پیش‌بینی مشکلات روان‌شناختی دانش‌آموزان با استفاده از داده‌های رفتاری مبتنی بر هوش مصنوعی

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 18

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
فصل نامه علمی تخصصی پژوهش برتر - سال اول شماره سوم - پاییز 1404

نویسندگان :
بهامین بنی عباس آموزگار مقطع ابتدایی،اداره آموزش و پرورش استان خوزستان-اهواز

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/351

چکیده فارسی :

در دهه‌های اخیر، افزایش شیوع مشکلات روان‌شناختی در میان دانش‌آموزان به یکی از دغدغه‌های اصلی نظام‌های آموزشی و سلامت روان تبدیل شده است. عواملی همچون فشارهای تحصیلی، تغییرات سریع اجتماعی، گسترش فضای مجازی، تعاملات بین‌فردی پیچیده و شرایط خانوادگی می‌توانند سلامت روان دانش‌آموزان را تحت تأثیر قرار داده و زمینه‌ساز بروز اختلالاتی نظیر اضطراب، افسردگی، استرس تحصیلی، افت عملکرد آموزشی و مشکلات رفتاری شوند. شناسایی زودهنگام این مشکلات نقش مهمی در پیشگیری از پیامدهای بلندمدت آن‌ها دارد، اما روش‌های سنتی ارزیابی روان‌شناختی اغلب زمان‌بر، پرهزینه و وابسته به گزارش‌های ذهنی هستند.پیشرفت‌های اخیر در حوزه هوش مصنوعی و تحلیل کلان‌داده‌ها، امکان استفاده از داده‌های رفتاری دانش‌آموزان را به‌عنوان منبعی عینی و پیوسته برای پایش وضعیت روان‌شناختی فراهم کرده است. هدف این مقاله مروری، بررسی و تحلیل نظام‌مند مطالعات انجام‌شده در زمینه پیش‌بینی مشکلات روان‌شناختی دانش‌آموزان با استفاده از داده‌های رفتاری مبتنی بر هوش مصنوعی است. در این راستا، پژوهش‌های منتشرشده در پایگاه‌های علمی معتبر مورد بررسی قرار گرفته و انواع داده‌های رفتاری شامل الگوهای حضور و غیاب، نمرات و روند پیشرفت تحصیلی، میزان مشارکت در کلاس‌های حضوری و مجازی، تعاملات اجتماعی در محیط‌های یادگیری الکترونیکی، داده‌های ثبت‌شده در سامانه‌های مدیریت یادگیری و اطلاعات حاصل از ابزارهای دیجیتال و پوشیدنی تحلیل شده‌اند.ین مقاله همچنین به بررسی الگوریتم‌های متداول مورد استفاده در این حوزه، از جمله روش‌های یادگیری ماشین نظیر رگرسیون لجستیک، درخت تصمیم، ماشین بردار پشتیبان، جنگل تصادفی و روش‌های پیشرفته یادگیری عمیق مانند شبکه‌های عصبی مصنوعی و شبکه‌های بازگشتی می‌پردازد. یافته‌های مطالعات نشان می‌دهد که مدل‌های هوش مصنوعی قادرند با دقت و قابلیت پیش‌بینی قابل‌توجه، الگوهای پنهان در داده‌های رفتاری را استخراج کرده و نشانه‌های اولیه مشکلات روان‌شناختی را پیش از بروز علائم شدید شناسایی کنند.با وجود مزایای قابل توجه این رویکردها، چالش‌های مهمی همچون مسائل اخلاقی، حفظ حریم خصوصی و امنیت داده‌ها، سوگیری الگوریتم‌ها، شفافیت و تفسیرپذیری مدل‌ها و لزوم همکاری میان متخصصان حوزه آموزش، روان‌شناسی و علوم داده مطرح است. در نهایت، نتایج این مقاله مروری نشان می‌دهد که بهره‌گیری مسئولانه و آگاهانه از هوش مصنوعی می‌تواند نقش مؤثری در ارتقای نظام‌های حمایتی مدرسه‌محور، طراحی مداخلات پیشگیرانه و بهبود سلامت روان دانش‌آموزان ایفا کند و مسیر پژوهش‌های آینده را در این حوزه روشن سازد.

کلمات کلیدی فارسی :
هوش مصنوعی، سلامت روان دانش‌آموزان، داده‌های رفتاری، یادگیری ماشین، یادگیری عمیق، پیش‌بینی مشکلات روان‌شناختی