یادگیری هوشمند و تحول مدیریت 3115-8900 2 پیاپی 5 2024 10 01 Cognitive Approaches in Artificial Intelligence–Based Intelligent Learning رویکردهای شناختی در یادگیری هوشمند مبتنی بر هوش مصنوعی 1 12 FA علیرضا نیک‌فر گروه آموزش و پرورش تطبیقی، دانشگاه اصفهان، اصفهان، ایران مریم رضوی گروه آموزش و پرورش تطبیقی، دانشگاه اصفهان، اصفهان، ایران Journal Article 2024 07 19 <p>This study aims to examine and analyze cognitive approaches in AI-based intelligent learning and explain how mental processes can be integrated with emerging educational technologies. This qualitative study employed a systematic literature review design. The research population included peer-reviewed articles published between 2015 and 2025 on artificial intelligence and cognitive learning, collected from Scopus, Web of Science, ScienceDirect, and Google Scholar databases. After applying inclusion and exclusion criteria, 12 eligible articles were selected. Data were analyzed through qualitative content analysis using NVivo 14 software, and coding continued until theoretical saturation was achieved. The analysis identified three major themes across the reviewed studies: (1) integration of cognitive processes such as attention, memory, and metacognition into intelligent learning systems; (2) enhancement of learning through personalized and cognitive deep learning models based on AI; and (3) ethical, technical, and cultural challenges in implementing these approaches. The results also revealed that technologies such as natural language processing, virtual reality, and EEG-based systems contribute to more accurate modeling of learners’ cognitive states and enhance their engagement with educational content. The findings suggest that AI-based intelligent learning, when integrated with cognitive theories, can improve educational quality, increase self-regulated learning, and promote meaningful understanding. Nevertheless, challenges related to algorithm interpretability and ethical management of cognitive data must be carefully addressed to ensure effective and responsible use.</p> <p>هدف این پژوهش، بررسی و تحلیل رویکردهای شناختی در یادگیری هوشمند مبتنی بر هوش مصنوعی و تبیین چگونگی ادغام فرآیندهای ذهنی با فناوری‌های آموزشی نوین است. این پژوهش از نوع کیفی و مبتنی بر مرور نظام‌مند منابع علمی است. جامعه پژوهش شامل مقالات علمی منتشرشده بین سال‌های ۲۰۱۵ تا ۲۰۲۵ در حوزه هوش مصنوعی و یادگیری شناختی بود که از پایگاه‌های Scopus، Web of Science، ScienceDirect و Google Scholar استخراج شدند. پس از غربال‌گری اولیه و بررسی معیارهای ورود و خروج، ۱۲ مقاله واجد شرایط انتخاب و تحلیل شدند. داده‌ها با استفاده از نرم‌افزار NVivo نسخه 14 مورد کدگذاری و تحلیل محتوای کیفی قرار گرفتند و فرایند تحلیل تا رسیدن به اشباع نظری ادامه یافت. نتایج تحلیل نشان داد که سه مضمون اصلی در مطالعات شناسایی‌شده برجسته است: ۱) ادغام فرآیندهای شناختی مانند توجه، حافظه و فرادانش در سیستم‌های یادگیری هوشمند؛ ۲) بهبود یادگیری از طریق مدل‌های شخصی‌سازی‌شده و یادگیری عمیق شناختی مبتنی بر هوش مصنوعی؛ و ۳) چالش‌های اخلاقی، فنی و فرهنگی در پیاده‌سازی این رویکردها. همچنین مشخص شد که فناوری‌هایی مانند پردازش زبان طبیعی، واقعیت مجازی و EEG می‌توانند به مدل‌سازی دقیق‌تر حالات شناختی یادگیرندگان کمک کنند و درک و تعامل آن‌ها با محتوای آموزشی را بهبود بخشند. یافته‌ها نشان دادند که یادگیری هوشمند مبتنی بر هوش مصنوعی در صورت ادغام با نظریه‌های شناختی، می‌تواند موجب ارتقای کیفیت آموزش، افزایش خودتنظیمی و تقویت یادگیری معنادار شود. با این حال، چالش‌هایی همچون تفسیرناپذیری الگوریتم‌ها و ملاحظات اخلاقی در استفاده از داده‌های شناختی باید مورد توجه قرار گیرند.</p> https://jilmt.com/index.php/jilmt/article/download/26/27