تحلیل روان شناختی مدیریت کلاس با استفاده از هوش مصنوعی در مواجهه با دانش آموزان مضطرب

هدف این پژوهش بررسی نقش هوش مصنوعی در مدیریت کلاس های آموزشی با تمرکز بر دانش آموزان مضطرب از منظر روان شناختی است. با توجه به افزایش سطح اضطراب در میان دانش آموزان و تاثیر آن بر عملکرد تحصیلی و تعاملات اجتماعی، این مطالعه تلاش دارد تا با بهره گیری از فناوری های نوین، راهکارهایی برای بهبود فضای آموزشی و کاهش تنش های روانی ارائه دهد. روش پژوهش به صورت ترکیبی (کیفی و کمی) طراحی شده است. در بخش کیفی، مصاحبه های نیمه ساختاریافته با معلمان و مشاوران مدارس انجام شد تا دیدگاه های آنان درباره چالش های مدیریت دانش آموزان مضطرب و نقش فناوری در این زمینه استخراج شود. در بخش کمی، از پرسش نامه های استاندارد اضطراب و تعاملات کلاسی استفاده شد و داده ها با کمک الگوریتم های یادگیری ماشین تحلیل گردید. مدل تحلیل مطالب بر اساس چارچوب روان شناسی شناختی و نظریه های رفتاری طراحی شد. داده های رفتاری دانش آموزان (مانند میزان مشارکت، حالات چهره، پاسخ های کلاسی و الگوهای غیبت) توسط سیستم های هوش مصنوعی پردازش و دسته بندی شدند. سپس با استفاده از مدل های تحلیل خوشه ای و شبکه های عصبی، الگوهای اضطراب شناسایی و با شیوه های مدیریت کلاس تطبیق داده شدند. نتایج پژوهش نشان داد که استفاده از هوش مصنوعی در مدیریت کلاس می تواند به شناسایی زودهنگام نشانه های اضطراب، تنظیم محتوای آموزشی متناسب با وضعیت روانی دانش آموزان، و ارائه بازخوردهای حمایتی منجر شود. همچنین، معلمان با بهره گیری از داده های تحلیلی، توانستند محیطی امن تر و تعاملی تر برای دانش آموزان مضطرب فراهم کنند که در نهایت به بهبود عملکرد تحصیلی و کاهش سطح اضطراب منجر شد. این پژوهش نشان می دهد که تلفیق روان شناسی و فناوری هوش مصنوعی می تواند افق های جدیدی در آموزش و پرورش باز کند و زمینه ساز تحول در شیوه های مدیریت کلاس باشد.

کلیدواژه ها:

مدیریت کلاس ، هوش مصنوعی ، دانش آموزان