personalized feedback

This study evaluated the reliability and validity of a context-aware sleep holistic cycle gate algorithm and explored its potential for artificial intelligence (AI)-based personalized sleep management in digital health-care. A 6-week prospective observational study was conducted in 25 adults aged 20–65 years. Participants recorded daytime activities, eve-ning behaviors, presleep environmental factors, sleep outcomes, and feedback adherence using a mobile application. Five sleep-related indices were calculated, and a context-aware gate algorithm comprising five domains was applied. Reliability was assessed through internal consistency and reproducibility analyses, while validity was examined using correlations with sleep quality indicators and receiver operating characteristic curve analyses. Data completion and adherence rates were 80.3%±9.8% and 72.7%±11.6%, respectively. The sleep readiness index was positively correlated with subjective sleep quality (r=0.53, P<0.01). The algorithm demonstrated moderate predictive performance (area under the curve=0.73), with the environment and presleep gates showing the highest accuracy. Following personalized feedback, sleep onset latency decreased by 12.6%, and perceived sleep quality improved significantly (P<0.05). In conclusions, the context-aware sleep holistic cycle gate algorithm demonstrated acceptable reliability and validity for predicting sleep quality. These findings suggest that the proposed framework may serve as a foundational platform for the development of AI-driven personalized sleep management systems and future digital healthcare applications related to sleep rehabilitation and health promotion.

Background Correctional workers (CWs), are frequently exposed to traumatic workplace events, placing them at higher risk of experiencing mental health disorders, including major depressive disorder (MDD), generalized anxiety disorder (GAD), and posttraumatic stress disorder (PTSD). Despite high prevalence of mental health challenges, CWs underutilize mental health services due to stigma, irregular work schedules, and accessibility issues. While cognitive behavioral therapy (CBT) is effective, it poses accessibility challenges. Electronic CBT (eCBT) offers a scalable, accessible alternative, but use among CWs remains underexplored. Objective This study aimed to evaluate the efficacy of diagnosis-specific eCBT programs designed for CWs in reducing symptoms of MDD, GAD, and PTSD compared to treatment as usual (TAU). Methods A randomized controlled trial (RCT) was conducted with 84 CWs in Ontario, assigned to either eCBT (n=40) or TAU (n=44). The eCBT program provided diagnosis-specific modules with synchronous personalized feedback from care providers over 12-weeks via the Online Psychotherapy Tool (OPTT). Symptom severity was measured at baseline, week-6, and post-treatment using validated scales for depression, anxiety, PTSD, and quality-of-life. Data analysis included paired samples t-tests, mixed linear models, and effect size calculations (Cohen’s d). Results The eCBT group exhibited significant reductions in symptom severity for depression, anxiety, and PTSD from baseline to post-treatment compared to TAU (p<0.01), with a moderate effect size (Cohen’s d=0.68). Symptom severity decreased by 61.37% for eCBT versus 23.29% in TAU. Mixed linear models confirmed a significant treatment-by-time interaction, favoring eCBT (p<0.01). However, no significant differences in quality-of-life improvements were observed between groups. Conclusions Diagnosis-specific eCBT programs are effective in reducing symptoms of depression, anxiety, and PTSD for CWs. The asynchronous, accessible format of eCBT addresses current key barriers. Future research should explore strategies to improve adherence and increase the accessibility of services for CWs.

زمینه: کارکنان اصلاح و تربیت (CWs) به طور مکرر در معرض رویدادهای شغلی آسیب‌زا قرار می‌گیرند و در نتیجه در معرض خطر بالاتر ابتلا به اختلالات سلامت روان، از جمله اختلال افسردگی اساسی (MDD)، اختلال اضطراب فراگیر (GAD) و اختلال استرس پس از سانحه (PTSD) قرار دارند. با وجود شیوع بالای چالش‌های سلامت روان، کارکنان اصلاح و تربیت به دلیل انگ، برنامه‌های کاری نامنظم و مشکلات دسترسی، از خدمات سلامت روان کمتر استفاده می‌کنند. اگرچه درمان شناختی-رفتاری (CBT) مؤثر است، اما چالش‌هایی در دسترسی به آن وجود دارد. درمان شناختی-رفتاری الکترونیکی (eCBT) جایگزینی مقیاس‌پذیر و قابل دسترس ارائه می‌دهد، اما استفاده از آن در میان کارکنان اصلاح و تربیت کمتر مورد بررسی قرار گرفته است. هدف: این مطالعه با هدف ارزیابی اثربخشی برنامه‌های eCBT اختصاصی بر اساس تشخیص برای کارکنان اصلاح و تربیت در کاهش علائم MDD، GAD و PTSD در مقایسه با درمان معمول (TAU) انجام شد. روش‌ها: یک کارآزمایی تصادفی‌شده‌ی کنترل‌شده (RCT) با ۸۴ نفر از کارکنان اصلاح و تربیت در انتاریو انجام شد که به طور تصادفی به گروه eCBT (n=40) یا TAU (n=44) تخصیص یافتند. برنامه‌ی eCBT شامل ماژول‌های اختصاصی بر اساس تشخیص با بازخورد شخصی‌سازی‌شده‌ی همزمان از سوی ارائه‌دهندگان مراقبت طی ۱۲ هفته از طریق ابزار روان‌درمانی آنلاین (OPTT) بود. شدت علائم در ابتدا، هفته‌ی ششم و پس از درمان با استفاده از مقیاس‌های معتبر برای افسردگی، اضطراب، اختلال استرس پس از سانحه و کیفیت زندگی اندازه‌گیری شد. تحلیل داده‌ها شامل آزمون t زوجی، مدل‌های خطی آمیخته و محاسبه‌ی اندازه‌ی اثر (d کوهن) بود. نتایج: گروه eCBT کاهش معناداری در شدت علائم افسردگی، اضطراب و PTSD از ابتدا تا پس از درمان نسبت به TAU نشان داد (p<0.01) و اندازه‌ی اثر متوسط (d کوهن=0.68) به دست آمد. شدت علائم در گروه eCBT به میزان ۶۱.۳۷٪ و در گروه TAU به میزان ۲۳.۲۹٪ کاهش یافت. مدل‌های خطی آمیخته تعامل معنادار درمان-زمان را به نفع eCBT تأیید کردند (p<0.01). با این حال، تفاوت معناداری در بهبود کیفیت زندگی بین گروه‌ها مشاهده نشد. نتیجه‌گیری: برنامه‌های eCBT اختصاصی بر اساس تشخیص در کاهش علائم افسردگی، اضطراب و اختلال استرس پس از سانحه برای کارکنان اصلاح و تربیت مؤثر هستند. قالب غیرهمزمان و قابل دسترس eCBT موانع کلیدی فعلی را برطرف می‌کند. پژوهش‌های آینده باید راهبردهایی برای بهبود پایبندی و افزایش دسترسی به خدمات برای این گروه را بررسی کنند.

urpose of the study: This study aims to develop an AI-integrated STEM-based Electronic Student Worksheet (E-LKPD) for science learning in elementary schools to improve students' science literacy in the digital era Methodology: This study employed a Research and Development (R&D) approach using the ADDIE model (Analysis, Design, Development, Implementation, Evaluation). Data were collected through expert validation questionnaires from content experts, media experts, and practitioner teachers, as well as pre-post science literacy tests administered to Grade V elementary school students. Product validity, practicality, and effectiveness were analyzed using quantitative descriptive statistics and the normalized gain index (N-Gain) Main Findings: The developed E-LKPD achieved a validity score of 87.5% (highly valid), a practicality score of 89.3% (highly practical), and an N-Gain of 0.72 (high effectiveness). The product significantly improved students' science literacy across all four PISA dimensions: scientific context, scientific competence, scientific knowledge, and scientific attitude. AI-based features adaptive quizzes, personalized feedback systems, and virtual science simulations enabled interactive and personalized learning experiences Novelty/Originality of this study: This study introduces an innovative learning product that combines STEM education principles with AI-based adaptive features in a single E-LKPD platform, specifically designed for elementary school science learning in Indonesia. This dual integration addresses the challenge of Indonesia's low student science literacy as reflected in PISA 2022 data while meeting the growing need for AI-based digital learning in 21st-century classrooms

هدف مطالعه: این پژوهش با هدف توسعه برگه کار الکترونیکی دانش‌آموز (E-LKPD) مبتنی بر STEM و یکپارچه با هوش مصنوعی برای آموزش علوم در مدارس ابتدایی به منظور ارتقای سواد علمی دانش‌آموزان در عصر دیجیتال انجام شده است. روش‌شناسی: این پژوهش با رویکرد تحقیق و توسعه (R&D) و با استفاده از مدل ADDIE (تحلیل، طراحی، توسعه، اجرا، ارزیابی) انجام شد. داده‌ها از طریق پرسشنامه‌های اعتبارسنجی خبرگان محتوا، خبرگان رسانه و معلمان مجری، همچنین آزمون‌های پیش‌آزمون و پس‌آزمون سواد علمی دانش‌آموزان پایه پنجم ابتدایی گردآوری شد. روایی، کاربردپذیری و اثربخشی محصول با استفاده از آمار توصیفی کمی و شاخص سود نرمال‌شده (N-Gain) تحلیل گردید. یافته‌های اصلی: E-LKPD توسعه‌یافته موفق به کسب امتیاز روایی ۸۷.۵٪ (بسیار معتبر)، امتیاز کاربردپذیری ۸۹.۳٪ (بسیار کاربردی) و N-Gain معادل ۰.۷۲ (اثربخشی بالا) شد. این محصول به طور معناداری سواد علمی دانش‌آموزان را در هر چهار بُعد PISA شامل زمینه علمی، شایستگی علمی، دانش علمی و نگرش علمی ارتقا داد. ویژگی‌های مبتنی بر هوش مصنوعی نظیر آزمون‌های تطبیقی، سیستم بازخورد شخصی‌سازی‌شده و شبیه‌سازی‌های مجازی علوم، تجربه یادگیری تعاملی و شخصی‌سازی‌شده را فراهم ساختند. نوآوری/اصالت این پژوهش: این مطالعه محصول یادگیری نوآورانه‌ای را معرفی می‌کند که اصول آموزش STEM را با قابلیت‌های تطبیقی مبتنی بر هوش مصنوعی در یک بستر E-LKPD واحد ترکیب نموده و به طور خاص برای آموزش علوم مدارس ابتدایی در اندونزی طراحی شده است. این یکپارچگی دوگانه، چالش پایین بودن سواد علمی دانش‌آموزان اندونزی مطابق با داده‌های PISA 2022 را هدف قرار داده و همزمان به نیاز روزافزون به یادگیری دیجیتال مبتنی بر هوش مصنوعی در کلاس‌های قرن بیست و یکم پاسخ می‌دهد.

Introduction Reflection constitutes a central component of the knowledge base of the teaching profession; however, in practice it may become routinized and have limited significance for professional learning. Within teacher education, supervision increasingly takes place in digital contexts, raising questions about the conditions required for such supervision to support reflection. In this study, we examine which conditions student teachers describe as significant for reflective processes in digital supervision. Methods The study is based on six focus group interviews with a total of 36 student teachers. The data were analyzed using reflexive thematic analysis. The design gives access to how student teachers perceive these conditions, not to reflection as it unfolded in individual supervision sessions. The theoretical framework draws on e-mentoring as an analytical perspective for understanding how relational, communicative, and technological conditions interact in technology-mediated supervision. Results Our analysis identified three main themes: structured and technology-supported reflection; relationships, dialogue, and perceived presence; and structural conditions, competence, and enactment. Student teachers described digital supervision as supporting reflection when it is clearly structured, grounded in concrete experiences, and supported by tools that make students' thinking visible and elaborated over time. The possibility of storing and revisiting feedback was experienced as particularly important for sustained reflective development. Relational conditions were also described as consequential, as accessibility, responsiveness, and personalized feedback may strengthen trust and participation, while limited access to non-verbal cues and disrupted conversational flow may constrain reflective processes. Technological and organizational conditions were described as further shaping supervision, with flexibility and accessibility perceived as beneficial, whereas technical challenges, unclear expectations, and varying levels of digital competence may reduce the potential for reflection. Discussion Drawing on student teachers' reported experiences, we argue that the conditions for reflection in digital supervision emerge through the interplay of pedagogical, relational, technological, and organizational factors, and depend on more than technological access alone.

مقدمه: تأمل یکی از اجزای مرکزی بنیان دانشی حرفه معلمی به‌شمار می‌رود؛ با این حال، در عمل ممکن است به امری عادی و کم‌اهمیت برای یادگیری حرفه‌ای تبدیل شود. در آموزش معلمان، نظارت به‌طور فزاینده‌ای در بسترهای دیجیتال صورت می‌گیرد که این امر پرسش‌هایی را درباره شرایط لازم برای حمایت از تأمل در چنین نظارتی مطرح می‌کند. در این پژوهش، شرایطی که دانشجومعلمان به‌عنوان عوامل مهم برای فرایندهای تأملی در نظارت دیجیتال توصیف می‌کنند، مورد بررسی قرار گرفته است. روش‌ها: این مطالعه مبتنی بر شش مصاحبه گروهی متمرکز با مجموعاً ۳۶ دانشجومعلم است. داده‌ها با استفاده از تحلیل تماتیک بازتابی تحلیل شدند. این طراحی امکان دسترسی به ادراک دانشجومعلمان از این شرایط را فراهم می‌کند، نه خود فرایند تأمل همان‌گونه که در جلسات نظارت فردی رخ داده است. چارچوب نظری پژوهش بر مبنای e-mentoring به‌عنوان یک دیدگاه تحلیلی برای فهم چگونگی تعامل شرایط ارتباطی، تعاملی و فناورانه در نظارت مبتنی بر فناوری استوار است. یافته‌ها: تحلیل ما سه تم اصلی را شناسایی کرد: تأمل ساختاریافته و پشتیبانی‌شده با فناوری؛ روابط، گفت‌وگو و حضور ادراک‌شده؛ و شرایط ساختاری، شایستگی و اجرا. دانشجومعلمان نظارت دیجیتال را زمانی پشتیبان تأمل می‌دانستند که ساختاریافته، مبتنی بر تجارب عینی و با ابزارهایی همراه باشد که تفکر دانشجویان را قابل مشاهده و در طول زمان بسط دهد. امکان ذخیره و بازبینی بازخورد به‌عنوان عاملی بسیار مهم برای توسعه تأملی پایدار تجربه شد. شرایط ارتباطی نیز تعیین‌کننده توصیف شد، به‌گونه‌ای که دسترسی‌پذیری، پاسخگویی و بازخورد شخصی می‌تواند اعتماد و مشارکت را تقویت کند، در حالی که دسترسی محدود به نشانه‌های غیرکلامی و اختلال در جریان گفت‌وگو ممکن است فرایندهای تأملی را محدود سازد. شرایط فناورانه و سازمانی نیز به‌عنوان عوامل شکل‌دهنده نظارت توصیف شدند، به‌طوری که انعطاف‌پذیری و دسترسی‌پذیری سودمند تلقی شد، اما چالش‌های فنی، انتظارات نامشخص و سطوح متفاوت شایستگی دیجیتال می‌تواند پتانسیل تأمل را کاهش دهد. بحث: با استناد به تجارب گزارش‌شده دانشجومعلمان، استدلال می‌شود که شرایط تأمل در نظارت دیجیتال از طریق تعامل عوامل آموزشی، ارتباطی، فناورانه و سازمانی پدید می‌آید و صرفاً به دسترسی فناورانه محدود نمی‌شود.

Critical appraisal of research literature is an important skill for graduates yet science graduate employers report dissatisfaction with skill levels. As scaffolding can assist in critical appraisal development, we aimed to develop and evaluate 2 adaptive e-tutorials for critical appraisal development of neuropharmacology research articles as part of the scaffolding process. We developed adaptive e-tutorials allowing personalised feedback and remediation. Results of an end-of-tutorial survey, and comparisons of institutional Unit of Study Survey ratings and exam results in the 2 years before, and during, the intervention were analysed. Over 4 years, 150 students participated. In the cohorts that did not complete the e-tutorial, there were significant differences in exam marks between students of different academic backgrounds (non-science < science < medicine backgrounds; p < 0.05), while no significant differences between groups were seen in students that completed the e-tutorial, and these marks were statistically equivalent. Students ranked their perceived benefit from the videos, increase in critical appraisal ability, and value of the e-tutorial with average rankings between 4.4–4.6 on a Likert scale (5 = strongly agree). Similarly, students who completed the e-tutorial showed a significant increase in rating of their critical thinking skills in the Unit of Study Survey (p < 0.05). Completion of the e-tutorial was associated with increased equitable development of critical appraisal. Students from non-science backgrounds showed the biggest increase in actual appraisal performance, suggesting that while the e-tutorial was associated with increased confidence for all students, the other features of the course may have developed appraisal levels to a stage sufficient for successful exam completion.

ارزیابی انتقادی متون پژوهشی یکی از مهارت‌های مهم برای فارغ‌التحصیلان است، اما کارفرمایان فارغ‌التحصیلان علوم از سطح این مهارت‌ها ابراز نارضایتی می‌کنند. از آنجا که حمایت آموزشی می‌تواند به توسعه ارزیابی انتقادی کمک کند، هدف ما توسعه و ارزیابی دو آموزش الکترونیکی تطبیقی برای ارتقای مهارت ارزیابی انتقادی مقالات پژوهشی نوروفارماکولوژی به عنوان بخشی از فرایند حمایت آموزشی بود. آموزش‌های الکترونیکی تطبیقی با امکان ارائه بازخورد شخصی‌سازی‌شده و جبران‌سازی طراحی شدند. نتایج نظرسنجی پایان آموزش، و مقایسه امتیازات نظرسنجی واحد درسی مؤسسه و نتایج امتحانات در دو سال پیش و حین مداخله مورد تحلیل قرار گرفت. طی چهار سال، ۱۵۰ دانشجو شرکت کردند. در گروه‌هایی که آموزش الکترونیکی را تکمیل نکردند، تفاوت معناداری در نمرات امتحان بین دانشجویان با پیشینه‌های تحصیلی مختلف (غیرعلوم < علوم < پزشکی؛ p < 0.05) مشاهده شد، در حالی که در دانشجویانی که آموزش الکترونیکی را تکمیل کردند، تفاوت معناداری بین گروه‌ها دیده نشد و این نمرات از لحاظ آماری معادل بودند. دانشجویان، میزان سودمندی ادراک‌شده از ویدئوها، افزایش توانایی ارزیابی انتقادی و ارزش آموزش الکترونیکی را با میانگین امتیاز بین ۴.۴ تا ۴.۶ در مقیاس لیکرت (۵ = کاملاً موافقم) ارزیابی کردند. به طور مشابه، دانشجویانی که آموزش الکترونیکی را تکمیل کردند، افزایش معناداری در ارزیابی مهارت‌های تفکر انتقادی خود در نظرسنجی واحد درسی نشان دادند (p < 0.05). تکمیل آموزش الکترونیکی با توسعه عادلانه‌تر مهارت ارزیابی انتقادی همراه بود. دانشجویان با پیشینه غیرعلوم بیشترین افزایش را در عملکرد واقعی ارزیابی نشان دادند که نشان می‌دهد اگرچه آموزش الکترونیکی با افزایش اعتماد به نفس در همه دانشجویان همراه بود، سایر ویژگی‌های دوره ممکن است سطح ارزیابی را تا حد کافی برای موفقیت در امتحان ارتقا داده باشد.

Artificial intelligence (AI)-assisted digital mental health interventions are being increasingly discussed as a potential strategy for improving access to psychological support among adolescents with anxiety symptoms and anxiety disorders. Their possible advantages include flexible availability, reduced barriers to help-seeking, psychoeducation, symptom monitoring, CBT-informed exercises, conversational interaction, and personalized feedback. However, their clinical role remains insufficiently defined, particularly regarding efficacy, safety, ethical governance, and the distinction between digital support and psychotherapy in the traditional clinical sense. This narrative review examines current evidence and conceptual debates regarding AI-assisted digital interventions relevant to adolescent anxiety disorders, with a focus on usability, acceptability, preliminary efficacy, safety, ethical and legal considerations, and human clinical oversight. Available literature suggests that conversational agents and CBT-informed digital tools may provide low-threshold support and may reduce the symptoms of anxiety, depression, or general emotional distress in some users. Nevertheless, existing evidence remains heterogeneous and preliminary, often relying on young adult, mixed-age, non-clinical, or transdiagnostic samples, short follow-up periods, and self-report outcomes. Direct evidence for AI-assisted interventions specifically in adolescents with formally diagnosed anxiety disorders remains limited, and findings from broader youth, young adult, mixed-age, or transdiagnostic samples should not be directly generalized to this clinical population. It should not be considered a replacement for therapist-delivered psychotherapy, clinical assessment, or specialist child and adolescent mental health care. Their most appropriate current role is as adjunctive or supportive tools within supervised, stepped-care, or blended-care models. Future research should include adolescent-specific clinical trials, anxiety-focused outcomes, longer follow-up, systematic safety reporting, and clear evaluation of human oversight models. AI-assisted digital interventions may help reduce parts of the adolescent mental health treatment gap; however, their use must remain evidence-informed, developmentally sensitive, ethically regulated, and clinically supervised.

مداخلات سلامت روان دیجیتال با کمک هوش مصنوعی (AI) به طور فزاینده‌ای به عنوان راهبردی بالقوه برای بهبود دسترسی نوجوانان دارای علائم اضطراب و اختلالات اضطرابی به حمایت روان‌شناختی مورد بحث قرار گرفته‌اند. مزایای احتمالی این مداخلات شامل دسترسی انعطاف‌پذیر، کاهش موانع جستجوی کمک، آموزش روانی، پایش علائم، تمرینات مبتنی بر درمان شناختی-رفتاری (CBT)، تعامل مکالمه‌ای و بازخورد شخصی‌سازی‌شده است. با این حال، نقش بالینی آن‌ها همچنان به طور کافی تعریف نشده است، به ویژه در زمینه اثربخشی، ایمنی، حاکمیت اخلاقی و تمایز میان حمایت دیجیتال و روان‌درمانی به معنای بالینی سنتی. این مرور روایتی به بررسی شواهد موجود و مباحث مفهومی پیرامون مداخلات دیجیتال با کمک هوش مصنوعی مرتبط با اختلالات اضطرابی نوجوانان می‌پردازد، با تمرکز بر قابلیت استفاده، پذیرش، اثربخشی مقدماتی، ایمنی، ملاحظات اخلاقی و حقوقی و نظارت بالینی انسانی. ادبیات موجود نشان می‌دهد که عامل‌های مکالمه‌ای و ابزارهای دیجیتال مبتنی بر درمان شناختی-رفتاری (CBT) ممکن است حمایت با آستانه پایین فراهم کنند و علائم اضطراب، افسردگی یا پریشانی هیجانی کلی را در برخی کاربران کاهش دهند. با این حال، شواهد موجود ناهمگون و مقدماتی باقی مانده و اغلب بر نمونه‌های بزرگسال جوان، گروه‌های سنی مختلط، نمونه‌های غیر بالینی یا فراتشخیصی، دوره‌های پیگیری کوتاه و نتایج خودگزارشی متکی است. شواهد مستقیم برای مداخلات با کمک هوش مصنوعی به طور خاص در نوجوانان با اختلالات اضطرابی تشخیص‌گذاری‌شده به طور رسمی محدود است و یافته‌های حاصل از نمونه‌های وسیع‌تر جوانان، بزرگسالان جوان، گروه‌های سنی مختلط یا فراتشخیصی نباید مستقیماً به این جمعیت بالینی تعمیم داده شود. این مداخلات نباید جایگزین روان‌درمانی ارائه‌شده توسط درمانگر، ارزیابی بالینی یا مراقبت تخصصی سلامت روان کودک و نوجوان تلقی شود. مناسب‌ترین نقش فعلی آن‌ها به عنوان ابزارهای کمکی یا حمایتی در چارچوب مدل‌های مراقبت پله‌ای، تلفیقی یا تحت نظارت است. پژوهش‌های آینده باید شامل کارآزمایی‌های بالینی ویژه نوجوانان، نتایج متمرکز بر اضطراب، پیگیری طولانی‌تر، گزارش‌دهی نظام‌مند ایمنی و ارزیابی شفاف مدل‌های نظارت انسانی باشد. مداخلات دیجیتال با کمک هوش مصنوعی ممکن است به کاهش بخشی از فاصله درمان سلامت روان نوجوانان کمک کند؛ با این حال، استفاده از آن‌ها باید مبتنی بر شواهد، حساس به رشد، تحت نظارت اخلاقی و با نظارت بالینی باقی بماند.

This study examined the impact of an artificial intelligence (AI)-enhanced multimodal instructional approach on students' grammatical knowledge and motivation. Therefore, 70 Omani English as a Foreign Language (EFL) learners were divided into a control group (in-class training and feedback) and an experimental group (AI feedback), with 35 students in each group. The researcher used grammar tests and a motivation questionnaire adapted from Li et al. (2025) to collect data. After a five-week treatment period, the posttest findings showed that both groups increased their scores, but the experimental group performed significantly better than the control group. In the delayed posttest, the control group showed no progress, but the experimental group increased their scores and significantly outperformed the control group. Additionally, the experimental group was the only group in which the motivation questionnaire was administered, and it was found that their motivation levels were considerably positive. The findings of the study are helpful for teachers, syllabus designers, students, and policymakers by suggesting that integrating an AI-enhanced multimodal instructional approach into grammar teaching could be a viable method to improve educational outcomes, enhance student engagement, provide personalized feedback, and also inform subsequent curriculum planning and the implementation of educational strategies.

این پژوهش تأثیر رویکرد آموزشی چندوجهی تقویت‌شده با هوش مصنوعی (AI) را بر دانش دستوری و انگیزش دانش‌آموزان بررسی کرد. بدین منظور، ۷۰ زبان‌آموز عمانی زبان انگلیسی به عنوان زبان خارجی (EFL) به دو گروه کنترل (آموزش و بازخورد کلاسی) و آزمایش (بازخورد مبتنی بر هوش مصنوعی) تقسیم شدند که هر گروه شامل ۳۵ نفر بود. پژوهشگر برای گردآوری داده‌ها از آزمون‌های دستور زبان و پرسشنامه انگیزش اقتباس‌شده از Li و همکاران (۲۰۲۵) استفاده کرد. پس از یک دوره درمانی پنج‌هفته‌ای، یافته‌های پس‌آزمون نشان داد که هر دو گروه نمرات خود را افزایش دادند، اما گروه آزمایش به طور معناداری عملکرد بهتری نسبت به گروه کنترل داشت. در پس‌آزمون تأخیری، گروه کنترل پیشرفتی نشان نداد، اما گروه آزمایش نمرات خود را افزایش داد و به طور معناداری از گروه کنترل پیشی گرفت. همچنین، تنها در گروه آزمایش پرسشنامه انگیزش اجرا شد و مشخص شد که سطح انگیزش آن‌ها به طور قابل توجهی مثبت است. یافته‌های این پژوهش برای معلمان، طراحان برنامه درسی، دانش‌آموزان و سیاست‌گذاران مفید است و پیشنهاد می‌کند که ادغام رویکرد آموزشی چندوجهی تقویت‌شده با هوش مصنوعی در آموزش دستور زبان می‌تواند روشی مؤثر برای بهبود نتایج آموزشی، افزایش مشارکت دانش‌آموزان، ارائه بازخورد شخصی‌سازی‌شده و همچنین اطلاع‌رسانی برای برنامه‌ریزی درسی و اجرای راهبردهای آموزشی باشد.