相关实验视频
Updated: Jan 8, 2026
13:51
Cross-Modal Multivariate Pattern Analysis
Published on: November 9, 2011
20.4K
以PERMA为指导的多拓图形神经网络用于跨文化学生福祉预测
Lingqi Mo1, Jie Zhang2,3, Zixiao Jiang4,5
1Faculty of Education and Liberal Arts, INTI International University, Nilai, Negeri Sembilan, Malaysia.
PloS one
|December 16, 2025
概括
本研究介绍了PERMA-GNN-Transformer模型用于学生福祉预测,通过整合积极心理学理论和关系建模来提高准确性. 该模型为个性化教育和心理健康支持提供了一个文化适应性的解决方案.
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:
- 学生的福祉对于个性化的教育和心理健康至关重要.
- 现有的预测模型缺乏心理理论,关系建模和跨文化适应性.
研究的目的:
- 提出一个新的学生幸福预测模型,解决当前的局限性.
- 将积极心理学理论和学生关系整合到预测模型中.
- 为了提高跨文化适应能力在学生的幸福预测.
主要方法:
- 开发了PERMA-GNN-变压器模型,将PERMA积极心理学理论与图形神经网络 (GNN) 和变压器架构相结合.
- 实现了理论驱动的特征嵌入用于心理表征.
- 设计了四种类型的学生关系图表和一个与PERMA维度一致的五头注意力机制.
主要成果:
- 在大规模西方数据集上实现了18.9%的性能改进,在小规模东亚数据集上实现了27.8%的改进.
- 珀马综合评估指标达到0.792,具有统计学意义 (p < 0.01).
- 与最佳基线方法相比,在不同文化背景下表现出优异的性能.
结论:
- PERMA-GNN-变压器模型为学生幸福感预测提供了一个以理论为导向,关系意识和文化适应的解决方案.
- 这种方法增强了个性化的教育和心理健康支持在不同的教育环境.
- 该模型有效地将原始教育数据转化为具有心理意义的见解.
