit was assessed with the Short Grit Scale (Grit-S). The assessment of academic performance was conducted through pharmacology and biochemistry block examination scores, the semester grade point average (SGPA), and the cumulative grade point average (CGPA). Correlation analyses, group comparisons, and mediation analysis using PROCESS Macro Model 4 with bootstrap resampling were performed. Results: Instagram use intensity was not significantly associated with any academic performance measure (p>0.05). However, it was negatively associated with grit (r= −0.276, p=0.002), whereas grit was positively associated with all academic outcomes (all p<0.001). Mediation analysis demonstrated significant indirect effects of Instagram use intensity on pharmacology and biochemistry examination scores, SGPA, and CGPA through grit, indicating full mediation. Conclusions: Instagram use intensity was not directly associated with academic performance. Instead, its influence operated indirectly through grit, suggesting that interventions promoting perseverance and self-regulated learning may be more beneficial than strategies focused solely on reducing Instagram use.

Generative artificial intelligence is fundamentally reshaping the cognitive conditions of knowledge innovation. While human–AI collaboration improves the efficiency of knowledge production, it may also induce creators to outsourcing cognitive work to AI systems. This study conceptualized this tendency as task-level metacognitive disengagement, defined as the immediate reduction of planning, monitoring, and reflection within a specific AI-assisted task, and, drawing on metacognition theory, cognitive offloading theory and self-regulated learning theory, examined its impact on knowledge innovation quality, its psychological mechanism, and boundary conditions through four complementary experiments. Experiment 1 showed that higher AI assistance significantly increased metacognitive disengagement. Experiment 2 revealed that cognitive offloading partially mediated the relationship between AI assistance and metacognitive disengagement. Experiment 3 confirmed the negative effect of cognitive offloading on knowledge innovation quality, specifically on novelty, usefulness, and developability, with metacognitive disengagement partially mediating this effect. Experiment 4 tested the proposed moderated mediation model and found that task complexity strengthened, whereas individual AI literacy weakened, the negative indirect effect of cognitive offloading on knowledge innovation quality through metacognitive disengagement. These findings reveal a hidden cognitive cost behind the efficiency gains of human–AI collaboration and provide empirical evidence and theoretical implications for cultivating innovative talent and designing human–AI collaborative mechanisms in the era of artificial intelligence.

Amid persistent classroom shortages in resource constrained educational system, makeshift classrooms have emerged as a widespread yet underexamined learning environment that may profoundly shape students’ academic experiences and outcomes.practical response to the shortage of classrooms. Nevertheless, there is limited knowledge concerning how these makeshift classrooms influence students’ educational experiences, especially in Social Studies. The study explored the lived experiences and academic performances of the students in learning Social Studies in the makeshift classrooms in Upper Sepaka Integrated School, Talahik Integrated School and Tapok Integrated School in Surallah North District. A phenomenological research design was used. Data were collected via in-depth interviews and analyzed using thematic analysis. The results indicated that students encountered several challenges including poor classroom conditions, instructional challenges, learning challenges and lack of involvement. Nevertheless, they showed resilience through peer collaboration, independent learning, self-regulation, and a positive mindset. Teachers also made adaptations includes interactive instruction, instructional adaptations, effective classroom management, and environmental adjustments to continue learning. However, the makeshift educational environment continued to impact on academic results with reduced engagement, interrupted learning, poor academic performance and reduced learning development. The key finding of the study is that although students and teachers can adapt to challenging learning environments, adaptation alone cannot compensate for poor classroom conditions. The findings highlight the need for better learning facilities, increased instructional support, and more responsive educational policies to provide equitable opportunities for success for students in marginalized learning spaces.

Digital transformation has reshaped how aviation technicians acquire knowledge, with YouTube and online professional communities becoming important sources for developing digital technical competencies. However, their effectiveness in enhancing digital skill mastery remains insufficiently understood. This study examines the effects of YouTube-Based Learning, Online Community Engagement, Learning from Failure, and Self-Regulated Learning on Digital Skill Mastery among aviation data communication system technicians. A quantitative cross-sectional survey was conducted involving 100 technicians in Indonesia, and the data were analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM). The results show that Online Community Engagement significantly enhances Learning from Failure and Self-Regulated Learning, while Learning from Failure also positively influences Self-Regulated Learning. Furthermore, Self-Regulated Learning is the only significant direct predictor of Digital Skill Mastery and mediates the relationship between Learning from Failure and Digital Skill Mastery. These findings suggest that digital technical competence is developed primarily through reflective and self-regulated learning rather than through passive consumption of online tutorials. The study highlights the importance of integrating community-based learning, reflective practice, and self-regulated learning into aviation technician training programs.

تحول دیجیتال نحوه کسب دانش توسط تکنسین‌های هوانوردی را دگرگون کرده است، به‌طوری‌که YouTube و جوامع حرفه‌ای آنلاین به منابع مهمی برای توسعه شایستگی‌های فنی دیجیتال تبدیل شده‌اند. با این حال، اثربخشی این منابع در ارتقای تسلط بر مهارت‌های دیجیتال همچنان به‌طور کافی شناخته نشده است. این پژوهش به بررسی اثرات یادگیری مبتنی بر YouTube، مشارکت در جوامع آنلاین، یادگیری از شکست و یادگیری خودتنظیمی بر تسلط بر مهارت‌های دیجیتال در میان تکنسین‌های سیستم‌های ارتباط داده هوانوردی می‌پردازد. یک پیمایش کمی مقطعی با مشارکت ۱۰۰ تکنسین در اندونزی انجام شد و داده‌ها با استفاده از مدل‌سازی معادلات ساختاری حداقل مربعات جزئی (PLS-SEM) تحلیل گردید. نتایج نشان می‌دهد که مشارکت در جوامع آنلاین به طور معناداری یادگیری از شکست و یادگیری خودتنظیمی را ارتقا می‌دهد و همچنین یادگیری از شکست نیز تأثیر مثبتی بر یادگیری خودتنظیمی دارد. افزون بر این، یادگیری خودتنظیمی تنها پیش‌بینی‌کننده مستقیم معنادار تسلط بر مهارت‌های دیجیتال است و نقش میانجی در رابطه بین یادگیری از شکست و تسلط بر مهارت‌های دیجیتال ایفا می‌کند. این یافته‌ها حاکی از آن است که شایستگی فنی دیجیتال عمدتاً از طریق یادگیری تأملی و خودتنظیمی توسعه می‌یابد و نه صرفاً از طریق مصرف منفعل آموزش‌های آنلاین. این مطالعه بر اهمیت ادغام یادگیری مبتنی بر جامعه، تمرین تأملی و یادگیری خودتنظیمی در برنامه‌های آموزشی تکنسین‌های هوانوردی تأکید می‌کند.

Technology-enabled learning (TEL) enables institutions to provide flexible learning environments and technology-supported instructional practices, as it has become a central feature of online higher education. However, empirical evidence explaining how perceived learning outcomes (PLO) are associated with technology-enabled learning (TEL), particularly in developing-country contexts, remains limited. Using survey data collected from 434 undergraduate and postgraduate students enrolled in online higher education programmes in India, this study examines the relationships among TEL, flexible learning (FL), motivation (MO), self-regulated learning (SRL), and PLO. The proposed conceptual model was tested by employing Partial Least Squares Structural Equation Modelling (PLS-SEM). The findings suggest that TEL is indirectly associated with PLO through FL, MO, and SRL. Learner motivation and self-regulated learning were positively related to Flexible Learning, which in turn, were associated with enhanced perceived learning outcomes. The model demonstrated substantial explanatory power, highlighting the importance of pedagogically designed technology-supported flexibility in online learning environments. The study provides empirical evidence that flexible learning functions as a key pedagogical mechanism linking technology-enabled learning with perceived learning outcomes, thereby contributing to the educational technology literature. The findings also offer practical implications for policymakers, higher education institutions and instructional designers, seeking to strengthen perceived learning outcomes through pedagogically informed technology-enabled learning strategies.

یادگیری مبتنی بر فناوری (TEL) این امکان را برای مؤسسات فراهم می‌کند تا محیط‌های یادگیری انعطاف‌پذیر و شیوه‌های آموزشی پشتیبانی‌شده توسط فناوری را ارائه دهند، چرا که این امر به ویژگی مرکزی آموزش عالی آنلاین تبدیل شده است. با این حال، شواهد تجربی که توضیح دهد چگونه پیامدهای ادراک‌شده یادگیری (PLO) با یادگیری مبتنی بر فناوری (TEL) مرتبط هستند، به‌ویژه در زمینه کشورهای در حال توسعه، همچنان محدود است. با استفاده از داده‌های پیمایشی گردآوری‌شده از ۴۳۴ دانشجوی کارشناسی و تحصیلات تکمیلی ثبت‌نام‌شده در برنامه‌های آموزش عالی آنلاین در هند، این مطالعه روابط میان TEL، یادگیری انعطاف‌پذیر (FL)، انگیزش (MO)، یادگیری خودتنظیم‌شده (SRL) و PLO را بررسی می‌کند. مدل مفهومی پیشنهادی با بهره‌گیری از مدل‌سازی معادلات ساختاری حداقل مربعات جزئی (PLS-SEM) آزمون شد. یافته‌ها نشان می‌دهد که TEL به‌طور غیرمستقیم از طریق FL، MO و SRL با PLO مرتبط است. انگیزش یادگیرنده و یادگیری خودتنظیم‌شده با یادگیری انعطاف‌پذیر رابطه مثبت داشتند که به نوبه خود با ارتقای پیامدهای ادراک‌شده یادگیری مرتبط بود. مدل مذکور قدرت تبیینی قابل توجهی را نشان داد و اهمیت انعطاف‌پذیری طراحی‌شده مبتنی بر فناوری در محیط‌های یادگیری آنلاین را برجسته ساخت. این مطالعه شواهد تجربی ارائه می‌دهد که یادگیری انعطاف‌پذیر به عنوان سازوکار آموزشی کلیدی، یادگیری مبتنی بر فناوری را به پیامدهای ادراک‌شده یادگیری پیوند می‌دهد و بدین ترتیب به ادبیات فناوری آموزشی کمک می‌کند. یافته‌ها همچنین پیامدهای عملی برای سیاست‌گذاران، مؤسسات آموزش عالی و طراحان آموزشی که در پی تقویت پیامدهای ادراک‌شده یادگیری از طریق راهبردهای یادگیری مبتنی بر فناوری با رویکرد آموزشی هستند، ارائه می‌دهد.

This study examined the efficacy of a deep-learning pedagogy-based electrical installation practicum job sheet (DLPJ) in fostering students' learning autonomy within the context of technical and vocational education and training (TVET). The evolving demands of the TVET industry necessitate graduates who possess technical skills and demonstrate the capacity for independent learning, reflective practice, and adaptive problem-solving. Employing a convergent mixed-methods design grounded in deep learning pedagogy and self-regulated learning theory, this study investigated this phenomenon using a sample of 64 undergraduate students enrolled in an electrical installation practicum course. Data collection involved the administration of the Learning Autonomy Scale at both the pretest and posttest stages, with analysis conducted through analysis of covariance and mixed analysis of variance. Qualitative data were gathered via semi-structured interviews to gain insights into students' learning experiences and perceptions. The findings indicated a significant enhancement in learning autonomy among students utilizing the DLPJ, with very large effect sizes reflecting substantial improvements in planning, monitoring, and self-evaluation. Qualitative data further suggested increased reflective thinking and confidence in task performance, as well as greater independence in resolving practical electrical installation challenges. These results suggest that integrating reflective inquiry, conceptual thinking, and self-reflection into laboratory lessons can effectively merge cognitive and psychomotor learning in vocational training programs. The study concludes that immersive learning pedagogy can transform traditional procedural job sheet into autonomy-focused learning tools, offering a practical instructional model for preparing flexible and work-ready graduates in the technology and vocational education sectors.

این پژوهش اثربخشی برگه کار عملی نصب تأسیسات الکتریکی مبتنی بر پداگوژی یادگیری عمیق (DLPJ) را در پرورش خودمختاری یادگیری دانشجویان در زمینه آموزش و پرورش فنی و حرفه‌ای (TVET) مورد بررسی قرار داد. نیازهای در حال تحول صنعت TVET مستلزم فارغ‌التحصیلانی است که علاوه بر مهارت‌های فنی، توانایی یادگیری مستقل، تمرین تأملی و حل مسئله تطبیقی را نیز دارا باشند. با بهره‌گیری از طرح آمیخته همگرا مبتنی بر پداگوژی یادگیری عمیق و نظریه یادگیری خودتنظیمی، این پژوهش با نمونه‌ای متشکل از ۶۴ دانشجوی کارشناسی ثبت‌نام‌شده در درس عملی نصب تأسیسات الکتریکی انجام شد. گردآوری داده‌ها از طریق اجرای مقیاس خودمختاری یادگیری در مراحل پیش‌آزمون و پس‌آزمون صورت گرفت و تحلیل داده‌ها با استفاده از تحلیل کوواریانس و تحلیل واریانس آمیخته انجام شد. داده‌های کیفی نیز از طریق مصاحبه‌های نیمه‌ساختاریافته جهت کسب بینش نسبت به تجارب و ادراکات یادگیری دانشجویان گردآوری گردید. یافته‌ها نشان داد که استفاده از DLPJ منجر به افزایش معنادار خودمختاری یادگیری در دانشجویان شده است، به‌طوری که اندازه اثر بسیار بزرگ، بهبود چشمگیری را در برنامه‌ریزی، پایش و خودارزیابی نشان داد. داده‌های کیفی نیز حاکی از افزایش تفکر تأملی و اعتماد به نفس در انجام وظایف و همچنین استقلال بیشتر در حل چالش‌های عملی نصب تأسیسات الکتریکی بود. این نتایج نشان می‌دهد که ادغام پرسشگری تأملی، تفکر مفهومی و خودبازتابی در دروس آزمایشگاهی می‌تواند یادگیری شناختی و روان‌حرکتی را در برنامه‌های آموزش فنی و حرفه‌ای به‌طور مؤثری تلفیق کند. پژوهش نتیجه می‌گیرد که پداگوژی یادگیری فراگیر می‌تواند برگه کار عملی سنتی را به ابزاری متمرکز بر خودمختاری یادگیری تبدیل کند و مدل آموزشی عملی برای آماده‌سازی فارغ‌التحصیلان منعطف و آماده به کار در بخش آموزش فناوری و فنی و حرفه‌ای ارائه دهد.

Artificial intelligence (AI) is now part of everyday academic work in higher education, including feedback. However, AI feedback does not automatically lead to learning. It can help students rethink a concept, improve a draft, and notice gaps in their work, but it can also create a false sense of progress when students accept suggestions without understanding them. This Perspective article argues that responsible AI feedback depends on faculty readiness and students’ evaluative judgement. Readiness is not mainly technical. It involves pedagogical judgement: knowing how to design tasks in which students work with feedback, compare it with evidence, revise with purpose, explain their choices, and remain responsible for the final submission. The article focuses on generative AI feedback and uses metacognitive calibration as a central concept. Calibration refers to the relationship between students’ confidence or self-judgement and independently evaluated evidence of performance. Evaluative judgement concerns students’ capacity to judge the quality and relevance of feedback and work, whereas calibration concerns the accuracy of their judgements relative to independently evaluated performance evidence. The article shows how ideas from feedback literacy, evaluative judgement, and self-regulated learning need to be adapted when feedback comes from systems whose accuracy and educational value cannot be assumed. It proposes a conceptual responsible AI feedback design cycle linked to assessment integrity, university policy, and faculty development. Although the cycle requires empirical testing, it offers a practical way to support reflection, calibrated judgement, and accountability without replacing students’ thinking.

هوش مصنوعی (AI) اکنون بخشی از فعالیت‌های روزمره دانشگاهی در آموزش عالی، از جمله بازخورد، است. با این حال، بازخورد هوش مصنوعی به طور خودکار منجر به یادگیری نمی‌شود. این بازخورد می‌تواند به دانشجویان کمک کند تا یک مفهوم را بازاندیشی کنند، پیش‌نویسی را بهبود دهند و شکاف‌های موجود در کار خود را تشخیص دهند، اما همچنین ممکن است حس کاذبی از پیشرفت ایجاد کند زمانی که دانشجویان پیشنهادها را بدون درک آن‌ها می‌پذیرند. این مقاله دیدگاه بیان می‌کند که بازخورد مسئولانه هوش مصنوعی وابسته به آمادگی اعضای هیئت علمی و قضاوت ارزشیابانه دانشجویان است. آمادگی عمدتاً فنی نیست، بلکه شامل قضاوت آموزشی است: دانستن اینکه چگونه وظایفی طراحی شوند که در آن دانشجویان با بازخورد کار کنند، آن را با شواهد مقایسه کنند، با هدف بازنگری کنند، انتخاب‌های خود را توضیح دهند و همچنان مسئولیت ارسال نهایی را بر عهده داشته باشند. این مقاله بر بازخورد مولد هوش مصنوعی تمرکز دارد و از کالیبراسیون فراشناختی به عنوان یک مفهوم مرکزی استفاده می‌کند. کالیبراسیون به رابطه بین اعتماد به نفس یا خودقضاوت دانشجویان و شواهد ارزیابی‌شده مستقل از عملکرد اشاره دارد. قضاوت ارزشیابانه به ظرفیت دانشجویان برای قضاوت درباره کیفیت و ارتباط بازخورد و کار مربوط است، در حالی که کالیبراسیون به دقت قضاوت‌های آن‌ها نسبت به شواهد عملکرد ارزیابی‌شده مستقل مربوط می‌شود. مقاله نشان می‌دهد که چگونه ایده‌های سواد بازخورد، قضاوت ارزشیابانه و یادگیری خودتنظیمی باید زمانی که بازخورد از سیستم‌هایی می‌آید که دقت و ارزش آموزشی آن‌ها مفروض نیست، تطبیق یابد. این مقاله یک چرخه مفهومی طراحی بازخورد مسئولانه هوش مصنوعی را پیشنهاد می‌کند که به سلامت ارزیابی، سیاست دانشگاه و توسعه اعضای هیئت علمی مرتبط است. اگرچه این چرخه نیازمند آزمون تجربی است، اما راهکاری عملی برای حمایت از تأمل، قضاوت کالیبره‌شده و پاسخگویی بدون جایگزینی تفکر دانشجویان ارائه می‌دهد.

Plant awareness is an essential component of biology and sustainability education, yet it remains relatively underdeveloped because plants are often overlooked in both formal learning contexts and everyday life. This study aimed to examine the relationships among science literacy, digital literacy, self-regulated learning, and plant awareness among 513 active biology students from higher education institutions in Eastern Indonesia. A quantitative cross-sectional survey design was employed. Data were collected through an online questionnaire administered via Google Forms and distributed through WhatsApp, and were analyzed using Partial Least Squares Structural Equation Modeling. The findings showed that science literacy and digital literacy were positively associated with self-regulated learning and plant awareness. Self-regulated learning was also positively associated with plant awareness and served as a partial mediator in the relationships between both forms of literacy and plant awareness. The mediation model provided a stronger conceptual explanation of how literacy resources are translated into plant awareness, although the direct-effects model showed slightly better predictive accuracy. These findings imply that efforts to strengthen plant awareness should not rely only on biology content delivery, but should also integrate science literacy, digital literacy, and self-regulated learning into contextual learning activities, campus-based plant conservation programs, and higher education policies that support digital, reflective, and sustainability-oriented biology learning.

آگاهی گیاهی یکی از اجزای اساسی آموزش زیست‌شناسی و پایداری است، اما به دلیل نادیده گرفته‌شدن گیاهان در زمینه‌های یادگیری رسمی و زندگی روزمره، نسبتاً کمتر توسعه یافته است. این مطالعه با هدف بررسی روابط میان سواد علمی، سواد دیجیتال، یادگیری خودتنظیمی و آگاهی گیاهی در میان ۵۱۳ دانشجوی فعال زیست‌شناسی از مؤسسات آموزش عالی در شرق اندونزی انجام شد. طرح پژوهش کمی مقطعی مورد استفاده قرار گرفت. داده‌ها از طریق پرسشنامه آنلاین که با استفاده از Google Forms تهیه و از طریق WhatsApp توزیع شد، گردآوری و با استفاده از مدل‌یابی معادلات ساختاری حداقل مربعات جزئی تحلیل گردید. یافته‌ها نشان داد که سواد علمی و سواد دیجیتال با یادگیری خودتنظیمی و آگاهی گیاهی ارتباط مثبت دارند. یادگیری خودتنظیمی نیز با آگاهی گیاهی ارتباط مثبت داشته و به عنوان یک میانجی جزئی در روابط میان هر دو نوع سواد و آگاهی گیاهی عمل می‌کند. مدل میانجی‌گری توضیح مفهومی قوی‌تری از نحوه تبدیل منابع سواد به آگاهی گیاهی ارائه داد، اگرچه مدل اثرات مستقیم دقت پیش‌بینی کمی بهتری نشان داد. این یافته‌ها نشان می‌دهد که تلاش‌ها برای تقویت آگاهی گیاهی نباید صرفاً به ارائه محتوای زیست‌شناسی محدود شود، بلکه باید سواد علمی، سواد دیجیتال و یادگیری خودتنظیمی را در فعالیت‌های یادگیری زمینه‌محور، برنامه‌های حفاظت از گیاهان مبتنی بر دانشگاه و سیاست‌های آموزش عالی که از یادگیری زیست‌شناسی دیجیتال، تأملی و مبتنی بر پایداری حمایت می‌کنند، ادغام نماید.

This study aims to analyze the role, implementation, challenges, and solutions regarding the "Seven BK Strategies" program (specifically the pillars of Maintaining Consistency, Managing Situations, and Managing Emotions) in fostering discipline, preventing bullying, and improving emotional control among students at SMA Negeri 3 Selong. The study employs a qualitative approach with a descriptive method. Data sources included the School Principal, Guidance and Counseling (BK) teachers, homeroom teachers, subject teachers, and students. Structured interviews served as the primary data collection technique. Data validity was verified through source triangulation. The results indicate that: (1) The "Maintaining Consistency" strategy acts as an anchor for discipline through the habituation of the "3S" culture (Smile, Greet, and Salute) and the enforcement of educational sanctions; (2) The "Managing Situations" strategy effectively mitigates bullying through the engineering of physical and social environments, optimization of CCTV and "problem boxes," and the provision of a child-friendly counseling room; (3) The "Managing Emotions" strategy enhances student self-regulation through breathing relaxation techniques and individual counseling. The primary institutional challenge is the imbalance in the BK teacher ratio (two teachers serving approximately 800 students). Strategic solutions implemented include optimizing peer counseling, tightening supervision during class transition periods, and conducting home visit programs (door-to-door). Keywords: Seven Great BK Strategies, Character Building, Discipline.

هدف این پژوهش تحلیل نقش، اجرا، چالش‌ها و راه‌حل‌های مربوط به برنامه «هفت راهبرد بزرگ مشاوره و راهنمایی» (به‌ویژه ارکان حفظ ثبات، مدیریت موقعیت‌ها و مدیریت هیجان‌ها) در تقویت انضباط، پیشگیری از زورگویی و بهبود کنترل هیجانی در میان دانش‌آموزان دبیرستان دولتی شماره ۳ سلونگ است. این پژوهش با رویکرد کیفی و روش توصیفی انجام شده است. منابع داده شامل مدیر مدرسه، معلمان مشاوره و راهنمایی (BK)، معلمان راهنما، معلمان دروس و دانش‌آموزان بوده‌اند. مصاحبه‌های ساختاریافته به عنوان تکنیک اصلی گردآوری داده‌ها به کار رفته است. روایی داده‌ها از طریق مثلث‌سازی منابع مورد تأیید قرار گرفته است. نتایج نشان می‌دهد: (۱) راهبرد «حفظ ثبات» از طریق نهادینه‌سازی فرهنگ «۳S» (لبخند، سلام و احترام) و اعمال تنبیهات آموزشی به عنوان لنگر انضباط عمل می‌کند؛ (۲) راهبرد «مدیریت موقعیت‌ها» با مهندسی محیط‌های فیزیکی و اجتماعی، بهینه‌سازی دوربین‌های مداربسته (CCTV) و «جعبه‌های مشکل» و فراهم‌سازی اتاق مشاوره دوستدار کودک، به طور مؤثری از زورگویی پیشگیری می‌کند؛ (۳) راهبرد «مدیریت هیجان‌ها» با استفاده از تکنیک‌های آرام‌سازی تنفسی و مشاوره فردی، خودتنظیمی دانش‌آموزان را ارتقا می‌بخشد. چالش اصلی نهادی، عدم توازن نسبت معلمان BK (دو معلم برای حدود ۸۰۰ دانش‌آموز) است. راه‌حل‌های راهبردی اجراشده شامل بهینه‌سازی مشاوره همسالان، تشدید نظارت در زمان‌های جابه‌جایی کلاس و اجرای برنامه بازدید منزل (خانه به خانه) می‌باشد.

Introduction The rapid integration of artificial intelligence (AI) into education requires teachers to develop new competencies and manage their own learning. While research has examined teachers’ AI attitudes, acceptance, and literacy, less is known about how they regulate their learning in AI contexts. This study examined teachers’ self-regulated learning (SRL) profiles and their associations with demographic characteristics and AI-related experience. Methods In a descriptive survey, 213 in-service teachers completed the Artificial Intelligence Self-Regulated Learning Scale for Teachers (AI-SRLS). Two-Step Cluster Analysis was conducted using five dimensions: task planning, self-monitoring, help seeking, institutional support, and self-evaluation. Results Two profiles emerged: High Strategic Learners, who scored consistently higher across all five dimensions, and Limited Strategy Users, who reported comparatively lower strategy use. Profile membership was significantly associated with prior AI experience and AI-related training. Gender, age, and professional experience did not significantly differentiate the profiles. Discussion Teachers’ AI-related SRL strategies co-occur in distinct profiles, supporting a differentiated approach to professional development. Teachers with limited strategy use may benefit from structured guidance, scaffolded AI learning opportunities, and stronger institutional support, while highly strategic learners may benefit from more autonomous and advanced learning opportunities.

مقدمه: ادغام سریع هوش مصنوعی (AI) در آموزش و پرورش، معلمان را ملزم می‌کند تا شایستگی‌های جدیدی را توسعه دهند و یادگیری خود را مدیریت کنند. در حالی که پژوهش‌ها نگرش‌ها، پذیرش و سواد هوش مصنوعی معلمان را بررسی کرده‌اند، اطلاعات کمتری درباره نحوه تنظیم یادگیری آن‌ها در زمینه‌های هوش مصنوعی وجود دارد. این مطالعه به بررسی نمایه‌های یادگیری خودتنظیمی (SRL) معلمان و ارتباط آن‌ها با ویژگی‌های جمعیت‌شناختی و تجربه مرتبط با هوش مصنوعی پرداخت. روش‌ها: در یک پژوهش توصیفی-پیمایشی، 213 معلم شاغل مقیاس یادگیری خودتنظیمی هوش مصنوعی برای معلمان (AI-SRLS) را تکمیل کردند. تحلیل خوشه‌ای دو مرحله‌ای با استفاده از پنج بُعد شامل برنامه‌ریزی وظیفه، خودنظارتی، کمک‌خواهی، حمایت نهادی و خودارزیابی انجام شد. یافته‌ها: دو نمایه شناسایی شد: یادگیرندگان راهبردی بالا که در تمامی ابعاد پنج‌گانه به طور مداوم امتیاز بالاتری کسب کردند و کاربران راهبرد محدود که استفاده نسبتاً کمتری از راهبردها را گزارش دادند. عضویت در نمایه به طور معناداری با تجربه قبلی هوش مصنوعی و آموزش مرتبط با هوش مصنوعی ارتباط داشت. جنسیت، سن و سابقه حرفه‌ای تفاوت معناداری میان نمایه‌ها ایجاد نکرد. بحث: راهبردهای یادگیری خودتنظیمی معلمان مرتبط با هوش مصنوعی در نمایه‌های متمایز همزمان رخ می‌دهد و از رویکرد تفکیک‌شده در توسعه حرفه‌ای حمایت می‌کند. معلمانی که استفاده محدودی از راهبردها دارند، ممکن است از راهنمایی ساختاریافته، فرصت‌های یادگیری هوش مصنوعی با پشتیبانی و حمایت نهادی قوی‌تر بهره‌مند شوند، در حالی که یادگیرندگان بسیار راهبردی می‌توانند از فرصت‌های یادگیری خودگردان و پیشرفته‌تر سود ببرند.

Introduction This explanatory sequential mixed-methods study examined associations of self-regulated learning (SRL) and online learning self-efficacy with perceived academic and cognitive performance among undergraduates recruited from five Vietnamese universities. Methods The quantitative phase analyzed 685 complete survey responses obtained through quota-guided convenience sampling and tested a four-construct covariance-based structural equation model. The qualitative phase involved 24 interview participants purposively selected from the survey pool to contextualize the observed structural associations. Results The measurement model showed good fit on the retained indices (χ²/df = 2.15, CFI = .962, TLI = .958, RMSEA = .041, SRMR = .038). SRL was positively associated with perceived academic performance ( β = .51) and perceived cognitive performance (β = .44), while online learning self-efficacy was associated with perceived academic performance ( β = .24) and perceived cognitive performance ( β = .36), all p < .001. The model accounted for 49.5% and 52.1% of the variance in the two outcomes, respectively. Interview accounts described SRL through scheduling, micro-deadlines, monitoring, distraction control, and strategy revision, whereas online learning self-efficacy was reflected in willingness to initiate tasks, explore unfamiliar tools, seek help, and persist through technological difficulty. Discussion The study contributes a theoretically integrated account of learner agency grounded in SRL theory, Social Cognitive Theory, and Self-Determination Theory. Because the design was cross-sectional and the sample was nonprobability-based, the findings are interpreted as sample-specific associations rather than causal or nationally representative effects.

مقدمه: این مطالعه آمیخته توضیحی-توالی به بررسی ارتباط یادگیری خودتنظیمی (SRL) و خودکارآمدی یادگیری آنلاین با عملکرد تحصیلی و شناختی ادراک‌شده در میان دانشجویان کارشناسی جذب‌شده از پنج دانشگاه ویتنام پرداخت. روش‌ها: در مرحله کمی، ۶۸۵ پرسشنامه کامل که از طریق نمونه‌گیری در دسترس هدایت‌شده با سهمیه جمع‌آوری شده بود، تحلیل شد و یک مدل معادلات ساختاری مبتنی بر کوواریانس با چهار سازه آزمون گردید. در مرحله کیفی، ۲۴ شرکت‌کننده مصاحبه‌ای به‌صورت هدفمند از میان جامعه پرسشنامه انتخاب شدند تا ارتباطات ساختاری مشاهده‌شده را در بستر قرار دهند. نتایج: مدل اندازه‌گیری براساس شاخص‌های باقی‌مانده برازش مناسبی نشان داد (χ²/df = ۲.۱۵، CFI = ۰.۹۶۲، TLI = ۰.۹۵۸، RMSEA = ۰.۰۴۱، SRMR = ۰.۰۳۸). یادگیری خودتنظیمی با عملکرد تحصیلی ادراک‌شده (β = ۰.۵۱) و عملکرد شناختی ادراک‌شده (β = ۰.۴۴) رابطه مثبت داشت، در حالی که خودکارآمدی یادگیری آنلاین با عملکرد تحصیلی ادراک‌شده (β = ۰.۲۴) و عملکرد شناختی ادراک‌شده (β = ۰.۳۶) مرتبط بود (همه p < ۰.۰۰۱). مدل به‌ترتیب ۴۹.۵٪ و ۵۲.۱٪ از واریانس دو پیامد را تبیین کرد. روایات مصاحبه‌ای، یادگیری خودتنظیمی را از طریق زمان‌بندی، ضرب‌الاجل‌های خرد، پایش، کنترل حواس‌پرتی و بازنگری راهبردها توصیف کردند، در حالی که خودکارآمدی یادگیری آنلاین در تمایل به آغاز وظایف، کاوش ابزارهای ناآشنا، جستجوی کمک و پایداری در مواجهه با دشواری‌های فناورانه بازتاب یافت. بحث: این پژوهش، گزارشی نظری و یکپارچه از عاملیت یادگیرنده مبتنی بر نظریه یادگیری خودتنظیمی، نظریه شناختی-اجتماعی و نظریه خودتعیین‌گری ارائه می‌دهد. با توجه به اینکه طرح پژوهش مقطعی بوده و نمونه مبتنی بر احتمال نبوده است، یافته‌ها به‌عنوان ارتباطات خاص نمونه تفسیر می‌شوند و نه به‌عنوان اثرات علی یا نماینده ملی.

Background This study focused on internal aspects, including cognitive states and motivational engagement, that may be overlooked by external indicators of participation in collaborative learning, such as utterance counts or observable behaviors. This proof-of-concept feasibility study explored whether neurophysiological responses related to auditory attention could provide information relevant to interpreting conventional behavioral indicators of participation. Using electroencephalogram (EEG) indices (N1 and P2 components), associations with self-regulated learning and interest during collaborative learning were explored. Methods EEG data were collected during real, discussion-based collaborative learning activities conducted in a university classroom setting. EEG data were recorded using wearable devices from nine Japanese university students enrolled in the course. Utterances were categorized as surface- or deep-level regulation utterances according to definitions from a prior study. Using a multivariate temporal response function approach, the N1 and P2 amplitudes elicited by each type of utterance were estimated. The degree of self-regulated learning was indexed by the number of deep-level regulation utterances, and interest in learning was evaluated using subjective rating scores. The relationships between these indices and the N1 and P2 amplitudes were analyzed using linear mixed-effects models. Results The number of deep-level regulation utterances was significantly associated with the N1 amplitude, irrespective of whether the utterances were categorized as deep or surface regulation. In contrast, subjective interest ratings were significantly associated with the N1 amplitude, particularly in response to deep-level-regulation utterances. Conclusion The N1 component, which is related to auditory attention, showed exploratory associations with self-regulatory behavior and learners’ interest.

زمینه: این مطالعه بر جنبه‌های درونی، از جمله حالات شناختی و درگیری انگیزشی، که ممکن است توسط شاخص‌های بیرونی مشارکت در یادگیری مشارکتی مانند شمارش جملات یا رفتارهای قابل مشاهده نادیده گرفته شوند، تمرکز داشت. این مطالعه اثبات مفهوم و امکان‌سنجی بررسی کرد که آیا پاسخ‌های نوروفیزیولوژیک مرتبط با توجه شنیداری می‌تواند اطلاعاتی مرتبط با تفسیر شاخص‌های رفتاری متداول مشارکت فراهم کند یا خیر. با استفاده از شاخص‌های الکتروانسفالوگرام (EEG) (مولفه‌های N1 و P2)، ارتباط این شاخص‌ها با یادگیری خودتنظیمی و علاقه در طول یادگیری مشارکتی بررسی شد. روش‌ها: داده‌های EEG در طول فعالیت‌های واقعی یادگیری مشارکتی مبتنی بر بحث که در محیط کلاس دانشگاه برگزار شد، جمع‌آوری گردید. داده‌های EEG با استفاده از دستگاه‌های پوشیدنی از نه دانشجوی دانشگاه ژاپنی که در این دوره ثبت‌نام کرده بودند، ثبت شد. جملات بر اساس تعاریف یک مطالعه پیشین به عنوان جملات تنظیم سطحی یا عمیق دسته‌بندی شدند. با استفاده از رویکرد تابع پاسخ زمانی چندمتغیره، دامنه‌های N1 و P2 القا شده توسط هر نوع جمله برآورد گردید. میزان یادگیری خودتنظیمی با تعداد جملات تنظیم عمیق سنجیده شد و علاقه به یادگیری با امتیازات ارزیابی ذهنی مورد ارزیابی قرار گرفت. روابط بین این شاخص‌ها و دامنه‌های N1 و P2 با استفاده از مدل‌های خطی اثرات آمیخته تحلیل شد. نتایج: تعداد جملات تنظیم عمیق به طور معناداری با دامنه N1 مرتبط بود، صرف‌نظر از این که جملات به عنوان تنظیم عمیق یا سطحی دسته‌بندی شده بودند. در مقابل، امتیازات علاقه ذهنی به طور معناداری با دامنه N1، به ویژه در پاسخ به جملات تنظیم عمیق، مرتبط بود. نتیجه‌گیری: مولفه N1 که با توجه شنیداری مرتبط است، ارتباطات اکتشافی با رفتار خودتنظیمی و علاقه یادگیرندگان نشان داد.

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.

Generative artificial intelligence (AI) has intensified longstanding questions about teachers' roles and the pedagogical conditions under which technology supports learner autonomy. This qualitatively driven embedded mixed-methods study examined practices reported and represented by Israeli teachers during an eight-week professional development program on AI, self-regulated learning, and learner-centered pedagogy. The primary qualitative strand drew on reflections, open-ended questionnaire responses, lesson plans, and pedagogical artifacts and used a hybrid deductive-inductive analysis. An exploratory quantitative strand compared 61 consenting pre-program submissions with 26 consenting post-program submissions. Because submissions were anonymous and unlinked, Welch independent-samples tests were used. Post-program means were descriptively higher for reflective teaching, AI-supported planning, and inquiry-oriented design, and essentially unchanged for differentiated instruction; none of the four comparisons was statistically significant after Holm adjustment. Qualitative analysis generated five interconnected dimensions: designing for learner agency, self-regulated teaching and reflection, AI-supported learning design, designing for capability development, and critical AI literacy. The findings support a dual-layer interpretation in which teachers' reflective regulation and critical judgment mediate the design of opportunities intended to support learner agency and capability. Because the study measured teachers' reports and artifacts rather than students' experiences or outcomes, its contribution concerns pedagogical intentions and professional learning, not demonstrated gains in learner agency.

هوش مصنوعی مولد، پرسش‌های دیرینه‌ای را درباره نقش معلمان و شرایط آموزشی‌ای که در آن فناوری از خودمختاری یادگیرنده حمایت می‌کند، تشدید کرده است. این پژوهش با رویکرد کیفی و روش ترکیبی تعبیه‌شده، به بررسی رویکردهایی پرداخت که معلمان اسرائیلی در طول یک برنامه توسعه حرفه‌ای هشت‌هفته‌ای درباره هوش مصنوعی، یادگیری خودتنظیمی و آموزش یادگیرنده‌محور گزارش و ارائه کردند. بخش اصلی کیفی پژوهش مبتنی بر بازتاب‌ها، پاسخ‌های پرسشنامه باز، طرح‌های درس و مصنوعات آموزشی بود و از تحلیل ترکیبی استقرایی-قیاسی بهره گرفت. بخش کمّی اکتشافی، ۶۱ مورد ارسالی پیش از برنامه را با ۲۶ مورد ارسالی پس از برنامه (با رضایت شرکت‌کنندگان) مقایسه کرد. با توجه به ناشناس و غیرمرتبط بودن داده‌ها، از آزمون‌های مستقل Welch استفاده شد. میانگین‌های پس از برنامه به طور توصیفی برای تدریس تأملی، برنامه‌ریزی با حمایت هوش مصنوعی و طراحی مبتنی بر پژوهش بالاتر بود و برای آموزش تفکیک‌شده تقریباً بدون تغییر باقی ماند؛ هیچ‌یک از چهار مقایسه پس از اصلاح Holm از لحاظ آماری معنادار نبود. تحلیل کیفی پنج بُعد به‌هم‌پیوسته را شناسایی کرد: طراحی برای عاملیت یادگیرنده، تدریس و بازتاب خودتنظیمی، طراحی یادگیری با حمایت هوش مصنوعی، طراحی برای توسعه قابلیت و سواد انتقادی هوش مصنوعی. یافته‌ها از تفسیر دو‌لایه‌ای حمایت می‌کنند که در آن تنظیم تأملی و قضاوت انتقادی معلمان، واسطه طراحی فرصت‌هایی است که با هدف حمایت از عاملیت و قابلیت یادگیرنده انجام می‌شود. از آنجا که این مطالعه گزارش‌ها و مصنوعات معلمان را سنجیده و نه تجربه‌ها یا پیامدهای دانش‌آموزان را، سهم آن به نیت‌های آموزشی و یادگیری حرفه‌ای مربوط می‌شود، نه بهبود اثبات‌شده عاملیت یادگیرنده.

Feedback has been reframed in the literature as a dialogic process that aims to develop student self-regulation and improve learning. Institutional and disciplinary cultures can impact how feedback processes are designed and enacted. We investigated the role of institutional and disciplinary cultures in shaping feedback practices adopted by teaching fellows on a medical biosciences programme at a UK institution. Data generated by five individual interviews were analysed by reflexive thematic analysis, and our main findings reveal an institutional culture that values the educational development of staff through pedagogical training. This training seemed to be associated with greater awareness of the institutional learning and teaching strategy, and the development of teacher feedback literacy. Participants’ accounts also suggested that the disciplinary feedback culture on this course reflects the institutional strategy. These findings illustrate how disciplinary and institutional cultures can influence feedback practices and highlight the impact of pedagogical training on teaching.

در ادبیات پژوهش، بازخورد به عنوان فرایندی گفت‌وگومحور بازتعریف شده است که هدف آن توسعه خودتنظیمی دانشجویان و بهبود یادگیری می‌باشد. فرهنگ‌های نهادی و رشته‌ای می‌توانند بر نحوه طراحی و اجرای فرایندهای بازخورد تأثیرگذار باشند. در این پژوهش، نقش فرهنگ‌های نهادی و رشته‌ای در شکل‌دهی به شیوه‌های بازخورد مورد استفاده توسط اعضای هیئت علمی در برنامه علوم زیستی پزشکی در یک مؤسسه بریتانیایی مورد بررسی قرار گرفت. داده‌های حاصل از پنج مصاحبه فردی با استفاده از تحلیل تماتیک بازتابی تحلیل شدند و یافته‌های اصلی ما نشان‌دهنده فرهنگی نهادی است که به توسعه آموزشی کارکنان از طریق آموزش‌های پداگوژیک ارزش می‌دهد. به نظر می‌رسد این آموزش‌ها با آگاهی بیشتر از راهبرد یادگیری و آموزش نهادی و توسعه سواد بازخوردی معلمان مرتبط است. همچنین، روایت‌های شرکت‌کنندگان حاکی از آن بود که فرهنگ بازخورد رشته‌ای در این دوره بازتاب‌دهنده راهبرد نهادی است. این یافته‌ها نشان می‌دهد که چگونه فرهنگ‌های رشته‌ای و نهادی می‌توانند بر شیوه‌های بازخورد تأثیر بگذارند و نقش آموزش‌های پداگوژیک بر تدریس را برجسته می‌کنند.