<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>یادگیری هوشمند و تحول مدیریت</JournalTitle>
      <Issn>3115-8900</Issn>
      <Volume>2</Volume>
      <Issue>پیاپی 6</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>01</Month>
        <Day>05</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>The Role of Data Literacy in Enhancing the Quality of Smart Learning among University Students</ArticleTitle>
    <VernacularTitle>نقش سواد داده در ارتقای کیفیت یادگیری هوشمند دانشجویان</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>12</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>بهروز</FirstName>
        <LastName>احمدی</LastName>
        <Affiliation>گروه برنامه‌ریزی درسی، دانشگاه بوعلی سینا، همدان، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>10</Month>
        <Day>26</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to examine the role of data literacy in improving the quality of smart learning among university students and to explain how data-driven analytical skills influence self-regulated learning, educational decision-making, and cognitive engagement in digital learning environments. This qualitative systematic review employed an inductive content analysis approach. Data were collected exclusively through literature review from scientific databases such as Scopus, Web of Science, ERIC, Springer, and Google Scholar. Twelve relevant articles were selected based on inclusion criteria. Data were analyzed using NVivo 14 software through open, axial, and selective coding until theoretical saturation was achieved. Peer debriefing and cross-validation were used to ensure data validity and reliability. The findings revealed that data literacy significantly enhances smart learning quality by improving conceptual understanding of data, analytical reasoning, and critical thinking skills. Students with higher data literacy were able to use data-driven feedback to regulate their learning strategies and make informed educational decisions. Data literacy also fostered intrinsic motivation, a sense of control over learning, and improved academic performance. Moreover, integrating data literacy with smart learning technologies such as artificial intelligence and machine learning provided an effective foundation for personalized and reflective learning. The results indicate that data literacy, as a multidimensional skill encompassing cognitive, ethical, and technical aspects, serves as a fundamental component for improving the quality of smart learning in higher education. Developing this competence within academic curricula can empower students to engage in data-informed decision-making, self-directed learning, and analytical thinking.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف از این پژوهش، بررسی نقش سواد داده در بهبود کیفیت یادگیری هوشمند دانشجویان و تبیین چگونگی تأثیر مهارت‌های تحلیلی داده‌محور بر خودتنظیمی، تصمیم‌گیری آموزشی و درگیری شناختی در محیط‌های یادگیری دیجیتال است. این پژوهش از نوع مرور نظام‌مند کیفی است که با رویکرد تحلیل محتوای استقرایی انجام شد. داده‌ها صرفاً از طریق مرور متون و اسناد علمی گردآوری شدند. جست‌وجوی نظام‌مند در پایگاه‌های Scopus، Web of Science، ERIC، Springer و Google Scholar صورت گرفت و بر اساس معیارهای ورود، دوازده مقاله مرتبط با موضوع انتخاب گردید. داده‌ها با استفاده از نرم‌افزار NVivo نسخه 14 تحلیل شدند. در مراحل کدگذاری باز، محوری و انتخابی، مفاهیم و مقوله‌های اصلی استخراج شدند و فرایند تحلیل تا رسیدن به اشباع نظری ادامه یافت. برای اطمینان از روایی و پایایی داده‌ها، از بازبینی همتایان و هم‌پوشانی تحلیل‌ها بهره گرفته شد. نتایج نشان داد که سواد داده با بهبود درک مفهومی داده‌ها، توسعه مهارت‌های تحلیلی و تقویت تفکر انتقادی، نقش مهمی در ارتقای کیفیت یادگیری هوشمند ایفا می‌کند. دانشجویان دارای سواد داده بالا توانستند بازخوردهای داده‌محور را برای تنظیم راهبردهای یادگیری و تصمیم‌گیری آموزشی به کار گیرند. همچنین، سواد داده موجب افزایش انگیزش درونی، احساس کنترل بر یادگیری و ارتقای عملکرد تحصیلی شد. یافته‌ها حاکی از آن است که تلفیق سواد داده با فناوری‌های یادگیری هوشمند از جمله هوش مصنوعی و یادگیری ماشین، بستر مؤثری برای شخصی‌سازی یادگیری و یادگیری بازتابی فراهم می‌آورد. نتایج پژوهش بیانگر آن است که سواد داده به‌عنوان مهارتی چندبعدی شامل ابعاد شناختی، اخلاقی و فنی، کلید اصلی ارتقای کیفیت یادگیری هوشمند در آموزش عالی است. پرورش این مهارت در برنامه‌های دانشگاهی می‌تواند به توانمندسازی دانشجویان در تصمیم‌گیری مبتنی بر داده، یادگیری خودراهبر و تفکر تحلیلی منجر شود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Data literacy</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Smart learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Learning analytics</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Higher education</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Data-driven skills</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">سواد داده</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری هوشمند</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحلیل یادگیری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">آموزش عالی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مهارت‌های داده‌محور</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jilmt.com/index.php/jilmt/article/download/36/37</ArchiveCopySource>
  </Article>
</ArticleSet>
