هوش مصنوعی و شناسایی زودهنگام ترومای دیجیتال در محیط های یادگیری ترکیبی: چارچوب مفهومی اخلاق محور و راهبردهای حمایتی

گسترش محیط های یادگیری ترکیبی و دیجیتال ضمن افزایش انعطاف پذیری و دسترسی آموزشی پیامدهای روان شناختی نوینی برای فراگیران ایجاد کرده است که یکی از مهم ترین آن ها ترومای دیجیتال است. این پدیده با تجربه پایدار اضطراب، خستگی شناختی و احساس فقدان کنترل در تعاملات آموزشی دیجیتال همراه است و در صورت عدم شناسایی به موقع سلامت روان و اثربخشی یادگیری را به طور جدی تهدید می کند. پژوهش حاضر با هدف ارائه چارچوبی اخلاق محور و سلامت محور برای شناسایی زودهنگام ترومای دیجیتال، از نوع مرور نظام مند مفهومی انجام شد. مطالعات منتشر شده بین ۲۰۲۰ تا ۲۰۲۵ با استفاده از راهنمای PRISMA بررسی و داده ها با رویکرد تحلیل مضمون در نرم افزار ۲۰۲۲ MAXQDA تحلیل شدند. یافته ها نشان داد الگوریتم های هوش مصنوعی به ویژه پردازش زبان طبیعی و یادگیری عمیق قادرند نشانه های اولیه ترومای دیجیتال شامل تغییرات ظریف زبانی، کاهش مشارکت آموزشی، افزایش واژگان منفی و الگوهای انزوای دیجیتال را شناسایی کنند. بر اساس این یافته ها چارچوبی چهارلایه شامل داده های آموزشی دیجیتال، پردازش هوشمند، شاخص های ریسک ترومای دیجیتال و مداخلات حمایتی انسانی پیشنهاد شد. این چارچوب با تاکید بر نقش مکمل هوش مصنوعی و تصمیم گیری انسانی امکان ارائه مداخلات غیرکلینیکی مانند گفت وگوی حمایتی و تعدیل بار آموزشی را فراهم می کند و می تواند به طراحی محیط های یادگیری انسانی تر، سلامت محور و ایمن تر کمک کند.

کلیدواژه ها:

هوش مصنوعی ، ترومای دیجیتال ، یادگیری ترکیبی ، پردازش زبان طبیعی ، مداخلات حمایتی