نقش هوش مصنوعی در شناسایی علائم اولیه افسردگی تحصیلی دانش آموزان

افسردگی تحصیلی (Academic Depression) یکی از چالش های جدی سلامت روان در میان دانش آموزان است که می تواند با علائمی چون بی انگیزگی، کاهش علاقه به درس، افت عملکرد تحصیلی، احساس درماندگی و گوشه گیری اجتماعی همراه باشد. شناسایی به موقع علائم اولیه افسردگی در محیط های آموزشی می تواند از بروز مشکلات شدیدتر روانی و ترک تحصیل جلوگیری کند. روش های سنتی شناسایی این اختلال غالبا بر پایه مشاهده معلمان و گزارش والدین است که به دلیل محدودیت های انسانی و تاخیر در مداخله، کارایی کافی ندارند. ظهور هوش مصنوعی (AI) فرصتی نوین برای شناسایی زودهنگام علائم افسردگی تحصیلی فراهم کرده است. الگوریتم های یادگیری ماشین و تحلیل احساسات می توانند داده های رفتاری، شناختی و هیجانی دانش آموزان را در محیط های آموزشی (مانند زمان صرف شده برای مطالعه، میزان مشارکت، کیفیت تکالیف، زبان نوشتاری در یادداشت ها و حتی حالات چهره) بررسی کرده و الگوهای هشداردهنده را شناسایی کنند. هدف پژوهش حاضر بررسی نقش هوش مصنوعی در شناسایی علائم اولیه افسردگی تحصیلی است. در این مطالعه داده های رفتاری و متنی دانش آموزان از سامانه های آموزشی جمع آوری و با الگوریتم های شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM) و تحلیل احساسات مبتنی بر NLP تحلیل می شود. همچنین، مصاحبه با معلمان و مشاوران برای تکمیل داده ها انجام خواهد شد. انتظار می رود نتایج نشان دهند که سیستم های هوشمند قادرند با دقت بالایی نشانه های اولیه افسردگی تحصیلی را شناسایی کنند و بدین ترتیب امکان مداخله زودهنگام، مشاوره روان شناختی و حمایت تحصیلی فراهم گردد. این پژوهش می تواند گامی مهم در جهت ارتقای سلامت روانی و بهبود کیفیت زندگی تحصیلی دانش آموزان باشد.

کلیدواژه ها:

هوش مصنوعی ، افسردگی تحصیلی ، شناسایی زودهنگام ، تحلیل احساسات ، سلامت روان دانش آموزان