بررسی کاربرد تحلیل احساسات (Sentiment Analysis) در شبیه سازی و ارزیابی درک دانش آموزان از مطالب درسی

در سال های اخیر، با گسترش آموزش های الکترونیکی و توسعه فناوری های هوش مصنوعی، استفاده از روش های نوین برای تحلیل و ارزیابی فرآیند یادگیری اهمیت ویژه ای یافته است. یکی از این روش ها، تحلیل احساسات (Sentiment Analysis) است که با بهره گیری از الگوریتم های پردازش زبان طبیعی (NLP) به شناسایی نگرش ها و احساسات دانش آموزان در داده های متنی می پردازد. هدف این پژوهش، بررسی نقش و کاربرد تحلیل احساسات در شبیه سازی و ارزیابی درک دانش آموزان از مطالب درسی است. در این راستا، داده های متنی حاصل از تعاملات یادگیرندگان در محیط های آموزش مجازی مورد تحلیل قرار گرفت و با استفاده از مدل های یادگیری عمیق مانند ParsBERT، احساسات مثبت، منفی و خنثی استخراج و طبقه بندی شد. نتایج فرضی نشان می دهد که بین احساسات مثبت دانش آموزان و میزان درک مفهومی آنان از محتوای درسی رابطه ای مستقیم وجود دارد. یافته ها بیانگر آن است که تحلیل احساسات می تواند به عنوان ابزاری موثر در پایش خودکار وضعیت هیجانی و شناختی دانش آموزان و همچنین در بهبود کیفیت یادگیری و طراحی سیستم های آموزشی هوشمند مورد استفاده قرار گیرد.

کلیدواژه ها:

تحلیل احساسات ، یادگیری هوشمند ، پردازش زبان طبیعی ، ارزیابی آموزشی ، درک مفهومی