<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>آموزش، تربیت و توسعه پایدار</JournalTitle>
      <Issn>3092-7633</Issn>
      <Volume>1</Volume>
      <Issue>پیاپی ۴</Issue>
      <PubDate PubStatus="epublish">
        <Year>1402</Year>
        <Month>12</Month>
        <Day>25</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Application of Artificial Intelligence in the Educational Quality of Schools</ArticleTitle>
    <VernacularTitle>کاربرد هوش مصنوعی در کیفیت آموزشی مدارس</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>16</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>سید عزت اله </FirstName>
        <LastName>محمدی</LastName>
        <Affiliation>دانشجوی دکتری، گروه مدیریت تکنولوژی، واحد رودهن، دانشگاه آزاد اسلامی ، رودهن ، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>سیداحمد</FirstName>
        <LastName>قاسمی</LastName>
        <Affiliation>عضو هیات علمی پژوهشگاه علوم انسانی و مطالعات اجتما عی جهاد دانشگاهی، تهران ، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>حامد </FirstName>
        <LastName>عباسی نامی</LastName>
        <Affiliation>استادیار ، گروه کارآفرینی ، واحد تهران مرکز ی ، دانشگاه آزاد اسلامی ، تهران، ایران.</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1402/08/15</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to provide an appropriate model for monitoring educational quality indicators of schools through intelligent systems, considering Iran’s educational conditions and student capacities, with a case study in Mazandaran Province. The research was applied in purpose, descriptive in data collection, and mixed in approach (qualitative and quantitative). Using a meta-study and meta-analysis of over 30 scientific articles related to intelligent educational indicator systems, major themes and categories were extracted. A questionnaire was distributed among 120 participants, and confirmatory factor analysis was performed using PLS software to evaluate the reliability and validity of the proposed model. The results revealed 12 indicators within 5 main categories—motivation, participation, transparency, growth, optimization, productivity, learning, personalization, interactive environment, educational justice, skill training, and educational quality. All factor loadings exceeded 0.70 and t-values surpassed 1.96, confirming strong model validity. The coefficient of determination (R²) for endogenous variables ranged from 0.74 to 0.81, indicating high predictive power. The intelligent management model effectively integrated teacher–student–school interactions, resource planning, and continuous learning enhancement through AI-driven analytics. The use of artificial intelligence in education significantly enhances learning quality, promotes educational equity, and improves school management efficiency. The findings emphasize the need for developing intelligent infrastructures and training educators to leverage data-driven systems for sustainable educational improvement.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف پژوهش، ارائه مدل مناسبی برای پایش شاخص‌های کیفیت آموزشی مدارس از طریق سامانه‌های هوشمند با درنظرگرفتن شرایط آموزشی و ظرفیت‌های دانش‌آموزی در ایران، با مطالعه موردی آموزش‌وپرورش استان مازندران است. پژوهش از نظر هدف کاربردی، از نظر شیوه گردآوری داده‌ها توصیفی، و از نظر نوع داده‌ها ترکیبی (کیفی و کمی) است. داده‌ها با استفاده از روش فرامطالعه و فراتحلیل بر پایه مرور بیش از ۳۰ مقاله علمی در زمینه سامانه‌های تحلیل شاخص‌های آموزشی هوشمند جمع‌آوری شد. پس از استخراج تم‌ها و مقوله‌های اصلی، پرسش‌نامه‌ای میان ۱۲۰ نفر از نمونه آماری توزیع شد و تحلیل عاملی تأییدی با نرم‌افزار PLS انجام گرفت تا اعتبار مدل پیشنهادی سنجیده شود. نتایج نشان داد که ۱۲ شاخص از ۵ مقوله اصلی شامل انگیزه، مشارکت، شفافیت، رشد، بهینه‌سازی، بهره‌وری، یادگیری، شخصی‌سازی، محیط تعاملی، عدالت آموزشی، مهارت‌آموزی و کیفیت آموزشی، به‌طور معناداری بر بهبود فرآیند یادگیری و توسعه مدیریت هوشمند تأثیرگذار هستند. ضرایب مسیر بالاتر از ۰/۷ و آماره t بیش از ۱/۹۶ برای تمامی متغیرها، بیانگر برازش مناسب مدل بود. همچنین، ضرایب تعیین (R²) برای سازه‌های درون‌زا بین ۰/۷۴ تا ۰/۸۱ گزارش شد که نشان‌دهنده قدرت پیش‌بینی قوی مدل است. بهره‌گیری از فناوری هوش مصنوعی در نظام آموزشی می‌تواند به ارتقای کیفیت یادگیری، افزایش عدالت آموزشی، و بهبود فرآیندهای مدیریتی در مدارس منجر شود. این نتایج بیانگر ضرورت توسعه زیرساخت‌های هوشمند و آموزش نیروی انسانی برای تحقق مدیریت آموزشی نوین مبتنی بر داده است.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Intelligent BI system</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">educational management indicators</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">educational quality</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">smart schools</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">سامانه هوشمند BI</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">شاخص‌های مدیریت آموزشی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">کیفیت آموزش</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدارس هوشمند</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://journaltesd.com/index.php/tesd/article/download/270/218</ArchiveCopySource>
  </Article>
</ArticleSet>
