通过殖民地优化算法和模糊决策模式,找到伊朗EFL教师动机和参与度之间的联系
Zahra Pourtousi1, Meisam Babanezhad2,3, Afsaneh Ghanizadeh4
1Department of English, Science and Research Branch, Islamic Azad University, Tehran, Iran. pourtoosi@yahoo.com.
Integrative psychological & behavioral science
|January 24, 2024
概括
教师的参与显著影响教师的动机,这是学生成绩的一个关键因素. 人工智能,特别是殖民地优化 (ACO) 技术,准确地预测了这种关系.
科学领域:
- 教育心理学教育心理学
- 人工智能的人工智能
- 计算社会科学 计算社会科学
背景情况:
- 教师的动机是教师表现和学生学业成功的关键决定因素.
- 假设教师参与,包括情感,行为和认知层面,可以影响动机.
- 现有研究强调了影响教师动机的因素的复杂性.
研究的目的:
- 调查教师参与因素对教师动机的影响.
- 应用人工智能 (AI) 启发的群优化 (ACO) 技术来分析这些关系.
- 确定ACO模型在理解教师动机方面的预测准确度.
主要方法:
- 利用殖民地优化 (ACO) 算法,这是一个受行为启发的AI技术.
- 将教师的动机作为输出变量.
- 纳入情绪,行为和认知参与因素作为ACO模型的输入变量.
主要成果:
- ACO技术实现了高的R值,表明了强大的预测准确性.
- 该模型成功地确定了参与因素和教师动机之间的联系.
- 证明了ACO在学术背景下分析复杂的人类功能方面的能力.
结论:
- 教师的参与是教师动机的重要预测因素.
- 人工智能,特别是ACO,为研究和预测教育环境中的人类行为提供了强大的工具.
- 这些发现强调了人工智能在教育研究和实践中的潜力.
