مقالة بحثية

أبحاث حول دمج المحاكاة السردية الذكاء الاصطناعي البصري في إدارة التعليم لبناء قدرات الصحة النفسية في الجامعات

DOI:

10.3791/69016

⸱

ديسمبر 5, 2025

 ,  ,  , 
1Tongda College of Nanjing University of Posts and Telecommunications, 2School of Digital Business, Guangzhou Nanyang Polytechnic College, 3Hanshan Normal University, 4The Third Duty Brigade, Shanghai Detachment, People's Armed Police Force

* These authors contributed equally

في هذه المقالة

ملخص

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

تدمج هذه الدراسة المحاكاة السردية و الذكاء الاصطناعي البصرية في أنظمة إدارة التعليم لتحسين الصحة النفسية للطلاب الجامعيين، والمرونة العاطفية، ومشاركتهم.

الملخص

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

يواجه طلاب الجامعات تحديات الصحة النفسية بشكل متزايد، بما في ذلك القلق والاكتئاب والتوتر، ومع ذلك تفتقر معظم بيئات التعليم العالي إلى أنظمة استباقية للمراقبة العاطفية والدعم. هدفت هذه الدراسة إلى تصميم وتنفيذ وتقييم نظام إدارة تدريس هجين يدمج المحاكاة السردية مع الذكاء الاصطناعي البصري (الذكاء الاصطناعي) لتعزيز الثقافة النفسية والصمود العاطفي بين الطلاب. يتضمن النظام وحدة اتخاذ قرارات سردية تحاكي سيناريوهات التوتر وأداة للتعرف على المشاعر مدعومة ب الذكاء الاصطناعي (تعتمد على اكتشاف تعبيرات الوجه) مدمجة في بيئات الفصول الدراسية. تم تطبيق تصميم متعدد الأساليب مع 332 طالبا جامعيا و15 عضو هيئة تدريس من عدة جامعات. تم جمع استطلاعات قبل وبعد التدخل، وسجلات الاستخدام، وبيانات عاطفية فورية من الذكاء الاصطناعي البصري. تم تحليل البيانات الكمية باستخدام الإحصاء الوصفي، واختبارات t الزوجية، وتحليل الحمض الطبيعي، والانحدار الخطي المتعدد. أشارت النتائج إلى تحسن ذو دلالة إحصائية في درجات الصحة النفسية للطلاب (p < 0.01)، والوعي العاطفي، والثقة في اتخاذ القرار. يظهر هذا النهج المتكامل سهولة الاستخدام والتوسع، مما يوفر للمدرسين رؤى عاطفية مبكرة وبيئة تعلم تأملية للطلاب. الطريقة الأنسب للمؤسسات المجهزة بفصول دراسية قادرة على الذكاء الاصطناعي ورقابة أخلاقية مدربة.

المقدمة

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

أصبحت الصحة النفسية مصدر قلق ملح في التعليم العالي، مع ارتفاع مستويات القلق والاكتئاب والإرهاق بين طلاب الجامعات حول العالم. هذه الأعباء النفسية، التي غالبا ما ترتبط بالإرهاق الأكاديمي، والضغوط الاجتماعية، وعدم اليقين المالي، تؤثر سلبا على الأداء الأكاديمي، والاحتفاظ بها،والرفاهية طويلة الأمد. بينما طبقت العديد من المؤسسات خدمات الإرشاد والتدخلات في الأزمات، تميل هذه الأساليب إلى أن تكون تفاعلية ومحدودةفي نطاق 3. هناك طلب متزايد على استراتيجيات استباقية وقابلة للتوسع ومدمجة تدعم مرونة الطلاب النفسية داخل بيئات التعلم اليومية.

تقدم التطورات الحديثة في تكنولوجيا التعليم فرصا جديدة لدمج الدعم العاطفي مباشرة في أنظمة التدريس. هناك نهجان واعدان هما المحاكاة السردية والذكاء الاصطناعي البصري (الذكاء الاصطناعي). تشير محاكاة السرد إلى وحدات تفاعلية مدفوعة بالقصص تضع الطلاب في سيناريوهات عاطفية معقدة، مما يشجع على التأمل والتعاطف واتخاذ القرار. تستند هذه المحاكاة إلى نظرية التعلم التجريبي، وتسمح للمتعلمين بالتدرب على استجابات التحديات مثل قلق الاختبارات، إدارة الوقت، أو الصراع بين الأقران في بيئة آمنة وموجهة4،5. تشير نظرية التعلم التجريبي أيضا إلى أن التأمل والتجريب النشط ضروريان لتحويل التجربة إلى تعلم دائم، مما يجعل المحاكاة السردية وسيلة فعالة لتعزيز الذكاء العاطفي والتكيف التكيفي.

يستخدم الذكاء الاصطناعي البصري نماذج التعلم الآلي لاستنتاج الحالات العاطفية للطلاب في الوقت الحقيقي، مثل من تعابير الوجه أو النظرة أو الوضعية6. عند تطبيقها بشكل أخلاقي وبموافقة مستنيرة، يمكن أن تعمل هذه الأنظمة كأدوات إنذار مبكر، تحدد التوتر أو الانفصال قبل التصعيد7. مدمجا ضمن منصات إدارة التدريس، يمكن الذكاء الاصطناعي البصري أن يقدم ملاحظات في الوقت المناسب للمدرسين، مما يدعم الاستجابات الأكاديمية أو العاطفية الشخصية. يتماشى هذا التكامل مع نظرية الإدراك السلوكي، التي تؤكد أن زيادة الوعي بالإدراك غير التكيفي وإعادة هيكلتها يمكن أن يحسن النتائج العاطفية.

هذا النهج يتوافق أيضا مع الآراء المعاصرة حول إدارة التدريس باعتبارها تنسيقا لتجربة الطلاب عبر البيئات الرقمية والشخصية. من خلال دمج دعم الصحة النفسية في هذه البنية التحتية، يصبح تدريب المرونة جزءا من العملية الأكاديمية بدلا من إضافةاختيارية 8. كما يتوافق مع نموذج التوتر والتكيف التعاملي، الذي يؤطر تنظيم المشاعر كتفاعل ديناميكي بين استراتيجيات التقييم والتكيف؛ هنا، يساهم الذكاء الاصطناعي البصري في التقييم الأولي (اكتشاف الإشارات)، بينما يدعم المحاكاة السردية التقييم الثانوي (استكشاف بدائل التكيف) في بيئة نفسية آمنة.

على الرغم من الاهتمام المتزايد، لم تقم الدراسات التجريبية إلا أن القليل من الدراسات التجريبية قيمت الاستخدام المشترك لتقنية الذكاء الاصطناعي البصري والمحاكاة السردية لدعم الصحة النفسية في التعليم العالي. علاوة على ذلك، فإن البنى الرئيسية مثل الثقافة الصحية النفسية، "المعرفة والمعتقدات التي تساعد في التعرف على الاضطرابات النفسية أو إدارتها أو الوقاية منها"9، والمرونة العاطفية، القدرة على التكيفمع الضغط النفسي، غالبا ما تكون غير فعالة بشكل كاف. تعالج هذه الدراسة هذه الفجوات من خلال تصميم واختبار نظام متكامل لإدارة التدريس يجمع بين المحاكاة السردية ومكونات الذكاء الاصطناعي البصري لتعزيز التعرف المبكر على الضيق وتعزيز تنظيم الطلاب الذاتي.

الهدف والمساهمة الرئيسية

تستكشف هذه الدراسة كيف يمكن دمج المحاكاة السردية و الذكاء الاصطناعي البصرية بشكل فعال في أنظمة إدارة التعليم لمعالجة المخاوف المتعلقة بالصحة النفسية بين طلاب الجامعات. بدلا من التعامل مع الصحة النفسية كخدمة خارجية، الهدف هو تضمين التفاعل العاطفي والدعم النفسي المبكر في التعلم الروتيني. إن دمج سيناريوهات اتخاذ القرار التفاعلية مع المراقبة العاطفية في الوقت الفعلي يتيح للطلاب فرصا للممارسة التأملية مع تمكين المدرسين من الاستجابة بحساسية لعلامات الضيق.

النظام مبني على التعلم التجريبي، مسلطا الضوء على الممارسة، والتغذية الراجعة، والمشاركة العاطفية كمحركات لتغيير السلوك. تقدم المحاكاة السردية ضغوطا أكاديمية مألوفة (مثل ضغط الوقت، توتر الأقران) تتطلب خيارات عاطفية بارزة. بالتوازي، تراقب أداة الذكاء الاصطناعي البصري المصممة لاستنتاج تعبير الوجه التغيرات اللحظية خلال جلسات التدريس. يستند النهج أيضا إلى نظرية الذكاء العاطفي، التي تحدد الوعي الذاتي، والتعاطف، والتنظيم ككفاءات أساسية للمرونة.

شمل البحث 332 طالبا جامعيا و15 عضو هيئة تدريس في ثلاثة مجالات دراسية. باستخدام تصميم الأساليب المختلطة، قمنا بتقييم ما إذا كان القلق والاكتئاب والتوتر قد انخفض، وما إذا كان وعي الطلاب العاطفي وثقتهم في اتخاذ القرار قد تحسنا. تشكل النمذجة الإحصائية والتحليلات النوعية معا كيف يمكن للتقنيات الواعية بالعاطفة أن تدعم رفاهية الطلاب، ليس كبديل للرعاية المهنية، بل كعنصر وقائي وقابل للتوسع في الحياة الأكاديمية اليومية.

نظرة عامة على النظام

تنقسم هذه الدراسة إلى خمسة أقسام رئيسية. تقدم المقدمة الخلفية والدافع لمعالجة تحديات الصحة النفسية في التعليم العالي. يستعرض القسم الثاني الأدبيات الموجودة حول محاكاة السرد، الذكاء الاصطناعي البصري، وتطبيقاتها في السياقات التعليمية. يستعرض القسم الثالث تصميم البحث، بما في ذلك النهج المختلط، وتجنيد المشاركين، والتقنيات التحليلية. يعرض القسم الرابع النتائج الرئيسية، سواء الكمية أو النوعية، مع التركيز على التغيرات في مرونة الطلاب العاطفية ووعيهم بالصحة النفسية. وأخيرا، تناقش الخاتمة التداعيات الأوسع للنتائج وتقترح اتجاهات مستقبلية لدمج تقنيات الوعي بالعواطف في ممارسة التدريس.

أعمال ذات صلة

جربت الجامعات طرقا متنوعة لدعم الصحة النفسية، بما في ذلك التواصل بقيادة الأقران، والحملات الرقمية، والتدخلات في الفصول الدراسية11. يمكن أن تعزز الرسائل على مستوى الحرم الجامعي مع دعم الطلاب من الزملاء من التفاعل والوعي بخدماتهم، رغم أن التكييف بين الفئات المتنوعة لايزال تحديا. على مستوى السكان، غالبا ما تعتمد الأبحاث على مسوحات ذاتية التقرير تستند إلى معيارالتشخيص 13، مما يحد من الاستدلال السببي ويتجاهل مؤشرات الإجهاد14,15 في الوقت الحقيقي.

يدرس مجال العمل المتنامي الذكاء العاطفي (EI) كمؤشر على رفاهية الطلاب؛ ترتبط صفات مثل الوعي الذاتي، والوضوح، والإصلاح العاطفي بنتائج أفضل، حيث غالبا ما يعرف الانتماء كوسيط16. ومع ذلك، فإن العديد من النتائج تستند إلى استطلاعات لمرة واحدة، تفتقر إلى تغذية راجعة ديناميكية للدعم المستمر. دمج المبادئ المستنيرة بالذكاء الاصطناعي في محاكاة السرد يوفر طريقا لتعميق التعاطف والتأمل والتنظيم الذاتي.

بالتوازي، يدمج الباحثون التربويون الذكاء الاصطناعي بشكل متزايد في بيئات التعلم17. تم استخدام أدوات الذكاء الاصطناعي البصري التي تكتشف تعابير الوجه أو التعبيرات الدقيقة المرتبطة بالتوتر في الامتحانات والدروس الخصوصية، مع نتائج واعدة للتغذية الراجعة التكيفية18. محاكاة السرد راسخة جيدا في التعليم التمريضي/الطبي لممارسة القرارات المشحونة عاطفيا19، لكن هذه التطبيقات غالبا ما تكون متخصصة في المجال ونادرا ما تدمج في أنظمة إدارة التعليم العامة20. يقترح مجموعة صغيرة من الأعمال أطرا للتعاون بين الطلاب الذكاء الاصطناعي وتصميم التعليم المدفوع الذكاء الاصطناعي21،22، مع التركيز على الأخلاقيات، وفجوات التنفيذ، والحاجة إلى نماذج قابلة للتوسع تقدم قيمة تربوية ونفسية تتجاوز الجدة.

تتقدم هذه الدراسة في المجال من خلال دمج المحاكاة السردية مع الحوسبة العاطفية في الوقت الحقيقي لإنشاء استجابة استباقية ومدمجة لتحديات الصحة النفسية في بيئات التعلم الجامعية.

فجوة البحث والاعتبارات العملية للتنفيذ

على الرغم من أن الأدوات الرقمية لصحة الطلاب النفسية في ازداد، إلا أن العديد من الدراسات تعتمد على التقرير الذاتي والتدخلات قصيرة الأمد خارج سياقات الفصول الدراسية، مما يحد من التأثير طويل الأمد وتوقيت الزمن. قليل من الجهود تربط بين بنى مثل الذكاء المبكر أو الثقافة الصحية النفسية بالتغذية الراجعة الفورية أو السلوك الدراسي القابل للملاحظة. تم استكشاف الذكاء الاصطناعي البصري والمحاكاة السردية بشكل منفصل، لكن نادرا ما تم دمجهما في نظام واحد يتتبع ويستجيب للحالات العاطفية أثناء النشاط الأكاديمي. تعالج هذه الدراسة هذه الفجوة من خلال الجمع بين التأمل العاطفي القائم على المحاكاة والتعرف المدفوع الذكاء الاصطناعي داخل بيئة التعلم نفسها.

اعتبارات التنفيذ العملية

يعتمد النشر الفعال على البنية التحتية (إنترنت مستقر، كاميرات مدمجة)، الرقابة الأخلاقية، ومعايرة الخوارزميات لحماية المشاركين وتقليل التحيز، خاصة عند التعامل مع تحليل الوجوه. كما أن تدريب أعضاء هيئة التدريس ضروري لتفسير الإشارات التي يولدها الذكاء الاصطناعي بمسؤولية ودمجها في القرارات التربية. وبالتالي، فإن هذا النهج يناسب الجامعات التي تمتلك البنى التحتية الرقمية الراسخة ولجان الأخلاقيات المؤسسية، حيث يمكنه العمل كإطار استباقي وقابل للتوسع لتمكين الطلاب في الصحة النفسية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

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

قبل جمع البيانات، تم الحصول على الموافقة الأخلاقية من مجلس المراجعة المؤسسية لجامعة نانجينغ للبريد والاتصالات (رمز الموافقة: NJUPT-IRB-2024-0312). قدم جميع المشاركين موافقة مكتوبة ومستنيرة بعد إطلاعهم على نطاق الدراسة، والطبيعة الطوعية للمشاركة، واستخدام الذكاء الاصطناعي البصري لتتبع المشاعر، وإجراءات سرية البيانات. يمكن إيقاف المشاركة في أي وقت دون عقوبة. البرامج والمعدات المستخدمة مدرجة في جدول المواد.

1. التحضير للدراسة

  1. تعريف الجدول الزمني التشغيلي والتدفق من البداية إلى الطرف
    تم تحديد نقطتي تقييم: T1 (قبل التدخل)، مباشرة بعد الاختبار الأول، وT2 (بعد التدخل)، وذلك بعد تغذية راجعة موجزة قدمها المعلمون بتوجيه من إشارات الذكاء الاصطناعي العاطفية. تم جدولة محاكاة سردية بعد فترة الامتحان، ومحاكاة ثانية بعد عدة أيام لتقييم التغيرات في التكيف. يتم توضيح خط الأنابيب من البداية إلى النهاية، الذي يشمل إدخال كاميرا الصف، وواجهة برمجة التطبيقات للتعرف على المشاعر، وملاحظات المدرسين، وجمع الاستبيانات، ودمج البيانات، والتحليل، في الشكل 1A.
  2. تجنيد وتوثيق المشاركين
    تم استقطاب ما مجموعه 347 مشاركا من خلال التسجيل الطوعي من الدورات القائمة، منهم 332 طالبا جامعيا (أعمارهم 18-22؛ 140 ذكور، 192 إناث) و15 عضو هيئة تدريس (تتراوح أعمارهم بين 27-45؛ 10 إناث، 5 ذكور). تم تسجيل توزيع السنوات الأكاديمية والقسم. يتم عرض التركيبة السكانية للطلاب وأعضاء هيئة التدريس في الجدول 1 والجدول 2 على التوالي.
  3. إعداد الفصول الدراسية والمواد
    كل غرفة كانت مجهزة بجهاز كمبيوتر (Intel i5 أو أعلى، ≥ ذاكرة RAM بسعة 8 جيجابايت)، وكاميرا ويب عالية الدقة (≥ 720p)، واتصال إنترنت مستقر (≥ 10 ميجابت في الثانية). تم وضع كاميرا الويب على مستوى العين تحت إضاءة أمامية موحدة لضمان رؤية واضحة للوجه عند ≥ 640 × 480 بكسل. أشارت إشعارات إلى أن تتبع المشاعر كان نشطا. تم التحقق من الإطار والإضاءة قبل كل جلسة، وتم بدء إعداد البرمجيات بمجرد تأكيد استقرار الكشف.

2. تكوين الذكاء الاصطناعي البصري

  1. توفير خدمة التعرف على المشاعر
    تم إنشاء حساب سحابي، وتم تفعيل واجهة برمجة تطبيقات التعرف على المشاعر. تم إنشاء مفتاح واجهة برمجة التطبيقات ورابط نقطة النهاية، مع تخزين بيانات الاعتماد بشكل مشفرة تحت تحكم الوصول القائم على الأدوار. لإمكانية التكرار، تم استخدام واجهة برمجة تطبيقات Microsoft Azure Face (Emotion، الإصدار 3.2، منطقة شرق آسيا). قام العميل بالتحقق عبر HTTPS باستخدام رمز حامل وأعاد كائنات JSON لكل وجه تحتوي على {faceId, faceRectangle, مشاعر: {غضب، خوف، حزن، اشمئزاز، سعادة، مفاجأة، محايد}، ختم زمني} بسرعة تقارب 25-30 إطار في الثانية.
  2. توصيل الكاميرا ومعايرة الكشف
    كان تدفق كاميرا الويب في الصف مرتبطا بعميل API (بايثون أو REST). تم ضبط معدل أخذ العينات على 25-30 إطار في الثانية بدقة إطارات 640 × 480 بكسل. تم بدء تدفق اختبار، وتم تأكيد الاتصال من خلال استلام استجابة HTTP 200 OK مع JSON صالح. تم تعديل زاوية الكاميرا والإضاءة حتى تم اكتشاف الوجوه خلال ثانية واحدة من دخول الإطار. تم توثيق موضع الكاميرا النهائي ومعايير الإضاءة. تم إثبات المعايرة من خلال شاشة تأكيد تعرض صناديق الحدود، ومؤشر 200 OK، وحقول JSON، كما هو موضح في الشكل 1B.
  3. تعريف عتبات التصنيف وقواعد التسجيل
    تضمن كل مخرج JSON طوابع زمنية ISO 8601، وتسميات عاطفية، وقيم ثقة. تم تعريف مركب التأثير السلبي لكل إطار بأنه متوسط درجات الثقة {الغضب، الخوف، الحزن، الاشمئزاز}. تم تفعيل علم إجهاد عندما بقي المركب ≥ 0.75 لمدة لا تقل عن 5 ثوان (نافذة متحركة). تم إجراء تجربة تجريبية لمدة 10 دقائق لتحسين العتبات، مستهدفة معدل إيجابيات كاذبة لكل جلسة يبلغ ≤5٪. تم إعداد التسجيل لتجميع ملخصات على مستوى الجلسة بدلا من تخزين الإطارات القابلة للتعريف.
  4. تنفيذ ضوابط الخصوصية وتقليل البيانات
    تم تعيين معرفات مستعارة (S001-S332 للطلاب وF001-F015 لأعضاء هيئة التدريس)، مع الاحتفاظ بملف مفتاح الهوية على خادم مشفر تحت تحكم وصول قائم على الأدوار. تم تعطيل التخزين المؤقت للفيديو المحلي. عندما كان هناك حاجة للتخزين المؤقت لضمان الجودة، يتم حذف الإطارات المخزنة مؤقتا خلال 24 ساعة من التحقق. تم تسجيل دقة الكشف لكل جلسة، ومتوسط التأخير، ومعدلات الخطأ للعرض لاحقا في قسم النتائج.
  5. التحقق من جاهزية الذكاء الاصطناعي (نقطة تفتيش إجرائية)
    تم تأكيد اكتشاف الوجه المستقر عند 25-30 إطار في الثانية، واستلام ردود HTTP 200 OK، وحقول JSON صالحة، وإعدادات عتبة موثقة، وتخزين بيانات الاعتماد الآمن. تم الإبلاغ عن أن خط الأنابيب بأكمله اجتاز فحوصات الجاهزية المتوافقة مع تصوير المعايرة في الشكل 1B.

3. إدارة المسح

  1. تكوين الآلات والنقاط الرئيسية
    تم استخدام مقياس ليكيرت من 5 نقاط لقياس الاكتئاب والقلق والتوتر، باستخدام عناصر معدلة من DASS-21 لتتوافق مع السياق الأكاديمي. امتدت رموز العناصر والمراسي لتخطيط الأدوات المعروض في الجدول 3.
  2. إعطاء T1 (الاختبار التمهيدي)
    تم إجراء الاستبيان مباشرة بعد الفحص الأولي وقبل أي تغذية راجعة مستنيرة من الذكاء الاصطناعي. تم نشر نموذج آمن عبر الإنترنت مع تعيين جميع الحقول كإلزامية ومنع التقديم المكرر. تم تصدير مجموعة البيانات بصيغة CSV مع حقول لمعرف المشارك، النقطة الزمنية (T1)، ودرجات العناصر.
  3. تقديم ملاحظات موجزة للمدربين
    خلال 24 ساعة بعد T1، تم تقديم إرشادات غير سريرية للطلاب الذين تم تحديدهم بواسطة الذكاء الاصطناعي. شملت الملاحظات تمارين استرخاء قصيرة (3-5 دقائق)، وتعديلات خطة الدراسة، أو اقتراحات لإدارة الوقت. لم يتم تسجيل أي ملاحظات سريرية في مجموعة بيانات البحث. تم تحويل الطلاب الذين أظهروا ضيقا شديدا إلى خدمات الإرشاد في الحرم الجامعي وفقا لسياسة المؤسسة.
  4. إعطاء T2 (بعد الاختبار)
    تم إعادة إجراء نفس الاستبيان بعد الجلسة الثانية للامتحان والتغذية الراجعة اللاحقة. تم تصدير البيانات بصيغة CSV مع نقطة زمنية (T2) ومطابقة مع ردود T1 باستخدام معرفات المشاركين.
  5. قفل بيانات الاستبيان (نقطة التحقق الإجرائية)
    تم التحقق من معدلات الاستجابة وأنماط البيانات المفقودة، وتم قفل قاعدة بيانات الاستبيان قبل دمج البيانات. تم التخطيط لإحصاءات وصفية لإدراج في قسم النتائج.

4. تمارين المحاكاة السردية

  1. تنفيذ المحاكاة 1
    تم عرض سيناريو ضغط أكاديمي يصور مواقف مثل الحصول على درجة منخفضة أو تلقي تغذية راجعة غير عادلة. تم توجيه كل طالب لاختيار أحد ثلاثة خيارات للرد: استيعاب الإحباط الداخلي، لوم المعلم علنا، أو التأمل وطلب التوضيح. تم تخصيص مدة من 3 إلى 5 دقائق لاختيار الردود، تلتها مبررات مكتوبة تتراوح بين 150-200 كلمة. واجهة المحاكاة التي تعرض خيارات التوقيت والاستجابة موضحة في الشكل 1C.
  2. إجراء مقابلات قصيرة
    مباشرة بعد المحاكاة 1، أجريت مقابلات قصيرة مدتها 5-7 دقائق لاستكشاف تقييمات المشاركين، ونوايا التكيف، والمحفزات العاطفية المتصورة. تم تسجيل ملاحظات المقابلات وربطها بهويات المشاركين.
  3. تنفيذ المحاكاة 2
    تم إجراء محاكاة ثانية بعد عدة أيام، باتباع نفس إجراء المحاكاة 1 ولكن باستخدام سيناريو مواز. هدفت هذه الجلسة إلى ملاحظة التغيرات في الوعي العاطفي وسلوك التكيف. تم تسجيل الاختيار، والمنطق، وملاحظات المقابلة كما في المحاكاة 1.
  4. تأكيد سجلات المحاكاة (نقطة التحقق الإجرائية)
    تم التحقق من أن لكل مشارك خيار مسجل، ومبرر واحد يحتوي على ما لا يقل عن 150 كلمة، وملاحظة مقابلية مقابلة. تم إعداد قالب ملخص ترميز للتحليل الموضوعي لاحقا.

5. تصدير سجلات الذكاء الاصطناعي ودمج مجموعات البيانات

  1. تصدير ملخصات المشاعر على مستوى الجلسة
    تم تصدير ملخصات المشاعر على مستوى الجلسة بصيغة CSV، بما في ذلك معرف المشارك، معرف الجلسة، ختم ISO 8601 الزمن، علامة المشاعر، قيمة الثقة، ومؤشر التوتر. لم تحفظ إطارات الفيديو الخام.
  2. دمج سجلات الذكاء الاصطناعي مع ملفات الاستبيانات
    تم دمج ملفات سجل الذكاء الاصطناعي مع مجموعات بيانات الاستطلاعات T1 وT2 باستخدام معرف المشاركين وتاريخ الجلسة كمتغيرات رئيسية. تم حساب المتغيرات المشتقة، مثل ΔAnxiety = Anxiety_T2 − Anxiety_T1، لتقييم التغير مع مرور الوقت. تم إجراء تدقيق على 5٪ من السجلات المدمجة للتحقق من محاذاة المعرفات والاتساق الزمني.
  3. تأكيد سلامة الدمج (نقطة التحقق الإجرائية)
    تم تأكيد مطابقة التعريف واحد لواحد والترتيب الزمني الصحيح، مع وجود T1 قبل T2 لكل مشارك. تم حل أي فروق تم تحديدها قبل إجراء التحليل الإحصائي.

6. التحليل الكمي (سير عمل SPSS)

  1. استيراد البيانات وتعريف المتغيرات
    تم فتح ملفات البيانات في SPSS 27.0، وتم استيراد مجموعات بيانات CSV. تم تعريف تسميات وأنواع المتغيرات، ووضع قواعد للقيم المفقودة. تم حفظ الملفات الرئيسية بصيغة .sav لتحليلات لاحقة.
  2. تقييم الموثوقية والإحصاءات الوصفية
    تم حساب α كرونباخ لكل بناء لتقييم الاتساق الداخلي. تم توليد إحصاءات وصفية، بما في ذلك المتوسط (M) والانحراف المعياري (SD)، لجميع المتغيرات. تم الاحتفاظ بالمخرجات الناتجة لإدراجها في قسم النتائج.
  3. تنفيذ اختبارات t ذات العينات المزدوجة
    تم إجراء اختبارات t مزدوجة لمقارنة درجات T1 وT2 للقلق والاكتئاب والتوتر. شملت النتائج t، درجات الحرية (df)، قيمة p، d لكوهين، وفترة الثقة 95٪ (CI)، وكلها تم تقديمها في قسم النتائج.
  4. تنفيذ ANOVA بالإجراءات المتكررة
    تم تحديد الوقت (T1، T2) كعامل داخل الموضوع في تحليل التحليل الصبغي المعاد للقياس المتكرر. تم تقييم اختبار ماوشلي للكروي، وتم تطبيق تصحيح الجايسر الجنواني عند انتهاك الافتراضات. أبلغ التحليل عن قيم ثقة F، df، p، η2، و95٪ للإدراج في النتائج.
  5. ملاءمة نماذج الانحدار الخطي المتعددة
    تم تجهيز نماذج الانحدار الخطي المتعددة مع نتائج T2 متراجعة على درجات T1، ومعدل التوتر الذكاء الاصطناعي، واختيار السرد (المرمز الوهمي). تم تلخيص نتائج النموذج من خلال الإبلاغ عن β، والخطأ القياسي (SE)، وقيمة t، وقيمة p، وR2.
  6. صيانة معايير الوحدة والتدوين
    جميع القيم الرقمية كانت تتبع قواعد وحدة SI، مع وجود مسافة بين الرقم والوحدة (مثل 10 دقائق، 25 إطار في الثانية، 640 × 480 بكسل). تم إدخال المعادلات باستخدام أداة المعادلات الخاصة ب Word حيثما كان ذلك مناسبا، وتم الحفاظ على التدوين الإحصائي متسقا في جميع الأقسام.

7. سير عمل التحليل الموضوعي

  1. تجميع المجمع النوعي
    تم نسخ ملاحظات المقابلات، وتجميع التفسيرات السردية في مجموعة كاملة واحدة معنونة بمعرف المشارك ونقطة الزمن (Sim1 أو Sim2). وقد خدمت هذه المجموعة كمجموعة بيانات للتحليل النوعي.
  2. تطوير كتاب الشيفرة وتدريب المبرمجين
    تم تطوير كتاب رموز يركز على الانخراط العاطفي، وجودة اتخاذ القرار، ومؤشرات الذكاء العاطفي، بما في ذلك الوعي الذاتي، والتعاطف، وتنظيم المشاعر. تم تدريب اثنين من المبرمجين على 10٪ من المجموعة لضمان تفسير متسق للرموز والمعايير التحليلية.
  3. تأسيس موثوقية المترجم وإكمال الترميز
    تم تقييم موثوقية المقيم بهدف كوهين κ لا يقل عن 0.75. تمت مناقشة وحل أي تناقضات قبل الانتهاء من كتاب الشيفرة. ثم تم ترميز المجموعة المتبقية بالكامل. تم تلخيص ترددات المواضيع، وتم إعداد خريطة موضوعية تمثيلية لعرضها في قسم النتائج. تم اختيار اقتباس تمثيلي واحد لتوضيح كل موضوع أساسي.

8. مراقبة الجودة، استكشاف المشكلة، والأرشفة

  1. حل القضايا التقنية
    عندما كانت معدلات كشف الوجوه منخفضة، تم تحسين الإضاءة الأمامية وتعديل زاوية الكاميرا. تم التحقق من بقاء معدلات الإطارات ضمن 25-30 إطار في الثانية. في الحالات التي لوحظت فيها علامات إجهاد مفرطة، تم رفع عتبة الكشف إلى 0.80 أو تم تمديد نافذة الكشف إلى 8 ثوان على الأقل لتثبيت النتائج.
  2. ضمان اتساق البيانات
    تم التحقق من هويات المشاركين والنقاط الزمنية قبل تحليل البيانات. كان يتم إعادة معايرة المبرمجين بعد كل 50 نسخة لمنع انحراف الترميز. تم الحفاظ على قائمة تحقق لمراقبة الجودة على مستوى الجلسة وتوقيعها من قبل كل من قائد الجلسة ومسؤول البيانات لتوثيق سلامة الإجراءات.
  3. أرشفة مجموعات البيانات والتوثيق
    تم إلغاء تحديد جميع الملفات التحليلية عن طريق استبدال المعرفات المباشرة بمعرفات المشاركين. تم تخزين نماذج الموافقة بشكل منفصل عن بيانات البحث. تم أرشفة مجموعات البيانات النهائية، وملفات بناء جملة SPSS، وكتب الشيفرة، وسجلات مراقبة الجودة على خادم آمن تحت وصول محدود.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

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

التحليل الوصفي

أشارت المقارنات قبل المنشورات إلى انخفاض مستمر في الآثار السلبية بعد التنفيذ. انخفضت المتوسطات بعد الاختبار إلى 2.87 للقلق، و2.74 للاكتئاب، و2.69 للتوتر، بعد أن كانت المتوسطات قبل الاختبار 3.25، 3.11، و3.08 على التوالي (الشكل 2). تلخص النتائج الوصفية في الجدول 4، ويتم تقديم هيكل الأدوات على مستوى العنصر في الجدول 3. لتقييم الذكاء الاصطناعي الموثوقية ضمن سياق الدراسة...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

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

تظهر الدراسة أنه عندما يتم دمج المحاكاة السردية مع الذكاء الاصطناعي البصري، يصبح الوعي العاطفي عملية مشتركة بدلا من تدخل أحادي الاتجاه. لم يكن الطلاب يستجيبون فقط لأداة رقمية؛ كانوا يشاركون في تأمل عاطفي منظم يربط التقييم المعرفي بالتجربة المتجسدة. عبر مجموعة البيانات، كشفت النتائج الكمية والنوعية عن نمط ثابت من تقليل القلق وتحسن تنظيم المشاعر، مما يشير إلى أن البروتوكول يمكن أن يعمل كطبقة ذكية عاطفيا ضمن أنظمة التدريس الجامعية.

ما يبدو أنه يحدد فعالية هذه الط...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
الأجهزةكاميرا التعرف على الوجوهلوجيتك (أو ما شابه)كاميرا ويب C920 HD
الآلةمجموعة نصوص المقابلةالدخول اليدويتسجيلات صوتية/نصوص
الاستبيانمقياس DASS-21 المعدلتم تكييفها بواسطة المؤلفينصيغة ليكرت ذات النقاط الخماسية
البرمجياتواجهة برمجة تطبيقات Microsoft Azure Emotionمايكروسوفتواجهة برمجة تطبيقات المشاعر v3 (السحابة)
البرمجياتإحصائيات SPSSآي بي إمالإصدار 26
البرمجياتنظام المحاكاة السرديةتطوير ذاتيالقائم على الويب (HTML5)
منصة النظامنظام إدارة التدريس الجامعيالمنصة الداخليةمدمجة مع وحدة الذكاء الاصطناعي

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Walsham, W., et al. Unraveling the Threads: A comprehensive exploration of the interplay between social isolation and academic stress among students. Law Econ. 17 (3), 237-255 (2023).
  2. Kiekens, G., et al. Non-suicidal self-injury among first-year college students and its association with mental disorders: Results from the World Mental Health International College Student (WMH-ICS) initiative. Psychol Med. 53 (3), 875-886 (2023).
  3. Broglia, E., Barkham, M. Adopting the principles and practices of learning health systems in universities and colleges: Recommendations for delivering actionable data to improve student mental health. Cogent Ment Health. 3 (1), 1-30 (2024).
  4. Zhai, S., et al. Technology-driven support: exploring the impact of artificial intelligence on mental health in higher education. Educ Inf Technol. , 1-29 (2025).
  5. Dasgupta, R. Exploring The impact of anxiety, peer pressure on gaming young adults: A comprehensive analysis. SSRN. , (2024).
  6. Behera, A., et al. Associating facial expressions and upper-body gestures with learning tasks for enhancing intelligent tutoring systems. Int J Artif Intell Educ. 30, 236-270 (2020).
  7. Robinson, L. E., et al. Developing a multi-tiered system of support-based plan for bullying prevention among students with disabilities: Perspectives from general and special education teachers during professional development. Sch Ment Health. 15 (3), 826-838 (2023).
  8. Anghel-Drugărin, C. V., et al. Virtual classroom learning facilitator: An effective teacher-student relationship in the online environment. Ann Constantin Brancusi Univ Targu Jiu Eng Ser. , Annals of'Constantin Brancusi'University of Targu-Jiu. (2024).
  9. Rosário, A. T., Raimundo, R. Enhancing business higher education through simulation-based learning, problem-based learning, and challenge-based learning. WSEAS TRANSACTIONS. , (2024).
  10. Seyri, H., Ghiasvand, F. Emotions at the heart of tensions: A transcendental phenomenology of Iranian EFL teachers' intra-and interpersonal emotional tensions and regulation strategies. Int J Appl Linguist. 35 (2), 768-778 (2025).
  11. Salimi, N., et al. College students' mental health challenges: Concerns and considerations in the COVID-19 pandemic. J Coll Stud Psychother. 37 (1), 39-51 (2023).
  12. Harris, B. R., et al. Optimizing efforts to promote mental health on college and university campuses: Recommendations to facilitate usage of services, resources, and supports. J Behav Health Serv Res. 49 (2), 252-258 (2022).
  13. Ballester, L., et al. Mental disorders in Spanish university students: Prevalence, age-of-onset, severe role impairment and mental health treatment. J Affect Disord. 273, 604-613 (2020).
  14. Hoover, S., Bostic, J. Schools as a vital component of the child and adolescent mental health system. Psychiatr Serv. 72 (1), 37-48 (2021).
  15. Fruehwirth, J. C., et al. The Covid-19 pandemic and mental health of first-year college students: Examining the effect of Covid-19 stressors using longitudinal data. PloS one. 16 (3), e0247999(2021).
  16. Moeller, R. W., et al. Emotional intelligence, belongingness, and mental health in college students. Front Psychol. 11, 499794(2020).
  17. Kola, L., et al. COVID-19 mental health impact and responses in low-income and middle-income countries: reimagining global mental health. Lancet Psychiatry. 8 (6), 535-550 (2021).
  18. Zheng, K., et al. Application of AI-empowered scenario-based simulation teaching mode in cardiovascular disease education. BMC Med Educ. 24 (1), 1003(2024).
  19. Tran, L. D., et al. Visual narratives in nursing education: A generative artificial intelligence approach. Nurse Educ Pract. 79, 104079(2024).
  20. Li, J., et al. Enhancing visual communication design education: Integrating AI in collaborative teaching strategies. J Comput Methods Sci Eng. 24 (4-5), 2469-2483 (2024).
  21. Kim, J., et al. Learning design to support student-AI collaboration: Perspectives of leading teachers for AI in education. Educ Inf Technol. 27 (5), 6069-6104 (2022).
  22. Hwang, G. J., et al. Vision, challenges, roles and research issues of Artificial Intelligence in Education. Comput Educ Artif Intell. 1, 100001(2020).
  23. Bakk, ÁK. Representing mental disorders with virtual reality applications: Designing for multimodality and complex participation. Front Virtual Real. 3, 881766(2023).
  24. Shen, J., et al. Empathy Toward Artificial Intelligence Versus Human Experiences and the Role of Transparency in Mental Health and Social Support Chatbot Design: Comparative Study. JMIR Ment Health. 11 (1), e62679(2024).
  25. Abdul Nasir, N. I. A., et al. A visual analysis study of motion graphic effect as visual communication for mental health empowerment. Ideology J. 9 (2), 49-54 (2024).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

Mental Health LiteracyEmotion RecognitionUniversity StudentsEmotional ResilienceFacial Expression DetectionMixed Methods DesignDecision Making Confidence

مقالات ذات صلة