تحلیل احساسات در پیام هایگروه های کلاسی برای پیشگیری از پرخاشگری

دنیای دیجیتال امروز، استفاده از پلتفرم های آموزشی آنلاین به طورفزاینده ای در حال گسترش است و این محیط های مجازی نقش مهمی در تعاملات اجتماعی و آموزشی دانش آموزان دارند. یکی از مشکلات عمده ای که در چنین پلتفرم هایی ممکن است به وجود آید، بروز رفتارهای پرخاشگرانه است که می تواند تاثیرات منفی زیادی بر سلامت روانی دانش آموزان، روند یادگیری و روابط اجتماعی آن ها داشته باشد. این تحقیق به تحلیل احساسات در پیام هایگروه های کلاسی آنلاین و پیش بینی پرخاشگری دانش آموزان پرداخته است. هدف این پژوهش، شناسایی و تحلیل الگوهای عاطفی و احساسی در تعاملات نوشتاری دانش آموزان در گروه های آنلاین است تا بتوان از این اطلاعات برای پیشگیری از رفتارهای پرخاشگرانه استفاده کرد.در این پژوهش، از پردازش زبان طبیعی (NLP) و الگوریتم های یادگیری ماشین برای تجزیه وتحلیل پیام های متنی و شناسایی احساسات در آنها بهره گرفته شد. ابتدا، پیام هایگروه های کلاسی در چندین محیط آموزشی مختلف جمع آوری شدند. سپس، این داده ها با استفاده از تکنیک های پردازش زبان طبیعی و مدل های یادگیری ماشین مانند ماشین های بردار پشتیبان (SVM)، شبکه های عصبی (ANN) و درخت تصمیم مورد تجزیه وتحلیل قرار گرفتند. از طریق تحلیل احساسات، پیام ها به دسته های مختلفی از جمله "مثبت"، "منفی" و "خنثی" تقسیم بندی شدند. همچنین، ویژگی های خاصی مانند ساختار جملات، واژگان استفاده شده، و طول پیام ها برای شناسایی نشانه های پرخاشگری و عصبانیت شناسایی شدند.نتایج این تحقیق نشان می دهند که پیام های حاوی واژگان منفی و تهدیدآمیز، که اغلب در واکنش به مشکلات یا اختلافات در محیط های آنلاین ایجاد می شوند، می توانندپیش بینی کننده های اصلی برای بروز پرخاشگری در گروه های کلاسی باشند. به ویژه در مواقعی که دانش آموزان به طور مکرر از واژگان توهین آمیز، تهدید و خشونت استفاده می کنند، احتمال بروز رفتارهای پرخاشگرانه در دنیای واقعی نیز افزایش می یابد. به علاوه، تحلیل داده ها نشان داد که دانش آموزانی که بیشتر در پیام های گروهی با لحن تند و تحریک آمیز وارد بحث می شوند، تمایل بیشتری به بروز رفتارهای پرخاشگرانه دارند.یکی از مهم ترین نتایج این تحقیق، ارزیابی دقیق الگوهای رفتاری در فضای آنلاین بود که قادر به شناسایی نشانه های اولیه پرخاشگری در پیام های نوشتاری بود. این اطلاعات می توانند به معلمان، مشاوران و مدیران مدارس کمک کنند تا با شناسایی به موقع این رفتارها، مداخلات لازم را انجام داده و از بروز مشکلات جدی تر جلوگیری کنند. همچنین، این مطالعه نشان داد که مدل های یادگیری ماشین، به ویژهشبکه های عصبی عمیق، دقت بالایی در تحلیل و پیش بینی رفتارهای پرخاشگرانه دارند و می توانندبه طور خودکار و با سرعت بالا احساسات موجود در متن ها را شبیه سازیکنند.در نهایت، این تحقیق پیشنهاد می کند که پلتفرم های آموزشی و گروه های کلاسی آنلاین به طور فعال از ابزارهای تحلیل احساسات و مدل های یادگیری ماشین برای نظارت بر تعاملات دانش آموزان و شناسایی رفتارهای پرخاشگرانه استفاده کنند. با این کار می توانند آگاهی از وضعیت روانی دانش آموزان را بهبود بخشند، پیشگیری از خشونت را تسهیل کنند و به طور کلی یک محیط آموزشی سالم تر و امن تر ایجاد کنند.

کلیدواژه ها:

پردازش زبان طبیعی ، تحلیل احساسات ، یادگیری ماشین ، گروه های کلاسی آنلاین ، پرخاشگری ، پیشگیری از پرخاشگری ، شبکه های عصبی ، تحلیل رفتارهای دیجیتال ، داده کاوی ، تعاملات آموزشی.