طراحی مدل هوشمند آموزش شخصی سازی شده بر پایه پردازش زبان طبیعی و تحلیل هیجان برای بهبود تعامل معلم–دانش آموز در محیط های یادگیری دیجیتال

تحول دیجیتال در نظام های آموزشی باعث شکل گیری نسل جدیدی از یادگیری های هوشمند شده است که در آن تعامل میان معلم و دانش آموز دیگر محدود به فضای فیزیکی کلاس نیست، بلکه در بستری از فناوری های شناختی و زبانی شکل می گیرد. پژوهش حاضر با هدف طراحی مدل هوشمند آموزش شخصی سازی شده بر پایه پردازش زبان طبیعی (NLP) و تحلیل هیجان انجام گرفته است تا سازوکاری نو برای بهبود تعامل معلم–دانش آموز در محیط های یادگیری دیجیتال ارائه دهد. این مدل بر اساس ترکیب داده های متنی حاصل از گفت وگوهای یادگیرندگان و داده های هیجانی (نظیر تن صدا، چهره و انتخاب واژگان) توسعه یافته و با استفاده از الگوریتم های یادگیری عمیق، الگوهای شناختی و هیجانی دانش آموزان شناسایی می شود.در گام نخست، پژوهش به بررسی نظریه های موجود در زمینه آموزش تطبیقی، یادگیری عاطفی–شناختی، و هوش مصنوعی آموزشی پرداخته و سپس با بهره گیری از چارچوب طراحی مبتنی بر داده، مدلی تلفیقی شامل سه مولفه ی اصلی ارائه می کند: تحلیل زبانی–شناختی، تحلیل هیجانی–عاطفی، و بازخورد تطبیقی بلادرنگ. داده ها از طریق شبیه سازی سناریوهای آموزشی در پلتفرم های یادگیری دیجیتال گردآوری و توسط شبکه های عصبی بازگشتی (RNN) و مدل های زبان بزرگ (LLMs) تحلیل شدند. نتایج اولیه نشان می دهد که به کارگیری تحلیل هیجان در کنار پردازش زبان طبیعی، دقت سیستم در تشخیص وضعیت های شناختی–عاطفی یادگیرندگان را تا بیش از ۳۰٪ افزایش داده و موجب ارتقای معنادار کیفیت ارتباط و رضایت آموزشی دانش آموزان شده است.این مدل با ایجاد یک اکوسیستم یادگیری پویا، امکان طراحی بازخوردهای هوشمند و شخصی سازی محتوا را فراهم می سازد و از منظر تربیتی، بستری برای آموزش انسان محور در عصر داده محوری مهیا می کند. یافته های پژوهش حاضر می تواند گامی موثر در جهت توسعه نسل جدید محیط های یادگیری دیجیتال مبتنی بر درک زبان و هیجان انسان باشد.

کلیدواژه ها:

آموزش شخصی سازی شده ، پردازش زبان طبیعی ، تحلیل هیجان ، یادگیری دیجیتال ، تعامل معلم–دانش آموز ، هوش مصنوعی تربیتی