تحلیل داده های یادگیری توسط هوش مصنوعی و نقش آن در شناسایی نیازهای هیجانی و شناختی دانش آموزان

این مقاله به تبیین چگونگی به کارگیری هوش مصنوعی در تحلیل داده های یادگیری برای شناسایی همزمان نیازهای هیجانی و شناختی دانش آموزان می پردازد و نشان می دهد چگونه پیوند شاخص های عملکردی کلاس مانند دقت، زمان پاسخ، الگوی خطا و نرخ تکمیل تکلیف با شواهد هیجانی همچون مشارکت معنادار، درخواست کمک و محتوای بازخوردهای نوشتاری می تواند تصویر جامع تری از وضعیت یادگیری بسازد. هدف پژوهش ارائه چارچوبی عملی برای تبدیل خروجی مدل ها به اقدام آموزشی است تا معلم و مشاور بتوانند سطح دشواری را تنظیم کنند، بازخورد بهنگام بدهند و حمایت عاطفی لازم را برنامه ریزی کنند. روش تحقیق به صورت تحلیلی توصیفی و مبتنی بر مطالعات کتابخانه ای و مرور نظام مند مقالات معتبر انجام شده و با طراحی یک الگوی شاخص محور، سازوکار پردازش، تفسیر و ترجمه آموزشی یافته ها تشریح می شود. نتایج نشان می دهد ترکیب نشانگرهای شناختی و هیجانی، دقت شناسایی دانش آموزان در معرض افت را افزایش می دهد، زمان مداخله را کوتاه می کند، کیفیت بازخورد را بهبود می دهد و در نهایت به ارتقای پایبندی دانش آموز به تکالیف و رشد احساس خودکارآمدی تحصیلی می انجامد. همچنین توجه به حاکمیت داده، شفافیت، دسترسی نقش محور و ارزیابی سوگیری مدل ها شرط لازم برای اعتمادپذیری و اجرای موفق در مدرسه است و می تواند مسیر استقرار پایدار را هموار کند.

کلیدواژه ها:

هوش مصنوعی در آموزش ، تحلیل داده های یادگیری ، نیازهای هیجانی دانش آموز ، نشانگرهای شناختی ، مداخله تطبیقی ، حاکمیت داده مدرسه