دانشگاه لرستان پژوهش های نوین در مطالعات علوم انسانی اسلامی 2980-8944 5 9 2026 06 22 AI‑Based Curriculum Design and Adaptive Learning طراحی برنامه درسی مبتنی بر هوش مصنوعی و یادگیری تطبیقی 1 21 735546 10.22034/api.2026.2087664.1709 FA علی اصغر ماشینچی دانشیار گروه علوم تربیتی، واحدلامرد، دانشگاه آزاد اسلامی،لامرد، ایران 0000-0002-1333-7468 Journal Article 2025 11 01 <strong>Objective</strong>: This study aims to investigate and design an artificial intelligence-based curriculum model with an emphasis on adaptive learning, in order to enhance the quality and efficiency of the educational process through the personalization of learning pathways.<br><strong>Method:</strong> This research employed a quantitative approach based on the analysis of educational data. The dataset included variables such as prior knowledge level, learning style, level of engagement, time spent on content, assessment scores, and type of instructional content. Learners' performance was analyzed to evaluate the effectiveness of adaptive algorithms in adjusting difficulty levels and designing personalized learning pathways<span lang="EN">.</span><br><strong>Results</strong>: The results indicated a significant positive relationship between prior knowledge level and academic performance. Furthermore, the type of instructional content and learning style were found to influence learners' engagement and success. It was also revealed that adaptive algorithms are effective in adjusting content difficulty and delivering personalized learning pathways. In addition, data analysis enabled more accurate prediction of learners' needs.<br><strong>Conclusion</strong>: The implementation of an AI-based curriculum can lead to improved learning quality, increased learner engagement, and enhanced educational efficiency. The findings confirm the necessity of utilizing educational data and intelligent technologies in the development of future curricula and suggest that innovative models can offer viable solutions to the challenges of personalized education. <strong><span lang="FA">هدف:</span></strong><em> </em><span lang="FA">هدف پژوهش بررسی و طراحی یک الگوی برنامه درسی مبتنی بر هوش مصنوعی با تأکید بر یادگیری تطبیقی است تا با شخصی‌سازی مسیر یادگیری، کیفیت و کارایی فرایند آموزش ارتقا یابد</span><span dir="LTR" lang="EN">.</span><br><strong><span lang="AR-SA">روش پژوهش</span></strong><strong><span lang="FA">:</span></strong><strong> </strong><span lang="FA">این پژوهش با رویکرد کمی و بر پایه تحلیل داده‌های آموزشی انجام شده است. داده‌ها شامل متغیرهایی مانند سطح دانش پیشین، سبک یادگیری، میزان مشارکت، زمان صرف‌شده برای محتوا، نمرات ارزیابی و نوع محتوای آموزشی بوده و عملکرد یادگیرندگان برای ارزیابی تأثیر الگوریتم‌های تطبیقی در تنظیم سطح دشواری و طراحی مسیرهای شخصی‌سازی‌شده تحلیل شده است</span><span dir="LTR" lang="EN">.</span><br><strong><span lang="AR-SA">یافته‌ها</span></strong><strong><span lang="FA">: </span></strong><span lang="FA">نتایج نشان داد که بین سطح دانش پیشین و عملکرد تحصیلی رابطه مثبت معنادار وجود دارد و نوع محتوای آموزشی و سبک یادگیری بر میزان تعامل و موفقیت یادگیرندگان اثرگذار است. همچنین مشخص شد که الگوریتم‌های تطبیقی در تنظیم سطح دشواری محتوا و ارائه مسیرهای یادگیری شخصی‌سازی‌شده مؤثرند و تحلیل داده‌ها امکان پیش‌بینی دقیق‌تر نیازهای یادگیرندگان را فراهم می‌کند</span><span dir="LTR" lang="EN">.</span><br><strong><span dir="RTL" lang="AR-SA">نتیجه‌گیری</span><span dir="RTL" lang="FA">: </span></strong><span dir="RTL" lang="FA">استفاده از برنامه درسی مبتنی بر هوش مصنوعی می‌تواند به بهبود کیفیت یادگیری، افزایش مشارکت یادگیرندگان و ارتقای کارایی آموزش منجر شود. یافته‌ها ضرورت بهره‌گیری از داده‌های آموزشی و فناوری‌های هوشمند در توسعه برنامه‌های درسی آینده را تأیید کرده و بیان می‌کند که الگوهای نوآورانه می‌توانند راه‌حل مناسبی برای چالش‌های آموزش فردمحور ارائه دهند.</span> https://api.lu.ac.ir/article_735546_aff6bc7590a40eada8db0166b41934fb.pdf