کاربرد مدلهای هوش هیجانی مصنوعی در یادگیری انسانی
کلمات کلیدی:
هوش هیجانی مصنوعی, یادگیری انسانی, تعامل انسان و ماشین, یادگیری هیجانی, رایانش عاطفیچکیده
هدف این پژوهش مرور نظاممند مطالعات علمی در زمینه شناسایی، تحلیل و تبیین نقش مدلهای هوش هیجانی مصنوعی در بهبود یادگیری انسانی و تعامل عاطفی انسان–ماشین در محیطهای آموزشی است. پژوهش حاضر از نوع مرور نظاممند کیفی با رویکرد تحلیل مضمون است. دادهها از طریق جستوجو در پایگاههای علمی معتبر نظیر Scopus، Web of Science، IEEE Xplore و Google Scholar در بازه زمانی ۲۰۱۵ تا ۲۰۲۵ گردآوری شدند. از میان ۴۵ مقاله اولیه، پس از غربالگری بر اساس معیارهای ورود و خروج، ۱۲ مقاله مرتبط انتخاب و در نرمافزار NVivo 14 مورد تحلیل مضمون قرار گرفت. دادهها بر اساس روش براون و کلارک (2006) کدگذاری باز، محوری و انتخابی شدند تا مضامین اصلی و زیرمضامین مربوط به کاربرد مدلهای هوش هیجانی مصنوعی در یادگیری انسانی استخراج گردند. نتایج نشان داد سه مضمون اصلی در این حوزه قابل شناسایی است: ۱) تعامل عاطفی انسان و ماشین در فرایند یادگیری، ۲) مدلهای محاسباتی و فنی هوش هیجانی مصنوعی در آموزش، و ۳) پیامدهای آموزشی و شناختی کاربرد هوش هیجانی مصنوعی. تحلیل مقالات نشان داد سامانههای آموزشی مبتنی بر هوش هیجانی موجب بهبود خودتنظیمی، افزایش انگیزش درونی، کاهش اضطراب یادگیری، و تقویت حس حضور اجتماعی در یادگیرندگان میشوند. همچنین، چالشهایی چون حریم خصوصی دادههای هیجانی و سوگیری فرهنگی در مدلهای تشخیص احساسات از موانع توسعه این فناوری هستند. نتایج این مرور نظاممند بیانگر آن است که تلفیق هوش هیجانی مصنوعی در آموزش میتواند به یادگیری شخصیسازیشده، انسانیتر و عاطفیتر منجر شود. با این حال، برای بهرهگیری پایدار از این فناوری، طراحی انسانمحور، چارچوبهای اخلاقی و توجه به تفاوتهای فرهنگی ضروری است.
دانلودها
مراجع
Barrett, L. F., & Adolphs, R. (2021). Emotions as emergent phenomena: Neural and computational perspectives. Annual Review of Psychology, 72, 25–50.
Calvo, R. A., & Peters, D. (2023). Designing for wellbeing: Ethical implications of affective computing. Cambridge University Press.
Cowie, R., & Schröder, M. (2022). Artificial empathy in human–computer interaction. Emotion Review, 14(1), 3–15.
Damasio, A. (2022). Feeling and knowing: Making minds conscious. Pantheon.
D’Mello, S. K., & Graesser, A. C. (2021). Affective computing in education. Educational Psychologist, 56(3), 137–154.
González, R., Ruiz, C., & Pérez, M. (2023). Emotion-aware learning systems: Design and evaluation in virtual education. Computers & Education, 190, 104621.
Hu, Y., Zhao, T., & Li, K. (2023). Multisensory affective interfaces for intelligent tutoring systems. Journal of Educational Technology & Society, 26(2), 54–68.
Kim, H., & Park, J. (2022). Deep learning-based emotional intelligence modeling for adaptive learning environments. IEEE Transactions on Learning Technologies, 15(4), 455–469.
Majumder, N., & Mihalcea, R. (2023). Affective natural language processing: Advances and challenges. Computational Linguistics, 49(1), 89–112.
Mayer, J. D., Caruso, D. R., & Salovey, P. (2021). The ability model of emotional intelligence: Principles and updates. Emotion Review, 13(1), 3–12.
Mollahosseini, A., Hasani, B., & Mahoor, M. H. (2021). AffectNet: A database for facial expression, valence, and arousal computing. IEEE Transactions on Affective Computing, 12(1), 18–31.
Nasiri, M., & Chen, Y. (2022). Data privacy in emotion-aware learning systems: Challenges and strategies. Journal of Ethics in AI, 4(2), 65–81.
Pekrun, R., & Linnenbrink-Garcia, L. (2023). The control-value theory of achievement emotions: Recent advances and future directions. Educational Psychologist, 58(2), 87–103.
Picard, R. W. (2023). Affective computing and human learning: Revisited. IEEE Intelligent Systems, 38(2), 15–25.
Poria, S., Hazarika, D., & Cambria, E. (2022). Emotion recognition in conversation: Advances in affective computing. Nature Machine Intelligence, 4(5), 364–376.
Salmeron-Majadas, S., Cerezo, E., & Baldassarri, S. (2022). Artificial emotional intelligence in online collaborative learning. Computers in Human Behavior, 135, 107347.
Yang, L. (2024). Emotional AI and the future of digital education. International Journal of Artificial Intelligence in Education, 34(1), 1–19.