Method Article

التحليل التنبؤي للكفاءة الذاتية الإبداعية لطلاب الكلية بناء على نمذجة شجرة القرار

DOI:

10.3791/68730

⸱

August 8th, 2025

 ,  ,  , 
1Faculty of Arts and Social Sciences, University of Malaya, 2Faculty of Chemistry and Life Sciences, Chengdu Normal University, 3Qingdao Art School, 4Faculty of Creative Arts, University of Malaya

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تبحث الدراسة في استخدام نموذج شجرة القرار C5.0 المعدل (DTM) للتنبؤ بالكفاءة الذاتية الإبداعية (CSE) بين طلاب الجامعات. يهدف البحث إلى تحديد فعالية DTM في التنبؤ بكلية العلوم والتعليم وتحديد المتغيرات التي تتنبأ بها.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الإبداع هو نقطة محورية في البحث النفسي الحالي ، محليا ودوليا. يعد الوعي الذاتي للفرد بإبداعه أمرا حيويا لتحديد إمكاناته الإبداعية ، ومساعدته على فهم نقاط القوة والضعف ، وتعزيز إبداعه الذاتي. هناك عدد قليل من الدراسات حول الإدراك الذاتي لطلاب الجامعات للإبداع وعدد أقل حول استخدام شجرة القرار (DT) للتنبؤ بهذا الإدراك الذاتي. هدفت هذه الدراسة إلى تقييم فعالية استخدام نموذج شجرة القرار C5.0 المعدل (DTM) في التنبؤ بالكفاءة الذاتية الإبداعية (CSE) بين طلاب الجامعات وتحديد المتغيرات التي يمكن أن تكون بمثابة تنبؤات ب CSE. ردا على هذه الأسئلة ، قام 607 من طلاب الجامعات في مقاطعة سيتشوان بالصين بملء استبيان نقاط القوة والصعوبات (SDQ) الذي يحتوي على خمسة أقسام: مقياس المرونة النفسية ، ومقياس الكفاءة الذاتية الأكاديمية ، والشعور النفسي بالعضوية في المدرسة ، ومقياس السلوك المبتكر ، ومقياس كلية العلوم والهندسة. تتضمن الطريقة الموصوفة توفير SDQ بشكل منهجي ، وتسجيل النتائج ، وتعيين الرموز لإجابات 60 طالبا. باستخدام المقاييس الفرعية SDQ ، تم تصميم DTM يسمى C5.0 للتنبؤ بأنواع المخاطر السلوكية. تم تدريب DTM والتحقق من صحته، مما أظهر تحسنا بمقدار 10 أضعاف، وتم تقييم أدائها من خلال الدقة ودرجة F1. كشفت نتائج C5.0 DTM المنقحة أن العوامل التنبؤية المهمة للكلية ، بترتيب متناقص من حيث الأهمية ، هي الثقة النفسية ، والشعور النفسي بالعضوية في المدرسة ، والكفاءة الذاتية الأكاديمية ، والسلوك الابتكاري. من خلال إثبات فعالية DTM في التنبؤ بكلية العلوم والهندسة لطلاب الجامعات ، طور هذا البحث العلاقة بين التعلم الأساسي وكلية العلوم والهندسة ، وزاد من تفسير كلية العلوم والهندسة ، وقدم الدعم البحثي لتعزيز إبداع طلاب الجامعات وكلية العلوم والحياة.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ويعتبر الإبداع حافزا أساسيا للتنمية الاجتماعية والاقتصادية لعدة بلدان وأصبح تدريجيا عاملا أساسيا في القوة الإجمالية للأمة. ومع ذلك ، تشير الأبحاث إلى أن مؤسسات التعليم العالي الصينية (HE) لا تزال تعطي الأولوية للمعرفة النظرية للطلاب ، وإهمال تنمية مهارات الرأي التحليلي ، ومهارات حل المشكلات المستقلة ، والمهارات المبتكرة. وبالتالي ، يمتلك العديد من الطلاب معرفة نظرية قوية ولكنهم يكافحون لتحليل السؤال1 ومعالجته. تؤدي التأثيرات المزدوجة للبيئات الشخصية والاجتماعية إلى دفع هذه الظاهرة ، مما يحفز طلاب الجامعات على إعطاء الأولوية للتعلم والمنافسة الاجتماعية الخارجية على احتياجاتهم العاطفية وتطورهم الشخصي. ظهر خطر كبير في شكل الذكاء الاصطناعي (الذكاء الاصطناعي) ، الذي أصبح المجتمع الحديث يعتمد عليه بشكل مفرط ، لدرجة تناقص الرأي الفردي والمهارات المبتكرة. هذا هو نتيجة لتقييد أو تراجع في التطور الشخصي والاجتماعي2،3.

لذلك ، برز الابتكار كموضوع ساخن في البحوث النفسية المحلية والأجنبية الحالية ، حيث تشير العديد من الدراسات إلى أن الكفاءة الذاتية الإبداعية (CSE) تؤثر بشكل إيجابي على الإبداع. في الوقت نفسه ، تشير الأبحاث إلى أن ارتفاع كلية العلوم والتعليم بين الطلاب يرتبط بنظرة أكثر إيجابية للحياة وزيادة الثقة في مهاراتهم عند مواجهة المهام الصعبة4،5. في الواقع ، يمكن أن تؤثر مستويات الإبداع المنخفضة سلبا على جميع ميزات الحياة ، بما في ذلك مشكلة تنافسية في الحياة المهنية. أظهرت الدراسات أن السبب الرئيسي لضعف الإبداع هو نقص كلية العلوم والهندسة. كغرض مهم للإبداع ، يتم تعريف كلية العلوم والهندسة على أنها إيمان الفرد بقدرته على تكوين أفكار إبداعية ، والمشاركة في السلوكيات الإبداعية ، وتحقيق نتائج إبداعية. في الفرق ، يمكن أن تزيد كلية العلوم والهندسة من الإبداع الفردي في تبادل المعرفة والجهود التعاونية6. يمكن أن يلهم CSE العالي أيضا سلوكا ابتكاريا جديدا (IB) في وجود مشاعر متفائلة7.

كما ينصح بتغيير علم النفس ، في سن 10 إلى 14 عاما ، قد تؤدي مهارات الطلاب إلى تغييرات في عواطفهم وسلوكهم لأن مرحلة البلوغ تحدث8 ، وهم يتعاملون أكثر مع أقرانهم والتوتر الذي يصاحب ذلك. نظرا لأنه تم تأكيد أن SDQ موثوق به وسليم من الناحية النفسية ويغطي 25 عنصرافقط 9 ، فقد تم تفضيله لهذا البحث. يبحث في خمسة أنواع من السلوك - العواطف ، والأفعال في الجامعة ، ومستوى النشاط ، والعلاقات في الكلية ، والمساعدة - لتوضيح الحالة العامة للصحة العقلية للطالب. وفقا للأعمال الحالية4،5 ، وجدوا أن استخدام SDQ في الصين أكثر فاعلية من استخدام المهام السلوكية وحدها في تحديد الوجود المبكر للتحديات النفسية والسلوكية لدى التلاميذ. يعرض سبب أهمية التحقيق ويعمل بشكل جيد في العديد من البيئات الجامعية.

بالنظر إلى أن طلاب الجامعات هم القوة الأساسية والمساهمون الرئيسيون في مجتمع المستقبل ، فإن CSE لديهم له أهمية خاصة. كشفت الأبحاث أن كلية العلوم والرياضة للطلاب ترتبط ارتباطا مباشرا بالعواطف الإيجابية والتحكم في الاتجاه8. بالإضافة إلى ذلك ، تعمل كلية العلوم والهندسة على تحسين سلوكيات الطلاب وأدائهم في الأنشطةاللامنهجية 9. تشير الأبحاث أيضا إلى أن كلية العلوم والتعليم لدى الطلاب تعزز مهاراتهم الاجتماعية والمرونة النفسية (PR) ، مما يمكنهم من التكيف مع البيئات الصعبة10. تؤثر العلاقات العامة للطلاب بشكل إيجابي على مرونتهم وقدراتهم على التأقلم ومهاراتهم الفكرية وتثبيطهم العاطفي11. لذلك ، فإن تحفيز كلية العلوم والتعليم للطلاب في الكلية أمر حيوي للتنمية المجتمعية والفردية.

تثبت الدراسات أن كلية العلوم والتعليم مصطنع بسبب عدة عوامل ، بما في ذلك العمر والخلفية الجامعية وتوجيه المعلم. على سبيل المثال ، تم العثور على جو تعليمي إبداعي لتحسين الأداء الأكاديمي للطلاب ، والثقة بأنفسهم ، والقدرة على التكيف ، والقدرة على حل المشكلات ، ومهارات التعامل مع الآخرين ، ونسبة الحضور9. على الرغم من أن الدراسات المذكورة أعلاه حددت العوامل التي تتلاعب بكلية العلوم والهندسة ، إلا أن الأدوار التنبؤية للتصورات العقلية لأعضاء الجامعة والكفاءة الذاتية الأكاديمية (ASE) في كلية العلوم والهندسة لم تحظ باهتمام علمي كاف11. علاوة على ذلك ، ركزت الدراسات الحالية بشكل أساسي على طلاب التعليم المتوسط والعالي ، مع استكشاف محدود لكلية العلوم والتعليم بين طلاب الجامعات. نموذج شجرة القرار (DTM) هو خوارزمية فعالة لاستخراج البيانات في التعلم الآلي (ML) 12. يحلل إجراءات صنع القرار المعقدة كحلول أسهل لشرح13 ، 14 ، 15. باستخدام DTM ، تنبأ الباحثون بنجاح بالعناصر التي تؤثر على نجاح أو فشل ابتكار التصنيع في الصين ، بالإضافة إلى نسبة الاستجابة لاستطلاع حول رضا المستخدم وموقفه وولائه16،17. يهدف هذا البحث إلى تقييم فعالية استخدام الكلية في التنبؤ بكلية العلوم والهندسة لدى طلاب الجامعات وتحديد المتغيرات التي تتنبأ بكلية العلوم والهندسة الملتصقة.

تستخدم هذه الدراسة نموذج شجرة القرار (DTM) للتنبؤ بالعوامل الرئيسية التي تؤثر على الكفاءة الذاتية الإبداعية (CSE) بين طلاب الجامعات. يتم اختيار DTM لقابليته للتفسير والقدرة على التعامل مع أنواع البيانات المختلطة والفعالية في نمذجة العلاقات غير الخطية. على عكس نماذج الصندوق الأسود ، تقدم DTM مخرجات شفافة قائمة على القواعد ، مما يتيح التحديد الواضح لمتغيرات التنبؤ. تدعم الأبحاث السابقة في التربية وعلم النفس فائدتها في تحليل سيناريوهات صنع القرار المعقدة. يساعد هيكلها المرئي في التفسير العملي ، مما يجعله مناسبا للبيئات الأكاديمية. يعد DTM مثاليا للباحثين الذين يبحثون عن نهج قابل للتفسير وقائم على البيانات لنمذجة النتائج السلوكية أو النفسية بوضوح وأهمية عاليين.

الكفاءة الذاتية الإبداعية
كلية العلوم والتعليم هي قرار شخصي للفرد بشأن قدرته على إكمال الأنشطة الإبداعية بنجاح. وهو يمثل مؤشرا خاصا بالمجال للكفاءة الذاتية العامة وهو عامل مؤثر أساسي وأساس لمهام الأفراد وتنفيذ المساعي الإبداعية. قدم Tierney and Farmer18،19 نموذج تطبيق Pygmalion CSE ، مؤكدين أن CSE ، وهو حافز داخلي للنشاط الإبداعي ، يتبنى بشكل فعال الإبداع الفردي ويتنبأ بشكل إيجابي بشكل كبير بقدرة الفرد على المهارات الإبداعية. علاوة على ذلك ، يسلط العلماء الضوء على أن كلية العلوم والهندسة تعكس ثقة الفرد بنفسه في الحفاظ على المهارات الإبداعية ، فضلا عن قدراته في التعلم والعملياتالحياتية 20. تشير الدراسات إلى أن الأشخاص الذين لديهم إحساس أعلى بكلية العلوم والاجتماعية يميلون إلى التركيز على أنفسهم أكثر ، واختيار المعتقدات والأهداف التي تتوافق مع اهتماماتهم وتحدياتهم لتجربة تقدير الذات والإنجاز21،22. بينما أكدت الأبحاث السابقة في المقام الأول على CSE كعنصر أساسي للإيمان بالذات الإبداعي في تحقيق الإمكانات الإبداعيةالفردية 22،23،24 ، تعرف هذه الدراسة CSE لطلاب الجامعات على أنها معتقدات حول مهاراتهم لإكمال سلوكيات إبداعية محددة بنجاح.

قياس ونموذج CSE
يتم قياس CSE بشكل عام باستخدام المقاييس المعتمدة والمكيفة من أجهزة SDQ المطورة مسبقا. على سبيل المثال ، تم قياسه من خلال تكييف مقياس الكفاءة الذاتية لباندورا25 ، ومقياس إبداع أمابيل26 ، ومقياس وودمان وسوير وجريفين27. كما تم استخدام دراسات الحالة والملاحظات والمقابلات لاكتشاف كلية العلوم والتعليم في السلوكيات اليومية للأفراد ضمن مجموعات محددة. ومع ذلك ، فقد تركز جزء كبير من الدراسة حول CSE على الشركات وموظفيها. تطبيق الأفكار الافتراضية لهذه الدراسات البحثية على مجموعات أخرى محدود. وقدمت الدراسة أن دعم المعلمين وطريقة بيئة الفصل الدراسي الإيجابية جزء لا يتجزأ من زيادة التعليم الملتحمد بين الطلاب28.

ينطوي دور المعلم على نقل المعرفة ، وهي عملية تنطوي بطبيعتها على الإبداع. وخلصت إلى أن زيادة كلية العلوم والهندسة تساهم في مشاركة الأفراد بشكل أعمق في المهارات الإبداعية ، مما يؤدي إلى أداء إبداعيأفضل 29،30. فيما يتعلق بالعمر، تم العثور على فروق كبيرة على أساس الجنس في كلية العلوم الكلية بين طلاب التعليم العالي، في حين أن الكلية للبالغين كانت أعلى بكثير من تلك الموجودة في الموضوعات الأكبر سنا. هذا يشير إلى أن تأثير العمر غير متسق. تعلم نظرية مفهوم الذات الإبداعي فهم كلية العلوم والهندسة ، والتي تشمل تقييم أداء الفرد والوعي به في المهارات الإبداعية ، المصنفة في كلية العلوم والبيئة والهوية الذاتية الإبداعية31،32،33،34. مفهوم الذات الإبداعي له تأثير كبير على الدافع الإبداعي والسلوك والنتائج. بناء على هذه النظرية ، طور الباحثون نماذج منظمة لدراسة مفهوم الذات الإبداعي والمهارات الإبداعية في البيئات التعليميةوالعمل 35. بالإضافة إلى ذلك ، اقترح أمابيل نموذجا مكونا للسلوك الإبداعي في عام 1983 ، حيث حدد القدرة الإبداعية والدافع والبيئة الإبداعية كشروط ثلاثة مطلوبة للسلوك الإبداعي.

طرق التحليل التنبؤي ل CSE
في حالة CSE ، فإن طرق التحليل التنبؤي الأولية هي تحليل الانحدار ، وتحليل العوامل التأكيدية (CFA) ، وتحليل المكون الرئيسي (PCA) ، والتحليل التلوي. باستخدام نمذجة المعادلات الهيكلية و CFA ، وجد Tierney and Farmer أن المهارة الإبداعية والدافع والبيئة تتنبأ بالمهارات الإبداعية للأفراد و CSE. استخدم العمل PCA لإثبات أن CSE والهوية الذاتية الإبداعية تشكل 2-D لمفهوم الذات الإبداعي ، مما يؤثر على الدافع الإبداعي. يقترح الباحثون الذين طبقوا نمذجة الانحدار المتعدد أن المهارات والأهداف والعواطف والمعتقدات الإبداعية هي تنبؤات حيوية ل CSE36.

تنبؤات CSE
ضمن الأعمال الأكاديمية الحالية ، ركزت العديد من الدراسات على CSE لطلاب الجامعات أو استخدمت DTM للتنبؤ ب CSE37،38. لذلك ، يهدف هذا البحث إلى استكشاف تطبيق DTM للتنبؤ بكلية العلوم والتعليم لطلاب الجامعات. لتحقيق ذلك ، بدأت الدراسة بتحديد تنبؤات CSE في الأدبيات (الشكل 1).

أولا ، يقترح هذا البحث السلوك الإدراكي والسلوك البيئي كعوامل تنبئ ب CSE. تفترض نظرية السلوك المخطط أن المعايير الذاتية والمواقف والتحكم السلوكي المتصور تؤثر على النوايا السلوكية. تشير السيطرة السلوكية المتصورة ، التي تحددها آراء الرقابة وعوامل المساعدة المتصورة بشكل مشترك ، إلى مدى إدراك الشخص أنه يتحكم في السلوك الذي ينخرط فيه ؛ هذا يعني أن أداء البكالوريا الدولية يمكن أن يعزز إحساس المرء بالتحكم في الإبداع ، والذي ينتج عن الشعور ب CSE37. أظهرت دراسة أن الإبداع هو مؤشر على كلية العلوم والهندسة كلية العلوم والهندسة هي الثقة بالنفس التي يتمتع بها المرء في قدرته على تكوين مهارات إبداعية ، والانخراط في السلوكيات الإبداعية ، وتحقيق نتائج إبداعية. أظهرت هذه الدراسات أيضا وجود علاقة إيجابية بين الحس النفسي للعضوية في المدرسة (PSSM) و CSE38. لذلك ، يمكن اعتماد كلية العلوم والتعليم من خلال عوامل مختلفة في البيئة الجامعية لتعزيز إبداع الطلاب39. من حيث العوامل الإدراكية ، تقترح هذه الدراسة العلاقات العامة وASE كتنبؤات ب CSE. أظهرت الأبحاث أن العلاقات العامة هي قدرة الشخص على الحفاظ على استجابات عاطفية وسلوكية مستقرة عند مواجهة الإجهاد والنكسات والشدائد والعودة إلى الحالة الطبيعية بسرعة. وفقا لذلك ، ترتبط العلاقات العامة بشكل كبير وإيجابي بالإبداع العاطفي ، و CSE ، والكفاءة الذاتية العامة40. أخيرا ، تم إثبات أنه يمكن التنبؤ بكلية العلوم والهندسة من قبل بورصة عمان ، والتي تتأثر بقرار الشخص ومعتقداته حول قدرته على تنفيذ المهام الأكاديمية41،42. باختصار ، تقترح هذه الدراسة أربعة تنبؤات ب CSE: PR و ASE و PSSM و IB.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم اختبار البحث في جامعة تشنغدو العادية ، مقاطعة سيتشوان ، الصين ، مع أكثر من 17,000 طالب. تمت الموافقة على موارد SDQ وتصميم المسح من قبل لجنة مراجعة الأخلاقيات في جامعة تشنغدو العادية ، مقاطعة سيتشوان ، 611130 ، الصين. أجرت الجامعة استطلاعها في الفترة من 10 إلى 13 سبتمبر 2023. وتكفل المشاركة الطوعية بالحصول على موافقة مستنيرة

1. تسجيل المشاركين

  1. اختر جامعة حكومية من خلال طريقة أخذ العينات العشوائية الواعية بالطبقة. استخدم المعايير التالية: (1) يتبع التعليم للجميع نفس الخطة ويختبر الطلاب بنفس الطريقة. (2) التدريس بنفس اللغة (الصينية)؛ و (3) كل جامعة لديها العدد الأمثل من الطلاب لكل معلم. هنا ، تم اختيار جامعة تشنغدو العادية بمقاطعة سيتشوان ، الصين.
  2. اختر الطلاب الذين تتراوح أعمارهم بين 18 و 21 عاما لأنهم يفهمون أفعالهم بشكل أكثر وضوحا من أي وقت مضى.
  3. قبل تصميم أداة SDQ ، قم بإجراء مقابلات مركزة استقصائية مع 5 طلاب وافقوا على المشاركة في تحديد الارتباطات التنبؤية المحتملة بين CSE والتنبؤات الموصى بها. بعد ذلك ، استخدم أخذ العينات الملائمة لإشراك الطلاب الراغبين.
  4. حدد جميع الطلاب الذين تم إثبات ملكيتهم. قام ما مجموعه 607 طلاب بالتحقق من جميع SDQs والتأكد من صلاحيتها بعد فحص شامل. أظهرت البيانات الديموغرافية للمشاركين أن نسبة الذكور إلى الإناث كانت 25.5٪ إلى 74.5٪. فيما يتعلق بالخلفية السكنية ، كان 71.4٪ من المشاركين من المناطق الريفية ، بينما جاء 28.6٪ من المناطق الحضرية. كان جميع الطلاب يتابعون تعليم الفنون الحرة في إطار منهج موحد. ينتمي غالبية المشاركين إلى أسر منخفضة الدخل إلى متوسطة الدخل ، مما يعكس التكوين الاجتماعي والاقتصادي الأوسع للمسجلين في الجامعات الحكومية في المنطقة.
    ملاحظة: عادة ما يميل الطلاب الذين يلتحقون بتدريب المعلمين في التعليم العالي في الصين نحو الفنون الحرة في امتحانات القبول في الكلية. وبما أن الطالبات يظهرن عموما اهتماما أكبر بالأنشطة الإبداعية من نظرائهن من الذكور، فإن هناك عموما نسبة مئوية أعلى من الطالبات في هذه الجامعات، وهو ما يفسر الغلبة الكبيرة للإناث في العينة.
  5. وجمع المشاركين حسب الجنس والصف الدراسي لضمان أن يكون النموذج منصفا. وهذا يعزز قابلية تطبيق النتائج على معظم الجامعات التي تديرها الحكومة في تشنغدو ، والتي لديها مجموعات سكانية اجتماعية وديموغرافية مماثلة.

2. الأجهزة

ملاحظة: استخدمت هذه الدراسة SDQ يتألف من 6 أقسام تحتوي على 52 عنصرا ، تغطي المعلومات الديموغرافية ، ومقياس CSE ، ومقياس المرونة النفسية ، ومقياس الحس النفسي لعضوية المدرسة ، ومقياس الكفاءة الذاتية الأكاديمية ، ومقياس السلوك الإبداعي. تشمل البيانات الديموغرافية الجنس والعمر وما إذا كان الفرد من خلفية حضرية أو ريفية. تترجم النسخ الإنجليزية من المقاييس إلى الصينية.

  1. تطبيق طريقة الترجمةالعكسية 43. قم بتنفيذ التصحيحات والتحسينات قبل وضع اللمسات الأخيرة على SDQ واستبدال مقياس التسجيل الأصلي بمقياس من 5 نقاط للحفاظ على الموثوقية مع ضمان عدم التجانس مع المقاييس الأخرى، وبالتالي ضمان تكافؤ المقياس.
  2. قم بقياس جميع عناصر الفرضية على مقياس من 5 نقاط من 1 = لا أوافق بشدة إلى 5 = أوافق بشدة.

3. الكفاءة الذاتية الأكاديمية

  1. استخدم مقياس الكفاءة الذاتية الأكاديمية للكلية (CASES) الذي تمتصميمه 44 خصيصا لتقييم الكفاءة الذاتية بين طلاب جامعة تشنغدو العادية في التدريب الأكاديمي. تتكون CASES من تسعة أشياء (على سبيل المثال ، أود أن أفعل ما هو أفضل من الطلاب الآخرين. أنا متأكد من أنني أستطيع أن أفهم ما يقوم المعلم بتدريبه. أريد أن أبلي بلاء حسنا في الفصل). معامل الموثوقية لهذا المقياس هو 0.897.

4. مقياس السلوك المبتكر

  1. لقياس البكالوريا الدولية، استخدم مقياس السلوكالمبتكر 45. حافظ على المقياس ثلاثي الأبعاد على النحو التالي: الفئة العمرية للمهارات الابتكارية (على سبيل المثال ، عندما أكون في ورطة ، أحصل في كثير من الأحيان على مهارات مبتكرة) ، وتعزيز المهارات المبتكرة (على سبيل المثال ، سأسعى للحصول على دعم إداري للمهارات المبتكرة) ، وتطبيق المهارات المبتكرة (على سبيل المثال ، سأحول المهارة المبتكرة إلى تدريب ممكن). معامل الموثوقية لهذا المقياس هو 0.917.

5. مقياس الحس النفسي للعضوية المدرسية

  1. استخدم PSSM لتقييم شعور الطلاب بالانتماء إلى الجامعة فيما يتعلق بحالتهم العاطفية وردود أفعالهم وإثبات هويتهم وارتباطهم وموقفهم السلوكي.
  2. تم تطويره بواسطة Goodenow46 ، ويحتوي على 18 مشروعا وتمت ترجمته بشكل عام إلى لغات مختلفة ، بما في ذلك الإسبانية والصينية. استخدم النسخة الصينية من PSSM مع 18 عنصرا (على سبيل المثال ، أشعر أنني أنتمي إلى هذه الجامعة. يأخذ الطلاب آرائي على محمل الجد)47. معامل الموثوقية لهذا المقياس هو 0.853.

6. مقياس المرونة النفسية

  1. استخدم 10 كائنات من مقياس كونور ديفيدسون للمرونة (CD-RISC-10) لقياس PR48. في البداية ، مع 25 عنصرا ، قام Campbell-Sills و Stein49 بتحسين مقياس العلاقات العامة إلى 10 كائنات بشكل عام في إصدار أقصر.
  2. استخدم المقياس لقياس مشاعر الفرد وردود أفعاله وصداقه حول مهارته للشفاء من المهارات السلبية والتكيف بمرونة مع العوامل الخارجية المتغيرة. وهو يتألف من 5D ، أي القدرة على التواصل (على سبيل المثال ، يمكنني أن أكون مرنا والتكيف عند حدوث التغيير) ، والتسامح مع التأثير السلبي (على سبيل المثال ، يمكنني التعامل مع مشاكل الفكاهة) ، وقبول التغيير (على سبيل المثال ، أنا أقوى من خلال المهارة) ، والتحكم (على سبيل المثال ، يمكنني التعامل مع المشاعر المضطربة مثل الغضب) ، والتأثير العقلي (على سبيل المثال ، يمكنني التركيز على عملية تفكيري عندما أتعرض للضغط). معامل الموثوقية لهذا المقياس هو 0.938.

7. مقياس CSE

  1. استخدم مقياس CSE لقياس CSE ، وتقييم مدى اعتقاد الشخص أنه قادر على إنشاء مهارات إبداعية50. تكثيف المقياس إلى ثلاثة كائنات لمسح الطلاب الصينيين. معامل الموثوقية لهذا المقياس هو 0.860.

8. جمع البيانات

  1. يهدف بحث SQD هذا إلى الكشف عن العوامل التنبؤية بكلية العلوم والتعليم بين طلاب الجامعات. استخدم SDQ لقياس مستوى طلاب الجامعات من CSE جنبا إلى جنب مع أربعة تنبؤات51.
  2. خلال هذه الفترة ، شجع مدير المدرسة الطلاب على إكمال SDQ طواعية لعرض رمز الاستجابة السريعة في نهاية كل يوم جامعي. أخبر المشاركين أنه يمكنهم الوصول إلى SDQ عن طريق مسح رمز الاستجابة السريعة ضوئيا، والإجابة على الأسئلة، ثم النقر فوق إرسال.
  3. الأهم من ذلك ، قبل أن يقوم الطلاب بمسح رمز الاستجابة السريعة ضوئيا ، اطلب من مدير المدرسة شرح هدف الدراسة للطلاب وأولياء الأمور. ضمان المشاركة الطوعية من خلال الحصول على موافقة مستنيرة.
  4. إدارة SDQ للطلاب المستهدفين. تأكد من استجابة كل مشارك لجميع الكائنات الإلزامية. التحقق من اكتمال واتساق الاستجابات.
  5. تحديد التركيبات الأساسية مثل ASE ومرونة الوالدين (PR) وCSE. استجابات التعليمات البرمجية باستخدام مقياس ليكرت مكون من 5 نقاط يتراوح من 1 إلى 5. قم بتعيين المشاركين إلى أنواع عالية أو منخفضة باستخدام حد 60٪ أو أكثر من الحد الأقصى لدرجة المقياس.
  6. قسم مجموعة البيانات إلى مجموعات فرعية للتدريب والاختبار. استخدم 70٪ من البيانات (العدد = 423) لتدريب النموذج. خصص ال 30٪ المتبقية (ن = 184) لأغراض الاختبار.
  7. قم بتطبيق شجرة التصنيف والانحدار (CART) للعثور على تنبؤات مهمة. استخدم شوائب جيني لتحديد انقسامات العقدة. استمر في الانقسام حتى تصل إلى الحد الأدنى لعدد الحالات أو صفر شوائب.
  8. تقييم العقد للتقليم باستخدام متوسط الخطأ التربيعي (MSE). اقتطاع عقدة إذا كان التقليم يقلل من MSE. احتفظ بعقدة إذا زاد MSE بعد التشذيب.
  9. استخدم مجموعة بيانات الاختبار للتحقق من صحة DTM. احسب مقاييس الأداء مثل الدقة والحساسية والخصوصية. تحليل الحالات المصنفة بشكل خاطئ للعثور على نقاط ضعف DTM.
  10. إجراء تحليل ارتباط لحظة منتج بيرسون لدراسة العلاقات بين المتغيرات. تفسير قوة واتجاه الارتباطات بناء على قيم معامل الارتباط.
  11. استخدم قواعد شجرة القرار لتحديد كيفية تنبؤ العلاقات العامة وASE بمستويات CSE. تحديد مساهمة كل متغير في نتائج التصنيف.
  12. قم بتوسيع مجموعة الميزات إذا انخفضت دقة النموذج إلى ما دون الحد المطلوب. أعد تدريب النموذج بمتغيرات إضافية أو حجم عينة أكبر لتحسين دقته.
  13. اختبر قابلية تعميم النموذج باستخدام بيانات من مناطق أو مؤسسات مختلفة. تكرار بروتوكول الدراسة للتحقق من صحة النتائج عبر العينات المستقلة.
  14. استغرقت كل إدارة SDQ ~ 25 دقيقة. استخدم التحكم البيئي لضمان الضوضاء المحيطة <45 ديسيبل ودرجة الحرارة عند 26-28 درجة مئوية.
  15. تدريب ميسر واحد لكل 15 طالبا ، من خلال جلسة إحاطة SDQ لمدة ساعتين52. بمساعدة نصوص التشغيل القياسية ، تمكن الميسرون من تقليل تأثير آرائهم الخاصة على النتائج53. اطلب من المساعد قراءة جميع التعليمات كما هو مكتوب تماما ، وتجنب توضيح أكثر من الخطوات اللازمة ، وعدم محاولة شرح أسئلة الاختبار. ساعد الميسرون في القضاء على تأثير المحاورين وتأكدوا من أن البيانات جاءت فقط من تقييمات الطلاب54.
    ملاحظة: تعالج هذه الإضافات التباين في التنفيذ وتعزز قابلية التكرار عبر السياقات. نظرا لأن معظم الطلاب لم يكن لديهم أجهزة شخصية وكان لدى جزء صغير فقط من الجامعات شبكة Wi-Fi55 تعمل ، فإن الإدارة على الورق كانت الحل الأفضل. علاوة على ذلك ، أظهرت الدراسات البحثية عدم وجود اختلافات ملحوظة في نتائج القياس النفسي بين تنسيقات SDQ الرقمية والورقية بين الأفراد ذوي مستويات معرفة القراءة والكتابة المنخفضة56. سيكون من المفيد في الدراسات القادمة دراسة كيفية عمل الرقمنة في الجامعات الخاصة ذات الموارد القوية57. وبما أنه لم يتم إجراء أي تشفير في هذا الرأي ، لا يمكن تحديد الموثوقية بين المقيمين.

9. تحليل البيانات

  1. استخدم طريقة التنقيب عن البيانات لتحليل بيانات المسح58. يمكن أن يكشف التنقيب عن البيانات عن أنماط الطلاب في كلية العلوم والتعليم والعثور على ثلاثة أنواع من المتعلمين: التكاملي ، والموجه نحو الهدف ، وأخذ العينات. اختارت هذه الدراسة DTM حيث تم استخدامها على نطاق واسع للتنبؤ بالأداء الأكاديمي للطلاب وسلوكيات التعلم ويمكن أن تولد قواعد سهلةالفهم 59.
    ملاحظة: على وجه التحديد، تقوم شجرة القرار (DT) ببناء قواعد التصنيف من عينات التدريب وتنتج رسما بيانيا من أعلى إلى أسفل سهل الفهم يتكون من عقدة جذر والعديد من العقد الداخلية والعقد الورقية المتعددة. تمثل كل من العقد الجذرية والداخلية شروط الاختبار المقابلة (أي مقاييس التصنيف)60 ، بينما تمثل العقد الورقية الناتج النهائي. يمكن استنتاج القواعد بناء على نموذج الشجرة الذي تتكون منه كل عقدة. علاوة على ذلك ، يثبت DT تسامحا جيدا مع التعدد الخطي ويمكنه التعامل مع الارتباطات المعقدة بين المتنبئين. بالإضافة إلى ذلك ، يتم استخدام DT محدد عندما تكون متغيرات التنبؤ فئوية ، بينما يكون الانحدار DT مناسبا لمتغيرات التنبؤ المستمر60.
  2. من أجل تحديد ما إذا كان CSE للطلاب مرتفعا أم منخفضا ، قم بإنشاء نموذج تنبؤي باستخدام DT محدد وقم بتحليل أهمية كل عامل في التنبؤ ب CSE.

10. بناء DT

  1. تحديد عتبات الانقسام والمتغيرات المتفرعة المثلى ل DT بناء على معدل انخفاض إنتروبيا المعلومات ، والتي تشير إلى مدى شوائب مجموعة البيانات ويتم تعريفها على أنها المعادلة (1).
    figure-protocol-1(1)
    حيث D هو حجم عينة مجموعة بيانات التدريب ، m ، Pk هي نسبة الأرجحية لكل نوع.
  2. تقيس نسبة كسب المعلومات التباين في إنتروبيا المعلومات لمجموعة البيانات في ظل العديد من طرق التصنيف. احسب نسبة الكسب لمجموعة البيانات D ، مقسمة إلى n مجموعات فرعية بواسطة المتغير C المحدد ، المحدد بواسطة المعادلة (2).
    figure-protocol-2(2)
  3. في C5.0 ، حدد السمة ذات نسبة كسب المعلومات الأكثر أهمية كنقطة تقسيم ، وقم بتشكيل الفروع المتعددة بناء على قيمة تلك السمة لتحقيق مجموعات فرعية متعددة. كرر عملية الفصل حتى تحتوي المجموعة الفرعية الأخيرة على نفس النوع من البيانات ، وبالتالي تحقيق التسمية الاستقرائية للبيانات.

11. تشذيب DT

  1. باستخدام طريقة التقليم ، قم بتقليم عقد الأوراق طبقة تلو الأخرى. بعد إنشاء DT، قم بتكرار مجموعات البيانات إلى كل عقدة طرفية وفقا ل DTM المدرب.
  2. احسب MSE لمجموعات البيانات المورقة وغير الورقية. اقتطاع العقد إذا انخفض MSE بعد التشذيب ؛ خلاف ذلك ، حافظ على العقد.

12. تقييم DT

  1. استخدم 70٪ من بيانات العينة (العدد = 423) للتدريب والباقي 30٪ (العدد = 184) للاختبار. مؤشرات تقييم جودة النموذج هي الدقة والدقة والاستدعاء. تعرف الدقة بأنها النسبة المئوية للعينات المصنفة بشكل صحيح من جميع العينات. الدقة هي عدد العينات الموجبة التي هي عينات موجبة حقيقية في نتيجة التنبؤ ، والتذكر هو عدد العينات الإيجابية التي تم التنبؤ بها بشكل صحيح في العينات الحقيقية.

13. تحليل البيانات

  1. تحليل نتائج الدراسة باستخدام برنامج التحليل الإحصائي. أولا، تحليل اتجاهات التردد والتركيز في كلية العلوم والهندسة وتركيزها، بالإضافة إلى عوامل التنبؤ، باستخدام التحليلات الإحصائية الوصفية. ثانيا ، قم بإجراء تحليل DT باستخدام خوارزمية C5.0 ، والتي تعمل على تحسين ID3 و C4.5 لأنها تعمل بشكل أسرع وتولد تأثيرات تنبؤية أكثر قوة.

14. ترميز البيانات

  1. باستخدام 60٪ كنقطة تمايز، قم بتسمية العينة إلى مجموعتين: CSE مرتفع وانخفاض CSE. بالنسبة للتنبؤات ، تم تحويل PR و IB و ASE و PSSM إلى متغيرات ثنائية وفقا لمبادئ محددة (الجدول 1).

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الإحصاء الوصفي
حللت هذه الدراسة الإحصاء الوصفي للمتغيرات المستمرة والمتسلسلة (الجدول 2). يتم ترميز كل متغير بناء على مبدأ أن القيم التي تتجاوز 60٪ من المقياس الكامل تشير إلى أداء أعلى من المتوسط. والجدير بالذكر أن طلاب الجامعات يبدو أن لديهم CSE أعلى من المتوسط ، بمتوسط قيمة 3.66 وانحراف معياري قدره 0.80 ، وهو ما يتجاوز 60٪ من المقياس الكامل. هذا يشير إلى أن معظم طلاب الجامعات لديهم نسبة عالية من CSE. قدمت القيم المتوسطة لمتغيرات التنبؤ الأربعة نتائج مماثلة ، حيث أبلغ الطلاب عن مستويا...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

باستخدام DT-C5.0 ، أنشأت هذه الدراسة نموذجا تنبؤيا من أربعة عوامل لكلية العلوم والتعليم لطلاب الجامعات لاستكشاف دور هذه العوامل. استندت جميع الاستنتاجات المستخلصة في الدراسة إلى الأدبيات وتحليلات البيانات ذات الصلة.

تم التحقق من فعالية DTM في التنبؤ بمستويات CSE في نتائج التقييم. تجاوزت دقة النموذج ودقته واستدعائه معيار 75٪. يحتوي النموذج على قيمة مساحة تحت المنحنى (AUC) تبلغ 0.762 ، متجاوزة 0.5 ، مما يشير إلى تفوقه على نموذج القياس العشوائي. العلاقات...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ليس لدى المؤلفين ما يكشفون عنه

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
2 تيرابايت HDDSegante6G SATA 7.2K 3.5 بوصة (LFF) خزن
8 جيجابايت رامكينغستون تكنولوجيا 4Rx4 DDR4 LRDIMM 2666 MT / s.خزن
  إنتل كور i5إنتلكور i7 المعالج
بطاقة رسومات NVIDIA GeForce RTX 4060 TiNvidia CorporationNA
R ( الإصدار 4.1.2) لغة البرمجة 
أداة تصور بياناتSPSSIBM30

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Han, X., Zhang, J., Yang, Q. Correlation Analysis of Peripheral Blood Cell Immunity and Survival Rate in Mid-to-Late-Stage Cervical Cancer Patients. China Pharm Clin Res. 20 (19), 3180-3183 (2020).
  2. Fisher, D. M., LeNoble, C. A., Vanhove, A. J. An integrated perspective on individual and team resilience: Moving from multilevel structure to cross-level effects. Appl Psychol. 72 (3), 1043-1074 (2023).
  3. Tu, Y., Zhang, L. Relationship between Team Conflict and Performance in Green Enterprises: A Cross-Level Model Moderated by Leaders' Political Skills. Complexity. 2021 (1), 6635426(2021).
  4. Liu, L., Wan, Z., Wang, L. Cross-level research on the impact of self-serving leadership on employee innovation behavior: The roles of workplace anxiety and team psychological safety. Front Psychol. 13, 1069022(2023).
  5. Kravchuk, S. To the problem of social competence research as conditions of partner interaction, participants of the reform process. Herald Kiev Inst Business Tech. 3 (42), 102-107 (2019).
  6. Shi, L., Sun, J., Wei, D., Qiu, J. Recover from the adversity: functional connectivity basis of psychological resilience. Neuropsychologia. 122, 20-27 (2019).
  7. Ramsey, J. R., Lorenz, M. P., Liu, J. T., Posthuma, R. A., Gonzalez-Brambila, C. N. Exploring perceived innovativeness in Central America and the Caribbean: cross-level interactions of perceived camaraderie, organizational camaraderie climate, and organizational gender diversity. Int J Human Res Manag. 33 (15), 3113-3148 (2022).
  8. Stone, D., Hess, J. School Students' Implicit Theories of Creativity and their Self Perceptions as Artists. Creativity Res J. 32, 369-377 (2020).
  9. Skrbinjek, V., Dermol, V. Predicting students' satisfaction using a decision tree. Tert Educ. Manag. 25, 101-113 (2019).
  10. Han, J., et al. Using Decision Tree to Predict Response Rates of Consumer Satisfaction Attitude, and Loyalty Surveys. Sustainability. 11, 2306(2019).
  11. Cheng, Y. J., Teng, C. C. Multi-level investigation of the mechanism of the relationship between hotel resilient leadership and performance: The cross-level moderating effect of adaptation strategies. Int J Hospital Manag. 130, 104251(2025).
  12. Zahraa Mudheher Modhee, M. M. Using Collaborative Learning and Self-construction Methodologies to Enhance Art Education and Creative Expression Skills Among Secondary School Students. Eur J Humanities Edu Adv. 5 (12), 49-64 (2024).
  13. Jiang, B., Qiu, H., Liu, S., Zhang, J. Employee perceived overqualification and innovation performance: the roles of self-oriented perfectionism and job crafting. Front Psychol. 15, 1398163(2024).
  14. Wang, D., Ying, X., He, M. The Influence of Innovative Self-Efficacy on Creative Achievement: The Moderating Effect of Perseverance. Chinese J Social Psychol Rev. 19 (2), 194-217 (2020).
  15. Chen, X., Cheng, L. Emotional intelligence and creative self-efficacy among gifted children: Mediating effect of self-esteem and moderating effect of gender. J Intell. 11 (1), 17(2023).
  16. Stephens, Z. Constructing Self within the Japanese Experimental Noise Genre. , Emory University. (2025).
  17. Boyqobilova, N. U. The theory of the self-organization of primary school students' educational activities is based on a synergistic approach. Mental Enlighten Sci Methodol J. 5 (03), 101-110 (2024).
  18. Su, Y. S., Shao, M., Zhao, L. Effect of mind mapping on creative thinking of children in scratch visual programming education. J Edu Comput Res. 60 (4), 906-929 (2022).
  19. Alfred, B. 34;WHO am I?": A Comparative Metadiscourse Analysis of Identity and Self-construction on LinkedIn Profiles and X Bios. J Linguistics Cult Commun. 3 (1), 120-150 (2025).
  20. Fermani, A. Some Reflection Ideas From the Ancient Roots About the Link Between Creativity and Freedom for Modern Societies. Eco Syst Human Rights Using Socioeco Models Pract Promote Global Eco Socializat. , 33-43 (2025).
  21. Wang, J., Geng, J., Xiao, Y. From Intentions to Actions: An Integrated Model of Academic Entrepreneurship Behavior Based on the Theory of Planned Behavior. Foreign Eco Manag. 42 (7), 64-81 (2020).
  22. Pouyaud, J., Angel, V. Between norms and margins: The "Norms-Fringe-Margins" model. A dynamic model of psychosocial self-construction through an expanded notion of working. Australian J Career Dev. 32 (3), 264-274 (2023).
  23. Hidajat, F. A., Haeruman, L. D., Wiraningsih, E. D., Pambudi, D. S. The effect of digital technology learning based on guided discovery and self-regulated learning strategy on mathematical creativity. Int J Infor Edu Technol. 13 (3), 535-543 (2023).
  24. Huang, J., Dong, Y., Han, C., Wang, X. Evaluating the Language-and Culture-Related Construct-Irrelevant Variance and Reliability of the Sense of School Belonging Scale: Suggestions for Revision. J Psychoedu Assess. 41 (8), 852-871 (2023).
  25. Gao, J., Li, Y., Wu, X. Revision and validation of the Connor-Davidson Resilience Scale of coal miners in China. Int J Indust Ergonom. 85, 103191(2021).
  26. Nartova-Bochaver, S., Korneev, A., Bochaver, K. Validation of the 10-item connor-davidson resilience scale: the case of russian youth. Front Psychiat. 12, 611026(2021).
  27. Wang, B., Mo, L., Wang, X. Impact of Cross-Cultural Adaptation and Innovative Self-Efficacy on Innovative Behavior: A Case Study of Chinese Employees in Sino-Thai Joint Ventures. J China-ASEAN Stud. 4 (1), 1-18 (2023).
  28. Mathur, S., Badone, A. A methodological study and analysis of machine learning algorithms. Int J Adv Technol Eng Explorat. 6 (51), 45-49 (2019).
  29. Davis, M. M., Howard, M. C. Understanding Narcissism in the Workplace: The Dual Impact of Self-Efficacy and Political Skill on Attitudes and Performance. J Organ Psychol. 24 (4), 87-109 (2024).
  30. Grosser, T. J., Gilson, L. L., Dong, Y., Madjar, N. Creative self-enhancement in a team context: The role of gender, creative self-concept, and trait hypercompetitiveness. Psychol Aesth Creativity Arts. 18 (3), 417(2024).
  31. Zhao, F., Kumamoto, E., Yin, C. The effect and contribution of e-book logs to model creation for predicting students' academic performance. Int Conf Adv Learning Technol. , 187-189 (2021).
  32. Johnston, D., López, I. Expanding our view of global learning outcomes. Wiley Handbook Collaborat Online Learning Global Engage. , 264-293 (2022).
  33. Zhao, X., Wu, L. Classification and Pruning Strategy of Knowledge Data Decision Tree Based on Rough Set. Adv Intelligent Syst Comp. , 1057-1063 (2019).
  34. Zhang, J. Yet Another Representation of Binary Decision Trees: A Mathematical Demonstration. ArXiv. , (2021).
  35. Jadhav, P., Patil, D., Gore, D. A Comparative Study of Linear Regression and Regression Tree. 2nd Int Conf Commun Info Proc. , 1-10 (2020).
  36. Witten, I. H., Frank, E., Hall, M. A. Data Mining: Practical Machine Learning Tools and Techniques. , 3rd Edition, Morgan Kaufmann Publishers. Burlington. (2011).
  37. Che, D., Liu, Q., Rasheed, K., Tao, X. Decision tree and ensemble learning algorithms with their applications in bioinformatics. Soft Tools Algorithm Biol Syst. SE-19. , 191-199 (2011).
  38. Verine, A., Négrevergne, B., Pydi, M., Chevaleyre, Y. Training Normalizing Flows with the Precision-Recall Divergence. ArXiv. , (2023).
  39. Chen, X., Padilla, A. M. Emotions and creativity as predictors of resilience among L3 learners in the Chinese educational context. Current Psychol. 12, 1-11 (2019).
  40. Israelashvili, J. More positive emotions during the COVID-19 pandemic are associated with better resilience, especially for those experiencing more negative emotions. Front Psychol. 12, 648112(2021).
  41. Arslan, G. Psychological maltreatment predicts decreases in social wellbeing through resilience in college students: A conditional process approach of positive emotions. Curr Psychol. 42 (3), 2110-2120 (2023).
  42. Baker, F. R., Baker, K. L., Burrell, J. Introducing the skills-based model of personal resilience: Drawing on content and process factors to build resilience in the workplace. J Occupat Organizat Psychol. 94 (2), 458-481 (2021).
  43. Yuan, W., Li, X., Ma, L. The Relationship between Positive Psychological Traits and Subjective Well-being in Vocational College Students: The Chain Mediating Role of Perceived Social Support and School Belonging. Chinese J Health Psychol. 29 (4), 615(2021).
  44. Kitsantas, A., Cleary, T. J., Whitehead, A. Relations among Classroom Context, Student Motivation and Mathematics Literacy: A Social Cognitive Perspective. Metacognit Learning. 16 (2), 255-273 (2020).
  45. Ji, C., Zhao, H. The Relationship among Teacher Support, Academic Self-Efficacy, and Academic Performance in Elementary and Middle School Students: A Meta-Analytic Structural Equation Model. Teacher Edu Res. 6, 106-113 (2021).
  46. Li, X., Qiao, H., Liu, Y. The Impact of Middle School Students' Perception of Teacher Emotional Support on Learning Fatigue: A Moderated Mediation Model. Chinese J Clin Psychol. 2, 414-417 (2019).
  47. Taggar, S. The Cognitive Underpinnings of Creativity in Teams. Oxford Handbook Group Creativity Innovat. , 10-32 (2019).
  48. Li, C., Yang, Y., Lin, C., Liu, J. The complex within-person relationship between individual creative expression and subsequent creative process engagement. Eur J Work Organiz Psychol. 29, 822-840 (2020).
  49. Li, D., Ortegas, K. D., White, M. Exploring the Computational Effects of Advanced Deep Neural Networks on Logical and Activity Learning for Enhanced Thinking Skills. Systems. 11 (7), 319(2023).
  50. Huang, F., et al. Large Language Model Simulator for Cold-Start Recommendation. , New York, NY, USA. (2025).
  51. Zhang, Z., Liu, Z., Ning, L., Tian, H., Wang, B. Belief-based Fuzzy and Imprecise Clustering for Arbitrary Data Distributions. IEEE Transact Fuzzy Syst. , 1-13 (2025).
  52. Liu, S., et al. Dual-view cross attention enhanced semi-supervised learning method for discourse cognitive engagement classification in online course discussions. Exp Syst Appl. 278, 127339(2025).
  53. Chang, W., Zeng, Q., Zhou, B. Association of education level with mortality in United States - A cross-sectional study. Acta Psychol. 253, 104774(2025).
  54. Li, D., Zhang, M., Zhou, S., Yu, X. Structural equation modeling and validation of virtual learning community constructs based on the Chinese evidence. Interact Learning Environ. , 1-16 (2025).
  55. Hao, S., et al. Group membership modulates the hold-up problem: an event-related potentials and oscillations study. Soc Cognit Affect Neurosci. 18 (1), nsad071(2023).
  56. Peng, Y., Zhao, Y., Dong, J., Hu, J. Adaptive opinion dynamics over community networks when agents cannot express opinions freely. Neurocomputing. 618, 129123(2025).
  57. Zhang, H., Xia, B., Li, Q., Wang, X. The effect of self-enhancement motivation and political skill on the relationship between workplace exclusion and ingratiation. Curr Psychol. 44 (7), 5399-5412 (2025).
  58. Li, J., et al. Is stress always bad? The role of job stress in producing innovative ideas. Knowledge Manag Res Pract. 23 (1), 77-88 (2023).
  59. Tsitsa, I., Krystkowiak, I., Davey, N. E. CompariPSSM: a PSSM-PSSM comparison tool for motif-binding determinant analysis. Bioinformatics. 40 (11), btae644(2024).
  60. Letzgus, S., et al. Toward explainable artificial intelligence for regression models: A methodological perspective. IEEE Signal Proc Magazine. 39 (4), 40-58 (2022).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Creative Self EfficacyDecision Tree ModelingCollege StudentsC5 0 Decision TreePsychological ResilienceAcademic Self EfficacySchool MembershipInnovative BehaviorBehavioral Risk PredictionStrengths And Difficulties Questionnaire
Video Coming Soon

Related Articles