شناسایی شاخص های فرسودگی شغلی معلمان ابتدایی از طریق تحلیل احساسی گفتار آن ها با الگوریتم های یادگیری ماشین

فرسودگی شغلی معلمان ابتدایی یکی از چالش های اساسی در نظام آموزشی است که می تواند تاثیرات عمیقی بر کیفیت تدریس، سلامت روانی معلمان و در نهایت عملکرد دانش آموزان داشته باشد. در این پژوهش، به شناسایی شاخص های فرسودگی شغلی از طریق تحلیل احساسی گفتار معلمان پرداخته شده است. داده های صوتی معلمان جمع آوری و با استفاده از الگوریتم های پیشرفته یادگیری ماشین مورد تحلیل قرار گرفتند تا الگوهای احساسی مرتبط با فرسودگی شغلی استخراج شوند. نتایج نشان می دهد که تحلیل احساسات می تواند ابزاری موثر در شناسایی زودهنگام فرسودگی شغلی باشد و به مداخلات به موقع کمک کند. این رویکرد نوین، امکان ارزیابی غیرمستقیم و کم هزینه فرسودگی را فراهم می کند و می تواند جایگزینی مناسب برای روش های سنتی مبتنی بر پرسشنامه باشد. یافته های این مطالعه می تواند به برنامه ریزان آموزشی و مدیران مدارس در طراحی برنامه های حمایتی موثر یاری رساند.

کلیدواژه ها:

فرسودگی شغلی ، تحلیل احساسی گفتار ، یادگیری ماشین ، معلمان ابتدای