抽象目的 - 在当今的竞争激烈的世界中，这项研究的目的是强调管理教育的重要意义，并倡导采用创新的教学方法，特别是专注于人工智能（AI）驱动的个性化学习（PL）。本研究旨在探讨自决理论（SDT）原则与管理教育的整合，主要侧重于增强学生的动机，参与和学业成绩（AP）。设计/方法论/方法 - 该跨学科研究采用了多方面的方法，结合了AI，教育和心理学的观点。设计和方法涉及对AI驱动教育和SDT的理论基础的彻底探索。研究表明，这两个要素如何协同作用以创造整体教育经验。为了证实理论主张，采用了经验数据驱动的分析，以展示AI支持的个性化学习（AIPL）的有效性。该研究集成了SDT的原则，例如自主权，能力和相关性，以创造一个学生本质上动机的环境，并获得最佳结果的量身定制指导。发现 - 植根于SDT的研究表明，AIPL对管理教育的变革性影响。它积极地影响了学生的自主权，能力和相关性，并促进了参与度。自治是关键驱动程序，与改进的AP紧密相关。实践意义 - 这项研究对教育者，决策者和研究人员具有很大的重要性。路径分析模型验证了这些关系，突出了AI在重塑教育经验和内在激励学生中的关键作用。发现表明AIPL模型可有效增加学生的兴趣和改善AP。此外，这项研究提供了实施AI在管理教育中的AI的实用指南，以增强学生能力，增强参与度并与SDT原则保持一致。独创性/价值 - 通过跨学科镜头贡献原始见解。综合AI和SDT原则，为更有效的教育经验提供了路线图。经验数据驱动的分析提高了信誉，为技术受教育景观的教育工作者和政策制定者提供了宝贵的贡献。