Journal of Medical Education and Development

fa نقش هوش مصنوعی در بازآرایی ساختارهای یاددهی، یادگیری در آموزش علوم پزشکی: یک مرور روایتی The Role of Artificial Intelligence in Reshaping Teaching and Learning Structures in Medical Education: A Narrative Review آموزش پزشكي Medical Education مروري Review مقدمه: هوش مصنوعی به‌طور فزاینده‌ای در حال تأثیرگذاری بر فرآیندهای یاددهی، یادگیری و ارزیابی در آموزش علوم پزشکی است. پیشرفت‌های اخیر، به‌ویژه در حوزه هوش مصنوعی مولد، محدودیت‌های الگوهای آموزشی سنتی را برجسته کرده و ضرورت بازنگری در پارادایم‌های آموزشی و برنامه‌های درسی را نشان می‌دهد. هدف این مرور روایتی، بازآرایی ساختارهای یاددهی، یادگیری در آموزش علوم پزشکی است. روش بررسی: این پژوهش یک مرور روایتی است که مقالات فارسی و انگلیسی منتشرشده در بازه زمانی 2015 تا 2025 را بررسی کرده است. جستجو در پایگاه‌های PubMed، Scopus، Web of Science، SID، Irandoc و Magiran با استفاده از کلیدواژه‌های مرتبط با هوش مصنوعی، آموزش پزشکی، برنامه درسی و هوش مصنوعی مولد انجام شد. پس از حذف موارد تکراری و غربالگری عنوان، چکیده و متن کامل توسط دو پژوهشگر مستقل، در نهایت ۱۵ مقاله واجد شرایط انتخاب شد. داده‌ها استخراج و با استفاده از تحلیل محتوای کیفی تحلیل شدند. نتایج: تحلیل مطالعات منجر به شناسایی پنج تم اصلی شامل پارادایم‌های نوین یادگیری مبتنی بر هوش مصنوعی، ضرورت بازنگری کوریکولوم، نقش آموزشی هوش مصنوعی مولد، نگرش و آمادگی ذی‌نفعان، و چالش‌ها و ملاحظات اخلاقی شد. شواهد نشان داد که هوش مصنوعی می‌تواند یادگیری شخصی‌سازی‌شده، شبیه‌سازی بالینی و بازخورد آموزشی را بهبود بخشد؛ با این حال، چالش‌هایی مانند سوگیری الگوریتمی، تولید اطلاعات نادرست و تهدید صداقت علمی نیز گزارش شده‌اند. نتیجه‌گیری: ادغام مؤثر هوش مصنوعی در آموزش پزشکی مستلزم رویکردی نظام‌مند، مبتنی بر شواهد و اخلاق‌محور و بازنگری هدفمند در برنامه‌های درسی است.   Introduction: Artificial intelligence is increasingly influencing teaching, learning, and assessment processes in medical education. Recent advances, particularly in generative AI, have highlighted the limitations of traditional educational models and underscored the need to reconsider educational paradigms and curricula. The aim of this narrative review is to reconfigure the structures of teaching and learning in medical sciences education. Methods: This study was conducted as a narrative review of Persian- and English-language articles published between 2015 and 2025. Relevant studies were retrieved from PubMed, Scopus, Web of Science, SID, Irandoc, and Magiran using keywords related to artificial intelligence, medical education, curriculum, and generative AI. After removing duplicates and independently screening titles, abstracts, and full texts by two reviewers, a total of 15 articles met the inclusion criteria. Data were extracted and analyzed using qualitative thematic content analysis. Results: : Analysis of the selected studies resulted in the identification of five main themes: AI driven innovative learning paradigms, the need for curriculum revision, the educational role of generative AI, stakeholders’ attitudes and readiness, and ethical challenges and considerations. The evidence indicated that AI can enhance personalized learning, clinical simulation, and educational feedback; however, challenges such as algorithmic bias, the generation of inaccurate information, and threats to academic integrity were also frequently reported. Conclusion: Effective integration of AI into medical education requires a systematic, evidence based, and ethics oriented approach, along with targeted curriculum reform to address existing gaps.   کلیدواژه‌ها: هوش مصنوعی, آموزش پزشکی, برنامه درسی, هوش مصنوعی مولد Artificial intelligence, Medical education, Curriculum, Generative artificial intelligence 1411 1425 http://jmed.ssu.ac.ir/browse.php?a_code=A-10-1531-1&slc_lang=fa&sid=1 Mohammad Moein Mokhtarezadeh محمدمعین مخترع زاده 0930moein@gmail.com Yes Medical Student, Student Research Committee, School of Medicine, Shahid Sadoughi University of Medical Sciences, Yazd, Iran دانشجوی دکترای عمومی پزشکی، کمیته تحقیقات دانشجویی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید صدوقی یزد، یزد، ایران.