<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>یادگیری هوشمند و تحول مدیریت</JournalTitle>
      <Issn>3115-8900</Issn>
      <Volume>1</Volume>
      <Issue>پیاپی 1</Issue>
      <PubDate PubStatus="epublish">
        <Year>2023</Year>
        <Month>10</Month>
        <Day>10</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Digital Transformation Patterns in Higher Education with Emphasis on Data-Driven Learning</ArticleTitle>
    <VernacularTitle>الگوهای تحول دیجیتال در آموزش عالی با تأکید بر یادگیری داده‌محور</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>12</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>محمدرضا</FirstName>
        <LastName>کرمی</LastName>
        <Affiliation>گروه مدیریت آموزش عالی، دانشگاه کردستان، سنندج، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>نرگس</FirstName>
        <LastName>اسدی</LastName>
        <Affiliation>گروه مدیریت آموزش عالی، دانشگاه شهید بهشتی، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2023</Year>
        <Month>04</Month>
        <Day>18</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to systematically review recent literature to identify and analyze digital transformation patterns in higher education with a focus on data-driven learning. This qualitative study adopted a systematic literature review design. Articles were retrieved from Scopus, Web of Science, ScienceDirect, and Google Scholar. Based on inclusion criteria—direct relevance to the topic, publication within the past five years, and a sound theoretical framework—20 studies were selected. Data were analyzed using NVivo 14 software through open, axial, and selective coding. The analysis continued until theoretical saturation was achieved. The results revealed four main themes: technological and data infrastructure, data-driven learning and educational innovation, managerial and cultural strategies, and outcomes and foresight of data-driven education. Successful universities in digital transformation are characterized by robust data infrastructures, transformational leadership, innovative learning cultures, and adherence to data ethics. Data-driven learning plays a pivotal role in personalizing learning paths, supporting evidence-based decision-making, and improving educational quality. Digital transformation in higher education extends beyond technology adoption; it requires the synergy of technology, data, and human capital. To achieve sustainable data-driven learning, universities must enhance data literacy, foster a digital culture, and develop coherent national policies. The data-driven approach can guide higher education institutions toward intelligent, sustainable, and ethically responsible learning ecosystems.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این پژوهش مرور نظام‌مند مطالعات اخیر به‌منظور شناسایی و تحلیل الگوهای تحول دیجیتال در آموزش عالی با تمرکز بر یادگیری داده‌محور است. پژوهش حاضر از نوع کیفی و مبتنی بر مرور نظام‌مند متون علمی است. جست‌وجوی مقالات در پایگاه‌های داده Scopus، Web of Science، ScienceDirect و Google Scholar انجام شد. بر اساس معیارهای ورود شامل ارتباط مستقیم با موضوع، انتشار در پنج سال اخیر، و برخورداری از چارچوب نظری معتبر، ۲۰ مقاله منتخب مورد تحلیل قرار گرفت. داده‌ها با استفاده از نرم‌افزار NVivo نسخه ۱۴ تحلیل و کدگذاری سه‌مرحله‌ای (باز، محوری، گزینشی) انجام شد. تحلیل تا دستیابی به اشباع نظری ادامه یافت. نتایج نشان داد تحول دیجیتال در آموزش عالی بر چهار محور اصلی استوار است: زیرساخت‌های فناورانه و داده‌محور، یادگیری داده‌محور و نوآوری آموزشی، راهبردهای مدیریتی و فرهنگی، و پیامدها و آینده‌پژوهی در آموزش داده‌محور. یافته‌ها حاکی از آن است که دانشگاه‌های موفق در تحول دیجیتال، دارای زیرساخت داده‌ای منسجم، رهبری تحول‌گرا، فرهنگ یادگیری نوآورانه، و تعهد به اصول اخلاق داده هستند. همچنین، یادگیری داده‌محور نقش محوری در شخصی‌سازی مسیر یادگیری، تصمیم‌گیری شواهد‌پایه و ارتقای کیفیت آموزش دارد. بر اساس نتایج، تحول دیجیتال در آموزش عالی تنها به کارگیری فناوری محدود نمی‌شود، بلکه نیازمند هم‌افزایی میان فناوری، داده و انسان است. برای تحقق یادگیری داده‌محور، تقویت مهارت‌های داده‌ای، فرهنگ‌سازی دیجیتال، و ایجاد سیاست‌های ملی منسجم ضروری است. رویکرد داده‌محور می‌تواند دانشگاه‌ها را به سمت آموزش هوشمند، پایدار و اخلاق‌محور هدایت کند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Organizational learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Digital transformation</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Knowledge management</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Dynamic learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Cognitive agility</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Digital learning culture</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری سازمانی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحول دیجیتال</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدیریت دانش</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری پویا</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">چابکی شناختی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">فرهنگ یادگیری دیجیتال</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jilmt.com/index.php/jilmt/article/download/5/6</ArchiveCopySource>
  </Article>
</ArticleSet>
