تلفیق مدیریت کلاس مبتنی بر هوش مصنوعی با رویکرد های حمایتی برای کاهش اضطراب وافت تحصیلی

هدف این پژوهش، ارزیابی اثربخشی تلفیق مدیریت کلاس مبتنی بر هوش مصنوعی با رویکردهای حمایتی در کاهش اضطراب و افت تحصیلی دانش آموزان است. در این راستا، یک مدل مداخله ای چهار مرحله ای طراحی شد که شامل پایش هوشمند عملکرد و مشارکت دانش آموزان با استفاده از ابزارهای AI، شناسایی زودهنگام موارد در معرض خطر، ارائه مداخلات حمایتی فردی (عاطفی، آموزشی و روان شناختی) توسط معلم و مشاور، و در نهایت بازنگری در اثربخشی مداخلات بود. شیوه پژوهش، ترکیبی (کمی و کیفی) بوده و داده ها از طریق ابزارهای پایش AI (مانند تحلیل الگوهای یادگیری و مشارکت)، پرسشنامه های اضطراب و افت تحصیلی، مصاحبه های نیمه ساختاریافته با معلمان و دانش آموزان، و تحلیل محتوای بازخوردهای ارائه شده جمع آوری گردید. مدل تحلیل محتوا برای بررسی کیفی داده های حاصل از مصاحبه ها و پاسخ های باز به کار رفت تا درک عمیقی از تجربیات و دیدگاه های ذینفعان حاصل شود. یافته های کلیدی نشان داد که این تلفیق به طور قابل توجهی سطوح اضطراب دانش آموزان را کاهش داده و روند افت تحصیلی را معکوس کرده است. دانش آموزان از دریافت بازخورد شخصی سازی شده و حمایت مستمر ابراز رضایت کرده و احساس امنیت روانی بیشتری در محیط کلاس گزارش دادند. معلمانی که در این پژوهش شرکت داشتند، توانستند با دید بهتری نسبت به نیازهای فردی دانش آموزان خود عمل کنند. در مجموع، این رویکرد تلفیقی، پتانسیل بالایی برای ایجاد محیط های یادگیری حمایتی و موثر دارد.کلمات کلیدی:مدیریت کلاس، هوش مصنوعی، رویکردهای حمایتی، اضطراب تحصیلی، افت تحصیلی، یادگیری تطبیقی