מידול של מערכת דינמית לא-ליניארית של ויסות סטרס והתנהגות רגשית בהשכלה גבוהה

סיכום

פרוטוקול זה מציג מסגרת של מרחב מצבים לא-ליניארי בהשראת הפיזיקה למידול דינמיקה של לחץ ורגש בהשכלה הגבוהה, המאפשרת למשתמשים לנתח ספי לחץ (burnout thresholds), מחזורי לחץ תנודתיים, חוסן וויסות אדפטיבי באמצעות משוואות דיפרנציאליות, ניתוח יציבות וסימולציות סטוכסטיות.

תקציר

בדרך כלל בוחנים ויסות מתחים והתנהגות רגשית בהשכלה גבוהה באמצעות מודלים סטטיסטיים תיאוריים שחסרה להם מבנה דינמי מכניסטי. עם זאת, מתח אקדמי מציג התנהגויות לא ליניאריות, כולל אפקטים של סף, שחיקה ותגובות סנסטיביות, שאינן נקלטות כראוי על ידי מודלים ליניאריים. מחקר זה מאמץ נקודת מבט של מערכות דינמיות לא ליניאריות כדי למדל ויסות מתחים והתנהגות רגשית בהשכלה גבוהה. המטרה העיקרית של מחקר זה היא לפתח מסגרת מרחב-מצבים לא ליניארית בהשראת הפיזיקה, הממדלת באופן קפדני את הצימוד בין מתח לרגש ואת הוויסות האדפטיבי בהשכלה גבוהה. הפרוטוקול מקיים מודל מרחב-מצבים לא ליניארי המתאר מתח, עירור רגשי ויכולת ויסות. משתמשים יכולים ליישם את הפרוטוקול כדי לסמלץ דינמיקת מערכת ולהעריך יציבות תחת תנאים אקדמיים משתנים. המסגרת משלבת ניתוחים של יציבות לא ליניארית וסימולציות סטוכסטיות כדי לחקור חוסן, חוסר יציבות ומעברים הקשורים לשחיקה. תוצאות הסימולציה מדגימות יציבות לא ליניארית, אפקטים של חוסן ומעברי משטר שאינם נקלטים על ידי מודלים ליניאריים קונבנציונליים. התוצאות מעידות כי ויסות מתחים בהשכלה גבוהה מתנהג כסגיסטם דינמי לא ליניארי. על ידי שילוב של דינמיקה לא ליניארית, מידול נוף אנרגיה ותאוריית ויסות אדפטיבי, עבודה זו מספקת מסגרת ניבויית מאוחדת המסבירה תהליכי חוסן, חוסר יציבות והתאוששות בסביבות אקדמיות. המסגרת מהווה בסיס למחקרי עתיד על רווחת הסטודנטים וסיכון לשחיקה. המסגרת רלוונטית לחוקרים ואנשי מקצוע המעוניינים ברווחת הסטודנטים ובויסות מתחים.

מבוא

ניתן לפרש ויסות מתחים והתנהגות רגשית בהשכלה גבוהה כתהליך דינמי מורכב המתפתח לאורך זמן תחת השפעה משולבת של משוב פסיכולוגי פנימי ולחצים אקדמיים חיצוניים¹. עבודות קורס, בחינות, ציפיות מוסדיות והערכה חברתית משבשים ללא הרף את מצבם הרגשי של הסטודנטים, ומייצרים תנודות ברמות החרדה, המוטיבציה והמעורבות². תגובות רגשיות אלו מתפתחות בתוך מרחב פאזה רב-ממדי הנשלט על ידי הערכה קוגניטיבית, אסטרטגיות התמודדות ומנגנוני ויסות אדפטיביים³. מודלים קלאסיים של תגובה למתח בפסיכולוגיה חינוכית מניחים בדרך כלל קשרים פרופורציונליים בין גירויי מתח לבין תגובות רגשיות, תוך הסתמכות שכיחה על ניתוחי רגרסיה או מדדים סטטיסטיים תיאוריים כדי לאפיין קשרים אלו⁴. עם זאת, תצפיות אמפיריות מדגימות בעקביות מאפיינים לא-ליניאריים כגון אפקטים של סף, רוויה, היסטרזיס ומעברים פתאומיים, כולל שחיקה וקריסה רגשית⁵. גורמי לחץ קטנים עשויים להוביל לשינויים רגשיים זניחים תחת תנאים יציבים; אולם, בקרבת ספים קריטיים, הם עלולים לעורר תגובות רגשיות לא פרופורציונליות⁶. התנהגות זו מזכירה תנודות לא-ליניאריות ותופעות ביפורקציה הנצפות במערכות פיזיקליות המוחזקות הרחק משיווי משקל⁷. מנקודת מבט זו, ניתן להגדיר סטודנטים כמערכות דיסיפטיביות פתוחות המחליפות ללא הרף "אנרגיה" הקשורה למתח עם סביבתם האקדמית, באמצעות תהליכי משוב השולטים בוויסות ובאדפטציה⁸.

מנקודת מבט חינוכית ופסיכולוגית, ניתן לפרש את המושגים המשמשים במסגרת הנוכחית באופן אינטואיטיבי. הצטברות מתח מייצגת את העומס ההדרגתי הנוצר כתוצאה מדרישות אקדמיות ולחצים סביבתיים. אקטיבציה רגשית משקפת שינויים במצבים רגשיים, כגון חרדה, תסכול, מוטיבציה ומעורבות, בעוד שקיבולת ויסות תואמת למנגנוני ההתמודדות והוויסות העצמי המסייעים לסטודנטים להסתגל לאתגרים. לצורך יישום אמפירי עתידי, ניתן לייצג את הצטברות המתח באמצעות סולמות של מתח נתפס; ניתן להעריך אקטיבציה רגשית באמצעות כלים מתוקפים למדידת חרדה, מצב רוח או רווחה רגשית; ואת קיבולת הוויסות ניתן להעריך באמצעות מדדי חוסן, התמודדות או ויסות עצמי. מיפויים אלו מספקים בסיס מעשי להערכת פרמטרים וכיול מודלים בעתיד. בהקשר זה, ניתן להבין מושגים לא-ליניאריים כגון יציבות, חוסן ומעברים קריטיים כדפוסים מובחנים של הסתגלות פסיכולוגית. מצבים יציבים מייצגים תפקוד רגשי מאוזן, חוסן משקף את היכולת להתאושש מהפרעות, ומעברים קריטיים תואמים לתמורות פתאומיות לעבר תוצאות לא-סתגלניות (maladaptive), כגון מתח כרוני או שחיקה. פרשנויות אלו יוצרות גשר מושגי ברור יותר בין פסיכולוגיה חינוכית לבין תאוריית מערכות דינמיות לא-ליניאריות, ובכך משפרות את הנגישות של המסגרת המוצעת עבור קהלים רב-תחומיים.

כדי לספק סקירה מושגית של אינטראקציות אלו, איור 1 ממחיש את מבנה האינטראקציות הדינמיות בין לחץ לרגש במערכות של השכלה גבוהה. הדיאגרמה מציגה קלטי לחץ הנובעים מדרישות אקדמיות, משתני תגובה רגשית המייצגים את התפתחות המצב הפסיכולוגי, ומנגנוני ויסות אדפטיביים המווסתים את המערכת באמצעות לולאות משוב. רכיבים אלו מקיימים אינטראקציה דינמית, היוצרת מסלולים בתוך מרחב פאזה של לחץ-רגש, אשר עשויים להתכנס לעבר מצבים רגשיים יציבים או להתבדר לעבר משטרים לא-אדפטיביים. למרות שייצוג מושגי זה מדגיש את טבעה הדינמי של הרגולציה הרגשית, מודלים פסיכולוגיים קיימים רק לעיתים רחוקות מתרגמים קשרים אלו למבנים מתמטיים מפורשים המתארים התפתחות זמנית.

איור 1: תרשים מושגי של אינטראקציית לחץ-רגש דינמית במערכות של השכלה גבוהה. איור זה ממחיש את המבנה המושגי של דינמיקת לחץ-רגש בסביבות אקדמיות. התרשים מציג קלטי לחץ הנובעים מדרישות אקדמיות, משתני תגובה רגשיים המייצגים את התפתחותם של מצבים פסיכולוגיים, ומנגנוני בקרה אדפטיביים המודולים את המערכת באמצעות לולאות משוב. אנא לחץ כאן להצגת גרסה גדולה יותר של איור זה.

המגבלות של גישות המידול הנוכחיות מומחשות עוד יותר ב-איור 2, המציג מסגרת מושגית המזהה את פערי המחקר העיקריים בספרות הקיימת על מידול סטרס. במרכז התרשים נמצא ההיעדר של מסגרת דינמית מכניסטית לאינטראקציה בין סטרס לרגש. סביב מגבלה זו נמצאים מספר פערים מקושרים המאפיינים את המחקר הנוכחי. ראשית, מחקרים רבים מסתמכים על מדדי סטרס מבוססי קורלציה, החסרים משוואות מכוונות המתארות את ההתפתחות הזמנית ודינמיקת המשוב⁹. שנית, שחיקה וחוסר יציבות רגשית מתוארים לעיתים קרובות באופן איכותני, במקום באמצעות ניתוח יציבות פורמלי המשתמש במטריצות יעקוביאן או בקריטריונים מבוססי ערכים עצמיים¹⁰. שלישית, במודלים הקיימים חסרים ייצוגים של נוף אנרגיה המסוגלים לכמת חסינות או גיאומטריה של אגן משיכה בתוך מערכות ויסות רגשי¹¹. לבסוף, תגובות סטרס ורגש נחשבות לעיתים קרובות כמשתנים בלתי תלויים, במקום כמשתני מצב מצומדים דינמית הנשלטים על ידי תהליכי משוב לא לינאריים¹². יחד, פערים אלו מדגישים את הצורך במסגרת מידול דינמית קפדנית המסוגלת לתאר התנהגות תנודתית, מולטי-סטביליות ומעברי פאזה במערכות סטרס בהשכלה גבוהה.

איור 2: מסגרת מושגית הממחישה פערים מחקריים בספרות הקיימת בנושא מידול של סטרס. איור זה מציג סקירה מושגית של המגבלות העיקריות בגישות הנוכחיות למידול סטרס. במרכז הדיאגרמה מופיע היעדרה של מסגרת דינמית מכניסטית המתארת את האינטראקציה בין סטרס לרגש. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

כדי להתגבר על מגבלות אלו, איור 3 מציג את ארכיטקטורת המידול הדינמי הלא-ליניארי המוצעת שפותחה במחקר זה. המסגרת משלבת דינמיקה של הצטברות מתח, משתנים של עוררות רגשית ומנגנוני משוב רגולטוריים אדפטיביים בתוך ניסוח מאוחד של מרחב מצבים לא-ליניארי. במסגרת זו, ניתן לתאר את התפתחות המערכת באמצעות משוואות דיפרנציאליות לא-ליניאריות הלוכדות דינמיקה של בקרה פנימית, השפעות של כוחות חיצוניים והפרעות סטוכסטיות הנובעות מאירועים אקדמיים בלתי צפויים. ניסוח כזה מאפשר לנתח אינטראקציות בין מתח לרגש באמצעות כלים מתורת המערכות הדינמיות הלא-ליניאריות, כולל ניתוח שיווי משקל, ניתוח ביפורקציה (bifurcation), תורת היציבות של ליאפנוב ושיטות יציבות סטוכסטיות^13,14,15,16. באמצעות הצגת משוואות ממשלות מפורשות, המודל מאפשר ניתוח קפדני של האופן שבו מצבים רגשיים מתפתחים לאורך זמן תחת השפעה סביבתית מתמשכת ותהליכי משוב פנימיים.

איור 3: ארכיטקטורת מידול דינמי לא-ליניארי מוצעת לוויסות מתח–רגש. איור זה ממחיש את המסגרת הדינמית הלא-ליניארית שפותחה במחקר זה למידול אינטראקציות של מתח–רגש במערכות של השכלה גבוהה. הארכיטקטורה משלבת דינמיקה של הצטברות מתח, משתני הפעלה רגשיים ומנגנוני משוב ויסותים אדפטיביים לתוך ניסוח מאוחד של מרחב מצבים. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

המטרה הכללית של השיטה המוצגת בעבודה זו היא לבסס מסגרת מידול לא-ליניארית מכניסטית המאפשרת ניתוח של ויסות סטרס בהשכלה גבוהה כמערכת דינמית המסוגלת להפגין מולטי-סטביליות, משטרי תנודה ומעברים קריטיים. בניגוד למודלים ליניאריים קונבנציונליים של מדדי סטרס, המסגרת המוצעת משלבת באופן מפורש אינטראקציות של משוב לא-ליניארי בין אנרגיית סטרס מצטברת, אקטיבציה רגשית ויכולת ויסות אדפטיבית^17,18,19,20. אינטראקציות לא-ליניאריות אלו מאפשרות זיהוי של מצבי שיווי משקל, אפיון של שולי יציבות וגילוי של נקודות תפנית הקשורות למעברי שחיקה (burnout). בנוסף, המסגרת מציגה פרשנות של נוף אנרגיה עבור ויסות רגשי, שבה פונקציות פוטנציאל מסוג Lyapunov מתארות את מבנה היציבות של מצבים רגשיים^21,22,23. בייצוג זה, ניתן לכמת חוסן באמצעות עומק אגן המשיכה (basin-of-attraction), בעוד שספי יציבות תואמים לנקודות ביפורקציה שבהן אטרקטורים יציבים נעלמים.

כדי להגביר את רמת הריאליזם, המודל משלב איברי כפייה מחזוריים המייצגים מחזורי סמסטרים אקדמיים, וכן הפרעות סטוכסטיות הלוכדות אירועים אקדמיים בלתי צפויים או תנודות סביבתיות^24,25,26. הרחבות אלו מאפשרות למסגרת לדמות דינמיקה ריאליסטית של מתח אקדמי, כולל מחזורי מתח תנודתיים במהלך תקופות בחינות ומעברים מונחי רעש בין מצבים רגשיים. יכולות מידול אלו מעניקות יתרונות על פני גישות סטטיסטיות טהורות על ידי מתן אפשרות לניתוחים חזויים של ספי תיסגור ומנגנוני חסינות.

גישות דינמיות לא-לינאריות יושמו בעבר בתחומים כגון ויסות ביולוגי, מדעי המוח ומערכות חברתיות מורכבות, שבהן תהליכים מונעי-משוב יוצרים התנהגויות מגיחות שלא ניתן להסבירן באמצעות מודלים לינאריים^27,28,29. יישום של עקרונות דומים של ויסות סטרס בהשכלה גבוהה מגשר בין פסיכולוגיה חינוכית לבין תאוריית מערכות דינמיות, ומאפשר ניתוח של תהליכי ויסות רגשי בתוך מסגרת מתמטית קפדנית. באמצעות שילוב של מידול דינמי לא-לינארי, תאוריית יציבות וניתוח נוף אנרגיה, השיטה המתוארת כאן מספקת פלטפורמה מאוחדת לחקר דינמיקת סטרס, מנגנוני חוסן ויציבות רגשית בסביבות אקדמיות³⁰.

בסופו של דבר, מסגרת זו מאפשרת לחוקרים לנתח כיצד מצטבר סטרס, כיצד תגובות רגשיות מתפתחות, וכיצד מנגנוני ויסות אדפטיביים משפיעים על יציבות המערכת לטווח ארוך. לפיכך, הגישה מציעה כלי מתודולוגי רב עוצמה לחקר חוסן, מעברי שחיקה ותהליכי התאוששות במערכות להשכלה גבוהה. מעבר לתרומתה המתודולוגית, המסגרת המוצעת נועדה לשמש כגשר בין-תחומי בין פסיכולוגיה חינוכית למדעי המערכות הדינמיות הלא-ליניאריות. באמצעות תרגום של תהליכים פסיכולוגיים כגון הצטברות סטרס, אקטיבציה רגשית, חוסן וויסות אדפטיבי למשתני מצב ניתנים לטיפול מתמטי, המסגרת מספקת שפה אנליטית משותפת לחקירת תופעות חינוכיות מורכבות באמצעות כלים דינמיים קפדניים. אינטגרציה זו משפרת את הבהירות המושגית, מקלה על כיול אמפירי עתידי באמצעות מדידות התנהגותיות ופסיכולוגיות, ותומכת בפיתוח מודלים חזויים ומסבירים לוויסות סטרס בסביבות אקדמיות³¹. במונחים פשוטים, המסגרת המוצעת בוחנת כיצד מצטבר סטרס אקדמי, כיצד תגובות רגשיות משתנות לאורך זמן, וכיצד מנגנוני התמודדות משפיעים על התאוששות וחוסן. המודל שואף לזהות תנאים שבהם סטודנטים שומרים על יציבות רגשית או הופכים פגיעים לשחיקה, ובכך מגשר בין תיאוריה פסיכולוגית לניתוח מערכתי כמותי.

פרוטוקול

פרוטוקול זה אינו כולל ניסויים בבני אדם או בבעלי חיים. המחקר מתבסס אך ורק על מידול מתמטי וסימולציה חישובית של דינמיקת מתח-רגש במערכות השכלה גבוהה. הכלים החישובים, סביבות התוכנה והמשאבים המספריים הדרושים ליישום מסגרת המידול הדינמי הבלתי-ליניארי המתוארת בפרוטוקול מופיעים בטבלת החומרים.

1. אתחול המודל והגדרת סביבת המחשוב

1. פתחו את סביבת המחשוב וצרו תיקיית פרויקט חדשה למחקר הסימולציה. פרטי התוכנה המלאים מופיעים ב-Supplementary File 1.
2. צרו קובץ סקריפט ראשי בשם StressEmotionModel.m למימוש מסגרת הוויסות הלא-ליניארית של לחץ-רגש.
3. הגדירו את שלושת משתני המצב המייצגים את המערכת הדינמית.
   1. הגדירו את S(t) כמתח אקדמי מצטבר. הגדירו את E(t) כעוררות רגשית.
   2. הגדירו את R(t) כקיבולת ויסות אדפטיבית.
4. צרו קובץ אתחול פרמטרים והקצו ערכים לכל פרמטרי הבסיס של המודל.
5. הגדירו את סט פרמטרי הבסיס באופן הבא.
   1. הגדירו את פרמטר הכביעה החיצונית F ל-2.0. הגדירו את פרמטר פיזור המתח β ל-0.30.
   2. הגדירו את פרמטר הצימוד מתח-רגש γ ל-0.50. הגדירו את פרמטר הגבר הוויסות κ ל-0.40.
   3. הגדירו את פרמטר הרגישות הרגשית α ל-0.80. הגדירו את פרמטר הרגיעה הרגשית δ ל-0.50.
   4. הגדירו את פרמטר הרוויה הלא-ליניארי µ ל-0.10. הגדירו את פרמטר האינטראקציה המתווכת-ויסות η ל-0.20. הגדירו את פרמטר דעיכת הוויסות λ ל-0.25.
6. הגדירו את וקטור המצב ההתחלתי.
   1. הגדירו S(0) = 1.0.
   2. הגדירו E(0) = 0.5.
   3. הגדירו R(0) = 0.8.
      הערה: השתמשו בערכי פרמטרים זהים בכל סימולציות הבסיס, אלא אם כן אתם מבצעים ניתוח רגישות.

2. יישום המודל הדינמי הבלתי-ליניארי

1. צרו קובץ פונקציה המכיל את המשוואות הדיפרנציאליות הצמודות השולטות בדינמיקה של לחץ, רגש וויסות. המשוואות השולטות מופיעות בSupplementary File 1 (Section S1.2), בעוד שהמימוש התואם ב-MATLAB מוצג בSupplementary File 1 (Section S1.8).
   הערה: פרמטרי הבסיס של המודל, התנאים ההתחלתיים, הגדרות הפותר הנומרי והמשוואות הדיפרנציאליות הליניאריות השולטות מופיעים בSupplementary File 1 (Sections S1.2–S1.6). פרמטרים אלו משמשים באופן עקבי לאורך כל הסימולציות הנומריות, אלא אם צוין אחרת.
2. ממש את משוואת התפתחות הלחץ עבור משתנה המצב של לחץ מצטבר S(t) בהתאם למערכת הדינמית הבלתי ליניארית המתוארת בSupplementary File 1, Section S1.2. המימוש החישובוני התואם של משוואה זו מסופק בSupplementary File 1, Section S1.8 (Function 1: Model Equations).
3. ממש את משוואת ההפעלה הרגשית המתוארת בSupplementary File 1, Section S1.2. מימוש ה-MATLAB של משוואת ההפעלה הרגשית זמין בSupplementary File 1, Section S1.8 (Function 1: Model Equations).
4. ממש את משוואת הוויסות האדפטיבי השולטת במשתנה המצב של קיבולת הוויסות R(t) בהתאם למודל הבלתי ליניארי המתואר בSupplementary File 1, Section S1.2. מימוש ה-MATLAB התואם מסופק בSupplementary File 1, Section S1.8 (Function 1: Model Equations).
5. אפשרו הפרעות סטוכסטיות רשות על ידי הוספת איברי רעש גאוסיים בלתי תלויים לכל משתנה מצב, כדי לדמות הפרעות אקדמיות אקראיות ושונות סביבתית.
6. בצעו 30 מימושים סטוכסטיים בלתי תלויים (n = 30) תוך שימוש ברצפי רעש אקראיים שונים, תוך שמירה על פרמטרי בסיס ותנאים התחלתיים זהים.
7. חשבו את מסלולי הממוצע ואת הערכות השונות התואמות, כאשר פסי השגיאה המדווחים בסעיף התוצאות מייצגים את השונות הסטטיסטית בין מימושים בלתי תלויים אלו.
8. בצעו אינטגרציה של המערכת הדינמית הבלתי ליניארית באמצעות הפותר הנומרי ODE45 עם סבילות יחסית של 1 × 10⁻⁶, סבילות מוחלטת של 1 × 10⁻⁸, צעד אינטגרציה התחלתי של 0.001, וגודל צעד מקסימלי של 0.05 לאורך פרק הזמן של הסימולציה 0 ≤ t ≤ 500.
9. ספקו את המימוש החישובוני המפורט, הגדרות הפותר וזרימת העבודה של הסימולציה בSupplementary File 1, Sections S1.6–S1.11.
10. הגדירו את האמפליטודות הסטוכסטיות באופן הבא:
    1. קבעו σS = 0.05.
    2. קבעו σE = 0.05.
    3. קבעו σR = 0.03.
11. הגבילו את כל משתני המצב כך שיישארו אי-שליליים במהלך האינטגרציה הנומרית.
12. החליפו ערכים נומריים שליליים באפס במהלך עיבוד הנתונים (post-processing).

3. סימולציה נומרית

1. הגדירו את הפותר הנומרי.
   1. בחרו ב-ODE45 עבור סימולציות דטרמיניסטיות.
   2. בחרו בשגרת אינטגרציה סטוכסטית שוות ערך כאשר מבוצעות סימולציות סטוכסטיות.
   3. קבעו את מצב השיווי משקל באופן נומרי באמצעות פונקציית fsolve של MATLAB עם הערכת מצב ראשונית של [1, 1, 1]. הפתרון האיטרטיבי נחשב כמתכנס כאשר הפותר עומד בקריטריוני ההתכנסות הבלתי-ליניאריים ברירת המחדל שלו תחת הסבירויות הנומריות המוגדרות.
      ​הערה: המימוש המלא מופיע ב-קובץ משלים 1, סעיף S1.8 (פותר שיווי משקל).
2. הגדירו את הגדרות הפותר הנומרי.
   1. קבעו את הסבירות היחסית ל-10⁻⁶. קבעו את הסבירות המוחלטת ל-10⁻⁸.
   2. קבעו את גודל הצעד המקסימלי ל-0.05. קבעו את גודל הצעד הראשוני ל-0.001.
3. הגדירו את ช่วง הסימולציה מ-t = 0 עד t = 500.
4. דגמו מסלולי פלט במרווחים של Δt = 0.1.
5. בצעו את האינטגרציה הנומרית.
6. שמרו את המסלולים הסימולטיביים של S(t), E(t) ו-R(t).
7. ייצאו את פלטי הסימולציה בפורמט ערכים מופרדים בפסיקים (CSV) לצורך ניתוח המשך.
   נקודת עצירה: בשלב זה, כל מסלולי הסימולציה והפלטים הנומריים נוצרו ויובאו. ניתן להשהות את זרימת העבודה ולהמשיך בה מאוחר יותר על ידי טעינה מחדש של קובצי הפרמטרים ופלטי הסימולציה שנשמרו, לפני המעבר לניתוח שיווי משקל, ניתוח יציבות, ויזואליזציה וניתוח רגישות.

4. ניתוח שיווי משקל ויציבות

1. חשבו את פתרונות שיווי המשקל על ידי השוואת כל נגזרות המצב לאפס. פתרו את המשוואות האלגבריות הלא-ליניאריות המתקבלות באמצעות אלגוריתם נומרי למציאת שורשים.
   הערה: פתרון מצב יציב נחשב כהשג למושג כאשר ההפרש המוחלט בין שני וקטורי מצב עוקבים עומד בקריטריון ההתכנסות שצוין. קריטריון ההתכנסות המפורט מופיע ב-Supplementary File 1, Section S1.7.
2. חשבו את מטריצת יעקובי (Jacobian matrix) בכל נקודת שיווי משקל. חשבו את הערכים העצמיים של מטריצת יעקובי.
3. סווגו את מצבי שיווי המשקל על פי הסימן של הערך העצמי הממשי המקסימלי. הגדירו מצבי שיווי משקל כיציבים כאשר לכל הערכים העצמיים יש רכיבים ממשיים שליליים.
4. הפיקו מפות יציבות המראות את התפלגותם של אזורי הפעלה יציבים ובלתי יציבים.

5. ויזואליזציה של מרחב הפאזה ומישור הזמן

1. ייצרו גרפים של S(t), E(t) ו-R(t) במישור הזמן. צרו דיוקני פאזה (phase portraits) דו-ממדיים עבור המישור S–E.
2. צרו דיוקני פאזה דו-ממדיים עבור המישור E–R. ייצרו מסלולים תלת-ממדיים במרחב המצבים S–E–R.
3. הוסיפו שכבות של שדות וקטורים וגרפי קווי זרימה (streamlines) על גבי דיוקני הפאזה, במידת הרלוונטיות. שמרו את כל האיורים בפורמט תמונה ברזולוציה גבוהה לצורך תיעוד ופרסום.

6. ניתוח רגישות

1. צרו סקריפט לניתוח רגישות. שנו פרמטר אחד בכל פעם תוך שמירה על שאר הפרמטרים בערכי הבסיס שלהם. בצעו ניתוח רגישות עבור פרמטר הצימוד בין לחץ לרגש.
2. בצעו ניתוח רגישות עבור פרמטר פיזור הלחץ. בצעו ניתוח רגישות עבור פרמטר הגבר הוויסות. בצעו ניתוח רגישות עבור פרמטר הכביעה החיצונית.
3. בצעו ניתוח רגישות עבור פרמטר הרוויה הרגשית הבלתי-ליניארית. הריצו את הסימולציה עבור כל ערך של הפרמטר.
4. חשבו את שיווי המשקל הרגשי במצב רגוע (steady-state) לאחר כל סימולציה. שמרו את כל ערכי שיווי המשקל במאגר תוצאות.
5. בצעו ניתוחי רגישות של פרמטר אחד על ידי שינוי בלתי תלוי של פרמטרי המודל העיקריים בטווחים המוגדרים המופיעים ב- Supplementary File 1, Section S1.10. באופן ספציפי, שנו את γ מ-0.1 ל-2.0 במדרגות של 0.1, את β מ-0.1 ל-1.0 במדרגות של 0.05, את κ מ-0.1 ל-2.0 במדרגות של 0.1, את F מ-0.5 ל-5.0 במדרגות של 0.25, ואת µ מ-0.01 ל-1.0 במדרגות של 0.05.
   הערה: עבור כל ערך של פרמטר, בצעו אינטגרציה נומרית, חשבו את פתרון מצב הרגוע, שמרו את משתני המצב שהתקבלו, וצרו את עקומות הרגישות והגרפים להשוואה התואמים.
6. צרו עקומות רגישות. צרו תרשימי פיזור השוואתיים.
7. צרו תרשימי עמודות השוואתיים. צרו מפות חום של תגובה לפרמטרים.

7. יצירה ואימות של הפלט

1. אמתו את ההתכנסות של כל הסימולציות. ודאו כי מסלולי המצב נותרים חסומים לאורך כל פרק הזמן של הסימולציה.
2. אמתו כי הפתרון המספרי הגיע למצב יציב (steady state) לפני ההמשך בניתוחים הבאים.
   הערה: התכנסות תניח כאשר השינויים העוקבים בכל משתני המצב מקיימים את קריטריון ההתכנסות שהוגדר מראש, כפי שמתואר ב-קובץ משלים 1, סעיף S1.7 (קריטריוני התכנסות). רק פתרונות שהתכנסו ישמשו לאחר מכן לניתוחי שיווי משקל, יציבות ורגישות.
3. אשרו כי פתרונות שיווי המשקל מקיימים את קריטריון ההתכנסות. ייצאו את כל פלטי הסימולציה, מפות היציבות, דיוקנסי הפאזה (phase portraits), תרשימי הרגישות ומערכי הנתונים המספריים.
   הערה: אלא אם צוין אחרת, כל הסימולציות משתמשות במערך הפרמטרים הבסיסי המוצג ב-קובץ משלים 1, וכל הניתוחים המספריים עוקבים אחר זרימת העבודה החישובית המסוכמת ב-קובץ משלים 1, סעיף S1.9. קוד המקור המלא של MATLAB, קובצי הפרמטרים, הגדרות הפותר (solver) ושגרות הוויזואליזציה הדרושות לשחזור הסימולציות המדווחותות סופקו ב-קובץ משלים 1.
4. ארחבו את כל הסקריפטים, קובצי הפרמטרים וקבצי הפלט לצורך שחזור ומחקרי תיקוף עתידיים.
   הערה: ספקו את כל קוד המקור של MATLAB, קובצי הפרמטרים, שגרות השרטוט וזרימות העבודה של הסימולציות כחומרים נלווים כדי לאפשר שחזור עצמאי של התוצאות המדווחות.

תוצאות

כדי לתקף את המסגרת הדינמית הלא-ליניארית המוצעת ולהדגים את יתרונותיה על פני ניסוחים ליניאריים קונבנציונליים, בוצע מחקר סימולציה נומרי מקיף (Supplementary File 2). אלא אם צוין אחרת, כל תוצאות הסימולציה הסטוכסטית מוצגות כממוצע ± סטיית תקן (SD) שהתקבלו מ-30 מימושים עצמאיים (n = 30). השוואות סטטיסטיות בין תרחישי סימולציה בוצעו באמצעות מבחן סטטיסטי מתאים עם רמת מובהקות של p < 0.05. ערכי p מדויקים מדווחים במקומות שבהם נערכו השוואות סטטיסטיות. הסימולציות העריכו כיצד מודל הלחץ–רגש–ויסות הלא-ליניארי מתנהג תחת שינוי שיטתי של פרמטרים, והשוו את התגובות המבניות שלו לאלו של מודל הלחץ הליניארי המסורתי. אינטגרציה נומרית של המשוואות הדיפרנציאליות השולטות בוצעה על פני טווחי זמן ארוכים מספיק כדי להבטיח התכנסות למצבי יציבה (steady-state) או למשטרים אסימפטוטיים. עבור כל ניסוי, הוחלו תנאי בסיס זהים על שני המודלים, בעוד שפרמטר בודד שונה בטווח שהוגדר מראש. מצבי הרגש היציבים שהתקבלו, הדינמיקה החולפת ומאפייני היציבות תועדו והוצגו באופן חזותי כדי להדגיש הבדלים מבניים בהתנהגות המערכת. יישום מוצלח של הפרוטוקול אושר כאשר המערכת הלא-ליניארית התכנסה לפתרונות מצב יציב חסומים, הפגינה מבני אטרקטור יציבים במרחב הפאזה, ושמרה על ערכים עצמיים דומיננטיים שליליים של מטריצת היעקוביאן תחת תנאי פרמטרי בסיס.

הניתוח ההשוואתי התמקד במספר פרמטרים דינמיים מרכזיים, כולל עוצמת הצימוד בין סטרס לרגש (γ), קצב פיזור הסטרס (β), אמפליטודת הכיחול החיצוני (F), הגבר הוויסות (κ), ומקדם האי-ליניאריות הרגשית (µ). פרמטרים אלו משפיעים ישירות על עוצמת המשוב, שולי היציבות והפצה מחדש של אנרגיה בתוך הסביבה האקדמית הממודלת. הסימולציות חושפות האם התגובות של המערכת עוקבות אחר התנהגות של סקאלינג פרופורציונלי, כפי שחוזה המודל הליניארי, או מציגות תופעות לא-ליניאריות כגון רוויה, בולם חוסן ומולטי-סטביליות, כפי שחוזה הניסוח הלא-ליניארי המוצע.

הרגישות של שיווי המשקל הרגשי לעוצמת הצימוד בין סטרס לרגש מוצגת ב-איור 4. כאשר פרמטר הצימוד γ עולה, המודל הליניארי מפיק תגובות רגשיות כמעט קבועות, מה שמעיד על כך שעוצמת הצימוד אינה משפיעה מבנית על תוצאות שיווי המשקל. בניגוד לכך, הניסוח הלא-ליניארי מראה ירידה בהפעלה הרגשית היציבה ככל ש-γ עולה, דבר המשקף את השפעתם של איברי אינטראקציה לא-ליניאריים המווסתים באופן דינמי את המשוב בין הסטרס לרגש.

איור 4: ניתוח רגישות השוואתי תחת עוצמת צימוד בין סטרס לרגש (γ). השוואת גרפים של עמודי ברים מקובצים של תגובה רגשית במצב יציב ככל שעוצמת הצימוד בין סטרס לרגש γ עולה. עמודים כחולים מייצגים את המודל הליניארי ועמודים כתומים מייצגים את המודל הלא-ליניארי. הציר האופקי מציג את עוצמת הצימוד γ, והציר האנכי מציג שיווי משקל רגשי יציב. העמודים מייצגים את ערכי הרגש הממוצעים במצב יציב שהתקבלו מהרצות סימולציה חוזרות, בעוד שקווי השגיאה מציינים ± סטיית תקן (SD) סביב הממוצע. התוצאות מדגימות כי המודל הלא-ליניארי מראה התנהגות של רוויה ותגובות רגשיות חסומות ככל שעוצמת הצימוד עולה, בעוד שהמודל הליניארי נותר רגיש באופן יחסי לשינויים בעוצמת הצימוד. העמודים מייצגים ערכי ממוצע של שיווי משקל רגשי במצב יציב שהתקבלו מ-30 הרצות סימולציה בלתי תלויות (n = 30), וקווי השגיאה מציינים ± סטיית תקן. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

השפעת קצב פיזור המתח β על שיווי המשקל הרגשי מומחשת באיור 5. המודל הליניארי חוזה ירידה חדה בהפעלה הרגשית ככל שהפיזור עולה, דבר המדגים רגישות גבוהה לפרמטר. לעומת זאת, המודל הבלתי ליניארי נותר יציב יחסית לאורך אותו טווח פרמטרים, זאת בשל שיכוך רגולטורי פנימי ומנגנוני משוב בלתי ליניאריים.

איור 5: ניתוח שטחים השוואתי תחת קצב פיזור מאמץ (β). השוואה מבוססת שטחים של שיווי משקל רגשי במצב יציב כאשר קצב פיזור המאמץ β משתנה. האזור המוצל בכחול מייצג את המודל הליניארי, והאזור המוצל בכתום מייצג את המודל הלא-ליניארי. הציר האופקי מראה את β, והציר האנכי מראה שיווי משקל רגשי יציב. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

הקשר בין הפעלה רגשית לבין כפייה אקדמית חיצונית מוצג ב-איור 6. הניסוח הליניארי מראה גדילה פרופורציונלית בהפעלה הרגשית ככל שאמפליטודת הכפייה עולה. מודל לא-ליניארי מראה תגובה רוויה, שבה ההפעלה הרגשית עולה בתחילה אך מתייצבת בהדרגה בשל ריסון לא-ליניארי והשפעות ויסות אדפטיביות. תחת תנאי פרמטרים סוב-אופטימליים, כגון צימוד מוגבר בין סטרס לרגש או הגבר ויסות בלתי מספיק, המערכת הראתה מסלולים לא יציבים, תנודות מוגברות או אובדן יציבות של שיווי המשקל, מה שמעיד על ירידה ביציבות המערכת ועשוי לייצג מצבים הקשורים למתח פסיכולוגי מוגבר ורגישות גבוהה יותר למעברים דמויי שחיקה.

איור 6: תגובה השוואתית של שיווי משקל רגשי תחת כניית חיצונית (F). תגובה רגשית במצב יציב כפונקציה של אמפליטודת הכניית החיצונית F. העקומה האדומה המקווקווקת מייצגת את המודל הליניארי, בעוד העקומה הכחולה הרציפה מייצגת את המודל הלא-ליניארי. הציר האופקי מציג את אמפליטודת הכניית F, והציר האנכי מציג את שיווי המשקל הרגשי היציב. אנא לחצו כאן כדי להציג גרסה גדולה יותר של איור זה.

החוסן של המערכת הבלתי-ליניארית תחת הפרעות סטוכסטיות מוצג ב-איור 7, המראה את האבולוציה הזמנית של ההפעלה הרגשית ואנרגיית הלחץ תחת הפרעות אקראיות. שני המשתנים תנודתיים בתוך טווחים חסומים למרות הזרקה רציפה של רעש, מה שמעיד על כך שמנגנוני משוב בלתי-ליניאריים שומרים על יציבות תחת שונות סביבתית.

איור 7: דינמיקה סטוכסטית של סטרס-רגש תחת הפרעות מושראות רעש. התפתחות לאורך זמן של אקטיבציה רגשית E(t) (עקומה כחולה) ואנרגיית סטרס S(t) (עקומה כתומה) תחת הפרעות סטוכסטיות. הציר האופקי מייצג שלבי זמן של הסימולציה. שני המשתנים נותרים חסומים למרות הפרעות מתמידות המונעות על ידי רעש. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

ניתוח נוף אנרגיה מספק תובנה נוספת לגבי יציבות המערכת. איור 8 מציג את ייצוג קווי המתאר של פונקציית האנרגיה המבוססת על Lyapunov במישור הפאזה של ויסות הרגש, שבו מסלול המערכת מתכנס לעבר אגן משיכה יציב. הייצוג התלת-ממדי של מבנה אנרגיה זה מוצג באיור 9, וחושף בארות פוטנציאל מרובות המצביעות על אפשרות למצבי ויסות רגשי יציבים חלופיים.

איור 8: מפת קווי מתאר של נוף האנרגיה עם מסלול דינמי במישור המצבים של ויסות הרגשות. ייצוג קווי מתאר של נוף האנרגיה המבוסס על Lyapunov במישור המצבים של עוררות רגשית (E) ויכולת ויסות (R). המסלול השחור ממחיש את התפתחות המערכת לעבר אגן משיכה יציב. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

איור 9: נוף אנרגיה לא-ליניארי תלת-ממדי הממחיש את הפוטנציאל למצבים רגולטוריים-רגשיים חלופיים. ייצוג תלת-ממדי של נוף האנרגיה של ליאפנוב (Lyapunov energy landscape) במרחב הפאזה של ויסות רגשי (E–R). בארי ליהם (potential wells) מרובים מרמזים על אפשרות למצבים רגולטוריים-רגשיים יציבים חלופיים תחת תנאי מערכת שונים. נוף האנרגיה מספק ויזואליזציה איכותנית של מבנה היציבות של המערכת; עם זאת, אישור ישיר של ריבוי יציבויות (multi-stability) דורש ראיות דינמיות נוספות, כגון החלפת מסלולים (trajectory switching) או ניתוח ביפורקציה (bifurcation analysis). אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

תכונות היציבות של המערכת הבלתי-ליניארית נותחו באופן מעמיק יותר באמצעות שיטות מבוססות ערכים עצמיים. איור 10 מציג מפת חום של הערך העצמי הממשי המקסימלי של מטריצת היעקוביאן עבור ערכים שונים של חוזק הצימוד בין מאמץ לרגש (γ) והברוך הרגולטורי (κ). הגברת החוזק הרגולטורי גורמת לערכים עצמיים שליליים יותר, מה שמעיד על יציבות אסימפטוטית חזקה יותר, בעוד שצימוד מופרז עלול להפחית את היציבות אם הוא אינו מאוזן על ידי רגולציה מספקת. אזורים המאופיינים בערכים עצמיים ממשיים מקסימליים שליליים תואמים לתנאי פעולה יציבים, בעוד שאזורים המתקרבים לאפס או חורגים ממנו מעידים על ספי יציבות ומעברים פוטנציאליים בין משטרים.

איור 10: מפת חום של יציבות מערכת הלחץ-רגש הלא-ליניארית בהתבסס על הערך העצמי הממשי המקסימלי.מפת חום המציגה את החלק הממשי המקסימלי של הערכים העצמיים של מטריצת היעקוביאן עבור עוצמת הצימוד בין לחץ לרגש γ והגבר הוויסות κ. ערכים שליליים יותר מעידים על יציבות אסימפטוטית חזקה יותר, בעוד שערכים המתקרבים לאפס מעידים על יציבות מופחתת וסבירות גבוהה יותר לחוסר יציבות. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

הדינמיקה של מרחב הפאזה מוצגת ב-איור 11, המראה את שדה הווקטורים וקווי הזרימה של מערכת הלחץ–רגש במישור הפאזה S–E. המסלולים מתכנסים לעבר אזור שיווי משקל יציב, מה שמעיד על התנהגות של אטרקטור. התנהגות התכנסות זו מאשרת את היישום המוצלח של הפרוטוקול ומדגימה כי המסגרת הלא-ליניארית משחזרת בעקביות דינמיקה יציבה של ויסות לחץ–רגש תחת תנאי הסימולציה שצוינו. מבנה היציבות הגלובלית של המערכת מודגם עוד יותר ב-איור 12, שבו מסלולים הנובעים ממספר תנאי התחלה מתכנסים לעבר אטרקטור משותף במישור הלחץ–רגש.

איור 11: ייצוג של שדה וקטורי במישור הפאזה וקווי זרימה של דינמיקת מתח-רגש. ייצוג של שדה וקטורי וקווי זרימה של מערכת מתח-רגש לא ליניארית במישור הפאזה של אנרגיית מתח (S) והפעלה רגשית (E). קווי הזרימה מתכנסים לעבר אזור שיווי משקל יציב, מה שמעיד על התנהגות אטרקטור. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.

איור 12: דיוקנאת פאזה צפופה תחת תנאי התחלה מרובים במישור מתח–רגש.דיוקנאת פאזה שהופקה מתנאי התחלה מרובים במישור הפאזה S–E. המסלולים מתכנסים לעבר אטרקטור משותף, מה שמדגים יציבות חסונה על פני מצבי התחלה מגוונים. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

מבנה האטרקטור התלת-ממדי של המערכת הבלתי-ליניארית מוצג ב-איור 13, בו מסלולים מתפתחים במרחב המצב המשולב של מתח–רגש–ויסות ומתקרבים לאטרקטור יציב. דינמיקה של המשתנים המצומדים במישור הזמן מומחשת ב-איור 14, שבו הפעלות רגשית ואנרגיית מתח מראות התאמות חולפות לפני התכנסות לעבר ערכי שיווי משקל של מצב יציב.

איור 13: אטרקטור לא-ליניארי תלת-ממדי במרחב המצב של דחק-רגש-ויסות. מסלול תלת-ממדי של המערכת הלא-ליניארית במרחב המצב המוגדר על ידי דחק (S), עירור רגשי (E) ויכולת ויסות (R). המסלול מתכנס לעבר אטרקטור יציב המייצג שיווי משקל של המערכת לטווח ארוך. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

איור 14: התפתחות של מצבים רגשיים ומצבי סטרס מצומדים במישור הזמן תחת רגולציה לא-ליניארית. התפתחות זמנית של הפעלה רגשית E(t) (ציר שמאל) ואנרגיית סטרס S(t) (ציר ימין). שני המשתנים מראים התאמה חולפת ואחריה התכנסות לעבר שיווי משקל במצב יציב. אנא לחצו כאן להצגת גרסה גדולה יותר של איור זה.

השפעת עוצמת הבקרה האדפטיבית על שיווי המשקל הרגשי נבחנת באיור 15. ככל שההגבר הרגולטורי κ עולה, המודל הליניארי חוזה ירידות משמעותיות בהפעלה הרגשית, בעוד שהמודל הלא-ליניארי שומר על ערכי שיווי משקל כמעט קבועים בשל מנגנוני רוויה אדפטיביים.

איור 15: ניתוח השוואתי דו-צירים תחת שינוי של הגבר הוויסות (κ). השוואה של שיווי משקל רגשי במצב יציב תחת הגבר ויסות κ משתנה. העקומה הכחולה מייצגת את המודל הליניארי, והעקומה האדומה המקווקווקת מייצגת את המודל הלא-ליניארי. הציר האופקי מציג את הגבר הוויסות κ. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.

לבסוף, איור 16 מציג השוואת רגישות מבוססת פיזור ככל שמקדם האי-ליניאריות הרגשית (µ) משתנה. במסגרת הליניארית, שיווי המשקל הרגשי נותר ללא שינוי מכיוון שאין מונחים לא-ליניאריים. לעומת זאת, המודל הלא-ליניארי מראה שיווי משקל רגשי פוחת ככל ש-µ עולה, מה שמדגים את השפעת הייצוב של רוויה קובית על הדינמיקה הרגשית.

איור 16: השוואת רגישות מבוססת פיזור תחת פרמטר אי-ליניאריות רגשית (µ). השוואת פיזור של שיווי משקל רגשי במצב יציב כאשר מקדם האי-ליניאריות הרגשית µ משתנה. סימונים אדומים מייצגים את המודל הליניארי, וסימונים כחולים מייצגים את המודל הבלתי ליניארי. נא ללחוץ כאן כדי לצפות בגרסה מוגדלת של איור זה.

מעבר למשמעות החישובית שלהם, להתנהגויות הדינמיות שנצפו יש פרשנויות משמעותיות בהקשרים חינוכיים ופסיכולוגיים. התגובות החסומות שנצפו תחת הפרעות סטוכסטיות מרמזות כי מנגנוני ויסות אדפטיביים יכולים למתן את השפעותיהם של גורמי לחץ אקדמיים בלתי צפויים, ובכך לתמוך בחוסן וביציבות רגשית. באופן דומה, ניתן לפרש את קיומם של אטרקטורים יציבים כמצבים מאוזנים פסיכולוגית שבהם סטודנטים מווסתים בהצלחה לחצים אקדמיים, בעוד שאזורי אי-יציבות וספי בביפורקציה עשויים להתאים לתנאים שבהם משאבי ההתמודדות הופכים לבלתי מספיקים, מה שמעלה את הפגיעות לשחיקה, לתשישות רגשית או לתגובות לחץ לא אדפטיביות. ניתוחי הרגישות מצביעים עוד על כך שחיזוק יכולת הוויסות יכול להרחיב את אזורי היציבות ולהפחית את הרגישות למעברים משבשים, מה שמדגיש השלכות פוטנציאליות עבור התערבויות שמטרתן לשפר מיומנויות התמודדות, ויסות רגשי ורווחת הסטודנטים. ממצאים מבוססי סימולציה אלו מרמזים כי המסגרת המוצעת עשויה לשמש כבסיס מושגי שימושי למחקרי עתיד שיבחנו מסלולי לחץ, מנגנוני חוסן ואסטרטגיות התערבות פוטנציאליות. עם זאת, נדרש תיקוף באמצעות נתונים אמפיריים של סטודנטים לפני שניתן יהיה לבסס יישום מעשי.

יחד, תוצאות אלו מדגימות כי המסגרת הלא-ליניארית המוצעת לוכדת מספר תכונות מבניות החסרות במודלים ליניאריים מסורתיים של מתח, כולל התנהגות רוויה, בולם יציבות תחת הפרעות, נופי אנרגיה רב-יציבים וחוסן באמצעות ויסות אדפטיבי. לאורך טווחי הפרמטרים שנבדקו, המודל הלא-ליניארי שמר בעקביות על אקטיבציה רגשית חסומה והתנהגות אטראקטור יציבה, בעוד שהמודל הליניארי הפגין רגישות גבוהה משמעותית לשינוי בפרמטרים ושולי יציבות מופחתים. תכונות אלו מספקות ייצוג ריאליסטי יותר של דינמיקת מתח–רגש בסביבות אקדמיות מורכבות.

קובץ משלים 1: קוד מקור של MATLAB, משוואות מכוונות, מימוש מספרי ותיעוד שחזור.קובץ משלים זה כולל את המשוואות הדיפרנציאליות הלא-ליניאריות המכוונות, פרמטרי מודל בסיס, תנאי התחלה, הגדרות פותר מספרי, קריטריוני התכנסות, קוד מקור של MATLAB, פותר שיווי משקל, נהלי ניתוח רגישות, שגרות ויזואליזציה, מפרטי תוכנה, טווחי פרמטרים וזרימת עבודה חישובית הנדרשים לשחזור כל הסימולציות, ניתוחי היציבות, מסלולי מרחב הפאזה, ניתוחי הרגישות, מפות חום של ערכים עצמיים ונופי אנרגיה של Lyapunov המוצגים בכתב היד.אנא לחצו כאן להורדת קובץ זה.

קובץ משלים 2: תיעוד זרימת העבודה של הסימולציה, מיפוי משתנים פסיכולוגיים ומסגרת תיקוף אמפירי.תוספת זו כוללת את זרימת העבודה המלאה של הסימולציה; את מיפוי משתני המצב המתמטיים ופרמטרי המודל למבנים פסיכולוגיים מדידים; כלי הערכה פסיכולוגיים מומלצים; הנחיות להערכת פרמטרים; מסגרת מוצעת לתיקוף אמפירי וכיול עתידיים באמצעות נתוני סטודנטים; ואסטרטגיות יישום פוטנציאליות לתיקוף אורכי ולישומים חינוכיים.אנא לחץ כאן להורדת קובץ זה.

דיון

הפרוטוקול החישוב המומש כאן מדגים כיצד ניתן ליישם מסגרת דינמית לא-ליניארית כדי לסמלץ אינטראקציות בין סטרס לרגשות באמצעות אינטגרציה נומרית, ניתוח יציבות וניתוח רגישות. שלב קריטי ביישום שיטה זו הוא ביצוע אינטגרציה נומרית נכונה של המשוואות הדיפרנציאליות השולטות על פני פרקי זמן ארוכים מספיק כדי להבטיח התכנסות לעבר מצב יציב או דינמיקת אטרקטור. ניתוחי הרגישות מגלים כי הניסוח הלא-ליניארי מגיב באופן שונה לשינויים בפרמטרים בהשוואה למודל הליניארי המסורתי. בפרט, עוצמת הצימוד (γ) משפיעה ישירות על שיווי המשקל הרגשי במערכת הלא-ליניארית, בעוד שקצב התפזרות הסטרס (β) מביא לתגובות מוגזמות בעיקר בניסוח הליניארי. באופן דומה, הגברת הכוח החיצוני גורמת להגברה בלתי מוגבלת במודל הליניארי, אך לרוויה חסומה במסגרת הלא-ליניארית. תצפיות אלו מדגישות את החשיבות של הגדרת פרמטרים קפדנית בעת יישום הפרוטוקול כדי לשמור על דינמיקת מערכת ריאליסטית³¹.

ניתן להתאים את הפרוטוקול כדי לסמלל מגוון של תנאים סביבתיים ותרחישים התנהגותיים. לדוגמה, ניתן לשלב במסגרת הסימולציה הפרעות סטוכסטיות המייצגות אירועים אקדמיים בלתי צפויים או גורמי לחץ חברתיים, כדי לבחון את עמידות המערכת להפרעות אקראיות. תחת תנאים אלו, המערכת הבלתי-ליניארית מראה תנודות חסומות במקום התבדרות בלתי נשלטת, מה שמעיד על חסינות להפרעות המונעות על ידי רעש. בנוסף, ניתוח נוף אנרגיה מספק תובנה גיאומטרית לגבי יציבות המערכת. מבני האנרגיה המתקבלים ממחישים כיצד מסלולי המערכת מתכנסים לעבר אגני משיכה יציבים, וכיצד בארות פוטנציאל מרובות עשויות לייצג מצבי ויסות רגשי שונים. כלים אנליטיים אלו מספקים הדרכה בעלת ערך לאבחון סימולציות לא יציבות ולזיהוי משטרי פרמטרים התומכים בדינמיקה רגולטורית יציבה. גורמים נפוצים לסימולציות לא יציבות כוללים פרמטרי צימוד גדולים מדי, הגבר רגולטורי לא מספיק או הגדרות אינטגרציה נומרית שאינן מתאימות. ניתן לפתור בעיות אלו לעיתים קרובות באמצעות כיול מחדש של הפרמטרים ואימות יציבות הפותר הנומרי.

ניתן לבחון את תכונות היציבות של המערכת הבלתי ליניארית גם באמצעות ניתוח מבוסס ערכים עצמיים וטכניקות של ויזואליזציה של מרחב הפאזה. ניתוחים אלה מדגימים כיצד האינטראקציה בין הצימוד של מתח–רגש לבין ההגבר הרגולטורי קובעת את יציבות המערכת הכוללת. הגברה של עוצמת הרגולציה משפרת בדרך כלל את היציבות האסימפטוטית, בעוד שצימוד חזק מדי עלול להוביל לאי-יציבות של המערכת אם הרגולציה אינה מספיקה. ייצוגי מרחב הפאזה חושפים עוד כי מסלולים הנובעים מתנאי התחלה מגוונים נוטים להתכנס לעבר אטרקטור משותף, מה שמעיד על יציבות חסונה במסגרת הבלתי ליניארית. האבולוציה המתואמת של מתח, עירור רגשי ויכולת רגולטורית ממחישה כיצד מנגנוני משוב אדפטיביים מכוונים את המערכת לעבר מצבי שיווי משקל³².

ניתוח במישור הזמן מספק תובנה נוספת לגבי התנהגות חולפת של המערכת והיווצרות שיווי משקל. הן עוררות רגשית והן סטרס מצטבר מראים בדרך כלל תנודות חולפות ראשוניות, ולאחריהן התכנסות הדרגתית לעבר רמות שיווי משקל במצב ייצוב. ניתוח רגישות של פרמטרים של בקרה אדפטיבית מראה כי הגברה של עוצמת הבקרה מדכאת באופן חזק עוררות רגשית במודלים ליניאריים, אך מייצרת שינויים מתונים יותר בניסוח לא-ליניארי בשל מנגנוני רוויה ובלימה של משוב. באופן דומה, הכללה של מונחי רוויה רגשית לא-ליניאריים מפחיתה הגברה מופרזת ומייצבת תגובות רגשיות. יחד, ממצאים אלה מדגימים כי המסגרת הלא-ליניארית לוכדת דינמיקות בקרה ומנגנוני ייצוב שאינם מיוצגים במודלים ליניאריים קונבנציונליים של סטרס. בהשוואה למודלים קונבנציונליים של סטרס, שהם ליניאריים או מבוססי קורלציה, המסגרת המוצעת מאפשרת ניתוח של גבולות יציבות, דינמיקה של אטרקטורים ומעברים לא-ליניאריים שאינם נלכדים בקלות על ידי גישות סטטיסטיות תיאוריות.

מחקרים עתידיים צריכים להשוות את המסגרה המוצעת לגישות מבוססות, כולל מודלים של סטרס טרנזקציונלי, מודלים פסיכולוגיים מבוססי רשת, מודלים של צמיחה חבויה לאורכית ומסגרות חיזוי מבוססות למידת מכונה. השוואות כאלה יספקו הערכה קפדנית יותר של היתרונות ההסבריים והחיזויים המוצעים על ידי מידול דינמי לא-ליניארי. מעבר לתרומותיה המתודולוגיות, למסגרת המוצעת מספר השלכות רחבות יותר על פסיכולוגיה חינוכית ועל הפרקטיקה של ההשכלה הגבוהה. מנקודת מבט של ייעוץ, זיהוי אזורי יציבות, מנגנוני חוסן וספי instability עשויים לסייע בהבנה כיצד סטודנטים מגיבים ללחצים אקדמיים ממושכים ומדוע חלק מהפרטים מתאוששים ביעילות ממתח, בעוד שאחרים חווים קשיים רגשיים מחמירים. המודל מציע כי חוסן אינו פשוט מאפיין אישי סטטי, אלא עשוי לנבוע מאינטראקציות דינמיות בין חשיפה לסטרס, תגובות רגשיות ותהליכי ויסות אדפטיביים³³.

המסגרת עשויה לספק גם בסיס תיאורטי למערכות תמיכה עתידיות בסטודנטים וליוזמות לניטור רווחה נפשית (wellbeing). לדוגמה, זיהוי משטרי פרמטרים הקשורים לירידה ביציבות עשוי לסייע בפיתוח מדדי התרעה מוקדמת לסיכון מוגבר לשחיקה, בעוד שניתוח של מנגנוני משוב רגולטוריים עשוי להנחות התערבויות לחיזוק מיומנויות התמודדות וויסות רגשי עצמי. ברמה המוסדית, המסגרת מציעה נקודת מבט מונחית-מערכות שעשויה לסייע בהערכת האופן שבו עומס אקדמי, לוחות זמנים של מבחנים ומשאבי תמיכה משפיעים באופן קולקטיבי על רווחת הסטודנטים. הגישה המוצעת נועדה להשלים תיאוריות פסיכולוגיות קיימות של סטרס וויסות ולא להחליפן. מודלים מסורתיים, כולל תיאוריות טרנזקציונליות של סטרס, מסגרות מבוססות התמודדות, תיאוריות של ויסות רגשי ומודלים של חוסן, מספקים הסברים בעלי ערך לתהליכי התאמה קוגניטיביים, התנהגותיים ורגשיים. המסגרת הדינמית הלא-ליניארית מרחיבה נקודות מבט אלו על ידי הצגת ייצוג כמותי של האופן שבו תהליכים אלה מקיימים אינטראקציה לאורך זמן, מה שעשוי להוביל ליצירת יציבות, התנהגות תנודתית, חוסן או מעברים פתאומיים לעבר תוצאות לא סתגלניות (maladaptive). אינטגרציה זו מסייעת במיקום המסגרת בתוך הספרות הרחבה יותר על סטרס של סטודנטים והסתגלות פסיכולוגית, תוך הדגשת ערכה הפוטנציאלי כגשר בין פסיכולוגיה חינוכית למדעי מערכות דינמיות.

יש לשקול גם את הערך החינוכי הרחב של מסגרות מבוססות סימולציה. על אף שהמחקר הנוכחי מתמקד בדינמיקה לא-ליניארית של מתח ורגשות, גישת המידול שבבסיסו עשויה לתמוך בלמידה רפלקסיבית ובקבלת החלטות אדפטיבית, בכך שהיא מאפשרת לסטודנטים, למחנכים ולאנשי מקצוע בתחומי התמיכה לחקור את ההשלכות של מסלולי ויסות מתחים שונים בתוך סביבות אקדמיות מדומות. סימולציות אלו יכולות להפוך תהליכים פסיכולוגיים מופשטים לנראים ומובנים יותר, ובכך לעודד מודעות עצמית ורפלקסיה רבה יותר בנוגע לאסטרטגיות התמודדות, תגובות רגשיות ופיתוח חוסן.

נקודת מבט זו עולה בקנה אחד עם מחקרים עדכניים המדגימים את היתרונות החינוכיים של חוויות מבוססות סימולציה. לדוגמה, Shi et al. (2025)³⁴ הראו כי חוויות סימולציה של תחבורה ציבורית, שנועדו לייצג את האתגרים העומדים בפני אנשים עם לקויות ראייה קלות, קידמו את פיתוח האמפתיה, החשיבה הרפלקסיבית ושיפור בקבלת החלטות תכנוניות. עקרונות דומים עשויים לחול על ויסות לחצים בהשכלה הגבוהה, שבה ייצוגים מבוססי סימולציה של הצטברות לחצים, הסתגלות רגשית ודינמיקת חסנነት עשויים לסייע לסטודנטים להבין טוב יותר את תגובותיהם ההתנהגותיות, ובמקביל לתמוך באקדמאים וביועצים בתכנון התערבויות יעילות יותר. כתוצאה מכך, המסגרת המוצעת עשויה לשמש לא רק ככלי אנליטי לחקירת דינמיקת לחצים, אלא גם כבסיס לסימולציות חינוכיות עתידיות המטפחות אמפתיה, רפלקסיה עצמית וקבלת החלטות אדפטיבית בסביבות אקדמיות.

למרות יתרונות אלו, לפרוטוקול המוצע מספר מגבלות. המודל מייצג ויסות רגשי באמצעות סט מפושט של משתנים דינמיים המתארים לחץ, עוררות רגשית ויכולת ויסות. דינמיקה רגשית בעולם האמיתי תלויה במגוון רחב יותר של גורמים, כולל תהליכי הערכה קוגניטיבית, אינטראקציות חברתיות ואסטרטגיות התמודדות אישיות. כתוצאה מכך, יש לפרש את המסגרת הנוכחית בעיקר ככלי למידול מושגי וחישובי ולא כמודל חיזוי להתנהגות פסיכולוגית אינדיבידואלית. עם זאת, הגישה מספקת פלטפורמה מתודולוגית בעלת ערך לבחינת דינמיקה של חוסן, תנאי יציבות ומכניזמי משוב לא-ליניאריים במערכות של לחץ אקדמי. מחקרים עתידיים עשויים להרחיב מסגרת זו על ידי שילוב של מערכי נתונים אמפיריים, אומדן פרמטרים מותאם אישית ושיטות כיול מבוססות נתונים כדי לשפר את יכולת החיזוי והיישומית בעולם האמיתי. ניתן יהיה לבצע מחקר תיקוף עתידי באמצעות איסוף נתונים לאורכיים של סטודנטים בעזרת כלים פסיכולוגיים מתוקפים כגון Perceived Stress Scale (PSS), Maslach Burnout Inventory–Student Survey (MBI-SS), Connor–Davidson Resilience Scale (CD-RISC), ומדדים של רווחה רגשית. ניתן להשתמש בתצפיות של סדרות זמן שנאספו לאורך סמסטר אקדמי כדי לאמוד את פרמטרי המודל ולהשוות בין מסלולים חזויים לבין תוצאות לחץ ותוצאות רגשיות שנצפו. תיקוף כזה יאפשר הערכה כמותית של דיוק המודל ושל ביצועי החיזוי שלו בסביבות חינוכיות ממשיות³⁵.

מגבלה נוספת היא היעדר תיקוף אמפירי באמצעות נתוני סטודנטים מהעולם האמיתי. המחקר הנוכחי מתמקד בביסוס מסגרת תיאורטית וחישובית, ולכן הוא נשען בעיקר על ניתוח מתמטי וסימולציה מספרית. בעוד שמחקרי סימולציה הם בעלי ערך לחקר התנהגות המערכת וזיהוי מנגנונים פוטנציאליים, הם אינם יכולים כשלעצמם לאשר שהדינמיקה הממודלת מייצגת במדויק תהליכי ויסות מתחים בסביבות לימודיות אמיתיות. יתרה מכך, הערכת פרמטרי המודל מהווה אתגר משמעותי, כיוון שמשתנים כגון הצטברות מתח, הפעלה רגשית וקיבולת ויסות אינם ניתנים לצפייה ישירה ועשויים להשתנות בין פרטים, מוסדות והקשרים תרבותיים. בנוסף, המסגרת הנוכחית מניחה אוכלוסיית סטודנטים כללית ואינה לוקחת בחשבון באופן מפורש הבדלים דמוגרפיים, תרבותיים, מוסדיים או דיסציפלינריים שעשויים להשפיע על דינמיקת ויסות המתח. מחקרים עתידיים צריכים להעריך את ביצועי המודל בהקשרים חינוכיים מגוונים.

כיוון חשוב למחקר עתידי כולל את השילוב של מסגרת הוויסות הלא-ליניארית המוצעת למתח ולרגש עם טכנולוגיות חינוכיות וטכנולוגיות לבריאות הנפש המעניקות חוויות השקיפות (immersive). עבודות אחרונות על נופי טיפול וירטואליים הראו שסביבות דיגיטליות סוחפות יכולות להפחית חרדה, לשפר את הרווחה הרגשית ולתמוך בהחלמה פסיכולוגית בקרב סטודנטים באוניברסיטה באמצעות חוויות שיקום שתוכננו בקפידה. ממצאים אלו מרמזים כי סביבות מבוססות סימולציה עשויות לספק פלטפורמות מעשיות לתרגום של מודלים תיאורטיים של ויסות מתח ליישומים מוכווני התערבות. בהקשר זה, אזורי היציבות, ספי recuperação של חוסן, מנגנוני התאוששות אדפטיביים ודפוסי תגובה סטוכסטיים שזוהו על ידי המסגרת הנוכחית עשויים להנחות את התכנון של סביבות למידה מגיבות פסיכולוגית, המסוגלות לנטר, לסמלץ ולתמוך ברווחת הסטודנטים³⁶.

על כן, מחקרים עתידיים צריכים להתמקד בכיול ובתיקוף אמפירי של המסגרת המוצעת. גישה מבטיחה תכלול איסוף של נתונים לאורכיים באמצעות כלים פסיכולוגיים מתוקפים למדידת סטרס נתפס, רווחה רגשית, יעילות התמודדות, חסינות, תסמיני שחיקה ומעורבות אקדמיתת. ניתן להשתמש במערכי נתונים אלו כדי להעריך את פרמטרי המודל, לבחון ביצועים ניבויים, לזהות הבדלים אישיים בהתנהגות דינמית, ולהעריך את המידה שבה מנגנוני היציבות והחסינות המוצעים תואמים לתוצאות שנצפו בקרב סטודנטים. בנוסף, מחקרים עתידיים עשויים להשוות את המסגרת לגישות פסיכולוגיות, סטטיסטיות וגישות מבוססות למידת מכונה מקובלות, כדי לקבוע את ערכן ההסברי והניבוי היחסי. פיתוחים אלו יהוו שלב קריטי בהפיכת המסגרת התיאורטית הנוכחית לכלי מתוקף אמפירית להבנה ותמיכה ברווחת הסטודנטים בהשכלה הגבוהה³⁷.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה

שם	חברה	מספר קטלוג	הערות
פתר משוואות דיפרנציאליות (ODE45)	MathWorks	MATLAB R2024a	פתר נומרי המשמש לאינטגרציה של המשוואות הדיפרנציאליות הלא-ליניאריות המשולבות. סבילות יחסית = 1×10-6; סבילות מוחלטת = 1×10-8.
תוכנת MATLAB	MathWorks, Natick, MA, USA	RRID: SCR_001622	תוכנת מחשוב נומרי ראשית המשמשת למימוש המודל, ניתוח יציבות, ניתוח רגישות, ויזואליזציה של מרחב הפאזה, יצירת נוף אנרגיה של ליאפנוב (Lyapunov) והפקת איורים.
חבילת תיעוד מתודולוגית	קובץ משלים S2	N/A	מכילה תיעוד של המסגרת התאורטית, פירוש פרמטרים, אסטרטגיית תיקוף, מגבלות ותיאורי זרימת עבודה חישובית.
ספריית עיבוד מערכים נומרית (NumPy)	NumPy Developers	NumPy 2.0	ספרייה המשמשת לפעולות מטריצות, חישובים נומריים, סריקות פרמטרים ועיבוד נתונים במימוש ב-Python.
סביבת סימולציה נומרית	סביבת MATLAB R2024a	N/A	סביבה חישובית המשמשת להרצת מסגרת ויסות stress–emotion– לא-ליניארית, סריקות פרמטרים, ניתוח שיווי משקל וסימולציות סטוכסטיות.
ארגז כלים לאופטימיזציה (Optimization Toolbox)	MathWorks	MATLAB Optimization Toolbox	משמש לחישוב מצבי שיווי משקל באמצעות שיטות למציאת שורשים לא-ליניאריים (fsolve).
סביבת תכנות Python	Python Software Foundation	Python 3.12	פלטפורמה חישובית חלופית המשמשת לאימות תוצאות נומריות ולשחזור סימולציות וויזואליזציות נבחרות.
ספריית מחשוב מדעי (SciPy)	SciPy Community	SciPy 1.14	ספרייה המשמשת לחישוב נומרי, פתרון משוואות לא-ליניאריות וניתוח משוואות דיפרנציאליות במימוש ב-Python.
חבילת קוד מקור	קובץ משלים S1	N/A	מכילה סקריפטים של MATLAB, הגדרות פותר, קבצי פרמטרים, שגרות לניתוח רגישות, קודי ניתוח יציבות וזרימות עבודה לוויזואליזציה הנדרשות לשחזור מלא.
תוכנת גיליונות אלקטרוניים	Microsoft Corporation	Microsoft Excel 365	משמשת לאחסון, ארגון, ייצוא ובדיקה של פלטי סימולציה ומערכי נתונים משלימים.
כלי ויזואליזציה (Matplotlib)	Matplotlib Development Team	Matplotlib 3.9	ספריית שרטוט מדעי המשמשת ליצירת גרפי רגישות, דיאגרמות יציבות, מסלולי מרחב פאזה, מפות חום ואיורים באיכות פרסום.