<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>مجله شناخت، رفتار، یادگیری</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue>در دست انتشار</Issue>
      <PubDate PubStatus="epublish">
        <Year>1406</Year>
        <Month>02</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Learner Agency in Digital Learning Ecosystems: A Philosophical Framework for Self-Direction, Meaning, and Responsibility</ArticleTitle>
    <VernacularTitle>عاملیت یادگیرنده در اکوسیستم‌های یادگیری دیجیتال: چارچوبی فلسفی برای خودراهبری، معنا و مسئولیت‌پذیری</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>22</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>سکینه</FirstName>
        <LastName>رستگار مقدم ابراهیمیان</LastName>
        <Affiliation>استادیار، گروه الهیات، دانشگاه فرهنگیان، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1405</Year>
        <Month>01</Month>
        <Day>26</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to explain the constitutive dimensions and relationships of learner agency in digital learning ecosystems and to develop a philosophical framework based on conscious self-direction, meaning-making and directionality, reflective responsibility, and relational-structural conditions. This qualitative study was conducted within an interpretive-constructivist paradigm. The participants were 24 individuals from Tehran selected through criterion-based purposive sampling with maximum variation, including 12 graduate students, 6 faculty members, and 6 specialists in educational technology, instructional design, or electronic learning systems. Data were collected through conceptual analysis of relevant theoretical sources and in-depth semi-structured interviews lasting approximately 55–90 minutes. Sampling continued until conceptual saturation was achieved. Data analysis was conducted concurrently with data collection using reflective thematic analysis with an interpretive-philosophical orientation. Interview transcripts were repeatedly reviewed, coded, and organized through constant comparison into initial codes, intermediate concepts, subthemes, and overarching dimensions. MAXQDA 2024 was used for data management and coding. Trustworthiness was enhanced through member reflection, peer review, negative-case analysis, and maintenance of a transparent analytical audit trail. Analysis generated 436 initial codes, which were reduced after removing repetitions and conceptual overlaps to 128 distinct codes, 28 intermediate concepts, and 10 subthemes. Four overarching dimensions were identified: conscious self-direction, meaning-making and directionality, reflective responsibility, and relational-structural agency. The relationships among these dimensions indicated that self-direction without meaning could lead to fragmented choices, meaning without genuine choice to passive acceptance of externally imposed goals, responsibility without choice to imposed accountability, and freedom without responsibility to uncommitted action. Choice architecture, algorithms, power relations, institutional roles, and social interaction were also identified as contextual mechanisms capable of either strengthening or constraining learner agency. Learner agency in digital ecosystems is not an isolated individual attribute but a relational, reflective, and ethical capacity emerging from the interaction of self-direction, meaning, responsibility, and socio-technological structures; therefore, digital learning environments should support not only flexibility and personalization but also transparency, genuine choice, reflection, and accountability.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف: هدف پژوهش حاضر تبیین ابعاد و روابط تشکیل‌دهنده عاملیت یادگیرنده در اکوسیستم‌های یادگیری دیجیتال و ارائه چارچوبی فلسفی مبتنی بر خودراهبری آگاهانه، معناسازی و جهت‌مندی، مسئولیت‌پذیری بازاندیشانه و شرایط رابطه‌ای–ساختاری بود. این پژوهش با رویکرد کیفی و در چارچوب پارادایم تفسیری–برساخت‌گرایانه انجام شد. مشارکت‌کنندگان شامل 24 نفر از شهر تهران بودند که با نمونه‌گیری هدفمند ملاک‌محور و با حداکثر تنوع انتخاب شدند و شامل 12 دانشجوی تحصیلات تکمیلی، 6 عضو هیئت علمی و 6 متخصص فناوری آموزشی، طراحی یادگیری یا سامانه‌های آموزش الکترونیکی بودند. داده‌ها از طریق تحلیل مفهومی منابع نظری و مصاحبه‌های نیمه‌ساختاریافته عمیق 55 تا 90 دقیقه‌ای گردآوری شد. نمونه‌گیری تا اشباع مفهومی ادامه یافت. تحلیل داده‌ها به‌صورت هم‌زمان با گردآوری داده و با استفاده از تحلیل مضمون تأملی با جهت‌گیری تفسیری–فلسفی انجام شد. متن مصاحبه‌ها پس از پیاده‌سازی کامل، چندین بار مطالعه، کدگذاری و از طریق مقایسه مستمر در سطوح کدهای اولیه، مفاهیم میانی، مضامین فرعی و ابعاد اصلی سازمان‌دهی شد. برای مدیریت داده‌ها از نرم‌افزار MAXQDA 2024 استفاده شد و اعتبار تحلیل از طریق بازبینی مشارکت‌کنندگان، بررسی همتایان، تحلیل موارد مخالف و ثبت مسیر تحلیلی تقویت گردید. تحلیل داده‌ها به استخراج 436 کد اولیه منجر شد که پس از ادغام موارد تکراری و هم‌پوشان، به 128 کد متمایز، 28 مفهوم میانی و 10 مضمون فرعی تقلیل یافت. چهار بعد اصلی شامل «خودراهبری آگاهانه»، «معناسازی و جهت‌مندی»، «مسئولیت‌پذیری بازاندیشانه» و «عاملیت رابطه‌ای–ساختاری» شناسایی شد. روابط میان ابعاد نشان داد که خودراهبری بدون معنا می‌تواند به انتخاب‌های پراکنده، معنا بدون اختیار به پذیرش منفعلانه اهداف، مسئولیت بدون انتخاب به پاسخ‌گویی تحمیلی و آزادی بدون مسئولیت به کنش‌های فاقد تعهد منجر شود. همچنین، معماری انتخاب، الگوریتم‌ها، روابط قدرت، نقش نهاد و تعامل اجتماعی به‌عنوان شرایط ساختاری مؤثر بر تقویت یا محدودسازی عاملیت شناسایی شدند. عاملیت یادگیرنده در اکوسیستم‌های دیجیتال پدیده‌ای فردی و مستقل نیست، بلکه ظرفیتی رابطه‌ای، بازاندیشانه و اخلاقی است که از تعامل خودراهبری، معنا، مسئولیت و ساختارهای اجتماعی–فناورانه شکل می‌گیرد؛ بنابراین، طراحی محیط‌های دیجیتال باید علاوه بر انعطاف و شخصی‌سازی، شفافیت، امکان انتخاب واقعی، بازاندیشی و پاسخ‌گویی را نیز تقویت کند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Learner agency</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Digital learning ecosystems</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Self-direction</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Meaning-making</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Responsibility</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Digital learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">عاملیت یادگیرنده</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">اکوسیستم یادگیری دیجیتال</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">خودراهبری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">معناسازی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مسئولیت‌پذیری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value"> یادگیری دیجیتال</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://journalcbl.com/index.php/jcbl/article/download/535/343</ArchiveCopySource>
  </Article>
</ArticleSet>
