self-regulated learning

Abstract Online education in Japanese universities expanded rapidly during the COVID-19 pandemic, exposing both the genuine value of flexible learning formats and the structural conditions required to make them effective. While students consistently appreciated the temporal and spatial autonomy of online study, research has identified persistent challenges including isolation, physical and psychological fatigue, assignment overload, declining motivation, and inequities in digital access and ICT literacy. This paper presents a narrative synthesis of recent empirical studies on online learning in Japanese higher education, arguing that student success is associated with the coordinated integration of three interdependent dimensions. Drawing on national surveys, institutional reports, and case-based research, the paper proposes the Flexibility–Structure–Support (FSS) Model, in which flexibility without adequate pedagogical structure may increase the risk of disengagement, while structure without sufficient institutional support may contribute to uneven and inequitable learning experiences. Effective instructional design—integrating active learning, motivating assignments, meaningful feedback, and blended formats—must be accompanied by investment in infrastructure, systematic faculty development, and explicit support for student self-regulated learning. Implications for course design, program coordination, and institutional policy are discussed, along with limitations and directions for future research.

چکیده آموزش آنلاین در دانشگاه‌های ژاپن طی همه‌گیری کووید-۱۹ به سرعت گسترش یافت و هم ارزش واقعی قالب‌های یادگیری منعطف و هم شرایط ساختاری لازم برای اثربخشی آن‌ها را آشکار ساخت. اگرچه دانشجویان به طور مستمر از استقلال زمانی و مکانی مطالعه آنلاین قدردانی می‌کردند، پژوهش‌ها چالش‌های پایدار از جمله انزوا، خستگی جسمی و روانی، بار تکالیف سنگین، کاهش انگیزه و نابرابری‌ها در دسترسی دیجیتال و سواد فناوری اطلاعات و ارتباطات را شناسایی کرده‌اند. این مقاله یک سنتز روایی از مطالعات تجربی اخیر درباره یادگیری آنلاین در آموزش عالی ژاپن ارائه می‌دهد و استدلال می‌کند که موفقیت دانشجویان با ادغام هماهنگ سه بعد متقابل وابسته مرتبط است. با بهره‌گیری از نظرسنجی‌های ملی، گزارش‌های نهادی و پژوهش‌های مورد-محور، این مقاله مدل انعطاف‌پذیری-ساختار-پشتیبانی (FSS) را پیشنهاد می‌کند، که در آن انعطاف‌پذیری بدون ساختار آموزشی کافی ممکن است خطر رها کردن را افزایش دهد، در حالی که ساختار بدون پشتیبانی نهادی کافی می‌تواند به تجربیات یادگیری ناهمگون و ناعادلانه بینجامد. طراحی آموزشی مؤثر—که یادگیری فعال، تکالیف انگیزشی، بازخورد معنادار و قالب‌های ترکیبی را ادغام می‌کند—باید همراه با سرمایه‌گذاری در زیرساخت‌ها، توسعه نظام‌مند اعضای هیئت علمی و پشتیبانی صریح از یادگیری خودتنظیمی دانشجویان باشد. پیامدهایی برای طراحی دوره، هماهنگی برنامه و سیاست‌گذاری نهادی مورد بحث قرار می‌گیرد، همراه با محدودیت‌ها و جهت‌گیری‌هایی برای پژوهش‌های آتی.

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.

Higher education has historically operated under a paradigm of information scarcity, positioning universities as premier institutions for curating and transmitting knowledge. The convergence of digital hyper-abundance, algorithmic curation, and generative artificial intelligence (GenAI) has disrupted this model, producing what educators increasingly describe as a crisis of critical thinking in higher education. The purpose of this review is to examine how information abundance, algorithmic curation, and GenAI use may influence university students’ critical thinking, and to synthesise what this evidence implies for what universities teach and how they assess. Using a critical narrative review design with thematic synthesis, the review analyses 45 verified sources (empirical studies, systematic reviews and meta-analyses, conceptual works, and policy guidance) identified through citation chaining and targeted searches; empirical GenAI studies date from November 2022 to 2026, and foundational theoretical works from 1976 onward. The synthesis is anchored in an integrative framework that combines cognitive load and dual-process theory, cognitive offloading, scaffolding theory, self-regulated learning, and epistemic cognition, with critical thinking as the principal outcome. Five themes emerged: (1) information abundance appears to shift the central cognitive challenge from retrieval to evaluation; (2) unguided GenAI use is associated with reduced cognitive engagement and, in several experiments, with weaker independent performance once AI support is removed, although guardrailed designs appear to mitigate this; (3) fluent AI output can be mistaken for validated knowledge, and AI-detection tools are unreliable and biased; (4) lateral reading, guided AI use, and process-visible assessment have promising but uneven support; and (5) workload, equity, and policy constraints limit adoption. From these themes, the review derives the Fade–Visibility Matrix, which crosses AI support structure (persistent versus fading) with assessment design (product-only versus process-visible) to yield four diagnostic states. The evidence is early and methodologically uneven, but it is most consistent with a structural rather than individual explanation. Universities should therefore teach evaluation, verification, and metacognitive regulation explicitly, design AI support to fade, and redesign assessment so that the learning process, not only the finished product, can be observed.

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.

Teacher student relationships are fundamental to education because they determine how authority, responsibility, participation, and decision-making are distributed within learning processes. Contemporary educational paradigms indicate a shift from teacher-dominated relationships toward more dialogic, participatory, and agency-oriented pedagogical relationships. This article aims to analyze the transformation of teacher–student relationships from the perspective of contemporary educational theories by examining teacher authority, student agency, autonomy support, student-centred learning, and shared pedagogical responsibility. This study employs a literature review method by analyzing relevant international journal articles, systematic reviews, and meta-analyses. The findings indicate that the shift toward student-centred learning does not require the elimination of teacher authority. Instead, teacher authority is transformed from control into pedagogical guidance through structure, direction, support, scaffolding, and feedback. Existing literature also indicates positive relationships between teacher autonomy support and motivation, engagement, self-regulated learning, and other learning outcomes. Meanwhile, research on student-centred learning shows that educational practices still emphasize student activation and engagement more strongly than student agency and autonomy. The main finding suggests that shared pedagogical responsibility can serve as a conceptual framework for bridging teacher authority and student agency. Teachers remain professionally responsible for the direction and quality of learning, while students gradually assume greater responsibility for making choices, managing learning, reflecting on processes, and evaluating learning outcomes.

روابط معلم و دانش‌آموز از ارکان اساسی آموزش هستند، زیرا نحوهٔ توزیع اقتدار، مسئولیت، مشارکت و تصمیم‌گیری را در فرایندهای یادگیری تعیین می‌کنند. پارادایم‌های معاصر تعلیم و تربیت نشان‌دهندهٔ گذار از روابط مبتنی بر سلطهٔ معلم به سوی روابط آموزشی گفت‌وگومحور، مشارکتی و مبتنی بر عاملیت هستند. هدف این مقاله تحلیل تحول روابط معلم–دانش‌آموز از منظر نظریه‌های معاصر تعلیم و تربیت از طریق بررسی اقتدار معلم، عاملیت دانش‌آموز، حمایت از خودمختاری، یادگیری دانش‌آموزمحور و مسئولیت مشترک آموزشی است. این مطالعه با روش مرور ادبیات و تحلیل مقالات مجلات بین‌المللی معتبر، مرورهای نظام‌مند و فراتحلیل‌ها انجام شده است. یافته‌ها نشان می‌دهد که گذار به سوی یادگیری دانش‌آموزمحور مستلزم حذف اقتدار معلم نیست، بلکه اقتدار معلم از کنترل به راهنمایی آموزشی از طریق ساختاردهی، هدایت، حمایت، چینه‌بندی و بازخورد تبدیل می‌شود. همچنین، ادبیات موجود حاکی از روابط مثبت بین حمایت معلم از خودمختاری و انگیزش، مشارکت، یادگیری خودتنظیم‌شده و سایر پیامدهای یادگیری است. در عین حال، پژوهش‌ها دربارهٔ یادگیری دانش‌آموزمحور نشان می‌دهد که در عمل، فعال‌سازی و مشارکت دانش‌آموزان بیش از عاملیت و خودمختاری آنان مورد تأکید قرار می‌گیرد. یافتهٔ اصلی پژوهش حاکی از آن است که مسئولیت مشترک آموزشی می‌تواند به عنوان چارچوب مفهومی برای پیوند اقتدار معلم و عاملیت دانش‌آموز عمل کند. معلمان همچنان مسئولیت حرفه‌ای جهت‌دهی و کیفیت یادگیری را بر عهده دارند، در حالی که دانش‌آموزان به تدریج مسئولیت بیشتری در انتخاب، مدیریت یادگیری، تأمل بر فرایندها و ارزیابی پیامدهای یادگیری بر عهده می‌گیرند.

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.

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.

Teacher education and professional development (PD) are central institutional mechanisms for strengthening instructional quality, yet their relevance may differ for teachers working within versus outside their formal fields of preparation. Using questionnaire data from 1,324 mathematics, science, and technology teachers participating in the Programme for International Student Assessment (PISA) 2022, this study examines associations between teacher preparation, PD, employment conditions, and instructional practices designed to foster critical thinking, problem solving, knowledge transfer, and self-regulated learning. Results indicate that pedagogically oriented PD, particularly learning focused on curriculum and classroom practice, is positively associated with greater use of higher-order instructional practices among both in-field and out-of-field teachers. Among out-of-field teachers, advanced academic qualifications are additionally associated with greater emphasis on higher-order instructional practices, challenging assumptions that teaching outside one’s field of preparation necessarily constrains instructional quality. Differences by contract status further suggest that employment conditions afford opportunities to enact these practices. Collectively, the findings extend research on out-of-field teaching by demonstrating that teacher learning opportunities and organizational conditions matter more for instructional practice than field alignment alone. The study offers policy-relevant evidence for designing teacher education, PD, and employment supports for increasingly diverse STEM teaching workforces.

آموزش معلمان و توسعه حرفه‌ای (PD) از مکانیزم‌های نهادی اصلی برای تقویت کیفیت تدریس به‌شمار می‌روند، اما اهمیت آن‌ها ممکن است برای معلمانی که در حوزه تخصصی خود یا خارج از آن فعالیت می‌کنند، متفاوت باشد. این پژوهش با استفاده از داده‌های پرسشنامه‌ای ۱۳۲۴ معلم ریاضی، علوم و فناوری که در برنامه ارزیابی بین‌المللی دانش‌آموزان (PISA) 2022 شرکت کرده‌اند، به بررسی ارتباط بین آمادگی معلمان، توسعه حرفه‌ای، شرایط استخدامی و شیوه‌های تدریس طراحی‌شده برای تقویت تفکر انتقادی، حل مسئله، انتقال دانش و یادگیری خودتنظیمی می‌پردازد. نتایج نشان می‌دهد که توسعه حرفه‌ای با رویکرد آموزشی، به‌ویژه یادگیری متمرکز بر برنامه درسی و عمل کلاسی، با استفاده بیشتر از شیوه‌های تدریس سطح‌بالا در میان معلمان درون‌حوزه و برون‌حوزه ارتباط مثبت دارد. در میان معلمان برون‌حوزه، مدارک تحصیلی پیشرفته نیز با تأکید بیشتر بر شیوه‌های تدریس سطح‌بالا همراه است و این امر فرضیات مربوط به اینکه تدریس خارج از حوزه تخصصی لزوماً کیفیت تدریس را محدود می‌کند، به چالش می‌کشد. تفاوت‌ها بر اساس وضعیت قرارداد استخدامی نیز نشان می‌دهد که شرایط شغلی فرصت‌هایی برای اجرای این شیوه‌ها فراهم می‌کند. در مجموع، یافته‌ها پژوهش‌ها درباره تدریس برون‌حوزه را گسترش داده و نشان می‌دهد که فرصت‌های یادگیری معلمان و شرایط سازمانی برای شیوه تدریس اهمیت بیشتری نسبت به هم‌راستایی حوزه تخصصی دارند. این مطالعه شواهد سیاست‌محور برای طراحی آموزش معلمان، توسعه حرفه‌ای و حمایت‌های استخدامی برای نیروی کار متنوع‌تر معلمان STEM ارائه می‌دهد.

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.

Effective self-regulated learning depends on metacognitive monitoring and control abilities, where learners monitor what they do not know and control their learning behaviour to address their knowledge gaps. However, children's metacognitive abilities are developing, which can hinder their ability to select relevant information effectively. This work examines whether providing feedback on children's knowledge can assist their metacognitive monitoring and control processes, improving their ability to target information-seeking to fill knowledge gaps. In two experiments, 5-9-year-old children (N = 203) completed a word-learning task on a tablet. They were then tested on their knowledge of the novel word-object associations and asked to report their (un)certainty in their answers. In the first experiment, children received feedback after each test trial. In both experiments, children received cumulative feedback at the end of the test. Next, they could select some of the objects to hear their labels again and were tested on their recognition of the label-object associations once more. In both experiments, feedback boosted children's ability to strategically seek information to fill their knowledge gaps. Children's information-seeking was better guided by feedback than by their own subjective uncertainty, indicating that feedback provides a valuable external means for metacognitive control. The kind of feedback provided, i.e., trial-by-trial or cumulative feedback, impacted children's metacognitive monitoring, while children's information seeking was predicted by both trial-by-trial and cumulative feedback. Overall, the findings underscore the role of feedback in fostering the development of metacognition and self-regulated learning in childhood.

یادگیری خودتنظیم مؤثر وابسته به توانایی‌های پایش و کنترل فراشناختی است، جایی که یادگیرندگان آنچه را که نمی‌دانند پایش می‌کنند و رفتار یادگیری خود را برای رفع شکاف‌های دانشی‌شان کنترل می‌کنند. با این حال، توانایی‌های فراشناختی کودکان در حال رشد است که می‌تواند توانایی آن‌ها را در انتخاب مؤثر اطلاعات مرتبط مختل کند. این پژوهش بررسی می‌کند که آیا ارائه بازخورد درباره دانش کودکان می‌تواند به فرایندهای پایش و کنترل فراشناختی آن‌ها کمک کند و توانایی آن‌ها را در هدف‌گذاری جستجوی اطلاعات برای پر کردن شکاف‌های دانشی بهبود بخشد یا خیر. در دو آزمایش، کودکان ۵ تا ۹ ساله (N = 203) یک تکلیف یادگیری واژه را روی تبلت انجام دادند. سپس دانش آن‌ها درباره ارتباطات واژه-شیء جدید آزمون شد و از آن‌ها خواسته شد میزان (عدم) اطمینان خود را در پاسخ‌هایشان گزارش کنند. در آزمایش اول، کودکان پس از هر مرحله آزمون بازخورد دریافت کردند. در هر دو آزمایش، کودکان در پایان آزمون بازخورد تجمیعی دریافت کردند. سپس می‌توانستند برخی از اشیا را انتخاب کنند تا برچسب‌های آن‌ها را دوباره بشنوند و بار دیگر در شناسایی ارتباطات برچسب-شیء آزمون شدند. در هر دو آزمایش، بازخورد توانایی کودکان را برای جستجوی راهبردی اطلاعات به منظور پر کردن شکاف‌های دانشی افزایش داد. جستجوی اطلاعات کودکان بیشتر تحت هدایت بازخورد بود تا عدم اطمینان ذهنی خودشان، که نشان می‌دهد بازخورد وسیله‌ای بیرونی و ارزشمند برای کنترل فراشناختی فراهم می‌کند. نوع بازخورد ارائه‌شده، یعنی بازخورد مرحله‌به‌مرحله یا بازخورد تجمیعی، بر پایش فراشناختی کودکان تأثیر داشت، در حالی که جستجوی اطلاعات کودکان توسط هر دو نوع بازخورد پیش‌بینی می‌شد. در مجموع، یافته‌ها نقش بازخورد را در تقویت رشد فراشناخت و یادگیری خودتنظیم در دوران کودکی برجسته می‌کند.

This paper presents an exploratory systematic review of artificial intelligence (AI) in physics education and its alignment with Sustainable Development Goal 4 (SDG 4). Following Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 guidelines (Page et al., 2021), a Web of Science search conducted on January 15, 2025, yielded 105 records; after independent dual-reviewer screening (Cohen’s κ = 0.82 on n = 105 title/abstract decisions), 12 empirical studies published between 2013 and 2025 were included and analyzed. Given the small corpus and emergent nature of the field, findings are explicitly characterized as exploratory evidence mapping rather than consolidated empirical conclusions. The corpus spans educational contexts from secondary school to teacher training and engages AI types including intelligent tutoring systems, machine learning, natural language processing, and generative models. Results indicate that AI is used in four pedagogical roles: tutor, evaluator, assistant, and analyst, with documented benefits in conceptual understanding, formative feedback, personalization, and self-regulated learning. Alignment with SDG-4-relevant sustainability competencies (critical thinking, problem solving, collaboration, and digital literacy) was identified through a secondary interpretive analysis by the review authors against Education for Sustainable Development competency frameworks (Rieckmann, 2011; UNESCO, 2017; 2024); this alignment is inferential and design-based rather than directly measured by the primary studies. Ongoing challenges include technical reliability, teacher preparation and acceptance, and ethical concerns regarding transparency, bias, equity, and data protection. The review contributes an initial, disciplinary-specific evidence map at the intersection of AI, physics education, and SDG 4, and identifies six evidence gaps for future empirical research. No protocol was preregistered prior to conducting this review; this absence is acknowledged as a transparency limitation.

این مقاله به ارائه یک مرور نظام‌مند اکتشافی درباره هوش مصنوعی (AI) در آموزش فیزیک و همسویی آن با هدف توسعه پایدار ۴ (SDG 4) می‌پردازد. با پیروی از دستورالعمل‌های Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 (Page و همکاران، 2021)، جستجوی Web of Science که در تاریخ ۱۵ ژانویه ۲۰۲۵ انجام شد، ۱۰۵ رکورد را به دست داد؛ پس از غربالگری مستقل توسط دو ارزیاب (ضریب کاپا کوهن κ = 0.82 بر روی n = 105 تصمیم عنوان/چکیده)، ۱۲ مطالعه تجربی منتشرشده بین سال‌های ۲۰۱۳ تا ۲۰۲۵ وارد و تحلیل شدند. با توجه به حجم اندک مطالعات و ماهیت نوظهور این حوزه، یافته‌ها به طور صریح به عنوان نگاشت شواهد اکتشافی و نه نتیجه‌گیری‌های تجربی تثبیت‌شده توصیف می‌شوند. بدنه مطالعات زمینه‌های آموزشی از دبیرستان تا آموزش معلمان را دربر می‌گیرد و انواع هوش مصنوعی شامل سامانه‌های آموزش هوشمند، یادگیری ماشین، پردازش زبان طبیعی و مدل‌های مولد را مورد استفاده قرار می‌دهد. نتایج نشان می‌دهد که هوش مصنوعی در چهار نقش آموزشی شامل معلم، ارزیاب، دستیار و تحلیل‌گر به کار می‌رود و مزایایی چون ارتقای درک مفهومی، بازخورد تکوینی، شخصی‌سازی و یادگیری خودتنظیمی را به همراه دارد. همسویی با شایستگی‌های پایداری مرتبط با SDG-4 (تفکر انتقادی، حل مسئله، همکاری و سواد دیجیتال) از طریق تحلیل تفسیری ثانویه توسط نویسندگان مرور و بر اساس چارچوب‌های شایستگی آموزش برای توسعه پایدار (Rieckmann، ۲۰۱۱؛ یونسکو، ۲۰۱۷؛ ۲۰۲۴) شناسایی شد؛ این همسویی استنباطی و مبتنی بر طراحی است و نه مستقیماً توسط مطالعات اولیه اندازه‌گیری شده باشد. چالش‌های جاری شامل پایایی فنی، آمادگی و پذیرش معلمان و نگرانی‌های اخلاقی درباره شفافیت، سوگیری، عدالت و حفاظت از داده‌ها است. این مرور، نگاشت اولیه و اختصاصی شواهد را در تقاطع هوش مصنوعی، آموزش فیزیک و SDG 4 ارائه می‌دهد و شش شکاف شواهدی برای پژوهش‌های تجربی آینده شناسایی می‌کند. هیچ پروتکلی پیش از انجام این مرور ثبت نشده است؛ این فقدان به عنوان یک محدودیت شفافیت مورد اشاره قرار گرفته 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.

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.

Generative artificial intelligence (GenAI) is increasingly embedded in English as a Foreign Language (EFL) instruction, with self-regulated learning (SRL) and learner autonomy positioned as key outcomes of interest. A growing evidence base reports positive effects of GenAI on self-regulatory strategies, alongside a parallel and largely separate literature warning that GenAI use may foster dependency, cognitive offloading and the externalization of self-monitoring. This scoping review maps this apparent paradox, in which GenAI appears simultaneously as scaffolding and as substitution, across the SRL and learner-autonomy literature, with particular attention to its implications for EFL learners. Following a PRISMA-ScR-informed approach, 12 empirical and review studies published between 2025 and 2026 were thematically synthesized alongside four foundational theoretical works. As a result, four thematic clusters emerged: (1) evidence of GenAI functioning as scaffolding for SRL; (2) evidence of GenAI functioning as substitution, fostering dependency and cognitive offloading; (3) design and timing features that moderate which role GenAI plays; and (4) existing reviews and meta-analyses, together with their methodological limitations. Across clusters, a consistent pattern emerges, in that nearly all studies rely on short-term or cross-sectional designs, and several recent reviews explicitly call for research measuring learners’ delayed, unsupported performance so as to distinguish durable internalization from temporary dependency. No identified study has applied a longitudinal design incorporating a structured AI-withdrawal phase to directly test this distinction among EFL learners. This review argues for such a design and outlines its theoretical and methodological implications for Vietnamese EFL contexts.

هوش مصنوعی مولد (GenAI) به طور فزاینده‌ای در آموزش زبان انگلیسی به‌عنوان زبان خارجی (EFL) به‌کار گرفته می‌شود و یادگیری خودتنظیمی (SRL) و خودمختاری یادگیرنده به‌عنوان پیامدهای کلیدی مورد توجه قرار گرفته‌اند. شواهد رو به رشدی از تأثیرات مثبت GenAI بر راهبردهای خودتنظیمی گزارش شده است، در حالی که ادبیات موازی و عمدتاً مجزایی هشدار می‌دهد که استفاده از GenAI ممکن است وابستگی، واگذاری شناختی و برون‌سپاری خودنظارتی را تقویت کند. این مرور گستره‌ای به ترسیم این پارادوکس ظاهری می‌پردازد که در آن GenAI به طور همزمان به‌عنوان داربست و جایگزین در ادبیات یادگیری خودتنظیمی و خودمختاری یادگیرنده ظاهر می‌شود، با تمرکز ویژه بر پیامدهای آن برای یادگیرندگان EFL. با پیروی از رویکرد مبتنی بر PRISMA-ScR، ۱۲ مطالعه تجربی و مروری منتشرشده بین سال‌های ۲۰۲۵ تا ۲۰۲۶ به همراه چهار اثر نظری بنیادی به‌صورت موضوعی ترکیب شدند. در نتیجه، چهار خوشه موضوعی پدیدار شد: (۱) شواهدی از عملکرد GenAI به‌عنوان داربست برای SRL؛ (۲) شواهدی از عملکرد GenAI به‌عنوان جایگزین که منجر به وابستگی و واگذاری شناختی می‌شود؛ (۳) ویژگی‌های طراحی و زمان‌بندی که نقش GenAI را تعدیل می‌کنند؛ و (۴) مرورها و فراتحلیل‌های موجود به همراه محدودیت‌های روش‌شناختی آن‌ها. در میان خوشه‌ها، الگوی ثابتی مشاهده می‌شود به‌طوری‌که تقریباً همه مطالعات بر طرح‌های کوتاه‌مدت یا مقطعی تکیه دارند و چندین مرور اخیر به‌صراحت خواستار پژوهش‌هایی شده‌اند که عملکرد یادگیرندگان را در شرایط تأخیری و بدون حمایت اندازه‌گیری کنند تا تمایز بین درونی‌سازی پایدار و وابستگی موقت مشخص شود. هیچ مطالعه‌ای که شناسایی شد، از طرح طولی با گنجاندن مرحله ساختارمندِ قطع استفاده از هوش مصنوعی برای آزمون مستقیم این تمایز در میان یادگیرندگان EFL بهره نبرده است. این مرور بر ضرورت چنین طرحی تأکید می‌کند و پیامدهای نظری و روش‌شناختی آن را برای بافت‌های آموزش زبان انگلیسی در ویتنام ترسیم می‌کند.

Introduction This study investigates the effect of project-based learning (PjBL), integrated with the Technology Acceptance Model (TAM), on university students' self-regulated learning (SRL), with particular attention to the mediating roles of perceived usefulness (PU) and perceived ease of use (PEOU). Methods A quantitative explanatory design was employed using covariance-based structural equation modeling (CB-SEM). Data were collected from 250 undergraduate students enrolled in an educational technology programme using a validated questionnaire measuring PjBL implementation, PU, PEOU, and SRL. Results The findings showed that PjBL had a significant direct effect on SRL ( β = 0.41, p < 0.001). PjBL also demonstrated significant indirect effects on SRL through PU ( β = 0.19) and PEOU ( β = 0.15), with a combined indirect effect of β = 0.34, accounting for 45.3% of the total effect ( β = 0.75). Since the direct effect remained significant after both mediators were included, the results indicate complementary partial mediation rather than full mediation. Discussion and Conclusion The findings suggest that technology acceptance constitutes a substantial, but not exclusive, mechanism through which technology-supported PjBL enhances students' self-regulated learning, particularly in goal setting, self-monitoring, time management, motivation, and reflective learning. The study extends the application of TAM beyond technology adoption by demonstrating its explanatory role in understanding the development of SRL in higher education.

مقدمه: این مطالعه به بررسی تأثیر یادگیری مبتنی بر پروژه (PjBL) که با مدل پذیرش فناوری (TAM) تلفیق شده است، بر یادگیری خودتنظیمی (SRL) دانشجویان دانشگاه می‌پردازد و به طور ویژه نقش‌های میانجی‌گری ادراک سودمندی (PU) و ادراک سهولت استفاده (PEOU) را مورد توجه قرار می‌دهد. روش‌ها: از طرح کمی تبیینی با استفاده از مدل‌یابی معادلات ساختاری مبتنی بر کوواریانس (CB-SEM) استفاده شد. داده‌ها از ۲۵۰ دانشجوی کارشناسی رشته فناوری آموزشی با استفاده از پرسشنامه‌ای معتبر که میزان اجرای PjBL، PU، PEOU و SRL را اندازه‌گیری می‌کرد، جمع‌آوری شد. یافته‌ها: نتایج نشان داد که PjBL تأثیر مستقیم معناداری بر SRL دارد (β = 0.41, p < 0.001). همچنین، PjBL تأثیرات غیرمستقیم معناداری بر SRL از طریق PU (β = 0.19) و PEOU (β = 0.15) نشان داد و اثر غیرمستقیم ترکیبی برابر با β = 0.34 بود که ۴۵.۳٪ از کل اثر (β = 0.75) را تشکیل می‌دهد. از آنجا که اثر مستقیم پس از وارد کردن هر دو میانجی همچنان معنادار باقی ماند، نتایج حاکی از میانجی‌گری جزئی مکمل و نه میانجی‌گری کامل است. بحث و نتیجه‌گیری: یافته‌ها نشان می‌دهد که پذیرش فناوری سازوکاری اساسی اما نه انحصاری است که از طریق آن یادگیری مبتنی بر پروژه با پشتیبانی فناوری، یادگیری خودتنظیمی دانشجویان را به ویژه در زمینه هدف‌گذاری، خودنظارتی، مدیریت زمان، انگیزش و یادگیری تأملی ارتقا می‌دهد. این مطالعه کاربرد مدل پذیرش فناوری را فراتر از پذیرش فناوری گسترش داده و نقش تبیینی آن را در فهم توسعه یادگیری خودتنظیمی در آموزش عالی نشان می‌دهد.