<?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 علوم پزشکی و خدمات بهداشتی- درمانی استان اصفهان</PublisherName>
				<JournalTitle>مدیریت اطلاعات سلامت</JournalTitle>
				<Issn>1735-7853</Issn>
				<Volume>22</Volume>
				<Issue>شماره4(زمستان)</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>12</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Analyzing Research Trends in the Field of Artificial Intelligence and Health Literacy: A Scientometric Approach</ArticleTitle>
<VernacularTitle>تحلیل روندهای پژوهش در حوزه هوش مصنوعی و سواد سلامت: با رویکرد علم‌سنجی</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">33295</ELocationID>
			
<ELocationID EIdType="doi">10.48305/him.2026.45888.1359</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سیف اله</FirstName>
					<LastName>اندایش</LastName>
<Affiliation>استادیار/ دانشکده ادبیات و علوم انسانی. دانشگاه خلیج فارس. بوشهر. ایران</Affiliation>
<Identifier Source="ORCID">0000-0002-0095-4272</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>11</Month>
					<Day>14</Day>
				</PubDate>
			</History>
		<Abstract>Objective: This study aims to analyze the knowledge structure, scientific trends, and thematic evolution of research on artificial intelligence and health literacy using a scientometric approach.&lt;br&gt;&lt;br&gt;Methods: This study was conducted using a bibliometric approach. Data were retrieved from the Scopus database without time restrictions. A total of 2,864 documents published between 1983 and 2025 were selected for analysis. The data were imported into Bibliometrix software.&lt;br&gt;&lt;br&gt;Results: The findings indicate that this field has experienced sustained and accelerated growth with an annual growth rate of 4.95%. The scientific collaboration network shows that the United States, with the highest number of links, is at the center of the network. The co-occurrence map identified four main themes: health education and language models, clinical applications, methodology and technical assessment, and mental health. Thematic evolution analysis revealed three distinct phases: expert systems (1983-2005), digital technologies and modern infrastructures (2005-2018), and generative AI and large language models (2018-2024). In the strategic diagram, the combination of &quot;AI-ChatGPT-health literacy&quot; was identified as a motor theme with high centrality and impact.&lt;br&gt;&lt;br&gt;Conclusion: The field of AI and health literacy has evolved from expert systems to large language models, and the integration of ChatGPT with health literacy has been identified as a strategic research front.&lt;br&gt;&lt;br&gt;Keywords: Artificial Intelligence, Health Literacy, Large Language Models, Health Education&lt;br&gt;&lt;br&gt;Key Message: AI in healthcare has evolved from expert systems to large language models. Advancing this emerging field at the intersection of health literacy requires a comprehensive approach to ethics, interdisciplinary collaboration, and modern infrastructure.</Abstract>
			<OtherAbstract Language="FA">هدف این پژوهش، تحلیل ساختار دانشی، روندهای علمی و تحول موضوعی پژوهش‌های مرتبط با هوش مصنوعی و سواد سلامت با رویکرد علم‌سنجی است. .&lt;br&gt;&lt;br&gt;روش‌بررسی: این مطالعه با رویکرد کتابسنجی انجام شد. داده‌ها از پایگاه اسکوپوس و بدون محدودیت زمانی گردآوری شد. 2864 سند منتشرشده طی سال‌های 1983 تا 2025 برای تحلیل انتخاب شد. تحلیل داده‌ها با بهره‌گیری از نرم‌افزار VOSviower و Bibliometrix انجام شد.&lt;br&gt;&lt;br&gt;یافته‌ها : نتایج نشان می‌دهد که این حوزه با نرخ رشد سالانه ۴.۹۵ درصد رشد پایدار و شتابانی داشته است. الگوی همکاری علمی کشورها نشان می‌دهد که ایالات متحده آمریکا با بیشترین پیوندها در مرکز شبکه قرار دارد. نقشه هم‌واژگانی چهار محور اصلی را مشخص کرد: آموزش سلامت و مدل‌های زبانی، کاربردهای بالینی، روش‌شناسی و سنجش فنی و سلامت روان. تحلیل تحول موضوعی نیز سه فاز متمایز را نشان داد: سیستم‌های خبره (۱۹۸۳-۲۰۰۵)، فناوری‌های دیجیتال و زیرساخت‌های نوین (۲۰۰۵-۲۰۱۸)، و هوش مصنوعی مولد و مدل‌های زبانی بزرگ (۲۰۱۸-۲۰۲۴). در نقشه موضوعی، ترکیب «هوش مصنوعی-ChatGPT-سواد سلامت» به عنوان موضوعی راهبردی با مرکزیت و تأثیرگذاری بالا شناسایی شد. &lt;br&gt;&lt;br&gt;نتیجه‌گیری: حوزه هوش مصنوعی و سواد سلامت از سیستم‌های خبره به مدل‌های زبانی بزرگ تحول یافته و ترکیب ChatGPT با سواد سلامت به عنوان جبهه پژوهشی راهبردی شناسایی شده است. &lt;br&gt;&lt;br&gt;واژه‌های کلیدی: هوش مصنوعی، سواد سلامت، مدل‌های زبانی بزرگ، آموزش سلامت &lt;br&gt;&lt;br&gt;پیام کلیدی: هوش مصنوعی در سلامت از سیستم‌های خبره به مدل‌های زبانی بزرگ تحول یافته است. پیشبرد این حوزه نوظهور در تلاقی با سواد سلامت، نیازمند رویکردی جامع به اخلاق، همکاری میان‌رشته‌ای و زیرساخت‌های نوین است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سواد سلامت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‌های زبانی بزرگ</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">آموزش سلامت</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
