<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>مدیریت، آموزش و توسعه در عصر دیجیتال</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue>در دست انتشار</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>10</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Factors Affecting AI-Based Educational Interactions in Secondary Schools of Tehran</ArticleTitle>
    <VernacularTitle>عوامل موثر بر تعاملات آموزشی مبتنی بر هوش مصنوعی در مدارس متوسطه دوم شهر تهران</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>15</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>منصوره </FirstName>
        <LastName>رحیمی</LastName>
        <Affiliation>دانشجوی دکتری، گروه مدیریت آموزشی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>رضا</FirstName>
        <LastName> سورانی یانچشمه</LastName>
        <Affiliation>گروه مدیریت آموزشی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>بابک </FirstName>
        <LastName>نصیری قرقانی</LastName>
        <Affiliation>گروه مدیریت آموزشی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.  381792@iau.ir</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404/11/01</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to identify the factors influencing AI-based educational interactions in secondary schools of Tehran. This qualitative study collected data through semi-structured interviews with faculty members in Educational Management and Communication Sciences. Participants were selected via snowball sampling, reaching a theoretical saturation with 14 experts. Data analysis was conducted using thematic analysis in MAXQDA 12, and initial validation of codes considered comprehension, alignment, generalizability, and control. The qualitative analysis revealed that AI-based educational interactions are multi-layered, encompassing 8 main dimensions and 19 components across 91 indicators. These dimensions include teacher–student interactions, student–student interactions, school–parent interactions, AI infrastructure and platform, quality of intelligent educational content, educational data analytics, teacher support, and continuous evaluation and improvement. Results indicate that AI, as a supportive tool, enhances educational interactions through personalized learning paths, real-time feedback, monitoring progress patterns, suggesting activities, and generating analytical reports, thereby improving teacher and school administrator decision-making. Successful AI-based educational interactions depend on implementing an integrated system combining human interactions, infrastructure, data, content, professional teacher support, and continuous evaluation. This model can serve as a practical roadmap for policymakers, school administrators, designers of intelligent systems, and teachers to enhance the quality of AI-supported teaching and learning.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این مقاله شناسایی عوامل موثر بر تعاملات آموزشی مبتنی بر هوش مصنوعی در مدارس متوسطه دوم شهر تهران است. پژوهش حاضر از نوع کیفی است. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با اعضای هیأت علمی رشته‌های مدیریت آموزشی و علوم ارتباطات جمع‌آوری شد. نمونه‌گیری به روش گلوله برفی انجام و با رسیدن به اشباع نظری، تعداد 14 نفر انتخاب شدند. تحلیل داده‌ها با استفاده از روش تحلیل مضمون و نرم‌افزار MAXQDA 12 انجام شد و برای اعتبارسنجی اولیه، کدها از لحاظ فهم، تطبیق، تعمیم و کنترل بررسی شدند. تحلیل کیفی نشان داد که تعاملات آموزشی مبتنی بر هوش مصنوعی پدیدهای چندسطحی است که شامل 8 بعد اصلی و 19 مولفه با 91 شاخص می‌شود. این ابعاد عبارتند از: تعامل معلم–دانش‌آموز، تعامل دانش‌آموز–دانش‌آموز، تعامل مدرسه–والدین، زیرساخت فنی و پلتفرم هوش مصنوعی، کیفیت محتوای آموزشی هوشمند، تحلیل داده‌های آموزشی، پشتیبانی از معلمان، و ارزیابی و بهبود مستمر. یافته‌ها نشان می‌دهند که هوش مصنوعی به‌عنوان ابزار پشتیبان، با شخصی‌سازی مسیر یادگیری، ارائه بازخورد لحظه‌ای، شناسایی الگوهای پیشرفت، پیشنهاد فعالیت‌ها و تولید گزارش‌های تحلیلی، کیفیت تعاملات آموزشی را تقویت می‌کند و تصمیم‌گیری معلمان و مدیران را بهبود می‌بخشد. موفقیت تعاملات آموزشی مبتنی بر هوش مصنوعی وابسته به استقرار یک نظام یکپارچه شامل تعاملات انسانی، زیرساخت، داده، محتوا، پشتیبانی حرفه‌ای معلمان و نظام ارزیابی مستمر است. این مدل می‌تواند به‌عنوان راهنمای عملی برای سیاستگذاران، مدیران مدارس، طراحان سامانه‌های هوشمند و معلمان جهت بهبود کیفیت یاددهی–یادگیری هوشمند مورد استفاده قرار گیرد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Educational interactions</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">upper secondary schools in Tehran</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تعاملات آموزشی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدارس متوسطه دوم شهر تهران</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://www.jmedda.com/jmedda/article/download/446/294</ArchiveCopySource>
  </Article>
</ArticleSet>
