הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

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

111 צפיות

⸱

DOI:

10.3791/71462

⸱

18 באוגוסט 2026

1School of Humanities, Zhuhai College of Science and Technology

במאמר זה

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 הגבוהה כתהליך דינמי מורכב המתפתח עם הזמן תחת השפעה משולבת של משוב פסיכולוגי פנימי ולחצים אקדמיים חיצוניים1. עבודות קורס, בחינות, ציפיות מוסדיות והערכה חברתית משבשים ללא הרף את המצבים הרגשיים של סטודנטים, ומייצרים תנודות בחרדה, במוטיבציה ובמעורבות2. תגובות רגשיות אלו מתפתחות בתוך מרחב פאזה רב-מדי הנשלט על ידי הערכה קוגניטיבית, אסטרטגיות התמודדות ומנגנוני ויסות אדפטיביים3. מודלים קלאסיים של תגובת-מתח בפסיכולוגיה חינוכית מניחים בדרך כלל קשרים פרופורציונליים בין גירויי מתח לבין תגובות רגשיות, ומתבססים לעיתים קרובות על ניתוחי רגרסיה או מדדים סטטיסטיים תיאוריים כדי לאפיין קשרים אלו4. עם זאת, תצפיות אמפיריות מדגימות בעקביות מאפיינים לא-ליניאריים כגון אפקטי סף, רוויה, היסטרזיס ומעברים פתאומיים, כולל שחיקה וקריסה רגשית5. גורמי לחץ קטנים עשויים לייצר תזוזות רגשיות זניחות בתנאים יציבים; אולם, בקרבת ספים קריטיים, הם עלולים לעורר תגובות רגשיות לא פרופורציונליות6. התנהגות זו מזכירה תנודות לא-ליניאריות ותופעות ביפורקציה הנצפות במערכות פיזיקליות המתוחזקות הרחק משיווי משקל7. מנקודת מבט זו, ניתן להגדיר סטודנטים כמערכות מנדפות פתוחות המחליפות ללא הרף "אנרגיה" הקשורה למתח עם סביבתם האקדמית, באמצעות תהליכי משוב השולטים בוויסות ובהסתגלות8.

מנקודת מבט חינוכית ופסיכולוגית, ניתן לפרש את המושגים המשמשים במסגרת הנוכחית באופן אינטואיטיבי. הצטברות מתח (Stress accumulation) מייצגת את העומס הפרוגרסיבי הנוצר מדרישות אקדמיות ומלחצים סביבתיים. הפעלה רגשית (Emotional activation) משקפת שינויים במצבים רגשיים, כגון חרדה, תסכול, מוטיבציה ומעורבות, בעוד שקיבולת ויסות (regulatory capacity) תואמת את מנגנוני ההתמודדות והוויסות העצמי המסייעים לסטודנטים להסתגל לאתגרים. לצורך יישום אמפירי עתידי, ניתן לייצג את הצטברות המתח באמצעות סולמות של מתח נתפס; ניתן להעריך את ההפעלה הרגשית באמצעות כלים מתוקפים למדידת חרדה, מצב רוח או רווחה רגשית; ואת קיבולת הוויסות ניתן להעריך באמצעות מדדי חסן, התמודדות או ויסות עצמי. מיפויים אלו מספקים בסיס מעשי להערכת פרמטרים וכיול מודלים בעתיד. בהקשר זה, מושגים לא-לינאריים כגון יציבות, חסן ומעברים קריטיים יכולים להבנה כדפוסים מובחנים של הסתגלות פסיכולוגית. מצבים יציבים מייצגים תפקוד רגשי מאוזן, חסן משקף את היכולת להתאושש מהפרעות, ומעברים קריטיים תואמים תמורות פתאומיות לעבר תוצאות לא-סתגלניות, כגון מתח כרוני או שחיקה. פרשנויות אלו מקימות גשר מושגי ברור יותר בין פסיכולוגיה חינוכית לבין תיאוריית מערכות דינמיות לא-לינאריות, ובכך משפרות את נגישות המסגרת המוצעת עבור קהלים רב-תחומיים.

כדי לספק סקירה רעיונית של אינטראקציות אלו, איור 1 ממחיש את המבנה של אינטראקציות דינמיות בין סטרס לרגש במערכות של השכלה גבוהה. הדיאגרמה מציגה קלטי סטרס הנובעים מדרישות אקדמיות, משתני תגובה רגשית המייצגים את ההתפתחות של המצב הפסיכולוגי, ומנגנוני ויסות אדפטיביים הממתנים את המערכת באמצעות לולאות משוב. רכיבים אלו מקיימים אינטראקציה דינמית, המייצרת מסלולים בתוך מרחב פאזה של סטרס-רגש שעשויים להתכנס לעבר מצבים רגשיים יציבים או להתפזר לעבר משטרי התנהגות לא סתגלניים. למרות שייצוג רעיוני זה מדגיש את הטבע הדינמי של הוויסות הרגשי, מודלים פסיכולוגיים קיימים מתרגמים קשרים אלו למבנים מתמטיים מפורשים המתארים התפתחות זמנית רק לעיתים רחוקות.

דיאגרמת מודל סטרס של סטודנטים; דינמיקה לא ליניארית; לולאות משוב; מצבים רגשיים; תורת הביפורקציה.
איור 1דיאגרמה רעיונית של אינטראקציה דינמית בין סטרס לרגש במערכות של השכלה גבוהה. איור זה מדגים את המבנה המושגי של דינמיקת מתח-רגש בסביבות אקדמיות. הדיאגרמה מציגה קלטי מתח הנובעים מדרישות אקדמיות, משתני תגובה רגשית המייצגים את ההתפתחות של מצבים פסיכולוגיים, ומנגנוני ויסות אדפטיביים הממתנים את המערכת באמצעות לולאות משוב. אנא לחצו כאן כדי להציג גרסה מוגדלת של איור זה.

המגבלות של גישות המידול הנוכחיות מודגמות עוד יותר ב-איור 2, המציג מסגרת מושגית המזהה את פערי המחקר העיקריים בספרות הקיימת על מידול מתח. במרכז התרשים נמצא ההיעדר של מסגרת דינמית מכניסטית לאינטראקציה בין מתח לרגש. סביב מגבלה זו נמצאים מספר פערים מקושרים המאפיינים את המחקר הנוכחי. ראשית, מחקרים רבים מסתמכים על מדדי מתח מבוססי קורלציה, החסרים משוואות שולטות המתארות את ההתפתחות בזמן ודינמיקת משוב9. שנית, שחיקה וחוסר יציבות רגשית מתוארים לעיתים קרובות באופן איכותי, ולא באמצעות ניתוח יציבות פורמלי המשתמש במטריצות יעקוביאן או בקריטריונים מבוססי ערכים עצמיים10. שלישית, במודלים הקיימים חסרים ייצוגי נוף אנרגיה המסוגלים לכמת חסינות או גאומטריה של אגן משיכה בתוך מערכות ויסות רגשי1. לבסוף, תגובות של מתח ורגש נחשבות לעיתים קרובות כמשתנים בלתי תלויים, ולא כמשתני מצב מצומדים דינמית הנשלטים על ידי תהליכי משוב לא ליניאריים12. יחד, פערים אלו מדגישים את הצורך במסגרת מידול דינמית קפדנית המסוגלת לתאר התנהגות תנודתית, מולטי-יציבות ומעברי פאזה במערכות של מתח בהשכלה הגבוהה.

מגבלות המחקר: משוואות דינמיות, ניתוח יציבות, נוף אנרגיה, מידול מאמצים.
איור 2מסגרת מושגית הממחישה פערים מחקריים בספרות הקיימת בנושא מידול מתחים. איור זה מציג סקירה מושגית של המגבלות העיקריות בגישות הנוכחיות למידול סטרס. במרכז התרשים מופיע ההיעדר של מסגרת דינמית מכניסטית המתארת את האינטראקציה בין סטרס לרגש. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

כדי להתגבר על מגבלות אלו, איור 3 מציג את ארכיטקטורת המידול הדינמי הבלתי ליניארי המוצעת שפותחה במחקר זה. המסגרת משלבת דינמיקה של הצטברות לחצים, משתני הפעלה רגשיים ומנגנוני משוב רגולטוריים אדפטיביים בתוך ניסוח מאוחד של מרחב מצבים בלתי ליניארי. במסגרת זו, ניתן לתאר את התפתחות המערכת באמצעות משוואות דיפרנציאליות בלתי ליניאריות הלוכדות את דינמיקת הרגולציה הפנימית, השפעות כביעה חיצוניות והפרעות סטוכסטיות הנובעות מאירועים אקדמיים בלתי צפויים. ניסוח כזה מאפשר לנתח אינטראקציות של לחץ-רגש באמצעות כלים מתורת המערכות הדינמיות הבלתי ליניאריות, כולל ניתוח שיווי משקל, ניתוח ביפורקציה, תורת היציבות של ליאפנוב ושיטות יציבות סטוכסטית13,14,15,16. על ידי הגדרת משוואות מנחות מפורשות, המודל מאפשר ניתוח קפדני של האופן שבו מצבים רגשיים מתפתחים לאורך זמן תחת כביעה סביבתית רציפה ותהליכי משוב פנימיים.

דיאגרמת צימוד של דחק-רגש עם משוואות מרחב מצבים, ניתוח יציבות, אנרגיית ליאפנוב.
איור 3ארכיטקטורת מידול דינמי לא-ליניארי מוצעת לוויסות מתח–רגש. איור זה מדגים את המסגרת הדינמית הבלתי-ליניארית שפותחה במחקר זה למידול אינטראקציות בין סטרס לרגש במערכות של השכלה גבוהה. הארכיטקטורה משלבת דינמיקה של הצטברות סטרס, משתנים של הפעלה רגשית ומנגנוני משוב רגולטוריים אדפטיביים לתוך ניסוח מאוחד של מרחב מצבים. אנא לחצו כאן כדי להציג גרסה גדולה יותר של איור זה.

המטרה הכללית של השיטה המוצגת בעבודה זו היא לבס מסגרת מידול לא-ליניארית מכניסטית המאפשרת ניתוח של ויסות מתח בהשכלה הגבוהה כמערכת דינמית המסוגלת להפגין מולטי-יציבות (multistability), משטרי תנודה ומעברים קריטיים. בניגוד למודלים קונבנציונליים ליניאריים של מדדי מתח, המסגרת המוצעת משלבת באופן מפורש אינטראקציות של משוב לא-ליניארי בין אנרגיית מתח מצטברת, אקטיבציה רגשית ויכולת ויסות אדפטיבית17,18,19,20. אינטראקציות לא-ליניאריות אלו מאפשרות זיהוי של מצבי שיווי משקל, אפיון של שולי היציבות וזיהוי של נקודות תפנית הקשורות למעברי שחיקה (burnout). בנוסף, המסגרת מציגה פרשנות של נוף-אנרגיה לוויסות רגשי, שבה פונקציות פוטנציאל מסוג ליאפנוב (Lyapunov-type) מתארות את מבנה היציבות של מצבים רגשיים21,2,23. בייצוג זה, ניתן לכמת חסמי עמידות (resilience) על ידי עומק אגן המשיכה (basin-of-attraction), בעוד שספי יציבות תואמים לנקודות ביפורקציה שבהן אטרקטורים יציבים נעלמים.

כדי להגביר את רמת הריאליזם, המודל משלב איברי כריחה מחזוריים המייצגים מחזורי סמסטרים אקדמיים, וכן הפרעות סטוכסטיות הלוכדות אירועים אקדמיים בלתי צפויים או תנודות סביבתיות24,25,26. הרחבות אלו מאפשרות למסגרת לדמות דינמיקה ריאליסטית של סטרס אקדמי, כולל מחזורי סטרס תנודתיים במהלך תקופות בחינות ומעברים מונחי רעש בין מצבים רגשיים. יכולות מידול אלו מספקות יתרונות על פני גישות סטטיסטיות טהורות על ידי כך שהן מאפשרות ניתוחים ניבויים של ספי סבילות לאי-יציבות ומנגנוני חסן.

גישות דינמיות לא-ליניאריות יושמו בעבר בתחומים כגון בקרה ביולוגית, מדעי המוח ומערכות חברתיות מורכבות, שבהם תהליכים מונעי-משוב יוצרים התנהגויות מגיחות שאינן ניתנות להסבר באמצעות מודלים ליניאריים27,28,29. יישום של עקרונות דומים של ויסות סטרס בחינוך הגבוה מגשר בין פסיכולוגיה חינוכית לבין תיאוריית מערכות דינמיות, ובכך מאפשר ניתוח של תהליכי ויסות רגשי במסגרת מתמטית קפדנית. באמצעות שילוב של מידול דינמי לא-ליניארי, תיאוריית יציבות וניתוח נוף אנרגטי, השיטה המתוארת כאן מספקת פלטפורמה מאוחדת לחקר דינמיקת סטרס, מנגנוני חסן 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 חסון (resilience), מעברים לשחיקה (burnout) ותהליכי התאוששות במערכות להשכלה גבוהה. מעבר לתרומתה המתודולוגית, המסגרת המוצעת נועדה לשמש כגשר בין-תחומי בין פסיכולוגיה חינוכית למדע מערכות דינמיות לא-ליניאריות. על ידי תרגום של תהליכים פסיכולוגיים כגון הצטברות סטרס, אקטיבציה רגשית, חסון וויסות אדפטיבי למשתני מצב שניתן לטיפול מתמטי, המסגרת מספקת שפה אנליטית משותפת לחקר תופעות חינוכיות מורכבות באמצעות כלים דינמיים קפדניים. אינטגרציה זו מחזקת את הבהירות המושגית, מקלה על כיול אמפירי עתידי באמצעות מדידות התנהגותיות ופסיכולוגיות, ותומכת בפיתוח של מודלים ניבויים 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 וחסון. המודל שואף לזהות תנאים שבהם סטודנטים שומרים על יציבות רגשית או הופכים פגיעים לשחיקה, ובכך מגשר בין תיאוריה פסיכולוגית לניתוח מערכות כמותי.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

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.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

כדי לתקף את המסגרת הדינמית הבלתי 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 תקנית (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 בוצעו השוואות סטטיסטיות. הסימולציות העריכו כיצד מודל מתח-רגש-ויסות בלתי ליניארי מתנהג ת...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן 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...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחבר מצהיר כי אין לו אינטרסים כספיים או לא-כספיים מתחרים ואין לו ניגודי עניינים. ChatGPT (OpenAI, GPT-5.5) שימש אך ורק לעריכה לשונית, תיקון דקדוקי ושיפור קריאות כתב היד במהלך הכנתו. כל התוכן המדעי, הנוסחאות המתמטיות, המתודולוגיה, הניתוחים, הפרשנויות והמסקנות נהגו, פותחו, אומתו ואושרו על ידי המחבר. המחבר לוקח אחריות מלאה על דיוקו, מקוריותו ויושרתו של כתב היד.

תודות

המחבר מודה לבית הספר למדעי הרוח, Zhuhai College of Science and Technology, ב-Zhuhai, Guangdong, סין, על התמיכה האקדמית בעלת הערך והעידוד במהלך פיתוח מחקר זה. תמיכת המוסד וסביבת המחקר הבונה הקלו מאוד את השלמת המחקר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
פתר משוואות דיפרנציאליות (ODE45)MathWorksMATLAB R2024aפתר נומרי המשמש לאינטגרציה של המשוואות הדיפרנציאליות הלא-ליניאריות המשולבות. סבילות יחסית = 1×10-6; סבילות מוחלטת = 1×10-8.
תוכנת MATLABMathWorks, Natick, MA, USARRID: SCR_001622תוכנת מחשוב נומרי ראשית המשמשת למימוש המודל, ניתוח יציבות, ניתוח רגישות, ויזואליזציה של מרחב הפאזה, יצירת נוף אנרגיה של ליאפנוב (Lyapunov) והפקת איורים.
חבילת תיעוד מתודולוגיתקובץ משלים S2N/Aמכילה תיעוד של המסגרת התאורטית, פירוש פרמטרים, אסטרטגיית תיקוף, מגבלות ותיאורי זרימת עבודה חישובית.
ספריית עיבוד מערכים נומרית (NumPy)NumPy DevelopersNumPy 2.0ספרייה המשמשת לפעולות מטריצות, חישובים נומריים, סריקות פרמטרים ועיבוד נתונים במימוש ב-Python.
סביבת סימולציה נומריתסביבת MATLAB R2024aN/Aסביבה חישובית המשמשת להרצת מסגרת ויסות stress–emotion– לא-ליניארית, סריקות פרמטרים, ניתוח שיווי משקל וסימולציות סטוכסטיות.
ארגז כלים לאופטימיזציה (Optimization Toolbox)MathWorksMATLAB Optimization Toolboxמשמש לחישוב מצבי שיווי משקל באמצעות שיטות למציאת שורשים לא-ליניאריים (fsolve).
סביבת תכנות PythonPython Software FoundationPython 3.12פלטפורמה חישובית חלופית המשמשת לאימות תוצאות נומריות ולשחזור סימולציות וויזואליזציות נבחרות.
ספריית מחשוב מדעי (SciPy)SciPy CommunitySciPy 1.14ספרייה המשמשת לחישוב נומרי, פתרון משוואות לא-ליניאריות וניתוח משוואות דיפרנציאליות במימוש ב-Python.
חבילת קוד מקורקובץ משלים S1N/Aמכילה סקריפטים של MATLAB, הגדרות פותר, קבצי פרמטרים, שגרות לניתוח רגישות, קודי ניתוח יציבות וזרימות עבודה לוויזואליזציה הנדרשות לשחזור מלא.
תוכנת גיליונות אלקטרונייםMicrosoft CorporationMicrosoft Excel 365משמשת לאחסון, ארגון, ייצוא ובדיקה של פלטי סימולציה ומערכי נתונים משלימים.
כלי ויזואליזציה (Matplotlib)Matplotlib Development TeamMatplotlib 3.9ספריית שרטוט מדעי המשמשת ליצירת גרפי רגישות, דיאגרמות יציבות, מסלולי מרחב פאזה, מפות חום ואיורים באיכות פרסום.

מקורות

  1. Ahmad R, et al. Social exchange theory: Systematic review and future directions. Front Psychol. 2023;13:1015921.
  2. Alkhatib OJ, et al. Advances in nonlinear differential equations and their applications in engineering systems. TPM Test Psychom Methodol Appl Psychol. 2025;32(S8):715-724.
  3. Baysarowich R, et al. Socioeconomic status and brain development: Insights and theoretical perspectives on deficit, adaptation, and resilience. Curr Opin Behav Sci. 2025;63:101502.
  4. Briganti G, et al. Network analysis: An overview for mental health research. Int J Methods Psychiatr Res. 2024;33(4):e70012.
  5. Cao Y, et al. Dynamic modeling and experimental verification of clamp-pipeline system with soft nonlinearity. Nonlinear Dyn. 2023;111(19):17725-17748.
  6. Coluccia A, et al. Nonlinear static and dynamic modeling of energy absorption lattice structures behavior. Mech Adv Mater Struct. 2023;30(14):2838-2849.
  7. He L, et al. Academic stress and online learning engagement in medical students: The parallel mediating roles of sleep quality and positive academic emotions. BMC Med Educ. 2026;26(1):54.
  8. Heit DR, et al. Generalized nonlinearity in animal ecology: Research, review, and recommendations. Ecol Evol. 2024;14(7):e70045.
  9. Hong L, Zhang L. Nonlinear dynamical model and analysis of emotional propagation based on Caputo derivative. Mathematics. 2025;13(4):567.
  10. Islam MS, Rabbi MF. Exploring the sources of academic stress and adopted coping mechanisms among university students. Int J Stud Educ. 2024;6(2):45-62.
  11. Kalra A, Lee NY, Dugan R. Exploring antecedents and outcomes of salesperson change agility: A social exchange theory perspective. J Mark Theory Pract. 2024;32(3):290-310.
  12. Kyriazos T, Poga M. Application of machine learning models in social sciences: Managing nonlinear relationships. Encyclopedia. 2024;4(2):890-912.
  13. Large EW, et al. Dynamic models for musical rhythm perception and coordination. Front Comput Neurosci. 2023;17:1151895.
  14. Lavelle JJ, Rupp DE, Herda DN, Lee J. Customer injustice and service employees' customer-oriented citizenship behavior: A social exchange perspective. J Organ Behav. 2023;44(3):421-440.
  15. Lawrance EL, et al. Psychological responses, mental health, and sense of agency for the dual challenges of climate change and the COVID-19 pandemic in young people in the UK: An online survey study. Lancet Planet Health. 2022;6(9):e700-e712.
  16. Li L, Ibrahim RL, Alomair A. Educating for a green future: Strategic human capital and the non-linear path to sustainability in low- and middle-income countries. Int J Educ Dev. 2026;121:103498.
  17. Lyu R, Qu Y, Divaris K, Wu D. Methodological considerations in longitudinal analyses of microbiome data: A comprehensive review. Genes. 2023;14(9):1689.
  18. Mongin D, Uribe A, Cullati S, Courvoisier DS. A tutorial on ordinary differential equations in behavioral science: What does physics teach us? Psychol Methods. 2024;29(5):980-1000.
  19. Muldoon J, Gould AM, Joullié JE. Past is prologue: From human relations to social exchange theory. Qual Res Organ Manag. 2024;19(3):182-202.
  20. Murakami K, Panuncio-Pinto MP, Santos JLF, de Almeida Troncon LE. Academic and non-academic life stressors and perceived levels of stress in Brazilian undergraduate health professions students. BMC Med Educ. 2025;25(1):1164.
  21. Qi Y, et al. Students' coping strategies in response to academic stress: A study of psychological mechanisms and their effects on adaptation. Futurity Soc Sci. 2025;3(3):24-45.
  22. Rega G. Nonlinear dynamics in mechanics: State of the art and expected future developments. J Comput Nonlinear Dyn. 2022;17(8):080802.
  23. Restrepo JE, et al. Academic stress and adaptation to university life: Mediation of cognitive-emotional regulation and social support. An Psicol. 2023;39(1):62-72.
  24. Rodrigues H, et al. Unravelling student learning: Exploring nonlinear dynamics in science education. Int J Psychol Neurosci. 2023;9:118-137.
  25. Romeo-Aznar V, et al. Fine-scale heterogeneity in population density predicts wave dynamics in dengue epidemics. Nat Commun. 2022;13(1):996.
  26. Saglam MS, Yilanci V, Kongkuah M. Decoupling economic growth and carbon emissions: A time-varying analysis of the environmental Kuznets curve hypothesis in France (1890-2019). Environ Dev Sustain. 2025;27(3):4567-4590.
  27. Sangeeta S, Roderick M. Integrating emotion-specific factors into the dynamics of biosocial and ecological systems: Mathematical modeling approaches accounting for psychological effects. Math Comput Appl. 2025;30(6):136.
  28. Sun Y, et al. Physiological and affective responses to green space virtual reality among pregnant women. Environ Res. 2023;216:114499.
  29. Vengatesh T, et al. A dynamical systems approach to psychology: Fusing differential equations and recurrent neural networks for process modeling. TPM Test Psychom Methodol Appl Psychol. 2025;32(S8):725-740.
  30. Wang H, Fan X. Academic stress and sleep quality among Chinese adolescents: Chain mediating effects of anxiety and school burnout. Int J Environ Res Public Health. 2023;20(3):2219.
  31. Lee E-H, et al. Repeated treatment with short-term mild stress reverses aging- and stress-induced emotional and social behavioral deficits. Experimental & Molecular Medicine. 2026;58(2):519-32. https://doi.org/10.1038/s12276-026-01641-2
  32. Orem TR, et al. Amygdala and prefrontal cortex activity varies with individual differences in the emotional response to psychosocial stress. Behav Neurosci. 2019;133(2):203-211. https://doi.org/10.1037/bne0000305
  33. Wheelock MD, et al. Psychosocial stress reactivity is associated with decreased whole-brain network efficiency and increased amygdala centrality. Behav Neurosci. 2018;132(6):561-572. https://doi.org/10.1037/bne0000276
  34. Shi W, et al. Cultivating empathy and upgrading design decisions of students: The impact of simulating public transit experiences of individuals with mild visual impairments. Int J Technol Des Educ. 2024;35(4):1571-1595. https://doi.org/10.1007/s10798-024-09948-9
  35. Cui YT, et al. Virtual therapeutic landscape: An immersive intervention for anxiety in university students. Australas J Educ Technol. 2026. https://doi.org/10.14742/ajet.10308
  36. Reinelt J, et al. Acute psychosocial stress alters thalamic network centrality. Neuroimage. 2019;199:680-690. https://doi.org/10.1016/j.neuroimage.2019.06.005
  37. Kühnel A, et al. Psychosocial stress reactivity habituates following acute physiological stress. Hum Brain Mapp. 2020;41(14):4010-4023. https://doi.org/10.1002/hbm.25106

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

מודל מרחב מצביםיציבות לא ליניאריתויסות אדפטיביסיכון לשחיקההשפעות חסןמידול נוף אנרגיה
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.