<?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>03</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>The Role of Artificial Intelligence in Developing Flipped Learning in Formal Education</ArticleTitle>
    <VernacularTitle>نقش هوش مصنوعی در توسعه یادگیری معکوس در آموزش رسمی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>12</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>بهروز</FirstName>
        <LastName>اکبری</LastName>
        <Affiliation>گروه مدیریت آموزشی، دانشگاه شهید چمران اهواز، اهواز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>مینا سادات</FirstName>
        <LastName>موسوی</LastName>
        <Affiliation>گروه علوم تربیتی، دانشگاه اصفهان، اصفهان، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>علیرضا</FirstName>
        <LastName>احمدی‌فر</LastName>
        <Affiliation>گروه علوم تربیتی، دانشگاه اصفهان، اصفهان، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2024</Year>
        <Month>10</Month>
        <Day>23</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to systematically examine the role of artificial intelligence (AI) in enhancing and developing flipped learning within formal education systems. This qualitative systematic review employed thematic analysis to explore relevant literature. Data were collected from peer-reviewed articles indexed in Scopus, Web of Science, ScienceDirect, and Google Scholar between 2015 and 2025. After applying inclusion and exclusion criteria, 12 articles were selected for analysis using NVivo version 14. Data coding was conducted through open, axial, and selective stages until theoretical saturation was reached. The analysis revealed that AI plays a significant role in personalizing learning paths, providing real-time feedback, supporting adaptive learning, and assisting teachers in instructional design. Three major themes were identified: “AI functions in flipped learning,” “challenges and barriers in formal education,” and “models and strategies for AI-based flipped learning development.” The integration of AI with learning management systems (LMS) was found to enhance learning outcomes and engagement. However, barriers such as technological limitations, ethical concerns, and insufficient digital literacy among educators remain critical challenges. The findings highlight that AI can serve as a transformative driver in formal education through flipped learning, provided it is implemented ethically, strategically, and alongside teacher empowerment. Educational policymakers are encouraged to establish ethical and regulatory frameworks and promote AI literacy to ensure effective adoption of AI-driven flipped learning models.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این مطالعه، بررسی نظام‌مند نقش هوش مصنوعی در توسعه و ارتقای یادگیری معکوس در نظام‌های آموزش رسمی از طریق مرور مطالعات علمی معتبر است. این پژوهش از نوع مرور نظام‌مند کیفی بود که با روش تحلیل مضمون انجام شد. داده‌ها از طریق جست‌وجوی مقالات منتشرشده در پایگاه‌های علمی معتبر شامل Scopus، Web of Science، ScienceDirect و Google Scholar در بازه زمانی ۲۰۱۵ تا ۲۰۲۵ گردآوری شد. پس از غربالگری بر اساس معیارهای ورود و خروج، ۱۲ مقاله واجد شرایط انتخاب و با استفاده از نرم‌افزار NVivo نسخه ۱۴ تحلیل شدند. فرایند تحلیل شامل کدگذاری باز، محوری و انتخابی بود و تا رسیدن به اشباع نظری ادامه یافت. نتایج تحلیل داده‌ها نشان داد که هوش مصنوعی نقش مؤثری در شخصی‌سازی مسیر یادگیری، بازخورد بلادرنگ، یادگیری تطبیقی و پشتیبانی از معلمان دارد. سه تم اصلی استخراج‌شده شامل «کارکردهای هوش مصنوعی در یادگیری معکوس»، «چالش‌ها و موانع پیاده‌سازی در آموزش رسمی»، و «مدل‌ها و راهکارهای توسعه یادگیری معکوس مبتنی بر هوش مصنوعی» بودند. همچنین مشخص شد که ترکیب هوش مصنوعی با سیستم‌های مدیریت یادگیری (LMS) می‌تواند اثربخشی آموزش معکوس را افزایش دهد. در عین حال، چالش‌هایی مانند کمبود زیرساخت، نگرانی‌های اخلاقی و محدودیت سواد فناورانه معلمان به‌عنوان موانع اصلی شناسایی شدند. نتایج مطالعه نشان داد که هوش مصنوعی می‌تواند محرکی کلیدی در تحول آموزش رسمی از طریق یادگیری معکوس باشد، مشروط بر آنکه به‌صورت اخلاقی، هدفمند و همراه با توانمندسازی معلمان به‌کار گرفته شود. پیشنهاد می‌شود سیاست‌گذاران آموزشی با تدوین چارچوب‌های قانونی و اخلاقی و آموزش مهارت‌های هوش مصنوعی، زمینه پیاده‌سازی مؤثر این رویکرد را فراهم آورند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">flipped learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">formal education</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">adaptive learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">learning analytics</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">smart education</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری معکوس</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">آموزش رسمی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری تطبیقی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحلیل یادگیری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">آموزش هوشمند</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jilmt.com/index.php/jilmt/article/download/37/38</ArchiveCopySource>
  </Article>
</ArticleSet>
