Objectives: This study aims to map global research trends on AI-assisted assessment tools, evaluate their effectiveness in improving educational evaluation, and identify challenges that influence their adoption across learning environments. Methodology: A combined bibliometric and systematic literature review (SLR) approach was used. A total of 218 Scopus-indexed publications (2015–2025) were collected using three keyword search strategies. After duplicate removal and PRISMA-based screening, 86 studies were included for qualitative synthesis. Bibliometric indicators—such as publication growth, citation patterns, keyword co-occurrence, and country contributions were analyzed using Biblioshiny. The SLR examined methodological classifications, assessment outcomes, user acceptance, and ethical considerations. Results: The results show rapid growth in publications with an annual increase of 31.95%, dominated by themes such as ChatGPT, machine learning, and learning analytics. The United States leads global scientific production with 397 publications, followed by the United Kingdom and China. AI-assisted assessment tools improve grading consistency, reduce human bias, support automated feedback, and enhance assessment efficiency. However, adoption is uneven due to infrastructural limitations, data-related constraints, algorithmic transparency issues, and educators’ concerns regarding fairness and autonomy. Most studies focused on academic performance (32.9%) and health-related applications (22.4%), while ethical and inclusivity aspects remain underexplored. Conclusions: AI assisted assessment tools have significant potential to transform evaluation practices by enhancing fairness, accuracy, and personalized learning support. Nevertheless, effective implementation requires addressing institutional readiness, improving educator competence, and ensuring transparent decision-making processes to maintain trust and accountability. Recommendations: Future research should focus on long-term classroom evaluations, development of culturally responsive AI models, and broader investigation of ethical risks such as bias and data privacy. Educational institutions and policymakers are encouraged to integrate AI-guided assessment frameworks with human-led pedagogical judgment, ensuring equitable and responsible use of AI technologies in education.

الأهداف: تهدف هذه الدراسة إلى رسم خريطة اتجاهات البحث العالمية حول أدوات التقييم المدعومة من الذكاء الاصطناعي، وتقييم فعاليتها في تحسين التقييم التعليمي، وتحديد التحديات التي تؤثر على تبنيها عبر بيئات التعلم. المنهجية: تم استخدام نهج مشترك بين الببليومترية ومراجعة الأدبيات المنهجية (SLR). تم جمع ما مجموعه 218 منشورا مفهرسا ب Scopus (2015–2025) باستخدام ثلاث استراتيجيات بحث بالكلمات المفتاحية. بعد إزالة النسخ والفحص المعتمد على PRISMA، تم تضمين 86 دراسة للتخليق النوعي. تم تحليل مؤشرات البليومترية — مثل نمو النشر، أنماط الاستشهاد، تداخل الكلمات المفتاحية، ومساهمات الدول باستخدام Biblioshiny. فحص SLR التصنيفات المنهجية، ونتائج التقييم، وقبول المستخدمين، والاعتبارات الأخلاقية. النَّتائج: تظهر النتيجة نموا سريعا في المنشورات بزيادة سنوية بنسبة 31.95٪، تهيمن عليها مواضيع مثل ChatGPT، وتعلم الآلة، وتحليلات التعلم. تتصدر الولايات المتحدة الإنتاج العلمي العالمي ب 397 منشورا، تليها المملكة المتحدة والصين. تعزز أدوات التقييم المدعومة الذكاء الاصطناعي من اتساق التقييم، وتقلل من التحيز البشري، وتدعم التغذية الراجعة المؤتمتة، وتعزز كفاءة التقييم. ومع ذلك، فإن التبني غير متساو بسبب القيود في البنية التحتية، والقيود المتعلقة بالبيانات، ومشاكل الشفافية الخوارزمية، ومخاوف المعلمين بشأن العدالة والاستقلالية. ركزت معظم الدراسات على الأداء الأكاديمي (32.9٪) والتطبيقات المتعلقة بالصحة (22.4٪)، بينما لا تزال الجوانب الأخلاقية والشمولية غير مستكشفة بشكل كاف. الاستنتاجات: تمتلك أدوات التقييم المدعومة الذكاء الاصطناعي إمكانات كبيرة لتحويل ممارسات التقييم من خلال تعزيز العدالة والدقة ودعم التعلم الشخصي. ومع ذلك، يتطلب التنفيذ الفعال معالجة جاهزية المؤسسات، وتحسين كفاءة المعلمين، وضمان عمليات اتخاذ القرار الشفافة للحفاظ على الثقة والمساءلة. التوصيات: يجب أن تركز الأبحاث المستقبلية على التقييمات طويلة الأمد في الفصول الدراسية، وتطوير نماذج الذكاء الاصطناعي المتجاوبة ثقافيا، والتحقيق الأوسع في المخاطر الأخلاقية مثل التحيز وخصوصية البيانات. يشجع المؤسسات التعليمية وصناع السياسات على دمج أطر التقييم الموجهة الذكاء الاصطناعي مع الحكم التربوي الذي يقوده الإنسان، لضمان استخدام عادل ومسؤول لتقنيات الذكاء الاصطناعي في التعليم.