پیش بینی شاخص های یادگیری اجتماعی-هیجانی (Socio-Emotional Learning) با روش های داده کاوی

یادگیری اجتماعی-هیجانی (Social-Emotional Learning or SEL) مجموعه ای از مهارت ها و توانمندی هایی است که توانایی های فرد را در شناخت و مدیریت احساسات، برقراری ارتباط موثر، همدلی، تصمیم گیری مسئولانه و مدیریت روابط اجتماعی تقویت می کند. توجه به SEL در نظام های آموزشی معاصر افزایشی چشمگیر داشته است، چرا که پژوهش ها نشان می دهند توانمندسازی عاطفی-اجتماعی دانش آموزان نه تنها سلامت روان و رفاه آنان را بهبود می بخشد، بلکه بر نتایج تحصیلی نیز تاثیر مثبت دارد. در این مقاله تحلیلی، رویکردهای داده کاوی و یادگیری ماشین برای پیش بینی شاخص های SEL بررسی می شوند و چارچوبی عملی برای طراحی سامانه های پیش بین مبتنی بر داده های آموزشی، پرسش نامه ای، مشاهداتی و لاگ های دیجیتال پیشنهاد می گردد. مزایا و مخاطرات استفاده از مدل های پیش بینی در SEL (شامل مسائل عدالت، سوگیری داده ای، پیامدهای اخلاقی و حریم خصوصی) تحلیل می شود و راهکارهای کاهش ریسک و افزایش اعتبار مدل ها ارائه می گردد. همچنین نمونه هایی از کاربردهای عملی مانند شناسایی دانش آموزان در معرض نیاز به مداخلات، شخصی سازی برنامه های آموزش هیجانی و پشتیبانی تصمیم گیری برای معلمان شرح داده می شود. نتیجه گیری نشان می دهد که با طراحی دقیق داده کاوی، ترکیب داده های چندمنبع و توجه جدی به اخلاق و تعمیم پذیری، روش های داده کاوی می توانند ابزار موثری برای پیش بینی و تقویت SEL فراهم آورند. این مقاله برای پژوهشگران حوزه آموزش، تحلیلگران یادگیری و سیاست گذاران آموزشی چارچوبی مبتنی بر شواهد و کاربردپذیر ارائه می دهد.

کلیدواژه ها:

یادگیری اجتماعی-هیجانی ، داده کاوی آموزشی ، یادگیری ماشین ، پیش بینی مهارت های اجتماعی-هیجانی ، اخلاق در داده کاوی آموزشی