1
گروه پرستاری، دانشکده علوم پزشکی ساوه، ساوه، ایران.
2
کمیته تحقیقات و فناوری دانشجویی، دانشکده علوم پزشکی ساوه، ساوه، ایران.
10.22034/sumsj.2026.596002.1161
چکیده
مقدمه: گسترش سریع استفاده از ابزارهای هوش مصنوعی در میان دانشجویان آموزش عالی، فرصت‌های جدیدی برای بهبود فرایند یادگیری، ارائه بازخورد آموزشی و شخصی‌سازی آموزش فراهم کرده است. بااین‌حال، استفاده گسترده و مستمر از این ابزارها ممکن است با افزایش بار شناختی، پیچیدگی تصمیم‌گیری و بروز تجربه‌های مرتبط با خستگی دیجیتال همراه باشد. مطالعه حاضر با هدف ترسیم شواهد موجود درباره خستگی دیجیتال مرتبط با استفاده از هوش مصنوعی در دانشجویان آموزش عالی، شناسایی عوامل مرتبط با آن و بررسی ارتباط احتمالی این پدیده با پیامدهای یادگیری انجام گرفت. روش: مطالعه حاضر به روش مرور دامنه‌ای و بر اساس چارچوب پیشنهادی آرکسی و اومالی (Arksey and O’Malley) و با رعایت دستورالعمل PRISMA-ScR انجام شد. جست‌وجوی نظام‌مند در پایگاه‌های اطلاعاتی PubMed، Scopus، Web of Science، ERIC، ScienceDirect، SID، Magiran و IranDoc، با استفاده از کلیدواژه‌های مرتبط با «هوش مصنوعی»، «خستگی دیجیتال» و «دانشجویان آموزش عالی» و معادل‌های انگلیسی آن‌ها، برای شناسایی مطالعات منتشرشده به زبان فارسی و انگلیسی در بازه زمانی ژانویه ۲۰۲۲ تا ژوئن ۲۰۲۶ انجام شد. یافته‌ها:از مجموع ۹۱ مطالعه شناسایی‌شده، پس از حذف موارد تکراری و طی مراحل غربالگری، ۱۱ مطالعه واجد شرایط وارد مرور شدند که تنها چهار مطالعه به‌طور مستقیم خستگی دیجیتال را بررسی کرده بودند. یافته‌ها نشان داد که هنوز تعریف مفهومی واحد و تثبیت‌شده‌ای برای خستگی مرتبط با هوش مصنوعی وجود ندارد و این پدیده عمدتا" در ارتباط با مفاهیمی نظیر خستگی دیجیتال، بار شناختی، فشار فناورانه و فرسودگی تحصیلی بررسی شده است. همچنین، استفاده هدفمند از ابزارهای هوش مصنوعی با پیامدهای آموزشی مطلوب‌تر، درحالی‌که استفاده بیش‌ازحد یا غیرهدفمند از آن‌ها با افزایش بار شناختی و خستگی دیجیتال همراه بود. بااین‌حال، محدودیت شواهد مستقیم، امکان نتیجه‌گیری قطعی درباره ماهیت مستقل این پدیده و پیامدهای آن را فراهم نمی‌کند. نتیجه‌گیری:شواهد موجود درباره خستگی مرتبط با استفاده از هوش مصنوعی و ارتباط آن با پیامدهای یادگیری در دانشجویان آموزش عالی، محدود و ناهمگون است. با توجه به اندک‌بودن تعداد مطالعاتی که به‌طور مستقیم این پدیده را بررسی کرده‌اند و غلبه طرح‌های مقطعی و ابزارهای خودگزارشی، تفسیر یافته‌ها مستلزم احتیاط است و شواهد کافی برای استنتاج روابط علّی وجود ندارد. ازاین‌رو، انجام مطالعات طولی و تجربی با بهره‌گیری از ابزارهای سنجش معتبر و اختصاصی، به‌منظور تبیین ماهیت خستگی مرتبط با هوش مصنوعی و بررسی ارتباط آن با پیامدهای یادگیری، ضروری به نظر می رسد.
فیاضی، ندا، مقیمی خوجه لر، پوریا و لک، جواد. (1405). ارتباط استفاده از هوش مصنوعی و خستگی دیجیتال با پیامدهای یادگیری در دانشجویان آموزش عالی:یک مرور دامنه‌ای. (e256036). مجله دانشکده علوم پزشکی ساوه، ()، e256036 https://doi.org/10.22034/sumsj.2026.596002.1161
MLA
فیاضی، ندا، مقیمی خوجه لر، پوریا، و لک، جواد. "ارتباط استفاده از هوش مصنوعی و خستگی دیجیتال با پیامدهای یادگیری در دانشجویان آموزش عالی:یک مرور دامنه‌ای" .e256036 ، مجله دانشکده علوم پزشکی ساوه، ، 1405، e256036. doi: 10.22034/sumsj.2026.596002.1161
HARVARD
فیاضی، ندا، مقیمی خوجه لر، پوریا، و لک، جواد. (1405). 'ارتباط استفاده از هوش مصنوعی و خستگی دیجیتال با پیامدهای یادگیری در دانشجویان آموزش عالی:یک مرور دامنه‌ای'، مجله دانشکده علوم پزشکی ساوه، (), e256036. doi: 10.22034/sumsj.2026.596002.1161
CHICAGO
فیاضی، ندا، مقیمی خوجه لر، پوریا و لک، جواد، "ارتباط استفاده از هوش مصنوعی و خستگی دیجیتال با پیامدهای یادگیری در دانشجویان آموزش عالی:یک مرور دامنه‌ای." مجله دانشکده علوم پزشکی ساوه، (1405): e256036, doi: 10.22034/sumsj.2026.596002.1161
VANCOUVER
فیاضی ندا، مقیمی خوجه لر پوریا، لک جواد. ارتباط استفاده از هوش مصنوعی و خستگی دیجیتال با پیامدهای یادگیری در دانشجویان آموزش عالی:یک مرور دامنه‌ای. مجله دانشکده علوم پزشکی ساوه. 1405;():e256036. doi: 10.22034/sumsj.2026.596002.1161
