نقش هوش مصنوعی در شناسایی اختلالات رفتاری دانش آموزان

هدف این پژوهش بررسی ظرفیت های هوش مصنوعی در شناسایی، تحلیل و پیش بینی اختلالات رفتاری دانش آموزان در محیط های آموزشی است. با توجه به پیچیدگی های روان شناختی و تفاوت های فردی در رفتار دانش آموزان، بهره گیری از الگوریتم های یادگیری ماشین و پردازش داده های رفتاری می تواند به شناسایی زودهنگام و مداخله موثر کمک کند. در این مطالعه، از روش تحقیق ترکیبی (کمی-کیفی) استفاده شد. داده های رفتاری از طریق پرسش نامه های استاندارد، مشاهدات کلاسی، و گزارش های معلمان جمع آوری گردید. سپس با بهره گیری از الگوریتم های طبقه بندی نظیر Random Forest و شبکه های عصبی مصنوعی، الگوهای رفتاری تحلیل و دسته بندی شدند. مدل تحلیل پژوهش مبتنی بر یادگیری نظارت شده بود که در آن داده های ورودی شامل شاخص های رفتاری (مانند پرخاشگری، انزوا، اضطراب، بیش فعالی) و خروجی مدل، احتمال وجود اختلال خاص در هر دانش آموز بود. همچنین از تحلیل خوشه ای برای کشف الگوهای پنهان در داده ها استفاده شد. نتایج نشان داد که مدل های هوش مصنوعی با دقت بالای ۹۰٪ قادر به شناسایی اختلالات رفتاری بودند و در مقایسه با ارزیابی های سنتی، سرعت و دقت بیشتری داشتند. همچنین مشخص شد که ترکیب داده های چندمنبعی (رفتار، عملکرد تحصیلی، تعاملات اجتماعی) موجب افزایش اعتبار پیش بینی ها می شود. این پژوهش نشان می دهد که هوش مصنوعی می تواند به عنوان ابزاری توانمند در خدمت روان شناسی تربیتی قرار گیرد و با شناسایی زودهنگام اختلالات رفتاری، زمینه ساز مداخلات هدفمند و بهبود سلامت روانی دانش آموزان گردد.

کلیدواژه ها:

هوش مصنوعی ، اختلالات رفتاری ، دانش آموزان ، مدرسه