آمار

تعداد نشریات11
تعداد شماره‌ها234
تعداد مقالات2,383
تعداد مشاهده مقاله3,803,132
تعداد دریافت فایل اصل مقاله2,763,808
الله کرمی, آزاد. (1404). پدیدارشناسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا. فناوری آموزش, 19(3), 629-644. doi: 10.22061/tej.2026.11943.3210
آزاد الله کرمی. "پدیدارشناسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا". فناوری آموزش, 19, 3, 1404, 629-644. doi: 10.22061/tej.2026.11943.3210
الله کرمی, آزاد. (1404). 'پدیدارشناسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا', فناوری آموزش, 19(3), pp. 629-644. doi: 10.22061/tej.2026.11943.3210
الله کرمی, آزاد. پدیدارشناسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا. فناوری آموزش, 1404; 19(3): 629-644. doi: 10.22061/tej.2026.11943.3210

پدیدارشناسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا

فناوری آموزش
مقاله 5، دوره 19، شماره 3 - شماره پیاپی 75، تیر 1404، صفحه 629-644
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/tej.2026.11943.3210
نویسنده
آزاد الله کرمی*
گروه آموزش علوم تربیتی، دانشگاه فرهنگیان، تهران، ایران
تاریخ دریافت: 22 دی 1403،  تاریخ بازنگری: 28 اسفند 1403،  تاریخ پذیرش: 26 اردیبهشت 1404 
چکیده
پیشینه و اهداف: با گسترش هوش مصنوعی در آموزش، ابزارهای تعاملی مانند «رپلیکا» به‌عنوان یک راهکار نوین برای بهبود مهارت‌های زبانی موردتوجه قرار گرفته‌اند. این ابزارها با فراهم‌ساختن فرصت‌هایی برای مکالمه تعاملی و شخصی‌سازی تجربه یادگیری، می‌توانند به تقویت مهارت‌های گفتاری و شنیداری و افزایش اعتمادبه‌نفس یادگیرندگان کمک کنند. علاوه بر این، نقش هوش مصنوعی در ایجاد فضایی امن، منعطف و بدون قضاوت برای تمرین زبان، به‌ویژه برای فراگیرانی که در تعاملات زبانی سنتی با اضطراب یا محدودیت مواجهند، از اهمیت ویژه‌ای برخوردار است. پژوهش حاضر به بررسی تجربیات زیسته استادان دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا پرداخته است.
 روش‌ها‌: این پژوهش با رویکرد کیفی و روش پدیدارشناسی توصیفی انجام شد و هدف آن، درک عمیق از تجربیات زیسته استادان دانشگاه فرهنگیان استان کردستان از مکالمه تعاملی به زبان انگلیسی با هوش مصنوعی رپلیکا بود. مشارکت‌کنندگان شامل ۱۴ نفر از اعضای هیئت‌علمی بودند که به مدت پنج ماه، روزانه به‌طور میانگین نیم ساعت از رپلیکا برای تمرین مکالمه انگلیسی استفاده کرده بودند. نمونه‌گیری به‌صورت هدفمند و با حداکثر تنوع انجام شد. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته، هرکدام به مدت ۳۰ تا ۴۰ دقیقه، گردآوری شد. تحلیل داده‌ها براساس مراحل هفت‌گانه روش کلایزی انجام گرفت. برای ارتقای اعتبار و قابلیت اعتماد، از بازبینی مشارکت‌کنندگان، مستندسازی کامل مراحل پژوهش، و ارزیابی دو متخصص در حوزه‌های روش‌شناسی کیفی و آموزش زبان استفاده شد. همچنین، با انتخاب مشارکت‌کنندگانی از رشته‌ها و سوابق تدریس متنوع، قابلیت انتقال‌پذیری یافته‌ها تقویت شد.
یافته‌ها: تحلیل داده‌ها نشان داد که تجربیات زیسته اساتید دانشگاه فرهنگیان از مکالمه تعاملی با هوش مصنوعی رپلیکا در پنج مقوله اصلی طبقه‌بندی می‌شود. شبیه‌سازی و بهینه‌سازی یادگیری (یادگیری شخصی‌سازی‌شده، پردازش مفاهیم پیچیده، توسعه مهارت‌های زبانی، بازخورد تبیین­پذیر)، غنی‌سازی روان‌شناختی (خودتنظیمی، حمایت شناختی، حمایت هیجانی - اجتماعی)، اعتماد (خود افشایی، انسان‌انگاری)، دسترسی و تسهیل یادگیری (دسترسی گسترده، پشتیبان آموزشی، عدالت آموزشی، تسهیل تعاملات و بحث‌های آموزشی و محیط یادگیری چندرسانه‌ای و تعاملی) و ملاحظات و چالش‌ها (حریم خصوصی و امنیت، وابستگی بیش از حد، چالش‌های پردازش زبانی، محدودیت‌های اطلاعاتی، بی‌توجهی به تفاوت‌های فردی و فرهنگی، مشکلات فنی) شناسایی شدند.
نتیجه‌گیری: یافته‌های پژوهش نشان می‌دهد که مکالمه تعاملی با هوش مصنوعی رپلیکا می‌تواند به‌عنوان ابزاری نوین در فرایند یادگیری و توسعه مهارت‌های زبانی مورداستفاده قرار گیرد. این فناوری با فراهم‌کردن یادگیری شخصی‌سازی‌شده و حمایت شناختی و عاطفی، می‌تواند به بهبود خودتنظیمی یادگیرندگان کمک کند. بااین‌حال، چالش‌هایی مانند مسائل مربوط به حریم خصوصی، وابستگی بیش از حد و محدودیت‌های پردازش زبانی، استفاده گسترده از آن را با موانعی مواجه می‌سازد. به‌منظور بهره‌گیری بهینه از این فناوری، پیشنهاد می‌شود راهبردهایی همچون استفاده از سناریوهای متنوع و تنظیم اهداف یادگیری مشخص، تمرکز بر بازخورد و اصلاح خطاها، بهره‌گیری از فعالیت‌های چالشی مانند معماها و چالش‌های شناختی، تهیه برنامه زمانی منظم برای مکالمه مستمر، و بررسی استراتژی‌های یادگیری قبل از استفاده می­تواند مفید باشد. رعایت این اصول از سوی یادگیرنده می‌تواند به افزایش اثربخشی این فناوری در یادگیری زبان و توسعه مهارت‌های شناختی کمک کند. همچنین، انجام پژوهش‌های بیشتری برای بررسی تأثیرات بلندمدت این فناوری بر فرایند یادگیری و تعاملات آموزشی ضروری به نظر می‌رسد. 
کلیدواژه‌ها
پدیدارشناسی؛ تجارب زیسته؛ مکالمه تعاملی؛ هوش مصنوعی؛ رپلیکا؛ دانشگاه فرهنگیان
موضوعات
هوش مصنوعی
عنوان مقاله [English]
Phenomenology of Faculty Members' Lived Experiences at Farhangian University with Interactive Conversations using "Replica" Artificial Intelligence
نویسندگان [English]
A. Allahkarami
Department of educational sciences, Farhangian University, Tehran, Iran
چکیده [English]
Background and Objectives: With the expansion of artificial intelligence in education, interactive tools such as "Replika" have gained attention as an innovative solution for enhancing language skills. These tools, by providing opportunities for interactive conversation and personalizing the learning experience, can help strengthen speaking and listening skills and boost learners' confidence. Furthermore, the role of artificial intelligence in creating a safe, flexible, and non-judgmental environment for language practice is of particular significance, especially for learners who experience anxiety or limitations in traditional language interactions. This study explored the lived experiences of faculty members at Farhangian University regarding their interactive conversations with the artificial intelligence tool, Replika.
Methods: This qualitative study employed a descriptive phenomenological approach to deeply explore the lived experiences of faculty members at Farhangian University in Kurdistan province regarding their interactive English conversations with the artificial intelligence application Replika. Fourteen faculty members who had practiced English conversation with Replika for an average of 30 minutes daily over a five-month period participated in the study. Purposeful sampling with maximum variation was used. Data were collected through semi-structured interviews, each lasting 30 to 40 minutes. Data analysis followed Colaizzi’s seven-step method. To enhance the credibility and trustworthiness of the findings, member checking, comprehensive documentation of the research process, and evaluation by two experts in qualitative methodology and language education were used. Moreover, the transferability of the findings was strengthened by including participants from diverse academic disciplines and teaching backgrounds
Findings: Data analysis revealed that the lived experiences of Farhangian University faculty members with interactive conversation using the AI Replica were categorized into five main themes: Learning Simulation and Optimization (personalized learning, processing complex concepts, language skill development, explanatory feedback), Psychological Enrichment (self-regulation, cognitive support, socio-emotional support), Trust (self-disclosure, anthropomorphism), Accessibility and Learning Facilitation (widespread access, educational support, personalized learning, educational equity, facilitation of interactions and educational discussions, multimedia and interactive learning environment), and Considerations and Challenges (privacy and security, over-reliance, language processing challenges, information limitations, disregard for individual and cultural differences, technical problems).
Conclusion: The research findings indicated that interactive conversation with AI Replica can serve as an innovative tool in the learning process and language skill development. This technology, by providing personalized learning and cognitive and emotional support, can help improve learners' self-regulation. However, challenges such as privacy issues, over-reliance, and language processing limitations present barriers to its widespread use. To optimize the use of this technology, it is suggested that strategies such as using diverse scenarios, setting clear learning goals, focusing on feedback and error correction, utilizing challenging activities like puzzles and cognitive challenges, establishing a regular schedule for continuous conversation, and reviewing learning strategies before use could be beneficial. Adherence to these principles by learners can enhance the effectiveness of this technology in language learning and cognitive skill development. Additionally, further research is necessary to investigate the long-term impacts of this technology on the learning process and educational interactions.
کلیدواژه‌ها [English]
Phenomenology, Lived Experiences, Interactive Conversation, Artificial Intelligence, Replica, Farhangian University
مراجع
[1] Vančová H. AI and AI-powered tools for pronunciation training. J Lang Cult Educ. 2023;11(3):12-24.

doi:10.2478/jolace-2023-0022.

[2] Almelhes SA. A review of artificial intelligence adoption in second-language learning. Theory Pract Lang Stud. 2023;13(5):1259-1269. doi:10.17507/tpls.1305.21.

[3] Javaid M, Haleem A, Singh RP, Khan S, Khan IH. Unlocking the opportunities through ChatGPT Tool towards ameliorating the education system. BenchCouncil Trans Benchmarks Stand Eval. 2023;3(2):100115.

doi:10.1016/j.tbench.2023.100115.

[4] Lee KA, Lim SB. Designing a leveled conversational teachable agent for English language learners. Appl Sci. 2023;13(11):6541. doi:10.3390/app13116541.

[5] Hockly N. Artificial intelligence in English language teaching: The good, the bad, and the ugly. RELC J. 2023. doi:10.1177/00336882231168504.

[6] Chen L, Chen P, Lin Z. Artificial intelligence in education: A review. IEEE Access. 2020;8:75264-75278.

doi:10.1109/ACCESS.2020.2988510.

[7] Belda-Medina J, Kokošková V. Integrating chatbots in education: Insights from the chatbot-human interaction satisfaction model (CHISM). Int J Educ Technol High Educ. 2023;20:62. doi:10.1186/s41239-023-00432-3.

[8] Rassaei E. The effects of text-based and audio-based dynamic glosses on L2 vocabulary learning: A dynamic assessment approach. Lang Learn J. 2023;51(4):509-522. doi:10.1080/09571736.2023.2213247.

[9] Pokrivčáková S. Preparing teachers for the application of AI-powered technologies in foreign language education. J Lang Cult Educ. 2019. doi:10.2478/jolace-2019-0025.

[10] Rogerson-Revell PM. Computer-assisted pronunciation training (CAPT): Current issues and future directions. RELC J. 2021;52(1):189-205. doi:10.1177/00336882209774.

[11] Shufang Z. Design of an automatic English pronunciation error correction system based on radio magnetic pronunciation recording devices. J Sensors. 2021;1-12. doi:10.1155/2021/1234567.

[12] Haristiani N. Artificial Intelligence (AI) Chatbot as Language Learning Medium: An Inquiry. J Phys Conf Ser. 2019;1387:1-6. doi:10.1088/1742-6596/1387/1/012020.

[13] Shawar BA. Integrating CALL systems with chatbots as conversational partners. Comput Y Sist. 2017;21(4):615-626. doi:10.13053/cys-21-4-2868.

[14] Goda Y, Yamada M, Matsukawa H, Hata K, Yasunami S. Conversation with a chatbot before an online EFL group discussion and the effects on critical thinking. J Inf Syst Educ. 2014;13(1):1-7. doi:10.12937/ejsise.13.1.

[15] Kim N. Chatbots and language learning: effects of the use of AI chatbots for EFL learning. Chișinău: Eliva Press; 2020.

[16] Peña-Acuña B, Corga Fernandes Durão R. Learning English as a second language with artificial intelligence for prospective teachers: A systematic review. Front Educ. 2024;9:1490067. doi:10.3389/feduc.2024.1490067.

[17] Tamayo PA, Herrero A, Martín J, Navarro C, Tránchez JM. Design of a chatbot as a distance learning assistant. Open Praxis. 2020;12:145-153.

doi:10.5944/openpraxis.12.1.1063.

[18] Neo M. The merlin project: Malaysian students’ acceptance of an AI chatbot in their learning process. Turk Online J Dist Educ. 2021;23:31-49.

doi:10.17718/tojde.1137122.

[19] Taskin NR. Evolving landscape of artificial intelligence (AI) and assessment in education: A bibliometric analysis. Int J Assess Tools Educ. 2023;10:208-223.

doi:10.21449/ijate.1369290.

[20] Hsu HL, Chen HHJ, Todd AG. Investigating the impact of the Amazon Alexa on the development of L2 listening and speaking skills. Interact Learn Environ. 2021;1-14. doi:10.1080/10494820.2021.1897412.

[21] Ng DTK, Leung JKL, Su J, Ng RCW, Chu SKW. Teachers’ AI digital competencies and twenty-first century skills in the post-pandemic world. Educ Technol Res Dev. 2023;71(1):137-161. doi:10.1007/s11423-023-10203-6.

[22] Ayedoun E, Hayashi Y, Seta K. Adding communicative and affective strategies to an embodied conversational agent to enhance second language learners' willingness to communicate. Int J Artif Intell Educ. 2019;29:29-57. doi:10.1007/s40593-018-0176-x.

[23] Alfuhaid SR. The utilisation of Duolingo to enhance the speaking proficiency of EFL secondary school students in Saudi Arabia. Engl Lang Teach. 2021;14(11):9-15.

doi:10.5539/elt.v14n11p9.

[24] Yan Y, Bristol C. ‘Teaching like a robot’: Chinese English language teachers perceptions of identity. Lang Teach Res Quart. 2024;40:91–112. doi:10.32038/ltrq.2024.40.06.

[25] Thongprasit J, Wannapiroon P. Framework of artificial intelligence learning platform for education. Int Educ Stud. 2022;15:76–87. doi:10.5539/ies.v15n1p76.

[26] Derks D, Fischer AH, Bos AE. The role of emotion in computer-mediated communication: A review. Comput Human Behav. 2008;24(3):766-785.

doi:10.1016/j.chb.2007.04.004.

[27] Peña-Acuña B, Corga Fernandes Durão R. Learning English as a second language with artificial intelligence for prospective teachers: A systematic review. Front Educ. 2024;9:1490067. doi:10.3389/feduc.2024.1490067.

[28] Rostaminezhad MA, Khajeh H. A phenomenological

analysis of primary school teachers' perception of ChatGPT integration in education. J Educ Plan Stud. 2025;13(26):198-220. [In Persian]. doi:10.22080/eps.2025.28671.2322.

[29] Rajabiyan Dehzireh M. Identifying the challenges and capabilities of artificial intelligence in teaching and learning by providing solutions. Tech Educ J. 2024;18(4):921-950. [In Persian]. doi:10.22061/tej.2024.10777.3058.

[30] Hill J, Ford WR, Farreras IG. Real conversations with artificial intelligence: A comparison between human-human online conversations and human-chatbot conversations. Comput Human Behav. 2015;49:245-250.

doi:10.1016/j.chb.2015.02.026.

[31] Esmaili Z, Shahrokhi M. The impact of Memrise application on Iranian EFL learners’ collocation learning and retention. Int J Lang Educ. 2020;4(2):221-233.

doi:10.26858/ijole.v4i2.10672.

[32] Skjuve M, Følstad A, Fostervold KI, Brandtzaeg PB. My chatbot companion-a study of human-chatbot relationships. Int J Hum Comput Stud. 2021;149:102601.

doi:10.1016/j.ijhcs.2021.102601.

[33] Hathiram P, Laxmi PK, Mondeddula L, Roshni MV. The use of AI Replika in speaking skills in engineering college: Benefits and challenges. J Namibian Stud Hist Polit Cult. 2023;38:814-827. doi:10.59670/17bxdj04.

[34] Zhang J. Integrating chatbot technology into English language learning to enhance student engagement and interactive communication skills. J Comput Methods Sci Eng. 2025;14727978241312992. doi:10.1177/14727978241312992.

[35] Romadhon R. Replika AI chatbot as a tool for enhancing ESP business vocabulary acquisition: A study on polytechnic students. SALEE: Study Appl Linguist Engl Educ. 2025; 6(1):183-201. doi:10.35961/salee.v6i1.1671.

[36] Pentina I, Hancock T, Xie T. Exploring relationship development with social chatbots: A mixed-method study of Replika. Comput Human Behav. 2023;140:107600.

doi:10.1016/j.chb.2022.107600.

[37] Wang YF, Petrina S. Using learning analytics to understand the design of an intelligent language tutor – Chatbot Lucy. Int J Adv Comput Sci Appl. 2019;4(11):124-131. doi:10.14569/IJACSA.2013.041117.

[38] Wahyuni DS. Integrated Classroom-Chatbot Experience: An Alternative Solution for English as Foreign Language Learners. English Lang Educ Curr Trends. 2022;63-68. doi:10.37301/elect.v1i1.36.

[39] Kohnke L, Moorhouse BL, Zou D. ChatGPT for language teaching and learning. RELC J. 2023.

doi:10.1177/00336882231162868.

[40] El Shazly R. Effects of artificial intelligence on English speaking anxiety and speaking performance: A case study. Expert Syst. 2021;38(3):e12667. doi:10.1111/exsy.12667.

[41] Tai T-Y, Chen HH-J. The impact of Google Assistant on adolescent EFL learners’ willingness to communicate. Interactive Learning Environments. 2023;31(3):1485-1502. doi: 10.1080/10494820.2020.1841801.

[42] Koç FŞ, Savaş P. The use of artificially intelligent chatbots in English language learning: A systematic meta-synthesis study of articles published between 2010 and 2024. ReCALL. 2025;37(1):4-21.

doi: 10.1017/S0958344024000168.

[43] Tian M, Yan J, Li X. Anthropomorphism of service-oriented AI and customers’ propensity for value co-creation. Marketing Intelligence & Planning. 2024.

doi: 10.1108/mip-08-2023-0388.

[44] Kohnke L. A pedagogical chatbot: A supplemental language learning tool. RELC Journal. 2022.

doi: 10.1177/00336882211067054.

[45] Lodge JM, Thompson K, Corrin L. Mapping out a research agenda for generative artificial intelligence in tertiary education. Australasian Journal of Educational Technology. 2023;39(1):1-8. doi: 10.14742/ajet.8695.

[46] Fryer LK, Nakao K, Thompson A. Chatbot learning partners: Connecting learning experiences, interest and competence. Computers in Human Behavior. 2019;93:279-289. doi: 10.1016/j.chb.2018.12.023.

[47] Jia J. CSIEC: A computer assisted English learning chatbot based on textual knowledge and reasoning. Knowledge-based systems. 2009;22(4):249-255.

doi: 10.1016/j.knosys.2008.09.001.

[48] Vanjani M, Posey J. Conversations with two chatbots: tutor mike and cleverbot. Issues in Information Systems. 2023;24(3):24-34. doi: 10.48009/3_iis_2023_103.

[49] Zakos J, Capper L. CLIVE–an artificially intelligent chat robot for conversational language practice. In: Artificial Intelligence: Theories, Models and Applications: 5th Hellenic Conference on AI, SETN 2008, Syros, Greece, October 2-4, 2008. Proceedings 5. Springer Berlin Heidelberg; 2008. p. 437-442.

[50] Extance A. ChatGPT has entered the classroom: how LLMs could transform education. Nature. 2023; 623(7987): 474-477.

DOI: 10.1038/d41586-023-03507-3

[51] Wang, Y. F., Hsu, M. H., Wang, M. Y. F., & Chang, Y. T. (2025). Enhancing phonetic accuracy through chatbot-assisted language learning. Educational technology research and development, 1-17. DOI:  10.1007/s11423-025-10466-1

[52] Hill J, Ford WR, Farreras IG. Real conversations with artificial intelligence: A comparison between human-human online conversations and human-chatbot conversations. Computers in Human Behavior. 2015;49:245-250.

doi: 10.1016/j.chb.2015.02.026.

[53] Lampou R. The integration of artificial intelligence in education: Opportunities and challenges. Review of Artificial Intelligence in Education. 2023;4(15):1-12.

doi: 10.37497/rev.artif.intell.educ.v4i00.15.

[54] Yang H, Kim H, Lee JH, Shin D. Implementation of an AI chatbot as an English conversation partner in EFL speaking classes. ReCALL. 2022;34(3):327-343.

doi: 10.1017/S0958344022000039.

[55] Hsu L. To CALL or not to CALL: Empirical evidence from neuroscience. Computer Assisted Language Learning. 2022;35(4):792-815. doi: 10.1080/09588221.2020.1750429.

[56] Çakmak F. Chatbot-human interaction and its effects on EFL students’ L2 speaking performance and anxiety. Novitas-ROYAL. 2022;16(2):113-131.

[57] Zhang Z, Guo F, Fang C, Chen J. Let Me Hold Your Hand: Effects of Anthropomorphism and Touch Behavior on Self-Disclosure Intention, Attachment, and Cerebral Activity Towards AI Mental Health Counselors. International Journal of Human-Computer Interaction. 2025:1-16.

doi: 10.1080/10447318.2024.2446502.

[58] Ackermann H, Henke A, Chevalère J, Yun HS, Hafner VV, Pinkwart N, Lazarides R. Physical embodiment and anthropomorphism of AI tutors and their role in student enjoyment and performance. NPJ Science of Learning. 2025;10(1). doi: 10.1038/s41539-024-00293-z.

[59] Lap TQ, Thin N, Thanh L. English as a foreign language teachers’ perceptions of their self-efficacy in using instructional strategies. Eur J Educ Res. 2022;11:1865-1875.

doi: 10.12973/eu-jer.11.3.1865.

[60] Ekrem S. Revolutionizing language learning: How ChatGPT and AI Are changing the way we learn languages. Int J Technol Educ. 2024;7:353-372. doi: 10.46328/ijte.732.

[61] Yuan Y. An empirical study of the efficacy of AI chatbots for English as a foreign language learning in primary education. Interactive Learning Environments. 2023; Advance online publication.

doi: 10.1080/10494820.2023.2282112.

[62] Han J, Lee D. Research on the development of principles for designing elementary English speaking lessons using artificial intelligence chatbots. Humanities and Social Sciences Communications. 2024;11:212.

doi: 10.1057/s41599-024-02646-w.

[63] Ayedoun E, Hayashi Y, Seta K. Toward personalized scaffolding and fading of motivational support in L2 learner–dialogue agent interactions: An exploratory study. IEEE Transactions on Learning Technologies. 2020;13(3):604-616. doi: 10.1109/TLT.2020.2989776.

[64] Li Y. Teaching mode of oral English in the age of artificial intelligence. Frontiers in Psychology. 2022;13:953482.

doi: 10.3389/fpsyg.2022.953482.

[65] Chen HH-J, Yang CT-Y, Lai KK-W. Investigating college EFL learners’ perceptions toward the use of Google Assistant for foreign language learning. Interactive Learning Environments. 2023;31(3):1335-1350.

doi: 10.1080/10494820.2020.1833043.

آمار
تعداد مشاهده مقاله: 31


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب