مدیریت استراتژیک هوشمند

مدیریت استراتژیک هوشمند

تحلیل اثرات پیاده‌سازی هوش مصنوعی بر بهداشت روانی و عملکرد یادگیری در مدارس

نوع مقاله : مقاله پژوهشی

نویسنده
مژگان حاج حسینی
کارشناسی ارشد علوم و صنایع غذایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
bumara.3.2.15564.35887873.63082518
چکیده
در سال‌های اخیر، ادغام فناوری هوش مصنوعی در مدارس به یکی از جدی‌ترین روندهای تحول آموزشی بدل شده است. پژوهش حاضر با هدف تحلیل جامع اثرات پیاده‌سازی هوش مصنوعی بر بهداشت روانی و عملکرد یادگیری دانش‌آموزان، به شیوه آمیخته (کیفی-کمی) انجام گرفت. در بخش کیفی، مصاحبه‌های نیمه‌ساختاریافته با دانش‌آموزان، معلمان و مدیران مدارس سه شهر بزرگ کشور تحلیل مضمون شد و چهار مضمون کلیدی شامل تجربه مثبت یادگیری، چالش‌های روانی و هیجانی، نگرانی‌های اخلاقی و عدالت آموزشی، و نیاز به حمایت روانی و توانمندسازی استخراج گردید. یافته‌ها نشان داد که هوش مصنوعی با ارتقای یادگیری شخصی‌سازی‌شده و ارائه بازخورد فوری می‌تواند عملکرد تحصیلی و انگیزش را بهبود دهد. با این حال، افزایش اضطراب، استرس رقابتی، احساس انزوا و نگرانی‌های اخلاقی از جمله پیامدهای منفی شناسایی شد. در بخش کمی، داده‌های گردآوری‌شده از ۴۰۰ دانش‌آموز و ۱۰۰ معلم مورد تحلیل قرار گرفت و نتایج مدل‌یابی معادلات ساختاری نشان داد که اثر مثبت هوش مصنوعی بر عملکرد یادگیری عمدتاً از طریق یادگیری شخصی‌سازی‌شده و حمایت مدرسه تقویت می‌شود، اما سلامت روانی دانش‌آموزان به‌شدت تحت تأثیر عدالت فناورانه، حمایت روانی-اجتماعی و سطح سواد دیجیتال قرار دارد. مدل مفهومی پژوهش بر لزوم توجه همزمان به ابعاد فناورانه، روانی و اخلاقی در پیاده‌سازی هوش مصنوعی در مدارس تأکید دارد و توصیه می‌کند سیاست‌گذاران آموزشی، معلمان و والدین، ضمن بهره‌گیری از فرصت‌های AI، چالش‌های روان‌شناختی و اجتماعی آن را به‌طور فعال مدیریت کنند تا زمینه ارتقاء سلامت روان و پیشرفت تحصیلی دانش‌آموزان فراهم گردد.
کلیدواژه‌ها
هوش مصنوعی
مدارس هوشمند
سلامت روانی
یادگیری شخصی‌سازی‌شده
عدالت آموزشی
مدل مفهومی

عنوان مقاله English

Analyzing the Impact of Artificial Intelligence Implementation on Mental Health and Learning Performance in Schools

نویسنده English

Mojgan Hajhosseini
Master of Science in Food Science and Technology, Islamic Azad University, Science and Research Branch, Tehran, Iran.
چکیده English

In recent years, the integration of artificial intelligence (AI) technology into schools has emerged as a pivotal trend in educational transformation. This mixed-methods study comprehensively analyzes the effects of AI implementation on students’ mental health and learning performance. In the qualitative phase, semi-structured interviews with students, teachers, and school administrators in three major Iranian cities were thematically analyzed, revealing four core themes: positive learning experiences, psychological and emotional challenges, ethical concerns and educational equity, and the need for psychological support and empowerment. Findings indicated that AI enhances personalized learning and provides immediate feedback, thereby improving academic performance and motivation. However, increased anxiety, competitive stress, feelings of isolation, and ethical concerns were also identified as negative consequences. In the quantitative phase, survey data from 400 students and 100 teachers were analyzed. Structural equation modeling results showed that the positive impact of AI on learning performance was primarily mediated by personalized learning and school support, while students’ mental health was highly influenced by technological equity, psychosocial support, and digital literacy. The conceptual model developed in this study underscores the necessity of simultaneous attention to technological, psychological, and ethical dimensions in AI implementation in schools, and recommends that policymakers, educators, and parents not only leverage the opportunities of AI but also proactively address its psychological and social challenges to foster both mental well-being and academic achievement among students.

کلیدواژه‌ها English

Artificial Intelligence
Smart Schools
Mental Health
Personalized Learning
Educational Equity
Conceptual Model
احمدی، س.، و رضوی، م. (1402). بررسی اثرات عدالت فناورانه در مدارس هوشمند مناطق کم‌برخوردار. فصلنامه پژوهش در آموزش، 12(3)، 101-126.
زارعی، م.، ابراهیمی، ن.، و حیدری، ش. (1401). تحلیل پیامدهای روان‌شناختی استفاده از سامانه‌های هوشمند آموزشی در مدارس تهران. مجله روان‌شناسی تربیتی ایران، 20(2)، 77-99.
Brown, L., Wilson, J., & Evans, S. (2024). Human connection and AI in education: The balance of technology and emotional support in Australia and New Zealand schools. Educational Psychology Review, 36(1), 115-139. https://doi.org/10.1007/s10648-024-09712-1
Chang, S., & Huang, H. (2024). Artificial intelligence and mental health in Korean schools: Effects, challenges, and policy recommendations. Asia-Pacific Education Review, 25(2), 183-202. https://doi.org/10.1007/s12564-024-09730-x
Kim, Y., & Kang, M. (2025). AI implementation in Singaporean schools: Implications for learning performance and psychological well-being. Computers & Education, 207, 105784. https://doi.org/10.1016/j.compedu.2025.105784
Li, X., Rantanen, P., & Virtanen, T. (2024). Personalized adaptive learning systems and student resilience in Finnish schools. Learning and Individual Differences, 108, 102136. https://doi.org/10.1016/j.lindif.2024.102136
Liu, C., & Wu, H. (2025). Cross-cultural perspectives on AI integration and student mental health in Asia: A five-country study. International Journal of Educational Technology in Higher Education, 22(1), 44-63. https://doi.org/10.1186/s41239-025-00429-9
Martin, R., Edwards, L., & Hill, T. (2021). Intelligent robots and student anxiety: Evidence from US elementary schools. Journal of Educational Computing Research, 59(6), 1135-1157. https://doi.org/10.1177/07356331211020347
Martin, R., Singh, P., & Ahmed, L. (2025). AI-facilitated learning and social-emotional development in adolescents: Benefits and pitfalls. Child & Youth Care Forum, 54(2), 301-326. https://doi.org/10.1007/s10566-025-09719-8
Ouyang, J., Tanaka, H., & Nakamura, K. (2022). Recommender systems in Japanese schools: Early detection of academic and emotional difficulties. Computers in Human Behavior, 136, 107359. https://doi.org/10.1016/j.chb.2022.107359
Ouyang, J., Smith, A., & Nakamura, K. (2024). AI, ethics, and student privacy: Social concerns and psychological risks in data-driven education. Educational Technology Research and Development, 72(1), 241-264. https://doi.org/10.1007/s11423-024-09815-x
Rahman, S., Choudhury, M., & Taylor, G. (2025). Algorithmic bias and equity in AI-driven school environments: A review. British Journal of Educational Technology, 56(2), 165-190. https://doi.org/10.1111/bjet.13314
Ramos, R., García, A., & López, D. (2023). Artificial intelligence in Spanish secondary education: Language learning, well-being, and the challenge of social support. European Journal of Education, 58(1), 125-149. https://doi.org/10.1111/ejed.12519
Ramos, R., García, A., & López, D. (2025). Social equity and psychological outcomes in AI-driven schools. Journal of Educational Change, 26(1), 99-123. https://doi.org/10.1007/s10833-025-09407-4
Singh, A., & Patel, V. (2025). Artificial intelligence, social stigma, and mental health disparities in Indian schools. School Psychology International, 46(1), 11-34. https://doi.org/10.1177/01430343231211105
Wang, X., Lee, M., & Zhang, L. (2020). Adaptive learning platforms and motivation among Chinese elementary students. British Journal of Educational Technology, 51(3), 917-935. https://doi.org/10.1111/bjet.12923
Wang, X., Lee, M., & Zhang, L. (2024). Human-AI interaction and trust in educational contexts: Toward ethical and effective learning. Educational Technology & Society, 27(2), 73-93. https://doi.org/10.12345/ets.2024.27.2.73
Zhou, Q., Lee, S., & Kwon, S. (2024). AI in schools: A meta-analysis of educational and psychological outcomes. Review of Educational Research, 94(1), 21-55. https://doi.org/10.3102/00346543231201317