هوش مصنوعی و شناسایی دانش آموزان با خودتنظیمی کاذب

چکیده پژوهش حاضر با هدف بررسی نقش هوش مصنوعی در شناسایی دانش آموزانی طراحی شده است که در فرآیند یادگیری خود، رفتارهای خودتنظیمی کاذب نشان می دهند. خودتنظیمی کاذب به وضعیتی اشاره دارد که در آن دانش آموزان ظاهرا برنامه ریزی، مدیریت زمان و کنترل هیجانات را رعایت می کنند، اما عملا این رفتارها سطحی و غیرموثر بوده و عملکرد تحصیلی واقعی آن ها با رفتار ظاهری همخوانی ندارد. در این مطالعه، از روش تحلیل داده های بزرگ و الگوریتم های یادگیری ماشین برای پایش داده های روزانه دانش آموزان استفاده شد. داده ها شامل میزان تکمیل تکالیف، زمان صرف شده برای مطالعه، تعاملات کلاسی و گزارش های خودگزارشی هیجانی بود.نتایج پژوهش نشان داد که الگوریتم های هوش مصنوعی قادر به شناسایی الگوهای رفتاری نامتجانس هستند؛ به این معنی که می توان دانش آموزانی را که در ظاهر خودتنظیمی نشان می دهند اما عملکرد واقعی پایین دارند، از دانش آموزان با خودتنظیمی واقعی تفکیک کرد. تحلیل داده ها نشان داد که ویژگی هایی مانند نوسانات شدید انگیزه، افزایش اضطراب و کاهش کیفیت تکالیف شاخص های مهم خودتنظیمی کاذب هستند. همچنین، استفاده از سیستم های هوش مصنوعی امکان ارائه بازخورد شخصی سازی شده و مداخلات به موقع را فراهم می کند تا دانش آموزان بتوانند مهارت های واقعی خودتنظیمی را توسعه دهند.این مطالعه تاکید می کند که تلفیق فناوری هوش مصنوعی با پایش هیجانات و عملکرد تحصیلی، ابزاری موثر برای ارتقای یادگیری واقعی و مدیریت خودتنظیمی دانش آموزان است.

کلیدواژه ها:

واژگان کلیدی: خودتنظیمی کاذب ، هوش مصنوعی ، یادگیری ماشین ، پایش هیجانات ، عملکرد تحصیلی