مدل سازی شبکه ای تعامل مولفه های شناختی و هیجانی در پیش بینی عملکرد یادگیری: یک مطالعه مبتنی بر شبکه های بیزی و تحلیل مسیر

این مطالعه با هدف مدلسازی تعامل پویا بین مولفه های شناختی و هیجانی و پیشبینی عملکرد یادگیری، از طریق تلفیق دو روش شبکه های بیزی (Bayesian Networks) و تحلیل مسیر (Path Analysis) انجام شده است. جامعه آماری پژوهش شامل ۳۰۰ دانش آموز مقطع متوسطه بود که با استفاده از پرسشنامه های استاندارد سنجش مولفه های شناختی (حافظه کاری، توجه، خودتنظیمی) و هیجانی (اضطراب تحصیلی، انگیزش درونی، خودکارآمدی) و همچنین آزمون های عملکرد یادگیری مورد ارزیابی قرار گرفتند. در مرحله اول، با به کارگیری شبکه های بیزی، ساختار احتمالی روابط بین متغیرها شناسایی شد و نشان داده شد که خودتنظیمی و خودکارآمدی به عنوان قویترین پیش بینی کننده های عملکرد یادگیری عمل می کنند، در حالی که اضطراب تحصیلی از طریق کاهش انگیزش، تاثیر منفی غیرمستقیم بر یادگیری دارد. در مرحله دوم، با استفاده از تحلیل مسیر، روابط علی بین متغیرها بررسی شد که نتایج آن نشان دهنده تاثیر مستقیم و معنادار حافظه کاری و تاثیر غیرمستقیم انگیزش از طریق خودکارآمدی بر عملکرد یادگیری بود. یافته های این پژوهش بر اهمیت رویکرد یکپارچه به شناخت و هیجان در یادگیری تاکید دارد و نشان می دهد که مدل های ترکیبی (شبکه های بیزی و تحلیل مسیر) می توانند پیش بینی دقیق تری از عملکرد یادگیری ارائه دهند. این نتایج می تواند مبنایی برای طراحی مداخلات آموزشی شخصی سازی شده باشد که همزمان بر تقویت کارکردهای شناختی و تنظیم هیجانات دانش آموزان تمرکز می کنند.

کلیدواژه ها:

مدلسازی شبکه ای ، مولفه های شناختی ، مولفه های هیجانی ، عملکرد یادگیری ، شبکه های بیزی