<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه شیراز</PublisherName>
				<JournalTitle>مجله مطالعات آموزش و یادگیری</JournalTitle>
				<Issn>2228-5075</Issn>
				<Volume>18</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>03</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Artificial Intelligence and Problem Solving Skill: Does Protean Talent Matter?</ArticleTitle>
<VernacularTitle>هوش مصنوعی و مهارت حل مسأله: آیا استعداد پروتئین مهم است؟</VernacularTitle>
			<FirstPage>250</FirstPage>
			<LastPage>233</LastPage>
			<ELocationID EIdType="pii">8812</ELocationID>
			
<ELocationID EIdType="doi">10.22099/jsli.2026.8812</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>جلالی</LastName>
<Affiliation>دکتری تخصصی مدیریت دولتی – رفتار سازمانی، دانشکده اقتصاد و مدیریت، دانشگاه لرستان، خرم آباد، لرستان، ایران jalali.mo@fc.lu.ac.ir</Affiliation>

</Author>
<Author>
					<FirstName>عادل</FirstName>
					<LastName>صلواتی</LastName>
<Affiliation>دانشیار گروه مدیریت، دانشکده علوم انسانی، دانشگاه آزاد اسلامی واحد سنندج، سنندج، کردستان، ایران a.salavati@iauasdj.ac.ir</Affiliation>

</Author>
<Author>
					<FirstName>مینا</FirstName>
					<LastName>برائی</LastName>
<Affiliation>دانشجوی کارشناسی ارشد علوم تربیتی – آموزش پیش دبستانی، واحد الکترونیکی دانشگاه آزاد اسلامی، تهران، ایران mi.baraei@gmail.com</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2026</Year>
					<Month>03</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract>The present study was conducted to examine the relationship between artificial intelligence and problem-solving skills and to explain the moderating role of protean talent among educational staff. This study employed a quantitative approach, a cross-sectional design, and a questionnaire-based survey method. The statistical population consisted of principals, assistant principals, and teachers at the lower and upper secondary levels in the city of Sanandaj, from whom 220 participants were selected using stratified random sampling. The psychometric quality of the instrument was assessed and confirmed through factor loadings, Cronbach’s alpha, composite reliability, content validity, convergent validity, and discriminant validity. Data analysis was performed using partial least squares structural equation modeling. The results indicated that artificial intelligence had a positive and significant relationship with problem-solving skills, and protean talent significantly moderated this relationship, such that at higher levels of protean talent, the effect of artificial intelligence on problem-solving skills was strengthened. These findings suggest that explaining and enhancing problem-solving skills in educational settings cannot be achieved solely by relying on technological capacities; rather, it requires simultaneous attention to individual readiness and motivational characteristics. The novelty of the study lies in providing an integrative explanation of the interaction between technological capacities and individual capital for a better understanding of problem-solving skills, which may offer practical implications for educational policymaking, the design of developmental interventions, and the strengthening of problem-solving capacity in learning environments.</Abstract>
			<OtherAbstract Language="FA">پژوهش حاضر با هدف بررسی رابطه هوش مصنوعی با مهارت حل مسئله و تبیین نقش تعدیل‌گر استعداد پروتئین در میان کارکنان آموزشی انجام شد. این مطالعه با رویکرد کمّی، طرح مقطعی و بهره‌گیری از پرسشنامه اجرا گردید. جامعه آماری شامل مدیران، معاونان و معلمان دوره‌های اول و دوم متوسطه شهر سنندج بود که از میان آنان 220 نفر با استفاده از روش نمونه‌گیری تصادفی طبقه‌ای انتخاب شدند. کیفیت روان‌سنجی ابزار از طریق بارهای عاملی، آلفای کرونباخ، پایایی ترکیبی، روایی محتوا، روایی همگرا و روایی واگرا ارزیابی و تأیید شد. تحلیل داده‌ها با استفاده از مدل‌سازی معادلات ساختاری حداقل مربعات جزئی انجام گرفت. نتایج نشان داد هوش مصنوعی با مهارت حل مسئله دارای رابطه‌ مثبت و معنادار است و استعداد پروتئین این رابطه را به‌طور معناداری تعدیل می‌کند؛ به‌گونه‌ای که در سطوح بالاتر استعداد پروتئین، اثر هوش مصنوعی بر مهارت حل مسئله تقویت می‌شود. این یافته‌ها نشان می‌دهد تبیین و ارتقای مهارت حل مسئله در بستر آموزشی صرفاً با اتکا به ظرفیت‌های فناورانه کفایت نمی‌کند و مستلزم توجه هم‌زمان به آمادگی‌های فردی و ویژگی‌های انگیزشی است. نوآوری پژوهش در ارائه تبیینی تلفیقی از تعامل میان ظرفیت‌های فناورانه و سرمایه فردی برای فهم بهتر مهارت حل مسئله است؛ که می‌تواند دلالت‌های کاربردی برای سیاست‌گذاری آموزشی، طراحی مداخلات توسعه‌ای و تقویت توان حل مسئله‌ در محیط‌های یادگیری داشته باشد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">استعداد پروتئین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مهارت حل مسأله</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">آموزش و پرورش سنندج</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدلسازی معادلات ساختاری حداقل مربعات جزئی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jsli.shirazu.ac.ir/article_8812_3a1c2fd17a9d803b002fd83db01af0aa.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
