موضوعات جدید پایان نامه رشته کامپیوتر گرایش نرم افزار + 113عنوان بروز

در دنیای پرشتاب امروز، رشته کامپیوتر و به ویژه گرایش نرم‌افزار، همواره در حال تحول و نوآوری است. انتخاب یک موضوع پایان‌نامه مناسب و به‌روز، نه تنها سنگ بنای یک مسیر تحقیقاتی موفق است، بلکه می‌تواند آینده شغلی و علمی دانشجو را نیز تحت تأثیر قرار دهد. این مقاله با هدف راهنمایی دانشجویان و پژوهشگران، به بررسی روندهای نوین در حوزه نرم‌افزار می‌پردازد و ۱۱۳ عنوان پیشنهادی برای پایان‌نامه‌های کارشناسی ارشد و دکترا ارائه می‌کند که منعکس‌کننده آخرین پیشرفت‌ها و نیازهای بازار کار و صنعت است.

مقدمه: تحولات شتابان و نیاز به نوآوری در گرایش نرم‌افزار

گرایش نرم‌افزار در رشته کامپیوتر، هسته اصلی توسعه فناوری‌های نوین است. از هوش مصنوعی و یادگیری ماشین گرفته تا امنیت سایبری و رایانش ابری، هر روز شاهد پیشرفت‌های شگرفی هستیم که چشم‌انداز آینده را دگرگون می‌کنند. این تحولات، دانشجویان را بر آن می‌دارد تا با انتخاب موضوعاتی که هم از نظر علمی غنی هستند و هم کاربرد عملی دارند، به این حرکت رو به جلو بپیوندند. انتخاب موضوع پایان‌نامه در این رشته، نیازمند درک عمیق از روندهای جهانی، چالش‌های موجود و فرصت‌های نوظهور است.

چرا انتخاب موضوع پایان نامه حیاتی است؟

پایان‌نامه، اوج یک دوره تحصیلی و نمادی از توانایی دانشجو در انجام تحقیقات مستقل و حل مسائل پیچیده است. انتخاب یک موضوع مناسب، نه تنها تضمین‌کننده نمره خوب و دفاع موفق است، بلکه می‌تواند درب‌های جدیدی را به روی فرصت‌های شغلی، ادامه تحصیل در مقاطع بالاتر و حتی کارآفرینی باز کند. یک موضوع به‌روز و چالش‌برانگیز، دانشجو را ترغیب به یادگیری عمیق‌تر و نوآوری می‌کند و نتایج تحقیقاتی او را ارزشمندتر می‌سازد.

رویکردهای نوین در انتخاب موضوع پایان نامه: نگاهی مقایسه‌ای

در گذشته، بسیاری از موضوعات پایان‌نامه بر پایه بهبود الگوریتم‌های موجود یا توسعه سیستم‌های اطلاعاتی سنتی بود. اما امروزه، با ظهور فناوری‌های پیشرفته، رویکردها نیز تغییر کرده‌اند. جدول زیر، تفاوت‌های کلیدی بین رویکردهای سنتی و نوین در انتخاب موضوع پایان‌نامه را نشان می‌دهد:

رویکرد سنتی	رویکرد نوین و آینده‌نگر
تمرکز بر بهینه‌سازی الگوریتم‌های شناخته‌شده	توسعه الگوریتم‌ها و مدل‌های مبتنی بر هوش مصنوعی برای مسائل پیچیده
توسعه سیستم‌های اطلاعاتی استاندارد (مدیریت انبار، حسابداری)	طراحی و پیاده‌سازی پلتفرم‌های ابری، بلاک‌چین، یا سیستم‌های IoT
تحلیل داده‌های ساختاریافته و حجیم (Big Data) به روش‌های قدیمی	کشف الگوهای پنهان در داده‌های بزرگ و بی‌ساختار با یادگیری عمیق
امنیت شبکه و اطلاعات بر پایه فایروال و رمزنگاری کلاسیک	امنیت مبتنی بر هوش مصنوعی، بلاک‌چین و تشخیص ناهنجاری‌ها
کاربردهای محدود از واقعیت مجازی/افزوده	توسعه تجربه‌های همه‌جانبه (Immersive Experiences) با VR/AR/MR

حوزه‌های داغ و آینده‌دار در گرایش نرم‌افزار

برای انتخاب موضوعی به‌روز و دارای پتانسیل بالا، شناخت حوزه‌های کلیدی که در حال حاضر مورد توجه صنعت و دانشگاه هستند، ضروری است.

🤖 هوش مصنوعی و یادگیری ماشین (AI/ML)

این حوزه، موتور محرک بسیاری از نوآوری‌ها در نرم‌افزار است. از پردازش زبان طبیعی گرفته تا بینایی ماشین و سیستم‌های توصیه‌گر، کاربردهای هوش مصنوعی بی‌شمارند. موضوعات در این بخش می‌توانند شامل توسعه الگوریتم‌های جدید، بهبود مدل‌های موجود، یا کاربرد AI در حوزه‌های خاص باشند.

🔒 امنیت سایبری و بلاک‌چین

با افزایش حملات سایبری و نیاز به تراکنش‌های امن و شفاف، امنیت سایبری و فناوری بلاک‌چین اهمیت ویژه‌ای یافته‌اند. موضوعات در این زمینه می‌توانند شامل توسعه پروتکل‌های امنیتی نوین، تشخیص نفوذ مبتنی بر AI، یا کاربردهای بلاک‌چین در حوزه‌های مختلف باشند.

☁️ رایانش ابری و لبه‌ای (Cloud/Edge Computing)

مدیریت داده‌ها و سرویس‌ها در مقیاس وسیع، نیاز به راهکارهای ابری و لبه‌ای را دوچندان کرده است. موضوعات مرتبط با بهینه‌سازی منابع ابری، امنیت در محیط‌های توزیع‌شده، یا توسعه معماری‌های لبه‌ای برای IoT در این دسته قرار می‌گیرند.

📱 توسعه وب و موبایل پیشرفته

از Progressive Web Apps (PWA) گرفته تا فریم‌ورک‌های جدید و طراحی رابط کاربری (UI/UX) هوشمند، توسعه وب و موبایل همواره در حال تکامل است. موضوعات این حوزه می‌توانند شامل بهبود کارایی، امنیت، یا تجربه کاربری در پلتفرم‌های مدرن باشند.

💬 پردازش زبان طبیعی (NLP) و بینایی ماشین (CV)

این دو حوزه از مهمترین زیرشاخه‌های هوش مصنوعی هستند که به ماشین‌ها امکان درک و تعامل با جهان را می‌دهند. تحلیل احساسات، ترجمه ماشینی، تشخیص چهره، و پردازش تصاویر پزشکی نمونه‌هایی از موضوعات پرطرفدار در این زمینه‌ها هستند.

⚙️ مهندسی نرم‌افزار و متدولوژی‌های چابک

توسعه نرم‌افزار پیچیده نیازمند فرآیندهای مهندسی قوی است. موضوعات شامل بهبود کیفیت کد، اتوماسیون تست، DevOps، معماری‌های میکروسرویس و مدیریت پروژه‌های چابک (Agile) می‌شوند.

🕶️ واقعیت مجازی و افزوده (VR/AR)

این فناوری‌ها در حال تغییر نحوه تعامل ما با کامپیوترها هستند و در آموزش، سرگرمی، پزشکی و صنعت کاربردهای فراوانی دارند. موضوعات می‌توانند شامل توسعه رابط‌های کاربری جدید، بهبود عملکرد سیستم‌ها، یا کاربردهای خاص در حوزه‌های مختلف باشند.

🔗 اینترنت اشیا (IoT) و سیستم‌های توزیع‌شده

شبکه‌ای از اشیاء متصل که داده‌ها را جمع‌آوری و مبادله می‌کنند، فرصت‌های تحقیقاتی زیادی را فراهم می‌کند. موضوعات در این حوزه شامل مدیریت داده‌ها، امنیت، پروتکل‌های ارتباطی و کاربردهای IoT در شهر هوشمند، سلامت و صنعت هستند.

⚛️ محاسبات کوانتومی (Quantum Computing)

این حوزه نوظهور با پتانسیل حل مسائل غیرقابل حل برای کامپیوترهای کلاسیک، موضوعات تحقیقاتی بسیار پیشرویی را ارائه می‌دهد. از توسعه الگوریتم‌های کوانتومی تا شبیه‌سازی و کاربرد آن در رمزنگاری، این حوزه بسیار جذاب است.

اینفوگرافیک: مسیر انتخاب موضوع پایان نامه

✓ گام به گام تا انتخاب موضوع ایده‌آل ✓

💡

1. تعیین علاقه و تخصص

حوزه‌هایی که به آنها علاقه دارید و در آنها دانش قبلی دارید را شناسایی کنید.

📈

2. بررسی روندهای جدید

مقالات علمی، کنفرانس‌ها و گزارش‌های صنعتی را برای یافتن موضوعات داغ مطالعه کنید.

🔍

3. شناسایی شکاف‌های تحقیقاتی

در پژوهش‌های موجود، نقاط ضعف یا حوزه‌های کمتر کاوش شده را پیدا کنید.

🤝

4. مشورت با اساتید

با اساتید راهنما در مورد ایده‌های خود و امکان‌سنجی آن‌ها صحبت کنید.

🎯

5. محدود کردن و تعریف دقیق

موضوع انتخابی را به صورت دقیق و قابل اجرا تعریف کنید.

113 موضوع جدید و به‌روز برای پایان‌نامه نرم‌افزار

در این بخش، مجموعه‌ای از موضوعات پیشنهادی در حوزه‌های مختلف گرایش نرم‌افزار ارائه شده است تا الهام‌بخش شما در انتخاب مسیر تحقیقاتی‌تان باشد.

► هوش مصنوعی و یادگیری ماشین (AI/ML)

1. توسعه مدل‌های یادگیری عمیق برای تشخیص بیماری‌ها از تصاویر پزشکی (MRI، CT)
2. بهینه‌سازی الگوریتم‌های یادگیری تقویتی برای رباتیک و سیستم‌های خودران
3. طراحی سیستم‌های توصیه‌گر هوشمند مبتنی بر گراف‌های دانش (Knowledge Graphs)
4. تشخیص تقلب در تراکنش‌های مالی با استفاده از یادگیری ماشین بی‌نظارت
5. پیش‌بینی رفتار کاربران در پلتفرم‌های آنلاین با استفاده از مدل‌های سری زمانی عمیق
6. توسعه مدل‌های Generative Adversarial Networks (GANs) برای تولید محتوای خلاقانه
7. کاربرد یادگیری تقویتی برای بهینه‌سازی تخصیص منابع در رایانش ابری
8. تشخیص ناهنجاری در داده‌های صنعتی با استفاده از اتوانکدرهای عمیق
9. توسعه سیستم‌های AI توضیح‌پذیر (XAI) در کاربردهای حساس مانند پزشکی و قضا
10. بهبود کارایی مدل‌های یادگیری فدرال (Federated Learning) برای حفظ حریم خصوصی
11. تشخیص سوگیری (Bias Detection) و رفع آن در مدل‌های یادگیری ماشین
12. استفاده از یادگیری فعال (Active Learning) برای کاهش نیاز به داده‌های برچسب‌دار
13. توسعه سیستم‌های هوش مصنوعی مولد (Generative AI) برای کدنویسی خودکار
14. بهینه‌سازی معماری شبکه‌های عصبی با الگوریتم‌های تکاملی
15. یادگیری ماشین بر روی دستگاه‌های کم‌مصرف (TinyML) برای کاربردهای IoT

► امنیت سایبری و بلاک‌چین

16. طراحی پروتکل‌های امنیتی مبتنی بر بلاک‌چین برای اینترنت اشیا (IoT)
17. تشخیص حملات سایبری پیشرفته (APT) با استفاده از یادگیری عمیق
18. کاربرد بلاک‌چین در مدیریت هویت دیجیتال و احراز هویت غیرمتمرکز
19. توسعه قراردادهای هوشمند (Smart Contracts) قابل اعتماد و بدون آسیب‌پذیری
20. امنیت داده‌ها در محیط‌های رایانش ابری با استفاده از رمزنگاری همومورفیک
21. تشخیص بدافزارهای جدید با استفاده از تحلیل رفتار و یادگیری ماشین
22. پیاده‌سازی سیستم‌های رأی‌گیری الکترونیکی امن و شفاف مبتنی بر بلاک‌چین
23. تجزیه و تحلیل آسیب‌پذیری‌ها در نرم‌افزارهای متن‌باز با AI
24. طراحی سیستم‌های تشخیص نفوذ (IDS) هوشمند برای شبکه‌های 5G
25. استفاده از بلاک‌چین برای ردیابی زنجیره تأمین (Supply Chain) و افزایش شفافیت
26. امنیت سایبری در محیط‌های OT/ICS با استفاده از هوش مصنوعی
27. محافظت از حریم خصوصی در داده‌های بزرگ با استفاده از دیفرانسیل پرایوسی
28. توسعه روش‌های تشخیص Deepfake و دستکاری محتوای دیجیتال
29. رمزنگاری پسا-کوانتومی (Post-Quantum Cryptography) برای سیستم‌های فعلی
30. امنیت میکروسرویس‌ها در معماری‌های ابری مدرن

► رایانش ابری و لبه‌ای (Cloud/Edge Computing)

31. بهینه‌سازی زمان‌بندی وظایف (Task Scheduling) در محیط‌های ابری ناهمگن
32. طراحی معماری‌های Serverless برای کاربردهای با مقیاس‌پذیری بالا
33. مهاجرت برنامه‌های کاربردی میراث (Legacy Applications) به محیط‌های کانتینری (Docker/Kubernetes)
34. تعادل بار (Load Balancing) هوشمند در سیستم‌های رایانش لبه‌ای
35. مدیریت منابع انرژی در دیتاسنترهای ابری با استفاده از الگوریتم‌های هوش مصنوعی
36. توسعه چارچوبی برای همکاری امن بین دستگاه‌های لبه‌ای و ابری
37. بهینه‌سازی مصرف انرژی در رایانش لبه‌ای برای کاربردهای IoT
38. طراحی سیستم‌های خودترمیم‌شونده (Self-Healing) در زیرساخت‌های ابری
39. افزایش امنیت و حریم خصوصی در رایانش لبه‌ای با بلاک‌چین
40. پلتفرم‌های توزیع‌شده برای آموزش مدل‌های یادگیری ماشین در Edge
41. مهاجرت و مدیریت داده‌های بزرگ در محیط‌های چند ابری (Multi-Cloud)
42. بهینه‌سازی توزیع کانتینرها در خوشه‌های Kubernetes برای عملکرد و هزینه
43. تشخیص ناهنجاری در عملکرد سرویس‌های ابری با یادگیری ماشین
44. ارائه یک مدل کسب و کار مبتنی بر رایانش لبه‌ای برای شهرهای هوشمند
45. مقایسه و بهینه‌سازی ابزارهای DevOps برای استقرار در محیط ابری

► توسعه وب و موبایل پیشرفته

46. طراحی و پیاده‌سازی Progressive Web Apps (PWAs) با قابلیت آفلاین و تجربه کاربری بالا
47. بهینه‌سازی عملکرد وب‌سایت‌ها و اپلیکیشن‌های موبایل با استفاده از هوش مصنوعی
48. توسعه رابط‌های کاربری (UI) تطبیق‌پذیر و خودکار با یادگیری ماشین
49. طراحی سیستم‌های تشخیص آسیب‌پذیری امنیتی در کدهای جاوااسکریپت
50. توسعه چارچوب‌های جدید برای ساخت اپلیکیشن‌های موبایل Cross-Platform
51. بهینه‌سازی تجربه کاربری (UX) در اپلیکیشن‌های موبایل با تحلیل ردیابی چشم
52. پیاده‌سازی سیستم‌های چت‌بات هوشمند برای پشتیبانی مشتری در وب
53. تحلیل احساسات کاربران از نظرات اپلیکیشن‌های موبایل
54. توسعه پلتفرم‌های وب 3.0 مبتنی بر بلاک‌چین و فناوری‌های غیرمتمرکز
55. کاربرد WebAssembly برای بهبود عملکرد برنامه‌های تحت وب پیچیده
56. طراحی سیستم‌های کمک‌رسان صوتی (Voice Assistant) برای وب‌سایت‌ها
57. بهینه‌سازی دسترسی‌پذیری (Accessibility) وب‌سایت‌ها برای افراد دارای معلولیت
58. توسعه ابزارهای خودکار برای تست رابط کاربری اپلیکیشن‌های موبایل
59. شناسایی و جلوگیری از کلیک‌های تقلبی (Click Fraud) در تبلیغات موبایلی
60. استفاده از AR/VR در اپلیکیشن‌های موبایل برای افزایش تعامل کاربر

► پردازش زبان طبیعی (NLP) و بینایی ماشین (CV)

61. توسعه مدل‌های NLP برای تحلیل متون فارسی با گویش‌ها و لهجه‌های مختلف
62. تشخیص اشیاء و رویدادها در ویدئوهای نظارتی با استفاده از یادگیری عمیق
63. تولید متن خودکار (Text Generation) در حوزه‌های خاص (مثلاً خبرنویسی ورزشی)
64. تشخیص عیوب در محصولات صنعتی با استفاده از بینایی ماشین و الگوریتم‌های CNN
65. خلاصه‌سازی خودکار متون بلند با استفاده از مدل‌های ترنسفورمر
66. بازسازی سه‌بعدی از تصاویر دوبعدی با استفاده از شبکه‌های عصبی عمیق
67. ترجمه ماشینی عصبی برای زبان‌های کم‌منبع (Low-Resource Languages)
68. تشخیص حالات چهره و احساسات انسان از روی تصاویر و ویدئوها
69. توسعه چت‌بات‌های هوشمند و محاوره‌ای (Conversational AI) با درک زمینه
70. تحلیل تصاویر ماهواره‌ای برای تشخیص تغییرات زیست‌محیطی
71. استخراج اطلاعات از اسناد غیرساختاریافته (مثلاً فاکتورها) با NLP
72. بهبود دقت تشخیص چهره در شرایط نوری نامساعد
73. تولید زیرنویس خودکار برای ویدئوها با استفاده از ترکیب NLP و CV
74. تشخیص پلاک خودرو و شناسایی مدل آن با بینایی ماشین
75. تحلیل احساسات در شبکه‌های اجتماعی برای درک افکار عمومی

► مهندسی نرم‌افزار و متدولوژی‌های چابک

76. توسعه ابزارهای خودکار برای تولید کد و تست (Code Generation & Testing)
77. بهبود فرآیندهای DevOps با استفاده از هوش مصنوعی برای CI/CD
78. معماری میکروسرویس‌ها و چالش‌های پیاده‌سازی و مدیریت آنها
79. شناسایی و رفع بدهی فنی (Technical Debt) در پروژه‌های نرم‌افزاری بزرگ
80. بهینه‌سازی مدیریت پروژه‌های چابک (Scrum/Kanban) با یادگیری ماشین
81. توسعه ابزارهایی برای تحلیل کد استاتیک و تشخیص آسیب‌پذیری‌های امنیتی
82. کاربرد متدولوژی‌های چابک در توسعه سیستم‌های ایمن و حیاتی
83. طراحی سیستم‌های تشخیص ناهنجاری در رفتار کاربران نرم‌افزار
84. پیش‌بینی زمان و هزینه پروژه نرم‌افزاری با استفاده از مدل‌های ML
85. توسعه چارچوب‌های تست اتوماتیک برای سیستم‌های توزیع‌شده
86. شناسایی و کاهش بوی کد (Code Smells) با رویکردهای خودکار
87. مهندسی نرم‌افزار برای هوش مصنوعی: چالش‌ها و راهکارها
88. مدل‌سازی و شبیه‌سازی رفتار کاربران برای تست کارایی سیستم‌ها
89. مدیریت نیازمندی‌ها (Requirements Management) در محیط‌های Agile
90. پایداری نرم‌افزار (Software Sustainability) و کاهش مصرف انرژی در طول چرخه حیات

► واقعیت مجازی و افزوده (VR/AR/MR)

91. طراحی رابط‌های کاربری (UI/UX) نوآورانه برای محیط‌های واقعیت افزوده
92. کاربرد VR در شبیه‌سازی‌های آموزشی برای حوزه‌های پزشکی و مهندسی
93. توسعه سیستم‌های ناوبری داخلی با استفاده از AR در محیط‌های بزرگ
94. بهینه‌سازی رندرینگ و عملکرد گرافیکی در اپلیکیشن‌های VR/AR
95. تعامل انسان و کامپیوتر (HCI) در محیط‌های واقعیت ترکیبی (MR)
96. کاربرد واقعیت افزوده برای نگهداری و تعمیرات صنعتی
97. تشخیص اشیاء سه‌بعدی و مکان‌یابی آنها در زمان واقعی برای AR
98. توسعه پلتفرم‌های همکاری مبتنی بر VR/AR برای کار از راه دور
99. بهبود تجربه کاربری در بازی‌های واقعیت مجازی با هوش مصنوعی
100. مدل‌سازی سه‌بعدی خودکار محیط‌ها با استفاده از دوربین‌های AR

► اینترنت اشیا (IoT) و سیستم‌های توزیع‌شده

101. امنیت و حریم خصوصی در شبکه‌های اینترنت اشیا (IoT Security)
102. توسعه پروتکل‌های ارتباطی کم‌مصرف برای دستگاه‌های IoT
103. مدیریت داده‌های حجیم (Big Data) تولید شده توسط حسگرهای IoT
104. پیاده‌سازی سیستم‌های خودسازمان‌دهنده (Self-Organizing) در IoT
105. کاربرد IoT در شهر هوشمند (Smart City) برای مدیریت ترافیک و انرژی
106. تشخیص ناهنجاری در داده‌های حسگرهای IoT با یادگیری ماشین
107. بهینه‌سازی مصرف انرژی در شبکه‌های حسگر بی‌سیم (WSN)
108. توسعه سیستم‌های مدیریت خانه هوشمند مبتنی بر IoT و AI
109. امنیت لبه‌ای در شبکه‌های IoT با استفاده از بلاک‌چین
110. کاربرد IoT در سلامت هوشمند (Smart Health) و مانیتورینگ بیماران

► محاسبات کوانتومی (Quantum Computing)

111. طراحی الگوریتم‌های کوانتومی برای حل مسائل بهینه‌سازی
112. شبیه‌سازی سیستم‌های کوانتومی بر روی کامپیوترهای کلاسیک
113. کاربرد محاسبات کوانتومی در رمزنگاری و شکستن الگوریتم‌های فعلی

نکات کلیدی برای موفقیت در پایان‌نامه نرم‌افزار

انتخاب موضوع تنها گام اول است. برای موفقیت در کل مسیر پایان‌نامه، توجه به نکات زیر ضروری است:

ارتباط با صنعت و بازار کار: سعی کنید موضوعی را انتخاب کنید که هم از نظر علمی غنی باشد و هم بتواند به یک نیاز واقعی در صنعت یا جامعه پاسخ دهد.
نوآوری و اصالت: هدف اصلی پایان‌نامه، ارائه سهمی جدید در دانش موجود است. از تکرار کارهای قبلی بپرهیزید و به دنبال رویکردی نوآورانه باشید.
قابلیت اجرا: مطمئن شوید که منابع (داده، ابزار، دانش) لازم برای انجام تحقیق در دسترس شماست و زمان‌بندی پروژه واقع‌بینانه است.
مشاوره مستمر با استاد راهنما: راهنمایی‌های استاد راهنما بسیار ارزشمند است. از تجربیات و دانش او به بهترین شکل استفاده کنید.
مهارت‌های برنامه‌نویسی قوی: در گرایش نرم‌افزار، تسلط بر یک یا چند زبان برنامه‌نویسی و فریم‌ورک‌های مرتبط، حیاتی است.
مستندسازی دقیق: از ابتدای کار، تمامی مراحل، تصمیمات و نتایج را به دقت مستند کنید. این کار به نگارش نهایی پایان‌نامه کمک شایانی می‌کند.

نتیجه‌گیری

انتخاب موضوع پایان‌نامه در رشته کامپیوتر گرایش نرم‌افزار، یک تصمیم مهم و تأثیرگذار است. با درک روندهای جدید فناوری، شناسایی حوزه‌های داغ و مشورت با اساتید، می‌توانید موضوعی را انتخاب کنید که هم به چالش‌های روز پاسخ دهد و هم به رشد علمی و حرفه‌ای شما کمک کند. ۱۱۳ موضوع ارائه شده در این مقاله، تنها یک نقطه شروع است و انتظار می‌رود شما با تحقیق و کاوش بیشتر، به ایده منحصر به فرد خود دست یابید. موفقیت شما در این مسیر آرزوی ماست.

/* Basic styling for responsiveness – block editors usually handle this via theme */
@media (max-width: 768px) {
.h1-responsive {
font-size: 2em !important;
}
.h2-responsive {
font-size: 1.5em !important;
}
.h3-responsive {
font-size: 1.2em !important;
}
table {
display: block;
overflow-x: auto;
}
table thead, table tbody, table th, table td, table tr {
display: block;
}
table tr {
margin-bottom: 15px;
border: 1px solid #dee2e6;
border-radius: 5px;
}
table td {
border: none;
position: relative;
padding-left: 50% !important;
text-align: right;
}
table td::before {
content: attr(data-label);
position: absolute;
left: 0;
width: 45%;
padding-left: 15px;
font-weight: bold;
text-align: left;
}
/* Specific override for the 2-column table to keep it simple on mobile if it fits */
table:not([data-responsive=”complex”]) td {
padding-left: 15px !important; /* Revert to normal for simple tables */
}
table:not([data-responsive=”complex”]) td::before {
content: “”;
display: none;
}
}
/* Add a generic font to the body for the editor if it doesn’t already have one */
body {
font-family: ‘B Nazanin’, Arial, sans-serif;
}

// This script helps ensure headings and table cells are correctly rendered as block elements
// and labels for responsive tables. It’s often handled by the editor itself, but included for robustness.
document.addEventListener(‘DOMContentLoaded’, function() {
const h1 = document.querySelector(‘h1’);
if (h1) h1.classList.add(‘h1-responsive’);
const h2s = document.querySelectorAll(‘h2’);
h2s.forEach(h2 => h2.classList.add(‘h2-responsive’));
const h3s = document.querySelectorAll(‘h3’);
h3s.forEach(h3 => h3.classList.add(‘h3-responsive’));