المراجع

1. 1.
   أبو زيد، أماني محمد (2021). برنامج معد وفق التعلم التکيفي الذکي في الکيمياء الحيوية لتنمية مهارات التمثيل الجزيئي والتفکير البصري لدى طلاب کلية التربية، مجلة کلية التربية فى العلوم التربوية، (4)45، .546-489
2. 2.
   بركات، علي عاطف وشحاته، نشوي رفعت والمرسى، محمود عبد المنعم وجمعة، سهير السعيد (2023). أثر تصميم بيئة تعلم تكيفية وفق الأسلوب المعرفي (التحليلي/الشمولي) في تنمية مهارات التفكير العليا لدي طالبات المرحلة الثانوية الأزهرية، مجلة کلية التربية بدمياط، 87(38)،319-396
3. 3.
   بن شلوان، مي سعد& العباسي، دانية عبدالعزيز. .(2021) دراسة اتجاهات طلبة الجامعة السعودية الإلكترونية في مدينة الرياض نحو التعلم التكيُّفِي. مجلة العلوم التربوية و النفسية، 5(9)، .41-61
4. 4.
   أبوشوشة، رويدة.(2024). أثر استخدام بيئة تعُّلم إلكترونية تكيُّفيّة قائمة على الذكاء الاصطناعيّ على تنمية مهارات التفكير العليا في مادة الكيمياء لدى طلبة المرحلة الثانوية [رسالة ماجستير غير منشورة] .جامعة الشرق الأوسط.
5. 5.
   جيمس برادي، جيرارد هيوم شتون، الكيمياء العامة والمباديء والبنية، ج1، ترجمة سليمان سعسع ومأمون الحلبي، نيويورك، جون ويلي للنشر، 1992م.
6. 6.
   رجب، وفاء محمود (2019). تطوير بيئات التعلم الإلکترونى التکيفية فى ضوء تکنولوجيا تحليلات التعلم، المجلة العلمية المحکمة للجمعية المصرية للکمبيوتر التعليمي، 1(7)، 51-77.
7. 7.
   السالمي،أمل مصلح حاسن (2019). أثر تصميم بيئة تعلم إلکترونية تکيفية على تنمية المهارات العملية في مقرر الأحياء لدى طالبات المرحلة الثانوية بالطائف. مجلة کلية التربية:أسيوط-كلية التربية، 35(12)، 250-275
8. 8.
   عکاشة، محمد محمود والجزار، منى محمد وفخري، احمد محمود (2019). بيئة تعلم تکيفية وفقا للمعرفة السابقة وسقالات التعلم وأثرها على تنمية نواتج التعلم لدى تلاميذ المرحلة الإعدادية، تکنولوجيا التربية دراسات وبحوث،(39)2، 373-404.
9. 9.
   متولي، مروة محمدي (2021). بِناء بيئة تعُلم تکيُفية وقِياس تأثيرُها فى تَنمِية مهارات التفکير الُمحوسَب لدى تلاميذ المرحلة الإعدادية. مجلة القراءة والمعرفة:جامعة عين شمس-كلية التربية-الجمعية المصرية للقرلءة والمعرفة، 21(237)، 345-374.
10. 10.
    الملاح، تامر المغاوري (2017). التعلم التكيفي، دار سحاب للنشر والتوزيع، القاهرة.
11. 11.
    ملحم، سامي محمد.(2016). مناهج البحث في التربية وعلم النفس. عمان: دار المسيرة للنشر والتوزيع.
12. 12.
    Ajzen, I., Fishbein, M., Lohmann, S., & Albarracín, D. (2018). The influence of attitudes on behavior. The handbook of attitudes, volume 1: Basic principles, 197-255.
13. 13.
    Akcil, U., & Bastas, M. (2020). Examination of university students' attitudes towards e-learning during the covid-19 pandemic process and the relationship of digital citizenship. Contemporary Educational Technology, 13(1), ep291.
14. 14.
    Akram, Humaira., Abdelrady, Abbas Hussein., Al-Adwan, A.., & Ramzan, Muhammad. (2022). Teachers’ Perceptions of Technology Integration in Teaching-Learning Practices: A Systematic Review. Frontiers in Psychology,13. http://doi.org/10.3389/fpsyg.2022.920317
15. 15.
    Çelik, B., & Uzunboylu, H. (2020). Developing an attitude scale towards distance learning. Behaviour&InformationTechnology,41(4),731–739. https://doi.org/10.1080/0144929X.2020.1832576
16. 16.
    Dziuban, C., Moskal, P., Johnson, C., & Evans, D. (2017). Adaptive learning: A tale of two contexts. Current Issues in Emerging eLearning, 4(1), 3.
17. 17.
    Jianu ,E. M. and Vasilateanu ,A. "Designing of an e-learning system using adaptivity and gamification," 2017 IEEE International Systems Engineering Symposium (ISSE), Vienna, Austria, 2017, pp. 1-4, doi: 10.1109/SysEng.2017.8088270.
18. 18.
    Kem, D. (2022). Personalised and adaptive learning: Emerging learning platforms in the era of digital and smart learning. International Journal of Social Science and Human Research, 5(2), 385-391.
19. 19.
    Lei, G., Luo, X., Yang, S., & Xiao, K. (2021). Adaptive online learning model based on big data. In Application of Intelligent Systems in Multi-modal Information Analytics: Proceedings of the 2020 International Conference on Multi-model Information Analytics (MMIA2020), Volume 1 (pp. 643-649). Springer International Publishing.
20. 20.
    Lei, G., Luo, X., Yang, S., Xiao, K. (2021). Adaptive Online Learning Model Based on Big Data. In: Sugumaran, V., Xu, Z., Zhou, H. (eds) Application of Intelligent Systems in Multi-modal Information Analytics (MMIA 2020), Advances in Intelligent Systems and Computing, Vol. 1233. Springer, Cham. https://doi.org/10.1007/978-3-030-51431-0_92.
21. 21.
    Mahdi, G. J. (2014). Student attitudes towards chemistry: An examination of choices and preferences. American Journal of Educational Research, 2(6), 351 356. http://doi.org/10.12691/education-2-6-3
22. 22.
    Marzano, G., Abuže, A., & Nur, Y. (2021). Improving Adaptive Learning in a Smart Learning Environment. ENVIRONMENT. TECHNOLOGIES. RESOURCES. Proceedings of the International Scientific and Practical Conference.
23. 23.
    Mazzuco, A., Krassmann, A.L., Reategui, E., & Gomes, R.S. (2022). A systematic review of augmented reality in chemistry education. Review of Education.
24. 24.
    Musengimana, J., Kampire, E., & Ntawiha, P. (2021). Factors Affecting Secondary Schools Students' Attitudes toward Learning Chemistry: A Review of Literature. EURASIA Journal of Mathematics, Science and Technology Education, 17(1).
25. 25.
    Pallant, J.(2005). SPSS survival manual: a Step-by-step guide to data analysis using SPSS for windows (Version 12) (2nd ed). Maidenhead: Open University Press.
26. 26.
    Peng, H., Ma, S., & Spector, J. M. (2019). Personalized adaptive learning: an emerging pedagogical approach enabled by a smart learning environment. Smart Learning Environments, 6(1), 1-14.
27. 27.
    Qazi, A., Hardaker, G., Ahmad, I.S., Darwich, M., Maitama, J.Z., & Dayani, A. (2021). The Role of Information & Communication Technology in Elearning Environments: A Systematic Review. IEEE Access, 9, 45539-45551.
28. 28.
    Salta, Katerina., Paschalidou, Katerina., Tsetseri, M.., & Koulougliotis, D.. (2021). Shift From a Traditional to a Distance Learning Environment during the COVID-19 Pandemic. Science & Education , 31 , 93 - 122 . http://doi.org/10.1007/s11191-021-00234-x
29. 29.
    Savytri, A., & Ratri, D.(2023). A Comprehensive Design Guide to Adaptive e-Learning System Based on VARK Learning Styles. Indonesian Journal of Multidiciplinary Research, 3(2), 453-464.
30. 30.
    Uyar,A.(2023).Exploringthestudents’attitudestowardse-learningatterritorylevel:afocuson Türkiye: Students’ attitudes towards e-learning. International Journal of Curriculum and Instruction, 15(2), 1327-1353.
31. 31.
    Villegas-Ch, W., Roman-Cañizares, M., Jaramillo-Alcázar, A., & Palacios-Pacheco, X. (2020). Data analysis as a tool for the application of adaptive learning in a university environment. Applied Sciences, 10(20), 7016.
32. 32.
    Vykopal, J., Seda, P., Švábenský, V., & Čeleda, P. (2023). Smart Environment for Adaptive Learning of Cybersecurity Skills. IEEE Transactions on Learning Technologies.
33. 33.
    Waladi, C., Khaldi, M., & Sefian, M. L. (2023). Machine Learning Approach for an Adaptive E- Learning System Based on Kolb Learning Styles. International Journal of Emerging Technologies in Learning, 18(12). DOI: 10.3991/ijet.v18i12.39327