همایش آروین البرز MHHJR 2 1 2026 02 02 Applications of Artificial Intelligence (AI) in personalizing educational programs for medical students کاربردهای هوش مصنوعی (AI) در شخصی‌ سازی برنامه‌های آموزشی دانشجویان علوم پزشکی 18 30 10.22051/jera.2021.31891.2698 FA علی کارشناسی ارشد آموزش پزشکی، مرکز توسعه آموزش پزشکی، معاونت آموزشی، دانشگاه علوم پزشکی گیلان، رشت، ایران پریسا کارشناسی ارشد تحقیقات آموزشی، بیمارستان پورسینا، دانشگاه علوم پزشکی گیلان، رشت، ایران 2025 12 29 Research Objectives: Given the challenges of mass education in medical sciences and the need to pay attention to individual differences of learners, this study aimed to systematically examine the applications, benefits, challenges, and effectiveness of artificial intelligence solutions in personalizing medical science students' education. Research Methods: This systematic review was conducted by searching for articles published between 2014 and 2024 in Scopus, PubMed, Web of Science databases, as well as reputable Persian databases such as SID and Magiran. The inclusion criteria were original English and Persian articles on the application of artificial intelligence in personalizing medical education. Finally, 47 relevant articles were subjected to qualitative analysis. Key Findings: The findings showed that AI enables personalization through several main mechanisms: 1) Content recommendation systems based on student learning and progress profiles (Chen et al., 2021) 2) Predictive analytics to identify students at academic risk (Rezaei et al., 2000) 3) Virtual tutors and intelligent chatbots to provide interactive and adaptive practice and feedback (Winkler-Schwartz, 2019) 4) AI-based simulators to create safe and customized learning environments. These solutions led to increased motivation, improved learning outcomes, and promoted self-regulation. However, challenges such as ethical issues, data privacy, infrastructure needs, and cultural resistance were also identified. Overall Conclusion: AI has the potential to transform the transition from standardized to personalized education in medical sciences. The success of this technology depends on human-centered design, adherence to ethical principles, and its intelligent integration into the educational context as a complement to teachers. Future research should focus on longitudinal evaluations of effectiveness and the development of indigenous frameworks. اهداف پژوهش: با توجه به چالش‌های آموزش انبوه در علوم پزشکی و نیاز به توجه به تفاوت‌های فردی یادگیرندگان، این پژوهش با هدف بررسی نظام‌مند کاربردها، مزایا، چالش‌ها و اثربخشی راهکارهای هوش مصنوعی در شخصی‌سازی آموزش دانشجویان علوم پزشکی انجام شد. روش تحقیق: این مطالعه مروری نظام‌مند با جستجوی مقالات منتشر شده در بازه ۲۰۱۴ تا ۲۰۲۴ در پایگاه‌های اطلاعاتی Scopus، PubMed، Web of Science و همچنین پایگاه‌های معتبر فارسی مانند SID و Magiran انجام گرفت. معیار ورود، مقالات اصلی انگلیسی و فارسی با موضوع کاربرد هوش مصنوعی در شخصی‌سازی آموزش پزشکی بود. در نهایت، ۴۷ مقاله مرتبط مورد تحلیل کیفی قرار گرفتند. یافته‌های کلیدی: یافته‌ها نشان داد هوش مصنوعی از طریق چند مکانیسم اصلی، شخصی‌سازی را ممکن می‌سازد: ۱) سامانه‌های توصیه‌گر محتوا بر اساس پروفایل یادگیری و پیشرفت دانشجو (چن و همکاران، ۲۰۲۱) 2) تجزیه و تحلیل پیش‌بینی کننده برای شناسایی دانشجویان در معرض خطر تحصیلی (رضائی و همکاران، ۱۴۰۰) ۳) آموزش‌دهندگان مجازی و چت‌بات‌های هوشمند برای ارائه تمرین و بازخورد تعاملی و انطباقی (Winkler-Schwartz, 2019) ۴) شبیه‌سازهای مبتنی بر هوش مصنوعی برای ایجاد محیط‌های آموزشی ایمن و سفارشی‌شده. این راهکارها به افزایش انگیزه، بهبود نتایج یادگیری و ارتقای خودتنظیمی منجر شدند. با این حال، چالش‌هایی مانند مسائل اخلاقی، حریم خصوصی داده‌ها، نیاز به زیرساخت و مقاومت فرهنگی نیز شناسایی شدند. نتیجه‌گیری کلی: هوش مصنوعی پتانسیل تحول‌آفرینی برای گذار از آموزش یکسان‌سازی به آموزش شخصی‌شده در علوم پزشکی دارد. موفقیت این فناوری در گرو طراحی انسان‌محور، رعایت اصول اخلاقی و ادغام هوشمندانه آن در بستر آموزشی به عنوان مکمل اساتید است. پژوهش‌های آتی باید بر ارزیابی‌های طولی‌مدت اثربخشی و توسعه چارچوب‌های بومی معطوف شوند. /downloadfilepdf/612826