يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

الذكاء الاصطناعي يمكن تدريس التربية البدنية التقليدية في التعليم المهني العالي: استكشاف مسارات جديدة لدمج التثقيف الصحي

649 مشاهدة

⸱

DOI:

10.3791/69071

⸱

أكتوبر 31, 2025

 , 
1Basic Department of Shijiazhuang Institute of Rallway Technology

في هذه المقالة

ملخص

يصف هذا البروتوكول دمج نظام استشعار الانحلال الموجه بالذكاء الذكاء الاصطناعي والذي يراقب التنفس ودرجة الحرارة والحركة لتكييف محتوى التثقيف الصحي في الوقت الفعلي أثناء التربية البدنية المهنية ، ويقيم آثاره من خلال شبه تجربة مدتها ستة أسابيع.

الملخص

تقيم هذه الدراسة نظام استشعار الانحلال الموجه بالذكاء الذكاء الاصطناعي والمصمم لدمج التثقيف الصحي التكيفي في التربية البدنية المهنية. تم إجراء تصميم شبه تجريبي مع 356 مشاركا تم تخصيصهم إما لمجموعة تدخل (ن = 178) أو مجموعة ضابطة (ن = 178). استخدم النظام مستشعرات الانحلال القابلة للارتداء (مراقبة أنماط الجهاز التنفسي ودرجة الحرارة المحيطة والحركة) متصلة بمحرك الذكاء الاصطناعي الذي يطبق منطق التعلم الآلي القائم على القواعد لضبط المحتوى التعليمي في الوقت الفعلي - على سبيل المثال ، تقليل التعقيد أو التحول إلى العروض السمعية والبصرية عند اكتشاف علامات التعب. تم تقديم الجلسات في الفصول الدراسية مرتين في الأسبوع لمدة ستة أسابيع ، مع إجراء المسوحات مباشرة قبل التدخل وبعده. تم تقييم خمس نتائج باستخدام أدوات تم التحقق من صحتها: الاحتفاظ بالمعرفة ، والمشاركة ، والنية السلوكية ، والكفاءة الذاتية ، وقبول التكنولوجيا. تضمنت التحليلات الإحصائية ANOVA ، واختبارات العينة المزدوجة ، وارتباطات بيرسون ، واختبارات χ2 ، مع النتائج التي تم الإبلاغ عنها على أنها F (df1 ، df2) ، p ،η 2 ، و 95٪ فترات ثقة عند الاقتضاء. حققت مجموعة التدخل تحسينات أكبر بكثير من المجموعة الضابطة في الاحتفاظ بالمعرفة (Δ = +21.7 مقابل +10.6; F (1 ، 354) = 46.21 ، ص < 0.001 ، η2 = 0.21) ، المشاركة (F (1 ، 354) = 39.87 ، ص < 0.001 ، η2 = 0.18) ، النية السلوكية (F (1 ، 354) = 42.55 ، ص < 0.001 ، η2 = 0.19) ، الكفاءة الذاتية (F (1 ، 354) = 27.63 ، ص < 0.001 ، η2 = 0.13) ، وقبول التكنولوجيا (F (1 ، 354) = 35.12 ، ص < 0.001 ، η2 = 0.17). توضح هذه النتائج أن الجمع بين الاستشعار في الوقت الفعلي ودعم القرار الموجه بالذكاء الذكاء الاصطناعي يوفر إطارا قابلا للتكرار وقابلا للتكيف لتعزيز نتائج التثقيف الصحي في بيئات التربية البدنية المهنية.

المقدمة

التثقيف الصحي هو حجر الزاوية في الصحة العامة الحديثة ، وتحسين معرفة الأفراد ومواقفهم وسلوكياتهم المتعلقة بالصحة1. إن تعزيز مهارات الإدارة الذاتية يمكن الناس من اتخاذ قرارات مستنيرة ، وتبني ممارسات وقائية ، والانخراط في أنماط حياة أكثر صحة2. ومع ذلك ، فإن طرق التسليم التقليدية ، مثل محاضرات الفصول الدراسية والمواد المطبوعة والوحدات العامة عبر الإنترنت ، غالبا ما توفر تفاعلا محدودا وإضفاء الطابع الشخصي3. عادة ما تفشل هذه الأساليب في الاستجابة لاحتياجات المتعلمين في الوقت الفعلي ، مما يؤدي إلى مشاركة متواضعة وتغيير سلوكي مقيد4.

في السنوات الأخيرة ، سعت النماذج المعززة بالتكنولوجيا إلى معالجة هذه القيود. يمكن لمنصات التعلم الإلكتروني المتنقلة توسيع نطاق الوصول ولكنها عادة ما تقدم محتوى موحد دون التكيف الفسيولوجي5. تلتقط أنظمة التغذية الراجعة القابلة للارتداء فقط مستويات الحركة أو الانتباه ولكن نادرا ما تربط بيانات المستشعر بالتصميم التعليمي6. تظهر أدوات التعليم القائمة على الذكاء الاصطناعي الحالية قيمة في تحليل أنماط المشاركة وتقديم ملاحظات آلية ، ومع ذلك تعتمد معظم التطبيقات على الموارد الثابتة ولا تتكيف ديناميكيا مع حالات المتعلمين7. نتيجة لذلك ، لا تزال هناك فجوة في دمج الاستشعار في الوقت الفعلي مع الأساليب التعليمية التكيفية التي يمكن أن تتناسب مع كل من المحتوى والتسليم لسياق المتعلم.

لسد هذه الفجوة ، نقدم نظام استشعار الانحلال الموجه بالذكاء الذكاء الاصطناعي والذي يدمج المراقبة الفسيولوجية والبيئية متعددة المعلمات في التربية البدنية المهنية. يستخدم النظام أجهزة استشعار يمكن ارتداؤها قادرة على اكتشاف أنماط الجهاز التنفسي ودرجة الحرارة المحيطة وإشارات الحركة بمعدل أخذ عينات يبلغ 50 هرتز ، بزمن انتقال يبلغ حوالي 200 مللي ثانية ، مضمنة في جهاز خفيف الوزن يمكن ارتداؤه8. تتم معالجة تدفقات البيانات بواسطة محرك الذكاء الاصطناعي الذي يجمع بين منطق القرار المستند إلى القواعد ونماذج التعلم الآلي لاكتشاف مؤشرات التعب أو الإجهاد9. وعند حدوث مثل هذه المحفزات، يقوم النظام بتكييف التسليم التعليمي من خلال تبسيط تعقيد المحتوى أو التحول إلى العروض السمعية البصرية، وبالتالي الحفاظ على الدافع والفهم10. على عكس الأنظمة الأساسية المتنقلة المعزولة أو أطر عمل أجهزة الاستشعار فقط ، يوحد هذا النهج عمليات الاستشعار واتخاذ القرار وسير عمل التدريس التكيفي ضمن بروتوكول قابل للتكرار.

تدعم الأدلة من المجالات ذات الصلة إمكانات هذا التكامل. تظهر الدراسات في التعليم الطبي والمهني أن التحليلات القائمة على الذكاء الاصطناعي تعمل على تحسين الاحتفاظ بالمعرفة والمشاركة عند تقديم ملاحظات تكيفية11،12. حققت بيئات التعلم التي تدعم أجهزة الاستشعار وأطر الرعاية الصحية المستندة إلى إنترنت الأشياء تحسينات في دقة التنبؤ في الوقت الفعلي تصل إلى 36.9٪ ، مما يسلط الضوء على فوائد تدفقات البيانات متعددة المعلمات للتدخلات الشخصية13،14. يوضح البحث عن شبكات المراقبة الذكية والقابلة للارتداء أيضا تحسين المشاركة والوعي المكاني من خلال التقاط المؤشرات السلوكية والسياقية15،16. في سياق التربية البدنية المهنية ، تفوقت النماذج التعليمية الشخصية بشكل كبير على مناهج التدريس التقليدية (80٪ مقابل 32.5٪) في تعزيز السلوكيات المعززة للصحة17. وفي الوقت نفسه ، تم مؤخرا تكييف تقنيات استشعار الانحلال ، التي تم تطويرها في البداية لعلاجات الهباء الجوي والمراقبة البيئية ، للاستخدام التعليمي ، مما يتيح التقاط البيانات الفسيولوجية عالية الدقة في الوقت الفعلي18،19. على الرغم من هذه الاتجاهات الواعدة ، تظل معظم الأنظمة الحالية مقتصرة على التعلم الإلكتروني الثابت أو التطبيقات المعزولة القابلة للارتداء ، مما يترك تكامل استشعار الانحلال والتكيف المدفوع بالذكاء الذكاء الاصطناعي غير مستكشف.

تعالج الدراسة الحالية هذه الفجوة من خلال اقتراح بروتوكول قابل للتكرار يجمع بين استشعار الانحلال القابل للارتداء والتكيف التعليمي الموجه بالذكاء الذكاء الاصطناعي في التربية البدنية المهنية. على وجه التحديد ، يقيم البروتوكول تأثيره على خمس نتائج رئيسية: الاحتفاظ بالمعرفة ، والمشاركة ، والنية السلوكية ، والكفاءة الذاتية ، وقبول التكنولوجيا.

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

البروتوكول

تمت مراجعة هذه الدراسة والموافقة عليها من قبل مجلس المراجعة المؤسسية لمعهد شيجياتشوانغ لتكنولوجيا السكك الحديدية. وامتثلت جميع الإجراءات لإعلان هلسنكي واللوائح المحلية ذات الصلة. يتم سرد المعدات والبرامج المستخدمة في جدول المواد.

1. المنهجية

استخدمت هذه الدراسة تصميما شبه تجريبي لتقييم نظام استشعار الانحلال الموجه بالذكاء الذكاء الاصطناعي للتثقيف الصحي الرقمي في بيئات التعليم العالي. تم جمع البيانات قبل وبعد التدخل لتقييم الاحتفاظ بالمعرفة والمشاركة والنية السلوكية والكفاءة الذاتية وقبول التكنولوجيا باستخدام أدوات تم التحقق من صحتها مقتبسة من العمل السابق. يوضح الشكل 1 سير العمل العام للاستشعار واتخاذ القرارات بالذكاء الذكاء الاصطناعي والتسليم التعليمي التكيفي ، والذي يوضح كيفية دمج الإشارات الفسيولوجية والبيئية في المكونات القائمة على القواعد والتعلم الآلي لضبط المحتوى في الوقت الفعلي.

2. التحليلات الإحصائية

تم إجراء تحليل البيانات باستخدام SPSS الإصدار 25 ، مع تحديد الدلالة عند p < 0.05. تم تطبيق أربعة مقاربات إحصائية:

  1. تم استخدام ANOVA لمقارنة الفروق بين المجموعات عبر متغيرات النتائج الخمسة ، المحسوبة باستخدام الصيغة:
    figure-protocol-1
    حيث يمثل MS متوسط القيم التربيعية المشتقة من مجاميع المربعات مقسومة على درجات حريتها.
  2. تم تقييم اختبارات t للعينة المزدوجة داخل المجموعة من ما قبل الاختبار إلى بعده باستخدام:
    figure-protocol-2
    حيث d هو متوسط الفرق ، s_d الانحراف المعياري للاختلافات ، و n حجم العينة.
  3. تم تطبيق اختبارات مربع كاي لفحص الارتباطات بين النتائج الفئوية وتوزيع المجموعة:
    figure-protocol-3
    حيث O هو التردد المرصود و E هو التردد المتوقع.
  4. تم حساب معاملات ارتباط بيرسون لتحديد قوة واتجاه الارتباطات بين المتغيرات المستمرة:
    figure-protocol-4
    بقيم تتراوح من -1 إلى 1 ، حيث تم تفسير المعاملات التي تزيد عن 0.5 على أنها ارتباطات إيجابية معتدلة إلى قوية.

3. المشاركون

تم تجنيد ما مجموعه 356 مشاركا تتراوح أعمارهم بين 18 و 45 عاما (M = 26.7 ، SD = 5.4) من مؤسسات التعليم العالي ، واستوفوا معايير الإدراج للعمر ومحو الأمية التكنولوجية الأساسية ، وقدموا موافقة مستنيرة. تم تعيين المشاركين حسب جدول الأرقام العشوائية لمجموعة تدخل (ن = 178) تتلقى تعليمات تكيفية موجهة الذكاء الاصطناعي أو مجموعة ضابطة (ن = 178) تتلقى وحدات تقليدية دون تخصيص. يلخص الجدول 1 خصائص خط الأساس. يتم تصور توزيع الخصائص الديموغرافية عبر المجموعات الفرعية للمشاركين في الشكل 2 ، والذي يكمل الإحصاءات المجدولة ويؤكد قابلية المقارنة بين المجموعة في خط الأساس.

4. الأجهزة والمواد

ودمج النظام الأساسي استشعار يمكن ارتداؤه لأنماط الجهاز التنفسي ودرجة الحرارة المحيطة والحركة مع محرك الذكاء الاصطناعي الذي يجمع بين المنطق القائم على القواعد وتصنيف SVM لتحفيز التسليم التكيفي عند ظهور علامات التعب أو انخفاض النشاط. أجريت الجلسات في فصول دراسية موحدة للوسائط المتعددة (~ 50 م2) مجهزة بأجهزة عرض ومحطات قاعدة أجهزة استشعار ، واستمرت 45 دقيقة ، وتم تقديمها مرتين أسبوعيا على مدار ستة أسابيع.

5. أدوات القياس

تم إدارة جميع أدوات التقرير الذاتي على مقياس ليكرت من 5 نقاط (1 = لا أوافق بشدة على 5 = أوافق بشدة) ، مع درجات أعلى تشير إلى تأييد أقوى للبناء المستهدف. تم ربط العناصر بشكل إيجابي ما لم ينص على خلاف ذلك ، وتم حساب درجات المقياس كمتوسط للعناصر المكونة لها.

6. الاحتفاظ بالمعرفة

تم استخدام اختبار متعدد الخيارات المكون من 15 عنصرا يتماشى مع المحتوى التعليمي لتقييم المعرفة (نطاق الدرجات الإجمالي 0-15). وتعكس الدرجات الأعلى اكتساب قدر أكبر من المعرفة. كان أحد الأمثلة على العنصر: "ما هو مصدر الطاقة الأساسي أثناء التمرين الهوائي؟"

7. النية السلوكية

تم قياس النية السلوكية باستخدام أداة مكونة من 3 عناصر مقتبسة من نظرية السلوك المخطط20. كان العنصر التمثيلي: "أعتزم تبني الممارسات الصحية التي تم تقديمها في الفصل خلال الأسبوع التالي".

8. المشاركة

تم تقييم المشاركة باستخدام أداة مكونة من 5 عناصر مقتبسة من إطار عمل تم التحقق من صحته من المشاركة التعليمية التي تجذب الانتباه والتفاعل والمشاركة العاطفية والمثابرة والرضا عن التعلم21. كان البيان التوضيحي: "لقد تمكنت من الاستمرار في التركيز أثناء عملية التعلم".

9. الكفاءة الذاتية

تم تقييم الكفاءة الذاتية باستخدام أداة من 4 بنود ترتكز على التصور الراسخ للقدرة المتصورة. كان أحد العناصر: "أنا واثق من أنني أستطيع إكمال التمارين الصحية المعروضة في الفصل بشكل مستقل".

10. قبول التكنولوجيا

تم قياس قبول التكنولوجيا من خلال تكييف من 6 عناصر للنظرية الموحدة لقبول واستخدام التكنولوجيا ، والتي تغطي توقعات الأداء ، وتوقع الجهد ، والتأثير الاجتماعي ، وتسهيل الظروف. كان أحد العناصر التمثيلية: "يمكن أن يؤدي استخدام هذا النظام إلى تحسين أدائي التعليمي".

أظهرت جميع الأدوات تناسقا داخليا مقبولا وقويا في الدراسة الحالية: α = 0.87 (المعرفة) ، 0.82 (النية السلوكية) ، 0.85 (المشاركة) ، 0.84 (الكفاءة الذاتية) ، و 0.89 (قبول التكنولوجيا).

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

النتائج

النتائج التجريبية

لتقييم فعالية نظام استشعار الانحلال المدفوع بالذكاء الذكاء الاصطناعي ، تم إجراء تحليلات إحصائية متعددة.

كشفت نتائج ANOVA عن اختلافات واضحة في المجموعة عبر جميع النتائج الخمس ، حيث حقق المشاركون في مجموعة التدخل درجات أعلى باستمرار بعد الاختبار من أولئك الموجودين في المجموعة الضابطة (الجدول 2 ؛ الشكل 3).

عندما تم فحص التغييرات داخل المجموعة من خلال اختبارات ا...

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

المناقشة

تقدم نتائج هذه الدراسة دليلا داعما على أن دمج تقنية استشعار الانحلال الذكي المدعوم بالذكاء الذكاء الاصطناعي في التثقيف الصحي يمكن أن يعزز نتائج التعلم عبر أبعاد متعددة. بالمقارنة مع المجموعة الضابطة ، أظهر المشاركون في مجموعة التدخل تحسينات ذات دلالة إحصائية في جميع المتغيرات الخمسة المقاسة ، مع أكبر مكاسب لوحظت في الاحتفاظ بالمعرفة (F = 18.73 ، SS = 62.47 ، p < 0.001) ، تليها النية السلوكية (F = 16.95 ، SS = 54.32 ، p < 0.001) ، قبول التكنولوجيا (F = 13.45 ، SS = 42.65 ، p = 0.0003) ، ا...

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

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
حساسات AtomWear X100 القابلة للارتداءشركة شنزين أتومتك المحدودة، الصينX100مستشعر قابل للارتداء لمراقبة تردد التنفس، ودرجة الحرارة المحيطة، وإشارات الحركة (معدل أخذ العينات: 100 هرتز، الدقة: وزائد السعر؛ 0.1).
محرك الذكاء الاصطناعي (مصنف SVM قائم على القواعد + SVM)تنفيذ مخصصبايثون 3.9 مع TensorFlow 2.10 و scikit-learn 0.24خوارزمية دعم القرار التكيفي: تدمج بيانات المستشعرات وتضبط تقديم التعليمات.
مقياس النية السلوكيةمقتبس من أزين (1991)، نظرية السلوك المخطط3 عناصريقيم النية في تبني الممارسات الصحية.
مقياس التفاعلمقتبس من صن وآخرون (2019)5 عناصريقيس الانتباه، والتفاعل، والمشاركة العاطفية، والمثابرة، والرضا.
اختبار الاحتفاظ بالمعرفة (سؤال متعدد مكون من 15 بندا)مخصص، متوافق مع المحتوى التعليمياختبار اختيار من متعدد مكون من 15 عنصرا حول التمارين الهوائية والمعرفة الصحية.
إعداد الفصل الدراسي متعدد الوسائطالفصول الدراسية القياسية للتعليم العاليالفصل الدراسي (~50 متر وارتفاع 2;)، جهاز عرض، محطات قاعدة لاتصال المستشعرات.
بايثونمؤسسة بايثون للبرمجياتالإصدار 3.9بيئة البرمجة لمحرك الذكاء الاصطناعي والمعالجة المسبقة.
سكيكيت-لرنالمصدر المفتوحالإصدار 0.24مكتبة التعلم الآلي لتصنيف SVM.
مقياس الكفاءة الذاتيةمقتبس من باندورا (1997)4 عناصريقيم الثقة في أداء التمارين الصحية.
برنامج إحصاءات SPSSشركة آي بي إم، أرمونك، نيويورك، الولايات المتحدة الأمريكيةالإصدار 25التحليل الإحصائي (ANOVA، اختبارات t، الارتباط، وchi؛ ² اختبارات).
مقياس قبول التكنولوجيامقتبس من UTAUT (فينكاتيش وآخرون، 2003)6 عناصريغطي توقع الأداء، وتوقع الجهد، والتأثير الاجتماعي، والظروف الميسرة.
تنسور فلوجوجل برينالإصدار 2.10مكتبة التعلم العميق المستخدمة في محرك الذكاء الاصطناعي.

المراجع

  1. Buabbas, A. J., et al. Investigating students' perceptions towards artificial intelligence in medical education. Healthcare. 11 (9), 1298(2023).
  2. Mouna, H., N'djoli, J., Maria, H. Role of health education and reproductive health education in schools and higher education institutions. Indones J Innov Appl Sci. 5 (1), 33-48 (2025).
  3. Li, Y., et al. Integrated wearable smart sensor system for real-time multi-parameter respiration health monitoring. Cell Rep Phys Sci. 4 (1), 101191(2023).
  4. Wah, J. N. K. Revolutionizing e-health: The transformative role of AIpowered hybrid chatbots in healthcare solutions. Front Public Health. 13 (13), 1530799(2025).
  5. Reuben, J. S., Meiri, H., ArienZakay, H. AI's pivotal impact on redefining stakeholder roles and their interactions in medical education and health care. Front Digit Health. 6, 1458811(2024).
  6. Sökmen, Y. The role of self-efficacy in the relationship between the learning environment and student engagement. Educ Stud. 47 (1), 19-37 (2021).
  7. Zhang, Y. The effect of educational technology on EFL learners' self-efficacy. Front Psychol. 13 (13), 881301(2022).
  8. Wu, T. T., Lee, H. Y., Wang, W. S., Lin, C. J., Huang, Y. M. Leveraging computer vision for adaptive learning in STEM education: Effect of engagement and self-efficacy. Int J Educ Technol High Educ. 20 (1), 53(2023).
  9. Ros, F., et al. Addressing the COVID-19 pandemic and future public health challenges through global collaboration and a data-driven systems approach. Proc Int Conf. 5 (1), e10253(2021).
  10. Chao, K., et al. Big data-driven public health policy making: Potential for the healthcare industry. Heliyon. 9 (9), e19681(2023).
  11. Singh, D., Biju, B., Kumar, L., Arya, S., Singh, A. Assessing the impact of health education on health behavior change. J Chem Health Risks. 13 (6), 2380-2387 (2023).
  12. Nardini, C., et al. The evolution of personalized healthcare and the pivotal role of European regions in its implementation. Pers Med. 18 (3), 283-294 (2021).
  13. Gajic, M., et al. Analysis of the impact of oral health on adolescent quality of life using standard statistical methods and artificial intelligence algorithms. Children. 8 (12), 1156(2021).
  14. Rohani, N., Gal, K., Gallagher, M., Manataki, A. Providing insights into health data science education through artificial intelligence. BMC Med Educ. 24 (1), 564(2024).
  15. Weidener, L., Fischer, M. Artificial intelligence teaching as part of medical education: qualitative analysis of expert interviews. JMIR Med Educ. 9 (1), e46428(2023).
  16. Chan, Y., Lai, J. C. M., Hsieh, M. Y., Meen, T. H. Important elements of sensor technology and data management and related education. Sensors Mater. 42 (2), 30(2023).
  17. Feng, J. Application of new sensor technology and few-shot learning in education based on the IoT era. Comput Intell Neurosci. 2022 (1), 3965416(2022).
  18. Ovcharuk, V., et al. Forming competency in health promotion in technical specialists using physical education. Rev Rom Educ Multidimens. 13 (3), 1-19 (2021).
  19. Yan, Q., Sun, W., Zhang, L., Wang, H., Zhang, J. Effects of vibration characteristics on the atomization performance in the medical piezoelectric atomization device induced by intra-hole fluctuation. Chin J Mech Eng. 34, 1-9 (2021).
  20. Khosravi, S., Bailey, S., Parvizi, H., Ghannam, R. Wearable sensors for learning enhancement in higher education. Sensors. 22 (19), 7633(2022).
  21. LópezCrespo, G., et al. The educational eportfolio: preliminary evidence of its relationship with student's selfefficacy and engagement. Educ Inf Technol. 27 (4), 5233-5248 (2022).
  22. Hong, H., Dai, L., Zheng, X. Advances in wearable sensors for learning analytics: Trends, challenges, and prospects. Sensors. 25 (9), 2714(2025).
  23. Alkabbany, I., et al. An experimental platform for real-time student engagement measurements from video in STEM classrooms. Sensors. 23 (3), 1614(2023).
  24. Francisti, J., et al. Identification of heart rate change during the teaching process. Sci Rep. 13 (1), 16674(2023).
  25. Gellisch, M., et al. Interactive teaching enhances students' physiological arousal during online learning. Ann Anat. 247, 152050(2023).
  26. Ananthan, S., Gao, N., Salim, F. D. Understanding physiological responses of students over different courses. Proc ACM Int Symp Wearable Comput. , 104-110 (2024).
  27. Alfredo, R., et al. Human-centred learning analytics and AI in education: a systematic literature review. Comput Educ Artif Intell. 6, 100215(2024).
  28. Yan, L., et al. In sync or out of sync? Understanding stress and learning performance in collaborative healthcare simulations through physiological synchrony and arousal. Int J Artif Intell Educ. , 1-32 (2025).
  29. Mu, G., Zhang, Y., Yan, Z., Yu, Q., Wang, Q. Recent advancements in wearable sensors: integration with machine learning for human-machine interaction. RSC Adv. 15 (10), 7844-7854 (2025).
  30. Topali, P., et al. Designing human-centered learning analytics and artificial intelligence in education solutions: a systematic literature review. Behav Inf Technol. 44 (5), 1071-1098 (2025).
  31. Wettstein, A., et al. Teachers' heart rate variability and behavioral reactions in aggressive interactions: teachers can downregulate their physiological arousal, and progesterone favors social integrative teacher responses. Eur J Investig Health Psychol Educ. 14 (8), 2230-2247 (2024).
  32. Liu, H. Biosensors on teaching quality in applied higher education institutions from a biomechanical perspective. Mol Cell Biomech. 22 (2), 1293-1293 (2025).
  33. Bhatt, M., et al. Enhancing engineering student engagement and learning outcomes through WebVR and wearable sensor integration with immersive learning. Discov Sustain. 6 (1), 590(2025).

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

إعادة الطباعة والأذونات

الوسوم

تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.