Inference

implement the Problem-Based Learning (PBL) model in an IPAS (Natural and Social Sciences) lesson on ecosystem harmony, aiming to enhance students' critical thinking skills. The study employed a Classroom Action Research (CAR) approach consisting of two cycles, with each cycle comprising the stages of "look," "think," and "act." Twenty-six fifth-grade students from SDN Tingkir Lor 02 Salatiga participated in the study. Students' critical thinking skills were assessed using a rubric based on the FRISCO indicators: Focus, Reason, Inference, Situation, Clarity, and Overview. The results indicate that students' critical thinking skills improved through the implementation of the PBL approach supported by the Science Escape Room medium. From an initial baseline score of 52.65%, the average critical thinking score rose to 70.94% in Cycle I and subsequently to 84.42% in Cycle II. This improvement reflects student progress in areas such as problem comprehension, reasoning, drawing conclusions, considering context, effectively communicating ideas, and reviewing their own thought processes. Thus, fifth-grade students at SDN Tingkir Lor 02 Salatiga were able to enhance their critical thinking skills while studying the IPAS topic of Ecosystem Harmony through the use of the Science Escape Room medium combined with the Problem-Based Learning model. Keywords: Problem Based Learning, Escape Room Sains, critical thinking skills, IPAS, FRISCO.

This study aimed to develop and evaluate a Problem-Based Wordwall Edugame instructional package for sixth-grade Science and Social Studies (IPAS) and examine its association with students’ critical-thinking performance. Using a research-and-development approach guided by the ADDIE model, the study incorporated a quasi-experimental pretest–posttest comparison involving all 30 sixth-grade students at SDN 3 Sendangrejo, Indonesia, assigned by pretest scores to experimental (n = 15) and control (n = 15) groups. Data were collected through expert-validation sheets, classroom observations, teacher and student response questionnaires, and critical-thinking tests, and analyzed using descriptive statistics, assumption tests, paired- and independent-samples t-tests, and normalized gains. Expert validation yielded 87% for content, 89% for media, and 88% for learning devices; implementation reached 92.76%, and teacher and student responses each reached 93%. Mean critical-thinking scores increased from 56.80 to 89.87 in the experimental group and from 53.73 to 68.87 in the control group; normalized gains were 0.77 and 0.33, respectively. The posttest group difference was significant, t(28) = 12.73, p < .001. These findings are consistent with constructivist and problem-based learning research and suggest that pedagogically integrated gamification can support critical-thinking development. However, the single-school sample, nonrandom group allocation, and combined intervention limit causal inference and generalizability; larger controlled studies should test individual components and longer-term effects.

This study examined the association between intolerance of uncertainty and psychological distress among emerging adults aged 18-29 years. A quantitative, cross-sectional correlational design was used with online convenience sampling. Of 181 survey submissions, one record was excluded because age was missing and one because the respondent was aged 17 years; a further 18 respondents who reported a previous mental-health diagnosis were excluded. The final analytical sample comprised 161 participants (M age = 23.60, SD = 3.09; 67.1% women). Intolerance of uncertainty was measured with the 12-item Intolerance of Uncertainty Scale (IUS-12), and nonspecific psychological distress with the Kessler Psychological Distress Scale (K10). Mean IUS-12 and K10 scores were 32.11 (SD = 9.44) and 24.31 (SD = 8.09), respectively. Internal consistency estimates were .887 and .913. Pearson's correlation indicated a positive association between IUS-12 and K10 scores, r(159) = .632, p < .001, 95% CI [.529, .717]. Spearman's correlation was also positive and significant (rs = .595, p < .001, 95% bootstrap CI [.475, .699]). Higher intolerance of uncertainty was associated with greater self-reported psychological distress in this sample. The cross-sectional design, convenience sampling, self-report measures, and diagnosis-based screening limit causal inference and generalisability.

Traditional statistical models face the challenges of insufficient modeling capabilities and difficulty in interpreting complex, nonlinear, and high-dimensional data. Therefore, this paper combines fuzzy logic and deep learning methods to construct a framework model for identifying key factors for high-quality employment for college students. The model in this paper uses multi-channel encoding technology. We use the attention mechanism to fuse the features obtained from multi-channel encoding and input the self-organizing fuzzy inference structure for regression and classification analysis. The system can transform numerical prediction results into a semantic rule-driven decision-making process, which can significantly improve the model’s modeling capabilities and interpretability for uncertainty. Our experiments were conducted on 5,623 graduates. Experimental results on the data show that our model achieved an average mean square error of 0.831, a coefficient of determination of 0.892, and a classification accuracy of 0.865, which are significantly higher than traditional statistical and machine learning models. The corresponding experiments demonstrate the key role of cross-modal fusion and fuzzy reasoning modules in improving the results. Feature importance analysis shows that factors such as internship duration, GPA, and research participation have a key impact on high-quality employment, which is consistent with expert consensus.

Background: Online learning outcomes may relate to students? preparedness and participation, but intention to continue is distinct from verified institutional retention. This study examined the associations among online learning readiness, student engagement, and retention intention among higher-education students in Kuwait. Methods: A quantitative cross-sectional questionnaire was administered online from 1-20 September 2026. The supplied dataset included 100 complete responses recruited through personal contacts and community WhatsApp groups. Readiness (20 items), engagement (24 items), and a broad continuation-related index (19 items) were scored as mean Likert responses. Analyses included descriptive statistics, internal consistency, Pearson and Spearman correlations, and a joint regression with HC3 robust coefficient inference. Results: Mean readiness was 4.398 (SD 0.716), engagement 4.353 (SD 0.727), and the broad continuation-related score 4.258 (SD 0.762), on a five-point scale. Pairwise associations were positive: readiness-engagement, r = .890; readiness-retention intention, r = .792; and engagement-retention intention, r = .832 (all p < .001). In the joint model, engagement remained positively associated with the outcome (B = 0.643, HC3 95% CI 0.382-0.903, p < .001), while the readiness coefficient was uncertain (B = 0.262, 95% CI -0.025-0.549, p = .073). The model explained 70.6% of sample variance; this is not evidence of out-of-sample prediction. A narrower, exploratory direct-intention item subset showed a similar pattern. Conclusion: In this convenience sample, higher self-reported readiness and engagement co-occurred with stronger continuation intentions, with engagement showing the more stable adjusted association. Cross-sectional self-report data, unvalidated item sets, influential observations, and nonprobability recruitment preclude causal or population-wide conclusions. No subsequent enrollment was measured; formal ethics approval was not obtained and requires transparent institutional guidance before publication.

Reading comprehension is an essential skill that enables learners to understand texts, interpret information, and determine the meanings of unfamiliar words. However, some Grade 8 learners experience difficulties in comprehending reading materials because of limited vocabulary knowledge and difficulty identifying context clues. This study, titled Improving Grade 8 Reading Comprehension Through Targeted Context Clue Strategies, aimed to improve learners’ reading comprehension by implementing targeted, structured context clue strategies. The study involved 33 Grade 8 learners and focused on five categories: definition and explanation clues, synonym and restatement clues, antonym and contrast clues, example and illustration clues, and inference and general context clues. A pretest and posttest were administered to determine changes in learners’ performance following the intervention. The pretest results revealed an overall mean score of 2.48, interpreted as Low, while the posttest results showed an overall mean score of 3.60, interpreted as High. A paired-samples t-test revealed a statistically significant difference between the pretest and posttest scores, t(32) = −10.615, p < .001. The null hypothesis was rejected, indicating that the difference between the learners’ pretest and posttest performance was statistically significant. The findings suggest that targeted, structured context clue strategies may help improve learners’ ability to identify contextual information, infer unfamiliar word meanings, and understand reading passages. The study recommends the continued use of context clue strategies, with additional instructional support for example and illustration clues and definition and explanation clues, to further strengthen learners’ reading comprehension skills.

Recent research has demonstrated that self-report measures of experienced autonomy and external control relate to attitudes, behavior, and well-being consistent with self-determination theory (SDT) predictions. These motivational states have traditionally been inferred from reason-based measures of the SDT motivation types; inferences that may not be accurate, particularly when there are multiple reasons for engaging in an activity. In this research, we investigated whether self-report measures of the psychological states associated with the specific SDT motivation types might similarly eliminate the need for inference from reason-based measures and contribute meaningfully to the prediction of important outcomes. We developed a context-free measure of the type-specific motivation states - Motivational State Scales – Specific (MSS-S) – including separate approach and avoidance versions of external and introjected regulation. We administered the MSS-S along with measures of the global motivation states (autonomy, control, strength) and relevant outcomes (e.g., need satisfaction, well-being, attitudes, performance) to employees ( n = 500) and students ( n = 476). The findings supported a 9-factor structure, and the type-specific motivational states related to global states and outcomes largely in accord with SDT predictions, with meaningful differences for the approach and avoidance scales. The type-specific and global state measures contributed uniquely to outcome prediction, suggesting that both constitute meaningful ways to conceptualize the motivation quality distinction in SDT. We discuss implications for future research and practical applications of the MSS-S.

Perceptual expertise is widely assumed to refine multisensory perception, yet the empirical literature appears inconsistent. Trained musicians show narrower audiovisual temporal integration windows and quicker segregation, whereas experienced wine tasters seem more influenced by a wine's color in their aroma and flavor judgments than novices are. We argue that the inconsistency arises from a conflation of two formally distinct quantities: the prior probability that concurrent signals arise from a common source, and the coupling between the values of signals that share one. We present a generative model in which both are free parameters, along with channel precision and a decision criterion, that contains causal-inference and coupling-prior models as special cases. The model shows that the correlation between the values of two signals across an environment reflects only the product of the two priors, so that a correlation-tracking learner acquires the coupling when the signals always share a source, whereas separating the two priors requires representing causal structure; that binary common-source reports confound the common-cause prior with the decision criterion; that the coupling trades off against the measurement noise of the influencing channel unless its precision is measured independently; and that the two priors leave distinct signatures in how cross-modal influence varies with disparity. When the source is fixed, as for the color and odor of a wine, tighter coupling alone produces the conjunction of greater displacement by color and better discrimination between wines reported for experienced tasters, which no change in odor precision can produce. Simulations of a test battery combining continuous estimates, common-source reports and discrimination thresholds show that the parameters can be recovered, that a within-subject dissociation can be detected with conventional sample sizes under illustrative effect sizes, and that recovery fails in certain cases. The account yields a rule classifying environments by their base rate of common causation and their coupling strength, and the same ambiguity attends claims about altered multisensory processing in autism and aging. We also show that the most cited demonstration of expert susceptibility to color contains no expertise manipulation, and suggest that apparent expert biases may reflectwind calibration to real-world statistics.

Background Benefit finding may be associated with better mental health after the pandemic, but its longitudinal trajectory and its associations with psychosocial resources and mental health symptoms during recovery remain unclear. Objective This study examined trajectories of benefit finding among Chinese college students from approximately 3 to 15 months after COVID-19 restrictions were lifted. We also examined its associations with emotion regulation, social connectedness, depressive symptoms, and anxiety symptoms, together with indirect association patterns involving benefit finding. Methods A three-wave longitudinal study was conducted among 1,155 Chinese college students. Data were analyzed using parallel-process latent growth curve modeling. Results Social connectedness and benefit finding increased linearly over time, whereas depressive and anxiety symptoms decreased. Cognitive reappraisal was positively associated with the benefit finding intercept but negatively associated with its slope, whereas expressive suppression was not significantly associated with either growth factor. Social connectedness showed stronger associations with benefit finding trajectories than the emotion regulation variables. Benefit finding was negatively associated with depressive and anxiety symptoms at both the intercept and slope levels. Indirect association patterns through benefit finding were supported for social connectedness and both depressive and anxiety symptoms at the intercept and slope levels when inference was based on bias-corrected bootstrap confidence intervals. Conclusions Benefit finding increased during the post-pandemic recovery period and was associated with lower depressive and anxiety symptoms. Social connectedness showed relatively strong associations with benefit finding trajectories, while cognitive reappraisal was associated with higher initial benefit finding but a slower subsequent increase. The indirect association patterns linked social connectedness with both symptom domains through benefit finding at the intercept and slope levels. These findings highlight psychosocial resources that merit further study in campus mental health research, while the observational design does not establish causal direction or temporal precedence.

Sentiment analysis from video streams requires effective modeling of both temporal dynamics and multimodal cues. This paper presents a lightweight multimodal CNN-LSTM framework, designed for low-latency operation on live video streams, that classifies individuals' affective states as negative, neutral, or positive by jointly exploiting audio and visual information. The proposed system consists of four lightweight deep neural network models that fuse sequences of audio and visual features into a unified temporal stream, enabling the accumulation of sentiment evidence over time for robust prediction. To further enhance discriminative power, dynamic mouth state classification is incorporated, allowing the model to better capture subtle visual cues related to speech and sentiment. Experiments conducted on the Ryerson Audio-Visual Database of Emotional Speech (RAVDESS) demonstrate that the proposed approach achieves a test accuracy of 84.89% on the three-class sentiment recognition task, competitive with substantially larger audio-visual architectures, while using an order of magnitude fewer parameters and maintaining low-latency operation. In addition, we provide a comprehensive comparison with multiple multimodal large language models (LLMs), evaluated under diverse input configurations and prompting strategies. The results offer practical insights into the strengths and limitations of contemporary LLMs for audio-visual sentiment analysis and highlight the continued effectiveness of compact, task-specific neural architectures for streaming audio-visual input.

Reading is one of the main ways through which middle school students learn English, and the quality of their reading depends largely on the level of thinking involved in the learning process. In actual teaching, however, many reading tasks remain at a low cognitive level, and students encounter difficulty when questions require inference, evaluation, or creation. SOLO taxonomy, which describes the structural complexity of observable learning outcomes, provides a basis for planning and assessing reading tasks across cognitive levels. Drawing on representative studies from China and abroad, this paper reviews research on the application of SOLO taxonomy in English reading teaching in middle schools. It traces the origin and development of the taxonomy, analyzes its compatibility with reading teaching, and examines two lines of applied research, namely SOLO-based reading teaching design and SOLO-based reading teaching assessment. The review indicates that design research has consolidated a working model of tiered objectives, ascending tasks, and question chains, while assessment research has produced level descriptions, evaluation scales, and process-oriented frameworks. And the two lines converge on aligning objectives, activities, and assessment within one level system. The field nevertheless remains constrained by predominantly case-based methods, scarce controlled or longitudinal evidence, and uneven attention between junior and senior high schools. The review concludes that SOLO taxonomy provides an operational definition of thinking depth in reading and supports the integration of teaching, learning, and assessment, but that future work requires more rigorous empirical designs, validated instruments, and broader coverage of learners and reading contexts.

Ecuadorian higher education policy combines the constitutional recognition of education as a right with admission rules that allocate scarce quotas through academic background, evaluations, and affirmative action measures. The objective of this article is to determine under what conditions meritocratic admission fulfills a legitimate allocative function and under which it becomes a judgment about the intellectual value of the applicants. A conceptual analysis is employed: Jacques Rancière's concepts of explanatory order, dumbness, intellectual emancipation, and equality of intelligences are placed in dialogue with meritocracy research, with the current regulatory framework, and with the available evidence on unequal access in Ecuador. The analysis distinguishes three propositions that are often confused: that applicants differ in their demonstrated preparation, that institutions should assign limited quotas, and that the resulting ordering reveals unequal intelligences. Only the first two are necessary to admit; the third is an inference that the framework allows to be questioned. Four conditions are specified: semantic totalization, interpretative monopoly, temporal fixation, and public circulation of the verdict under which an assignative procedure becomes part of an explanatory order, and it is shown that they are separable from assignment and therefore institutionally modifiable. Five rights-oriented design principles are proposed, with their stated foundation. It is concluded that a defensible alternative is not selection without standards, but selection that limits the meaning attributed to its instruments and identifies testable directions for future empirical research.

Background Psychedelic retreats are increasingly used to promote wellbeing outside clinical settings, yet the psychological processes associated with sustained improvements in wellbeing remain poorly understood. From a public mental health perspective, identifying mechanisms that support positive mental health beyond symptom reduction is of growing importance. Methods This naturalistic longitudinal study followed 173 participants attending guided psilocybin retreats conducted within a structured framework of preparation, dosing, and integration. Mental wellbeing was reported before the retreat and across a 12-month follow-up period. Longitudinal changes were examined using linear mixed-effects models. Mediation analyses investigated whether changes in connectedness, neuroticism (anxiety facet), spiritual transcendence, and absorption were associated with changes in wellbeing. Mystical-type experiences were examined as potential predictors of these psychological changes. Results Participants reported substantial and sustained improvements in mental wellbeing over 12 months, moving from levels below Swedish population norms at baseline toward comparable levels at follow-up. Connectedness showed the strongest statistical association with improvements in wellbeing and accounted for the largest proportion of variance in wellbeing change, followed by reductions in the anxiety facet of neuroticism and absorption. Spiritual transcendence was associated with wellbeing improvements when examined separately but did not retain unique effects in the multiple mediation model. More intense mystical-type experiences predicted greater increases in connectedness, spirituality, and absorption, as well as greater reductions in neuroticism (trait anxiety). The association between mystical experiences and wellbeing was substantially attenuated when connectedness was included in the model, suggesting that connectedness may act as a candidate mediator linking mystical-type experiences to longer-term wellbeing, though the observational design precludes causal inference. Conclusions These findings extend prior work on psychedelic-assisted therapy to naturalistic retreat settings, suggesting that connectedness may represent a key psychological process linking psychedelic retreat experiences to sustained improvements in mental wellbeing. From a public mental health perspective, the results highlight the potential importance of social and relational factors in promoting wellbeing beyond the treatment of mental illness. Future controlled studies are needed to clarify the relative contributions of psychedelic, social, and contextual components.

Sleep and circadian disturbances in Alzheimer’s disease (AD) affect patients and caregivers, but clinical action depends on the syndrome, measurement, and outcome under consideration. This narrative review links sleep assessment to indication-based care while distinguishing symptomatic benefit, physiological target engagement, and disease modification. A purposive literature search was supplemented by targeted checks of PubMed-indexed and original publisher records through 4 October 2026. Selected studies are described by population, AD ascertainment, comparator, and measured endpoint rather than assigned formal evidence-certainty grades. Actigraphy characterizes behavioral rest–activity patterns; melatonin timing and temperature rhythms address endogenous circadian physiology under controlled conditions. Polysomnography and quantitative electroencephalography characterize respiratory events, sleep architecture, and oscillatory activity. These measurements inform different questions and do not independently assign AD etiology or cognitive-functional stage. Clinical priorities include confirmed obstructive sleep apnea, cognition-adapted insomnia care, irregular sleep timing, medication-related effects, parasomnias, limb symptoms, and excessive daytime sleepiness. Interpretation incorporates hypoxemia, treatment exposure, comorbidity, caregiver support, and competing diagnoses. Randomized sleep benefits remain distinct from observational cognitive associations or exploratory imaging and cerebrospinal fluid changes. Human and animal studies of arousal circuits, protein dynamics, inflammation, and fluid transport provide mechanistic context, with conflicting results interpreted according to the actual experimental endpoint. The review provides a clinically organized account of selected evidence, not a comprehensive treatment ranking. Sleep care and cognitive-etiologic assessment should proceed in parallel, with follow-up matched to patient function, safety, and the specific treatment goal.

Introduction This study examined associations among professional identity, work engagement, and self-rated caregiving performance among childcare trainees and early-career practitioners in China. Methods A cross-sectional survey included 318 participants recruited through 11 vocational colleges and 50 childcare institutions in Guangdong Province. Confirmatory factor analysis and structural equation modelling assessed the measurement structure and associations, with bootstrapping and robustness analyses. Results The three-factor model showed good fit (CFI = 0.954, RMSEA = 0.039). Professional identity was positively associated with self-rated caregiving performance (total β = 0.694; direct β = 0.465), including an indirect association through work engagement (β = 0.229, bias-corrected 95% CI [0.128, 0.339]). Findings remained consistent across robustness analyses. Discussion Professional identity and work engagement were associated with more favourable self-appraisals of caregiving performance. The cross-sectional, single-source design precludes causal inference, and self-rated performance should not be equated with observed caregiving quality.

Global Citizenship Education (GCE) faces a persistent challenge: preparing children to engage with an interconnected world without detaching them from the cultural knowledge, identities, and communities that shape their lives. Indigenous storytelling offers a culturally grounded means of connecting these local foundations with broader civic responsibilities, yet its underlying learning mechanisms and sensitivity to educational context remain insufficiently understood. This study investigated how Indigenous storytelling relates to global citizenship competencies and whether these relationships differ between urban and rural primary schools. An explanatory sequential mixed-methods design involved 500 Grade 5–6 students from ten public primary schools (five urban and five rural). Quantitative relationships were examined using Partial Least Squares Structural Equation Modelling (PLS-SEM), Measurement Invariance of Composite Models (MICOM), and Partial Least Squares Multi-Group Analysis (PLS-MGA). Semi-structured interviews and classroom observations with purposively selected students, teachers, and principals were subsequently analyzed through reflexive thematic analysis. Both strands were integrated using joint displays and meta-inference. All hypothesized structural relationships were significant ( p < 0.001), revealing interconnected pathways from cultural authenticity, narrative engagement, community participation, and reflective learning toward global awareness, cultural respect, social responsibility, civic participation, and sustainability awareness. Urban students showed stronger narrative engagement–reflective learning (β = 0.712 vs. 0.618, p = 0.036) and reflective learning–global awareness relationships (β = 0.514 vs. 0.432, p = 0.028). Qualitative evidence explained these differences: rural schools embedded storytelling in community participation and cultural immersion, whereas urban schools relied more on teacher facilitation, collaborative reflection, and technology-supported storytelling. Indigenous storytelling connects cultural rootedness with global responsibility through context-sensitive learning pathways. Rather than positioning local identity and global citizenship as competing educational aims, the findings demonstrate how culturally grounded pedagogy can support reflective, socially responsible, and sustainability-oriented citizenship while requiring different enactment strategies across urban and rural primary education.

آموزش شهروندی جهانی (GCE) با چالشی مداوم مواجه است: آماده‌سازی کودکان برای تعامل با جهانی به‌هم‌پیوسته بدون جدا کردن آن‌ها از دانش فرهنگی، هویت‌ها و جوامعی که زندگی‌شان را شکل می‌دهد. قصه‌گویی بومی روشی مبتنی بر فرهنگ برای پیوند دادن این بنیان‌های محلی با مسئولیت‌های مدنی گسترده‌تر فراهم می‌کند، اما سازوکارهای یادگیری زیربنایی آن و حساسیت آن نسبت به زمینه آموزشی هنوز به‌درستی شناخته نشده است. این مطالعه بررسی کرد که قصه‌گویی بومی چگونه با شایستگی‌های شهروندی جهانی مرتبط است و آیا این روابط میان مدارس ابتدایی شهری و روستایی تفاوت دارد یا خیر. طرح پژوهش آمیخته تبیینی-توالی شامل ۵۰۰ دانش‌آموز پایه پنجم و ششم از ده مدرسه ابتدایی دولتی (پنج شهری و پنج روستایی) بود. روابط کمی با استفاده از مدل‌سازی معادلات ساختاری حداقل مربعات جزئی (PLS-SEM)، سنجش ناهمسانی مدل‌های مرکب (MICOM) و تحلیل چندگروهی حداقل مربعات جزئی (PLS-MGA) بررسی شد. مصاحبه‌های نیمه‌ساختاریافته و مشاهده‌های کلاسی با دانش‌آموزان، معلمان و مدیران منتخب هدفمند، به روش تحلیل تماتیک بازتابی تحلیل گردید. هر دو بخش با استفاده از نمایش‌های مشترک و فرااستنباط ادغام شدند. همه روابط ساختاری فرض‌شده معنادار بودند (p < 0.001) و مسیرهای به‌هم‌پیوسته‌ای از اصالت فرهنگی، درگیری روایی، مشارکت اجتماعی و یادگیری بازتابی به سوی آگاهی جهانی، احترام فرهنگی، مسئولیت اجتماعی، مشارکت مدنی و آگاهی از پایداری را نشان دادند. دانش‌آموزان شهری روابط قوی‌تری میان درگیری روایی–یادگیری بازتابی (β = 0.712 در مقابل 0.618، p = 0.036) و یادگیری بازتابی–آگاهی جهانی (β = 0.514 در مقابل 0.432، p = 0.028) نشان دادند. شواهد کیفی این تفاوت‌ها را توضیح داد: مدارس روستایی قصه‌گویی را در مشارکت اجتماعی و غوطه‌وری فرهنگی ادغام کردند، در حالی که مدارس شهری بیشتر به تسهیل‌گری معلم، بازتاب جمعی و قصه‌گویی مبتنی بر فناوری تکیه داشتند. قصه‌گویی بومی، ریشه‌مندی فرهنگی را از طریق مسیرهای یادگیری حساس به زمینه به مسئولیت جهانی پیوند می‌دهد. یافته‌ها نشان می‌دهد که به‌جای قرار دادن هویت محلی و شهروندی جهانی به‌عنوان اهداف آموزشی متعارض، آموزش مبتنی بر فرهنگ می‌تواند از شهروندی بازتابی، مسئولانه اجتماعی و مبتنی بر پایداری حمایت کند، هرچند اجرای آن در آموزش ابتدایی شهری و روستایی به راهبردهای متفاوتی نیاز دارد.

Fifth-grade students often memorize the terms producer, consumer, and decomposer but struggle to reason about a food chain. This classroom action research aimed to improve the critical thinking skills of fifth-grade students in science (IPAS) on the topic of food chains at SDN 106162 Medan Estate through Culturally Responsive Teaching (CRT) supported by ethnocultural student worksheets (LKPD). The study followed the Kemmis and McTaggart spiral in two cycles involving 25 students. Critical thinking was measured by an essay test and observation based on Facione's six core skills (interpretation, analysis, evaluation, inference, explanation, and self-regulation). Data were analyzed descriptively, both quantitatively and qualitatively, complemented by N-Gain and paired-samples t-tests. The mean score rose from 41.3 (pre-action) to 63.3 (cycle I) and 81.0 (cycle II), while the proportion of students reaching the target increased from 0% to 20% and 84%. The greatest gain occurred in inference (+47.0 percentage points), whereas self-regulation remained the lowest indicator in cycle II (76.0%). The mean N-Gain was 0.68 (medium category) and the gains were statistically significant (paired t-test, p < 0.001). CRT supported by ethnocultural worksheets can serve as a contextual alternative for developing critical thinking in elementary science.

دانش‌آموزان پایه پنجم اغلب اصطلاحات تولیدکننده، مصرف‌کننده و تجزیه‌کننده را حفظ می‌کنند اما در استدلال درباره زنجیره غذایی با مشکل مواجه هستند. این پژوهش اقدام‌پژوهی کلاسی با هدف ارتقای مهارت‌های تفکر انتقادی دانش‌آموزان پایه پنجم در درس علوم (IPAS) با موضوع زنجیره غذایی در دبستان SDN 106162 Medan Estate از طریق رویکرد آموزش پاسخگو به فرهنگ (CRT) با پشتیبانی کاربرگ‌های دانش‌آموزی اتنوکالچر (LKPD) انجام شد. این مطالعه بر اساس مدل مارپیچی Kemmis و McTaggart در دو چرخه و با مشارکت ۲۵ دانش‌آموز صورت گرفت. تفکر انتقادی با آزمون تشریحی و مشاهده بر اساس شش مهارت اصلی Facione (تفسیر، تحلیل، ارزیابی، استنتاج، تبیین و خودتنظیمی) سنجیده شد. داده‌ها به صورت توصیفی، هم به شکل کمی و هم کیفی، و با استفاده از N-Gain و آزمون t زوجی تحلیل شدند. میانگین نمره از ۴۱٫۳ (پیش از اقدام) به ۶۳٫۳ (چرخه اول) و ۸۱٫۰ (چرخه دوم) افزایش یافت و نسبت دانش‌آموزان دارای عملکرد مطلوب از ۰٪ به ۲۰٪ و ۸۴٪ رسید. بیشترین افزایش در شاخص استنتاج (+۴۷٫۰ واحد درصد) مشاهده شد، در حالی که خودتنظیمی در چرخه دوم پایین‌ترین شاخص باقی ماند (۷۶٫۰٪). میانگین N-Gain برابر با ۰٫۶۸ (در دسته متوسط) بود و این افزایش‌ها از نظر آماری معنادار بودند (آزمون t زوجی، p < 0.001). رویکرد آموزش پاسخگو به فرهنگ با پشتیبانی کاربرگ‌های اتنوکالچر می‌تواند به عنوان جایگزینی زمینه‌مند برای توسعه تفکر انتقادی در آموزش علوم ابتدایی مورد استفاده قرار گیرد.

Data analysis is an important stage in educational research because it transforms raw data into meaningful information that can be used to answer research questions and formulate conclusions. This article discusses data analysis in educational research, including the meaning of data analysis, types of analysis, quantitative and qualitative analysis procedures, mixed-methods analysis, selection of analytical techniques, validity, interpretation, and the use of digital technology and artificial intelligence. This article uses a conceptual literature-review approach based on the submitted paper entitled Analisis Data dalam Penelitian Pendidikan and the methodological references contained in it. The discussion shows that data analysis cannot be separated from the research problem, objectives, research questions, and characteristics of the data. Quantitative analysis generally uses descriptive and inferential statistics, while qualitative analysis involves reading data, coding, categorizing, developing themes, and interpreting meaning. Mixed methods requires meaningful integration between quantitative and qualitative findings. The analysis also indicates that the use of statistical software and artificial intelligence can support researchers in processing and exploring data, but these technologies cannot replace the researcher's methodological judgment. Therefore, the quality of data analysis depends not merely on the complexity of the technique used, but on its suitability, transparency, validity, and the researcher's ability to interpret findings within the context of the research

تحلیل داده‌ها مرحله‌ای مهم در پژوهش‌های آموزشی است، زیرا داده‌های خام را به اطلاعات معناداری تبدیل می‌کند که می‌توان از آن‌ها برای پاسخ به پرسش‌های پژوهش و تدوین نتایج استفاده کرد. این مقاله به بررسی تحلیل داده‌ها در پژوهش‌های آموزشی می‌پردازد و مفاهیمی چون معنای تحلیل داده‌ها، انواع تحلیل، رویه‌های تحلیل کمی و کیفی، تحلیل روش‌های ترکیبی، انتخاب فنون تحلیلی، روایی، تفسیر و استفاده از فناوری دیجیتال و هوش مصنوعی را مورد بحث قرار می‌دهد. این مقاله با رویکرد مرور مفهومی ادبیات، مبتنی بر مقاله ارائه‌شده با عنوان «تحلیل داده‌ها در پژوهش آموزشی» و منابع روش‌شناختی مندرج در آن نگاشته شده است. بحث مقاله نشان می‌دهد که تحلیل داده‌ها از مسئله پژوهش، اهداف، پرسش‌های پژوهش و ویژگی‌های داده‌ها جدا نیست. تحلیل کمی عموماً از آمار توصیفی و استنباطی استفاده می‌کند، در حالی که تحلیل کیفی شامل خواندن داده‌ها، کدگذاری، دسته‌بندی، توسعه مضامین و تفسیر معنا است. روش‌های ترکیبی نیازمند ادغام معنادار یافته‌های کمی و کیفی هستند. تحلیل همچنین نشان می‌دهد که استفاده از نرم‌افزارهای آماری و هوش مصنوعی می‌تواند پژوهشگران را در پردازش و کاوش داده‌ها یاری کند، اما این فناوری‌ها جایگزین قضاوت روش‌شناختی پژوهشگر نمی‌شوند. بنابراین، کیفیت تحلیل داده‌ها صرفاً به پیچیدگی فنون مورد استفاده بستگی ندارد، بلکه به تناسب، شفافیت، روایی و توانایی پژوهشگر در تفسیر یافته‌ها در بستر پژوهش وابسته است.

Introduction Universities are cultural settings in which institutional arrangements and interpersonal recognition jointly condition participation and belonging. Methods This open-data secondary analysis examined how perceived supportive campus environment and relationship quality combined in relation to university belonging and sociocultural engagement among health-professions students at a culturally diverse university in the United Arab Emirates. The released dataset contained 683 records; 661 complete cases entered both polynomial models. Predictors were transformed to proportion-of-maximum-possible scores. Inference combined 2,000 bootstrap resamples, HC3 heteroskedasticity-robust standard errors, duplicate-record checks, and Cook's D influence sensitivity. Results The models explained 47.3% of belonging and 25.6% of sociocultural engagement. The joint-resource slope was positive for belonging [a1 = 3.159, 95% bootstrap CI (2.596, 3.602)] and sociocultural engagement [a1 = 1.721, CI (1.233, 2.133)]. Curvature, directional difference, and mismatch curvature were not consistently supported. Removing two exact duplicate records or 41 observations above Cook's D >4/ n retained the positive joint-resource pattern. Discussion Thus, stronger institutional support and relationships were jointly associated with both campus belonging and multicultural participation, without evidence for a unique matching effect. The cross-sectional measures do not directly observe identity co-construction, so the contribution is a bounded quantitative account of conditions associated with culturally situated participation and belonging.

مقدمه: دانشگاه‌ها محیط‌های فرهنگی‌ای هستند که در آن‌ها ترتیبات نهادی و شناسایی بین‌فردی به طور مشترک مشارکت و تعلق را مشروط می‌کنند. روش‌ها: این تحلیل ثانویه داده‌های باز بررسی کرد که چگونه ادراک از محیط حمایتی دانشگاه و کیفیت روابط به طور ترکیبی با تعلق به دانشگاه و درگیری جامعه‌شناختی-فرهنگی در میان دانشجویان رشته‌های علوم سلامت در یک دانشگاه با تنوع فرهنگی در امارات متحده عربی مرتبط است. مجموعه داده منتشرشده شامل ۶۸۳ رکورد بود؛ ۶۶۱ مورد کامل وارد هر دو مدل چندجمله‌ای شدند. متغیرهای پیش‌بین به نمرات نسبت به حداکثر ممکن تبدیل شدند. استنتاج با ترکیب ۲۰۰۰ بازنمونه‌گیری بوت‌استرپ، خطاهای استاندارد مقاوم به ناهمسانی واریانس HC3، بررسی رکوردهای تکراری و حساسیت تأثیر Cook's D انجام شد. نتایج: مدل‌ها ۴۷/۳٪ از واریانس تعلق و ۲۵/۶٪ از واریانس درگیری جامعه‌شناختی-فرهنگی را تبیین کردند. شیب منبع مشترک برای تعلق [a1 = 3.159، فاصله اطمینان بوت‌استرپ ۹۵٪ (2.596، 3.602)] و درگیری جامعه‌شناختی-فرهنگی [a1 = 1.721، فاصله اطمینان (1.233، 2.133)] مثبت بود. انحنا، تفاوت جهت‌دار و انحنای عدم تطابق به طور مداوم تأیید نشدند. حذف دو رکورد کاملاً تکراری یا ۴۱ مشاهده با Cook's D >4/n الگوی مثبت منبع مشترک را حفظ کرد. بحث: بنابراین، حمایت نهادی قوی‌تر و روابط بهتر به طور مشترک با تعلق به دانشگاه و مشارکت چندفرهنگی مرتبط بودند، بدون شواهدی برای اثر تطابق منحصر به فرد. سنجه‌های مقطعی به طور مستقیم هم‌ساخت هویت را مشاهده نمی‌کنند، بنابراین این مطالعه یک گزارش کمی محدود از شرایط مرتبط با مشارکت و تعلق در بستر فرهنگی ارائه می‌دهد.

Di Zi Gui , a Qing-era moral primer, is discussed in contemporary Chinese family education, school moral education, and classical-recitation initiatives. Existing accounts document heterogeneous uses but do not establish their current prevalence or effects on children’s autonomy. This Hypothesis and Theory article develops a conditional model through close reading of 34 purposively selected precept groups from one modern working edition and comparison with psychological research from other contexts. Textual evidence, theoretical inference, and predictions requiring empirical testing are distinguished throughout. Adultcentrism identifies a possible asymmetry in interpretive authority; self-determination theory supplies the core distinction between controlled compliance and endorsed commitment. The proposed developmental focus is middle childhood, approximately 8–12 years, without assuming that findings from other age groups transfer directly. Three candidate pathways concern the permitted form of action, the motivational basis of conformity, and the legitimacy and expression of affect: behavioral standardization, compliance reinforcement, and emotional suppression through moral absolutization. Their operation is hypothesized to depend on enactment and children’s acceptance, negotiation, reinterpretation, selective appropriation, strategic compliance, or resistance. Autonomy is treated as a culturally situated, relational capacity, not as independence from family obligations. Five propositions specify an exposure-only baseline comparison, distinct mediators and moderators, and autonomy-related outcomes. Philosophy for Children is considered a possible moderator only when children’s contributions can consequentially alter interpretation or practice. The article offers an auditable interpretive framework, not evidence of established mechanisms: it contains no original participant data, direct observations of current teaching, or estimates of prevalence or effect size. Its contribution is a differentiated research agenda for testing how the same text may be enacted and understood differently.

کتاب دی‌زی‌گوی، یکی از متون اخلاقی دوران چینگ، در آموزش خانواده، آموزش اخلاقی مدارس و برنامه‌های قرائت متون کلاسیک در چین معاصر مورد بحث قرار می‌گیرد. گزارش‌های موجود به کاربردهای ناهمگون این متن اشاره دارند، اما شیوع کنونی یا تأثیرات آن بر خودمختاری کودکان را مشخص نمی‌کنند. این مقاله‌ی فرضیه و نظریه، با خوانش دقیق ۳۴ گروه گزینشی از آموزه‌ها در یکی از ویرایش‌های کاربردی معاصر و مقایسه با پژوهش‌های روان‌شناختی در زمینه‌های دیگر، یک مدل شرطی ارائه می‌دهد. در سراسر مقاله، شواهد متنی، استنتاج نظری و پیش‌بینی‌هایی که نیازمند آزمون تجربی هستند، از یکدیگر متمایز شده‌اند. بزرگسال‌محوری به عنوان یک نامتقارنی احتمالی در مرجعیت تفسیری شناسایی می‌شود؛ نظریه‌ی خودتعیین‌گری تمایز اصلی میان تبعیت کنترل‌شده و تعهد پذیرفته‌شده را فراهم می‌کند. تمرکز رشدی پیشنهادی، میانه‌ی کودکی، تقریباً ۸ تا ۱۲ سالگی است، بدون آن‌که فرض شود یافته‌های گروه‌های سنی دیگر به طور مستقیم قابل تعمیم باشند. سه مسیر پیشنهادی به شکل مجاز کنش، مبنای انگیزشی همرنگی و مشروعیت و ابراز هیجان مربوط می‌شوند: استانداردسازی رفتاری، تقویت تبعیت و سرکوب هیجانی از طریق مطلق‌انگاری اخلاقی. فرض بر این است که عملکرد این مسیرها به اجرا و پذیرش، مذاکره، بازتفسیر، بهره‌برداری گزینشی، تبعیت راهبردی یا مقاومت کودکان بستگی دارد. خودمختاری به عنوان ظرفیتی فرهنگی-ارتباطی در نظر گرفته می‌شود، نه استقلال از تعهدات خانوادگی. پنج گزاره، مقایسه‌ی پایه صرفاً مبتنی بر مواجهه، میانجی‌ها و تعدیل‌گرهای متمایز و پیامدهای مرتبط با خودمختاری را مشخص می‌کنند. فلسفه برای کودکان تنها زمانی به عنوان تعدیل‌گر در نظر گرفته می‌شود که مشارکت کودکان بتواند به طور معناداری تفسیر یا عمل را تغییر دهد. این مقاله چارچوب تفسیری قابل ممیزی ارائه می‌دهد، نه شواهدی از سازوکارهای اثبات‌شده: داده‌ی اصیل شرکت‌کننده، مشاهدات مستقیم از آموزش کنونی یا برآوردی از شیوع یا اندازه‌ی اثر در آن وجود ندارد. سهم این مقاله، دستور کار پژوهشی تفکیک‌شده‌ای برای آزمون این است که چگونه ممکن است یک متن واحد به شیوه‌های متفاوت اجرا و فهم شود.

Contemporary debates about large language models (LLMs) remain shaped by the logical structure of Searle’s Chinese Room Argument (1980). Sceptics routinely argue that since LLMs merely manipulate statistical patterns without understanding the content they process, they possess no genuine understanding or mentality. This inferential pattern recapitulates Searle’s move from “the person in the room does not understand Chinese” to “running a program is insufficient for mentality”. This paper argues that this inference is illegitimate. It accepts Searle’s premise that the person in the Chinese Room does not understand Chinese. However, it shows that the person does understand something else: the rule system itself. This understanding is genuine and intrinsic by Searle’s own criteria, and it is acquired during the process of running the program. Searle’s argument therefore contains an unacknowledged inferential gap: from “no understanding of the processed content” to “no understanding whatsoever”. Furthermore, Searle’s structural equivalence premise, that the person and the computer are doing the same thing, is shown to constitute a double-edged sword: if consistently applied, it prevents Searle from denying that the machine may possess an analogue of the person’s understanding. The Chinese Room Argument cannot establish its intended conclusion.

مباحثات معاصر درباره مدل‌های زبانی بزرگ (LLMs) همچنان تحت تأثیر ساختار منطقی استدلال اتاق چینی سرل (۱۹۸۰) قرار دارند. شکاکان معمولاً استدلال می‌کنند که از آنجا که LLMها صرفاً الگوهای آماری را بدون فهم محتوای پردازش‌شده دستکاری می‌کنند، فاقد فهم یا ذهنیت اصیل هستند. این الگوی استنتاجی، حرکت سرل از «فرد داخل اتاق زبان چینی را نمی‌فهمد» به «اجرای یک برنامه برای ذهنیت کافی نیست» را بازتولید می‌کند. این مقاله استدلال می‌کند که این استنتاج نامشروع است. مقاله، مقدمه سرل مبنی بر اینکه فرد در اتاق چینی زبان چینی را نمی‌فهمد، می‌پذیرد. با این حال، نشان می‌دهد که فرد چیز دیگری را می‌فهمد: خود نظام قواعد را. این فهم بر اساس معیارهای خود سرل، اصیل و ذاتی است و در فرآیند اجرای برنامه کسب می‌شود. بنابراین استدلال سرل دارای یک خلأ استنتاجی نادیده‌گرفته‌شده است: از «عدم فهم محتوای پردازش‌شده» تا «عدم فهم به طور کلی». افزون بر این، مقدمه هم‌ارزی ساختاری سرل، مبنی بر اینکه فرد و رایانه در حال انجام یک کار هستند، به عنوان یک شمشیر دو لبه نشان داده می‌شود: اگر به طور پیوسته به کار گرفته شود، سرل را از انکار اینکه ماشین ممکن است دارای مشابهی از فهم فرد باشد، بازمی‌دارد. استدلال اتاق چینی نمی‌تواند نتیجه مورد نظر خود را اثبات کند.

Dialogic reading structures teacher–child interaction around shared texts to support oral language development, yet its effects when integrated with familiar language curriculum materials in Ugandan Primary 1 classrooms remain underexamined. This parallel cluster-randomized trial evaluated a 10-week dialogic reading adaptation integrated into government-aligned Luganda Primary 1 pupil books and teacher guides. Twenty schools in central Uganda, each contributing one classroom, were randomized after baseline assessment to dialogic reading (10 clusters; 232 children) or usual instruction (10 clusters; 231 children). An independent statistician generated and implemented the concealed allocation sequence; outcome assessors were masked. Teachers in the intervention arm used PEER/CROWD-informed prompts within the curriculum’s “I do, We do, You do” sequence. Primary outcomes were Luganda vocabulary (0–20) and listening comprehension (0–12). Intention-to-treat multilevel models adjusted for baseline score, age, recorded sex, and classroom clustering, with Kenward–Roger small-sample inference and multiple imputation for missing post-test data. At post-test, adjusted vocabulary means were 12.6 (SE 0.36) and 9.4 (SE 0.35), respectively (difference 3.2, 95% CI 2.3–4.1; p < .001; Hedges’ g = 0.46). Adjusted listening-comprehension means were 7.8 (SE 0.21) and 6.3 (SE 0.20) (difference 1.5, 95% CI 0.4–2.6; p = .009; g = 0.31). These short-term effects support further evaluation of curriculum-embedded dialogic reading in Luganda-medium classrooms, including longer follow-up and implementation-cost studies.

خواندن دیالوگی تعامل معلم و کودک را حول متون مشترک سازمان‌دهی می‌کند تا رشد زبان شفاهی را حمایت کند، اما تأثیرات آن هنگام ادغام با مواد درسی زبان آشنا در کلاس‌های پایه اول اوگاندا کمتر مورد بررسی قرار گرفته است. این کارآزمایی تصادفی خوشه‌ای موازی، یک نسخه ۱۰ هفته‌ای از خواندن دیالوگی را که در کتاب‌های دانش‌آموز و راهنمای معلم پایه اول لوگاندا مطابق با برنامه دولتی ادغام شده بود، ارزیابی کرد. بیست مدرسه در مرکز اوگاندا، هر یک با یک کلاس، پس از ارزیابی پایه به خواندن دیالوگی (۱۰ خوشه؛ ۲۳۲ کودک) یا آموزش معمول (۱۰ خوشه؛ ۲۳۱ کودک) به صورت تصادفی تخصیص یافتند. یک آمارگر مستقل توالی تخصیص مخفی را تولید و اجرا کرد؛ ارزیابان پیامدها کور بودند. معلمان در گروه مداخله از راهبردهای مبتنی بر PEER/CROWD در چارچوب توالی «من انجام می‌دهم، ما انجام می‌دهیم، شما انجام می‌دهید» برنامه درسی استفاده کردند. پیامدهای اصلی شامل واژگان لوگاندا (۰ تا ۲۰) و درک شنیداری (۰ تا ۱۲) بود. مدل‌های چندسطحی مبتنی بر قصد درمان برای امتیاز پایه، سن، جنسیت ثبت‌شده و خوشه‌بندی کلاسی تعدیل شدند و از استنباط نمونه کوچک Kenward–Roger و برآورد چندگانه برای داده‌های پس‌آزمون گمشده استفاده شد. در پس‌آزمون، میانگین‌های تعدیل‌شده واژگان به ترتیب ۱۲٫۶ (خطای معیار ۰٫۳۶) و ۹٫۴ (خطای معیار ۰٫۳۵) بود (تفاوت ۳٫۲، فاصله اطمینان ۹۵٪: ۲٫۳ تا ۴٫۱؛ p < ۰٫۰۰۱؛ اندازه اثر Hedges’ g = ۰٫۴۶). میانگین‌های تعدیل‌شده درک شنیداری به ترتیب ۷٫۸ (خطای معیار ۰٫۲۱) و ۶٫۳ (خطای معیار ۰٫۲۰) بود (تفاوت ۱٫۵، فاصله اطمینان ۹۵٪: ۰٫۴ تا ۲٫۶؛ p = ۰٫۰۰۹؛ g = ۰٫۳۱). این اثرات کوتاه‌مدت از ارزیابی بیشتر خواندن دیالوگی درون‌برنامه‌ای در کلاس‌های با زبان لوگاندا، از جمله پیگیری بلندمدت و مطالعات هزینه اجرا، حمایت می‌کند.

Cognitive behavioral therapy for insomnia (CBTI) is a first-line treatment, but the quality and engagement of CBTI information on short-video platforms remain uncertain. We evaluated 293 videos from Douyin, Kwai, RedNote, and Bilibili using the Global Quality Scale, modified DISCERN, Video Information Quality Instrument, Journal of the American Medical Association (JAMA) benchmarks, and a Composite Quality Index (CQI). The primary outcome was ln(1 + weighted engagement per publication day). Multivariable models adjusted for publication days, follower count, video length, and author identity using HC3 robust inference. Bilibili had the highest mean JAMA and Global Quality Scale scores, whereas Douyin had the highest median weighted engagement per day. A 10-point CQI increase was positively associated with engagement on Douyin (β = 0.469, 95% CI [0.107,0.831], P = 0.011). However, the global CQI-by-platform interaction was nonsignificant ( P = 0.067), providing insufficient evidence that the association differed across platforms. JAMA slopes and the global interaction were nonsignificant. Alternative score weightings produced similar secondary unadjusted findings, and view-normalized CQI associations were nonsignificant in Kwai and Bilibili. The platforms differed in information transparency, quality, and engagement, but no platform performed best across all dimensions. Popularity should not be considered a proxy for CBTI information quality.

درمان شناختی-رفتاری برای بی‌خوابی (CBTI) درمان خط اول محسوب می‌شود، اما کیفیت و میزان مشارکت اطلاعات مربوط به CBTI در پلتفرم‌های ویدئویی کوتاه هنوز نامشخص است. ما ۲۹۳ ویدئو از Douyin، Kwai، RedNote و Bilibili را با استفاده از مقیاس کیفیت جهانی (Global Quality Scale)، نسخه اصلاح‌شده DISCERN، ابزار کیفیت اطلاعات ویدئویی (Video Information Quality Instrument)، معیارهای انجمن پزشکی آمریکا (Journal of the American Medical Association - JAMA) و شاخص کیفیت ترکیبی (Composite Quality Index - CQI) ارزیابی کردیم. پیامد اصلی، لگاریتم طبیعی (ln) (۱ + میزان مشارکت وزنی به ازای هر روز انتشار) بود. مدل‌های چندمتغیره برای روزهای انتشار، تعداد دنبال‌کنندگان، طول ویدئو و هویت نویسنده با استفاده از استنتاج مقاوم HC3 تعدیل شدند. Bilibili بالاترین میانگین امتیازات JAMA و مقیاس کیفیت جهانی را داشت، در حالی که Douyin بالاترین میانه مشارکت وزنی به ازای هر روز را نشان داد. افزایش ۱۰ واحدی CQI با میزان مشارکت در Douyin ارتباط مثبت داشت (β = ۰.۴۶۹، ۹۵٪ CI [۰.۱۰۷، ۰.۸۳۱]، P = ۰.۰۱۱). با این حال، تعامل کلی CQI بر اساس پلتفرم معنادار نبود (P = ۰.۰۶۷) و شواهد کافی برای تفاوت این ارتباط در میان پلتفرم‌ها وجود نداشت. شیب‌های JAMA و تعامل کلی نیز معنادار نبودند. وزن‌دهی‌های جایگزین امتیازات، یافته‌های ثانویه مشابهی را بدون تعدیل نشان داد و ارتباطات CQI نرمال‌شده بر اساس بازدید در Kwai و Bilibili معنادار نبود. پلتفرم‌ها از نظر شفافیت اطلاعات، کیفیت و میزان مشارکت تفاوت داشتند، اما هیچ پلتفرمی در همه ابعاد بهترین عملکرد را نداشت. محبوبیت نباید به عنوان شاخصی برای کیفیت اطلاعات CBTI در نظر گرفته شود.

Background: Although project-based learning (PBL) is well-established in advanced medical curricula, evidence supporting its implementation in first-year undergraduate programs remains limited.Early research exposure may enhance student engagement.Objective: This study evaluated whether structured PBL in muscle physiology was associated with improvements in subject knowledge acquisition among first-year MBBS students.Methods: An observational study was conducted at a single medical institution in Tamil Nadu, India, from July to August 2023.Formal institutional ethics approval was obtained prior to participant recruitment.Of 250 eligible first-year MBBS students, 40 consented to participate; five subsequently withdrew citing curriculum workload concerns, yielding 35 participants (30 females, five males; mean age 18.35 years).Students underwent pre-assessment comprising 10 short-answer questions on muscle physiology (maximum score 20) and were randomized to 10 project groups via lottery.Students conducted investigations on exercise physiology over three to four hours weekly for one month.Post-assessment utilized identical questions.Thirty-two students completed a structured feedback questionnaire (six Likertscale items, 1-5 scale) and provided open-ended commentary.Assessment scores were compared via paired t-testing and Shapiro-Wilk testing.Pearson correlation assessed satisfaction-knowledge associations.Qualitative analysis employed thematic coding by two independent raters using predefined and emergent themes with inter-rater agreement assessment.Results: Post-assessment scores (12.588 ± 2.943) significantly exceeded pre-assessment scores (5.265 ± 2.89), yielding a mean improvement of 7.324 ± 2.446 points (t(34) = -17.952,p < 0.001, Cohen's d = -3.034;95% CI (-3.821, -2.239)).This large effect size must be interpreted cautiously given the observational design, self-selected sample, identical assessment questions, and potential testing-practice effects.Post-hoc power analysis confirmed an achieved power of 0.99.The mean satisfaction score was 22.563 ± 3.519 out of 30.No statistically significant association existed between satisfaction and knowledge improvement (r = 0.082, p = 0.657).Qualitative analysis demonstrated predominantly favorable responses, with 26 of 35 students (74.3%) expressing interest in future research participation.Conclusion: Structured PBL was associated with substantial knowledge improvement and positive student perception among participating students.However, the single-group observational design, self-selected sample, and identical assessments preclude causal inference regarding PBL's effectiveness.Larger comparative randomized trials are necessary to establish whether PBL produces educational benefits relative to standard instruction and whether effects persist over time.

زمینه: اگرچه یادگیری مبتنی بر پروژه (PBL) در برنامه‌های درسی پیشرفته پزشکی به خوبی تثبیت شده است، اما شواهدی که از اجرای آن در برنامه‌های کارشناسی سال اول حمایت کند، محدود است. مواجهه زودهنگام با پژوهش ممکن است مشارکت دانشجویان را افزایش دهد. هدف: این مطالعه بررسی کرد که آیا PBL ساختاریافته در فیزیولوژی عضله با بهبود در کسب دانش موضوعی در میان دانشجویان سال اول MBBS همراه است یا خیر. روش‌ها: یک مطالعه مشاهده‌ای در یک مؤسسه پزشکی در تامیل نادو، هند، از ژوئیه تا اوت 2023 انجام شد. تأییدیه اخلاقی رسمی مؤسسه پیش از جذب شرکت‌کنندگان اخذ شد. از میان 250 دانشجوی واجد شرایط سال اول MBBS، 40 نفر رضایت به شرکت دادند؛ پنج نفر بعداً به دلیل نگرانی از بار درسی برنامه درسی انصراف دادند و در نهایت 35 شرکت‌کننده (30 زن، پنج مرد؛ میانگین سنی 18.35 سال) باقی ماندند. دانشجویان پیش‌آزمونی شامل 10 سؤال کوتاه‌پاسخ درباره فیزیولوژی عضله (حداکثر نمره 20) را گذراندند و به صورت تصادفی از طریق قرعه‌کشی به 10 گروه پروژه تقسیم شدند. دانشجویان به مدت یک ماه، هفته‌ای سه تا چهار ساعت به بررسی‌های فیزیولوژی ورزش پرداختند. پس‌آزمون با استفاده از سؤالات یکسان انجام شد. سی‌ودو دانشجو پرسشنامه بازخورد ساختاریافته (شش آیتم لیکرت، مقیاس 1 تا 5) را تکمیل کردند و نظرات باز ارائه دادند. نمرات ارزیابی با استفاده از آزمون t زوجی و آزمون Shapiro-Wilk مقایسه شد. همبستگی پیرسون برای بررسی ارتباط رضایت و بهبود دانش به کار رفت. تحلیل کیفی با کدگذاری موضوعی توسط دو ارزیاب مستقل با استفاده از تم‌های از پیش تعیین‌شده و نوظهور و ارزیابی توافق بین ارزیابان انجام شد. نتایج: نمرات پس‌آزمون (12.588 ± 2.943) به طور معناداری بالاتر از نمرات پیش‌آزمون (5.265 ± 2.89) بود و بهبود میانگین 7.324 ± 2.446 امتیاز را نشان داد (t(34) = -17.952, p < 0.001, Cohen's d = -3.034؛ 95% CI (-3.821, -2.239)). این اندازه‌ی اثر بزرگ باید با احتیاط تفسیر شود، با توجه به طراحی مشاهده‌ای، نمونه خودانتخابی، سؤالات ارزیابی یکسان و احتمال اثرات تمرین آزمون. تحلیل توان پس از واقعه، توان به‌دست‌آمده 0.99 را تأیید کرد. میانگین نمره رضایت 22.563 ± 3.519 از 30 بود. هیچ ارتباط معنادار آماری بین رضایت و بهبود دانش وجود نداشت (r = 0.082, p = 0.657). تحلیل کیفی عمدتاً پاسخ‌های مطلوب را نشان داد، به طوری که 26 نفر از 35 دانشجو (74.3%) علاقه به مشارکت در پژوهش‌های آینده را ابراز کردند. نتیجه‌گیری: PBL ساختاریافته با بهبود قابل توجه دانش و ادراک مثبت دانشجویان شرکت‌کننده همراه بود. با این حال، طراحی مشاهده‌ای تک‌گروهی، نمونه خودانتخابی و ارزیابی‌های یکسان، استنتاج علی درباره اثربخشی PBL را غیرممکن می‌سازد. مطالعات تصادفی‌سازی‌شده مقایسه‌ای بزرگ‌تر برای تعیین اینکه آیا PBL نسبت به آموزش استاندارد مزایای آموزشی ایجاد می‌کند و آیا این اثرات در طول زمان پایدار می‌مانند، ضروری است.

As embodied artificial agents (social robots, virtual assistants, and collaborative manipulators) move from controlled laboratories into homes, hospitals, and workplaces, their ability to interpret and anticipate human mental states becomes as important as their physical competence. This paper presents a unified theoretical and architectural account of how Theory of Mind (ToM), the capacity to attribute beliefs, desires, intentions, and emotions to others, can be integrated into embodied agents to support human-aware interaction. We first formalize a computational notion of ToM suitable for embodied settings, distinguishing zero-order perceptual inference from first- and second-order recursive belief attribution, and we relate these levels to the demands of everyday human-agent collaboration. We then propose a modular architecture, the Belief-Intention-Action (BIA) framework, that couples multimodal perception with a hybrid Bayesian-neural mental-state estimator, a hierarchical intention inference module, and an action-selection policy that explicitly conditions on inferred human mental states. The architecture is instantiated on both a simulated humanoid platform and a physical mobile manipulator and evaluated across three interaction scenarios: collaborative object handover, ambiguous instruction resolution, and false-belief-sensitive assistance. Compared with baseline agents lacking explicit mental-state modeling, the ToM-equipped agent achieves higher task success, faster adaptation to human error, and improved subjective ratings of perceived understanding and comfort, while ablation studies confirm the contribution of second-order reasoning to false-belief tasks. We conclude by discussing implications for trust calibration, the computational cost of recursive mental-state reasoning, and the ethical responsibilities that accompany machines that model human minds.

با انتقال عامل‌های مصنوعی مجسم (ربات‌های اجتماعی، دستیاران مجازی و دستکاری‌کننده‌های همکار) از آزمایشگاه‌های کنترل‌شده به خانه‌ها، بیمارستان‌ها و محیط‌های کاری، توانایی آن‌ها در تفسیر و پیش‌بینی حالات ذهنی انسان به اندازه‌ی شایستگی فیزیکی آن‌ها اهمیت می‌یابد. این مقاله یک رویکرد نظری و معماری یکپارچه ارائه می‌دهد که چگونه نظریه ذهن (ToM)، یعنی ظرفیت نسبت دادن باورها، تمایلات، نیات و هیجانات به دیگران، می‌تواند در عامل‌های مجسم برای پشتیبانی از تعامل آگاه به انسان ادغام شود. ابتدا یک مفهوم محاسباتی از ToM مناسب برای محیط‌های مجسم صورت‌بندی می‌شود که تمایز میان استنتاج ادراکی مرتبه صفر و نسبت‌دهی باور بازگشتی مرتبه اول و دوم را مشخص می‌کند و این سطوح را به الزامات همکاری روزمره انسان-عامل مرتبط می‌سازد. سپس یک معماری مدولار با عنوان چارچوب باور-نیت-کنش (BIA) پیشنهاد می‌شود که ادراک چندوجهی را با تخمین‌زننده حالت ذهنی هیبرید بیزی-عصبی، ماژول استنتاج نیت سلسله‌مراتبی و سیاست انتخاب کنش که به طور صریح بر اساس حالات ذهنی استنباط‌شده انسان شرطی می‌شود، ترکیب می‌کند. این معماری هم بر روی یک پلتفرم شبیه‌سازی‌شده انسان‌نما و هم یک دستکاری‌کننده متحرک فیزیکی پیاده‌سازی شده و در سه سناریوی تعاملی ارزیابی می‌شود: تحویل شیء به صورت همکاری، رفع ابهام در دستورالعمل و کمک حساس به باور نادرست. در مقایسه با عامل‌های پایه فاقد مدل‌سازی صریح حالت ذهنی، عامل مجهز به ToM موفقیت بالاتر در انجام وظیفه، سازگاری سریع‌تر با خطای انسانی و بهبود ارزیابی‌های ذهنی از درک و راحتی ادراک‌شده را نشان می‌دهد، در حالی که مطالعات حذف اجزا نقش استدلال مرتبه دوم را در وظایف باور نادرست تأیید می‌کند. در پایان، پیامدهای کالیبراسیون اعتماد، هزینه محاسباتی استدلال بازگشتی حالت ذهنی و مسئولیت‌های اخلاقی مرتبط با ماشین‌هایی که ذهن انسان را مدل‌سازی می‌کنند، مورد بحث قرار می‌گیرد.

This study aims to examine the hadith cited by Imam al-Suyūṭī in al-Durr al-Manthūr when interpreting the verse, (Syahru ramadhanalladzi unzila fiihi-l Qur’an…){Qur’an 2:185}, which relates to the timing of the revelation of the divine scriptures during Ramadan. The significance of this topic lies in the fact that al-Suyūṭī often reports narrations without explicitly judging their authenticity, which necessitates verification of their chains of transmission before relying on them for scholarly inference. Accordingly, the research problem centers on determining the reliability of this hadith in terms of both chain and text, and clarifying its scholarly status based on the principles of hadith authentication and criticism. The study employs a descriptive-analytical library-based methodology, utilizing tools of hadith verification, isnād analysis, and textual criticism, with reference to primary sources such as Musnad Ahmad, the tafsīrs of al-Ṭabarī and Ibn Kathīr, as well as works on narrators and hidden defects. The findings indicate that all transmission routes converge at ʿImrān ibn Dāwar, from Qatāda, from Abū al-Malīḥ, from Wāthila, and that the isnād is sound at the level of ḥasan li-dhātihi (good in itself), elevated to ḥasan li-ghayrihi (good due to corroboration) through multiple routes and scholarly acceptance. The text itself aligns with the Qur’an and other authentic hadiths. The study recommends that every narration be critically examined before use in exegesis, and calls for broader analytical studies of other exegetical reports, combining isnād and matn analysis, while training students of knowledge in the tools of hadith verification and the use of biographical and critical works.

این پژوهش با هدف بررسی حدیثی که امام سیوطی در «الدر المنثور» هنگام تفسیر آیه «شهر رمضان الذی انزل فیه القرآن...» (قرآن ۲:۱۸۵) نقل کرده است، انجام می‌شود؛ حدیثی که به زمان نزول کتب الهی در ماه رمضان اشاره دارد. اهمیت این موضوع در آن است که سیوطی غالباً روایات را بدون اظهار نظر صریح درباره صحت یا ضعف آن‌ها نقل می‌کند و این امر، لزوم بررسی اسناد روایات پیش از استناد علمی به آن‌ها را ایجاب می‌نماید. بر این اساس، مسئله پژوهش بر تعیین پایایی این حدیث از حیث سند و متن و تبیین جایگاه علمی آن بر مبنای اصول تصحیح و نقد حدیث متمرکز است. روش پژوهش توصیفی-تحلیلی و مبتنی بر منابع کتابخانه‌ای است و از ابزارهای تصحیح حدیث، تحلیل اسناد و نقد متنی با ارجاع به منابع اصلی مانند مسند احمد، تفاسیر طبری و ابن کثیر و همچنین آثار رجالی و علل استفاده می‌شود. یافته‌ها نشان می‌دهد که تمامی طرق نقل به عمران بن داور، از قتاده، از ابوالملیح، از واثله منتهی می‌شود و سند حدیث در مرتبه حسن لذاته قرار دارد که با تعدد طرق و قبول اهل علم به حسن لغیره ارتقا می‌یابد. متن حدیث نیز با قرآن و سایر احادیث صحیح مطابقت دارد. پژوهش توصیه می‌کند که هر روایت پیش از استفاده در تفسیر، به طور انتقادی بررسی شود و مطالعات تحلیلی گسترده‌تری بر سایر روایات تفسیری با ترکیب تحلیل سند و متن و آموزش دانش‌پژوهان در ابزارهای تصحیح حدیث و بهره‌گیری از منابع رجالی و نقدی صورت گیرد.

Critical thinking skills are among the essential competencies that must be developed in elementary school students to face the increasingly complex challenges of 21st-century life. The Science, Technology, Engineering, and Mathematics (STEM) approach emerges as an educational innovation that integrates four disciplines in an integrated, contextual, and problem-solving-oriented manner. This article aims to examine in depth the contribution of STEM-based learning to the critical thinking skills of elementary school students through a library research method. The study reviewed various scientific literature including national and international journal articles, educational textbooks, research reports, and relevant curriculum documents published between 2010 and 2024. The results indicate that STEM-based learning significantly contributes to the enhancement of students' critical thinking skills through several mechanisms: (1) encouraging students to identify and formulate problems systematically; (2) training analytical, evaluative, and synthetic skills through engineering design; (3) building scientific thinking habits through authentic projects; (4) developing evidence-based inference and argumentation skills; and (5) habituating self-reflection and self-regulation. All six aspects of critical thinking according to Facione are organically facilitated in STEM learning activities. This article concludes that STEM integration in elementary science learning is an effective and empirically proven strategy for building critical thinking foundations from an early age.

مهارت‌های تفکر انتقادی از جمله شایستگی‌های اساسی هستند که باید در دانش‌آموزان دبستانی برای مواجهه با چالش‌های فزاینده و پیچیده زندگی قرن بیست‌ویکم توسعه یابند. رویکرد علوم، فناوری، مهندسی و ریاضیات (STEM) به عنوان یک نوآوری آموزشی مطرح می‌شود که چهار حوزه مذکور را به صورت یکپارچه، زمینه‌مند و مسئله‌محور ادغام می‌کند. هدف این مقاله بررسی عمیق سهم یادگیری مبتنی بر STEM بر مهارت‌های تفکر انتقادی دانش‌آموزان دبستانی از طریق روش پژوهش کتابخانه‌ای است. در این مطالعه، متون علمی مختلف شامل مقالات مجلات ملی و بین‌المللی، کتاب‌های درسی آموزشی، گزارش‌های پژوهشی و اسناد برنامه‌درسی مرتبط که بین سال‌های ۲۰۱۰ تا ۲۰۲۴ منتشر شده‌اند، مرور شده است. نتایج نشان می‌دهد که یادگیری مبتنی بر STEM به طور معناداری به ارتقای مهارت‌های تفکر انتقادی دانش‌آموزان از طریق چندین سازوکار کمک می‌کند: (۱) تشویق دانش‌آموزان به شناسایی و صورت‌بندی نظام‌مند مسائل؛ (۲) تمرین مهارت‌های تحلیلی، ارزیابانه و ترکیبی از طریق طراحی مهندسی؛ (۳) ایجاد عادات تفکر علمی از طریق پروژه‌های اصیل؛ (۴) توسعه مهارت‌های استنتاج و استدلال مبتنی بر شواهد؛ و (۵) عادت‌دهی به خودبازتابی و خودتنظیمی. هر شش جنبه تفکر انتقادی بر اساس مدل Facione به طور ارگانیک در فعالیت‌های یادگیری STEM تسهیل می‌شود. این مقاله نتیجه می‌گیرد که ادغام STEM در آموزش علوم دبستانی، راهبردی مؤثر و اثبات‌شده تجربی برای بنیان‌گذاری تفکر انتقادی از سنین پایین است.

The actual deployment of driver monitoring system (DMS) is still limited by the limited edge computing resources and the sudden risk transition caused by discrete state classification. To this end, this study proposes LTC-CGMN, a lightweight driver state evaluation framework that integrates cross granularity state mapping and temporal convolution. Firstly, the CGSM module aligns fine-grained head/hand cues with coarse-grained torso features through cross attention, and then the LTC module uses depthwise separable causal dilation convolution to capture temporal dependencies with low computational cost. In addition, the knowledge extraction scheme guided by the AHP of the National Highway Traffic Safety Administration generates a continuous Driver Risk Index (DRI), reducing the step discontinuity in risk estimation. Finally, the experimental results on the 3MDAD multimodal driving dataset showed that LTC-CGMN achieved a Top-1 accuracy of 96.37%, a DRI prediction RMSE of 0.058, and a inference rate of 33.6 FPS on NVIDIA Jetson Orin. Research has shown that LTC-CCMN provides a good balance between recognition accuracy, continuous risk estimation, and edge deployment efficiency for intelligent cockpit DMS applications.

استقرار واقعی سامانه پایش راننده (DMS) همچنان با محدودیت منابع محاسباتی لبه و انتقال ناگهانی ریسک ناشی از طبقه‌بندی گسسته وضعیت‌ها محدود می‌شود. بدین منظور، این مطالعه چارچوب ارزیابی وضعیت راننده سبک‌وزن LTC-CGMN را پیشنهاد می‌کند که نگاشت وضعیت میان‌دانه‌ای و کانولوشن زمانی را یکپارچه می‌سازد. نخست، ماژول CGSM نشانه‌های ریزدانه سر/دست را از طریق توجه متقاطع با ویژگی‌های درشت‌دانه تنه هم‌تراز می‌کند و سپس ماژول LTC با استفاده از کانولوشن علی با اتساع جداسازی‌پذیر عمقی، وابستگی‌های زمانی را با هزینه محاسباتی پایین استخراج می‌کند. افزون بر این، طرح استخراج دانش با راهنمایی AHP اداره ملی ایمنی ترافیک بزرگراه‌ها، شاخص ریسک راننده پیوسته (DRI) را تولید می‌کند و ناپیوستگی پله‌ای در برآورد ریسک را کاهش می‌دهد. در نهایت، نتایج تجربی روی پایگاه داده چندوجهی رانندگی 3MDAD نشان داد که LTC-CGMN به دقت Top-1 معادل ۹۶٫۳۷٪، RMSE پیش‌بینی DRI برابر با ۰٫۰۵۸ و نرخ استنتاج ۳۳٫۶ فریم بر ثانیه روی NVIDIA Jetson Orin دست یافته است. پژوهش‌ها نشان داده‌اند که LTC-CGMN تعادل مناسبی میان دقت شناسایی، برآورد پیوسته ریسک و کارایی استقرار لبه برای کاربردهای DMS کابین هوشمند فراهم می‌کند.

This study examines prospective associations among classroom environment, perseverance of effort (POE), consistency of interest (COI), and learning engagement in mental health education courses (MHEC). Participants were 468 first-year students from three schools at a university in East China. A three-wave time-lagged survey measured classroom environment at T1, the two grit dimensions at T2, and learning engagement at T3. Because each construct was measured only once and baseline levels were not controlled, the design establishes temporal separation but does not constitute a fully longitudinal mediation design or support causal inference. Structural equation modeling indicated that classroom environment and POE were positively associated with learning engagement, whereas the unique association between COI and learning engagement was not statistically significant. Bias-corrected bootstrap analysis showed a significant prospective indirect association through POE, but not through COI. Because the two specific indirect effects were not formally contrasted, the findings should be interpreted as preliminary evidence of dimension-specific patterns rather than evidence that the two indirect pathways differ significantly.

این مطالعه به بررسی ارتباطات آینده‌نگر میان محیط کلاس، پشتکار در تلاش (POE)، ثبات علاقه (COI) و مشارکت در یادگیری در دوره‌های آموزش سلامت روان (MHEC) می‌پردازد. شرکت‌کنندگان شامل ۴۶۸ دانشجوی سال اول از سه دانشکده در یک دانشگاه در شرق چین بودند. یک پیمایش سه‌مرحله‌ای با فاصله زمانی، محیط کلاس را در زمان اول (T1)، دو بُعد پشتکار را در زمان دوم (T2) و مشارکت در یادگیری را در زمان سوم (T3) اندازه‌گیری کرد. از آنجا که هر سازه تنها یک بار سنجیده شد و سطوح پایه کنترل نشدند، این طرح جداسازی زمانی را برقرار می‌کند اما یک طرح میانجی‌گری طولی کامل محسوب نمی‌شود و از استنباط علی حمایت نمی‌کند. مدل‌سازی معادلات ساختاری نشان داد که محیط کلاس و POE با مشارکت در یادگیری رابطه مثبت دارند، در حالی که ارتباط منحصر به فرد COI با مشارکت در یادگیری از نظر آماری معنادار نبود. تحلیل بوت‌استرپ با اصلاح سوگیری، ارتباط غیرمستقیم آینده‌نگر معناداری را از طریق POE، اما نه از طریق COI، نشان داد. از آنجا که دو اثر غیرمستقیم خاص به طور رسمی با یکدیگر مقایسه نشدند، یافته‌ها باید به عنوان شواهد مقدماتی از الگوهای خاص ابعادی تفسیر شوند و نه به عنوان شواهدی مبنی بر تفاوت معنادار دو مسیر غیرمستقیم.

Multisensory perception is a cornerstone paradigm for understanding how the brain constructs coherent representations of the world from noisy, fragmented sensory inputs. For decades, researchers have used the magnitude of crossmodal illusions, the width of the temporal binding window, and related behavioral indices as direct proxies for 'integration strength,' and have leveraged these measures to compare multisensory function across developmental, clinical, and aging populations. Here we argue that this descriptive practice is frequently compromised: behavioral readouts of multisensory integration are composite measures jointly shaped by unisensory precision, amodal priors, and the binding process itself, and cannot be interpreted in isolation. Drawing on simulations within a Bayesian Causal Inference framework, we show how identical behavioral patterns can arise from very different underlying causes, leading to systematic misattribution of group differences to 'deficits' or 'enhancements' in integration. We review complementary computational frameworks, including coupling priors, drift diffusion, multisensory correlation detection, and statistical facilitation models, and outline their respective explanatory limits. Finally, we provide a model-based inference pipeline, from experimental design and unisensory baselines to parameter estimation and interpretation, that aims to help disentangles sensory fidelity, prior expectations, and integrative tendency. Adopting this normative approach can facilitate cumulative progress in basic multisensory research and for its translation to neuropsychiatric assessment, lifespan research, and artificial perceptual systems.

ادراک چندحسی یکی از پارادایم‌های اساسی برای درک این است که مغز چگونه بازنمایی‌های منسجم از جهان را از ورودی‌های حسی پر سر و صدا و تکه‌تکه می‌سازد. برای دهه‌ها، پژوهشگران از بزرگی خطاهای توهمات بین‌حسی، پهنای پنجره اتصال زمانی و شاخص‌های رفتاری مرتبط به عنوان نمایه‌های مستقیم برای «قدرت ادغام» استفاده کرده‌اند و این سنجه‌ها را برای مقایسه عملکرد چندحسی در جمعیت‌های رشدی، بالینی و سالمندی به کار برده‌اند. در این مقاله استدلال می‌شود که این رویه توصیفی اغلب با مشکل مواجه است: خروجی‌های رفتاری ادغام چندحسی، سنجه‌هایی مرکب هستند که به طور مشترک تحت تأثیر دقت تک‌حسی، پیش‌انگاره‌های آمودال و خود فرایند اتصال قرار دارند و نمی‌توان آن‌ها را به طور مجزا تفسیر کرد. با استفاده از شبیه‌سازی‌ها در چارچوب استنتاج علّی بیزی (Bayesian Causal Inference)، نشان می‌دهیم که الگوهای رفتاری یکسان می‌توانند از علل زیربنایی بسیار متفاوتی ناشی شوند و این امر منجر به نسبت‌دهی نادرست و نظام‌مند تفاوت‌های گروهی به «نقص» یا «افزایش» در ادغام می‌شود. چارچوب‌های محاسباتی مکمل، از جمله پیش‌انگاره‌های اتصال، مدل‌های انتشار رانش (drift diffusion)، شناسایی همبستگی چندحسی و مدل‌های تسهیل آماری را مرور کرده و حدود توضیحی هر یک را تبیین می‌کنیم. در نهایت، یک خط لوله استنتاج مبتنی بر مدل، از طراحی آزمایش و خطوط پایه تک‌حسی تا برآورد پارامتر و تفسیر نتایج ارائه می‌دهیم که هدف آن کمک به تفکیک وفاداری حسی، انتظارات قبلی و گرایش به ادغام است. اتخاذ این رویکرد هنجاری می‌تواند پیشرفت انباشتی در پژوهش‌های بنیادی چندحسی و ترجمه آن به ارزیابی‌های عصب‌روان‌پزشکی، پژوهش‌های طول عمر و سامانه‌های ادراکی مصنوعی را تسهیل کند.

Facial expression recognition is an important task in real-time human-computer interaction, but its practical application is still limited by partial facial occlusion, high computational cost, and the lack of fine-grained emotion representation. To address these issues, this paper proposes OQ-FERNet, an occlusion-aware quantitative facial expression recognition network. The proposed network adopts MobileNetV4-Conv-S as a lightweight facial expression feature extraction backbone to obtain compact and discriminative representations with low computational cost. On this basis, an Occlusion-aware Regional Reweighting module is designed to divide the feature map into upper-face, middle-face, and lower-face regions, and adaptively adjust their contributions according to regional reliability. This design suppresses occluded or less informative facial areas while enhancing visible expression-related cues. Furthermore, a Quantitative Emotion Prediction Head is introduced to jointly perform discrete expression classification and emotion intensity estimation, enabling the model to provide both categorical and fine-grained affective outputs. Experiments are conducted on RAF-DB and AffectNet-7. The results show that OQ-FERNet achieves competitive classification performance, improved robustness under different occlusion conditions, and effective quantitative emotion prediction. Specifically, OQ-FERNet obtains 93.12% accuracy on RAF-DB and 68.32% accuracy on AffectNet-7, while achieving an MAE of 0.246, an MSE of 0.101, and an RMSE of 0.318 for quantitative emotion prediction on AffectNet-7. In addition, the model contains only 4.18M parameters and 0.26G FLOPs, with an inference speed of 356 FPS. These results indicate that OQ-FERNet provides an effective and efficient solution for lightweight, occlusion-robust, and fine-grained facial expression recognition in real-time human-computer interaction scenarios. The source code is publicly available at: https://github.com/jiahao001-j/OQ-FERNet .

شناسایی حالات چهره یکی از وظایف مهم در تعامل بلادرنگ انسان و رایانه است، اما کاربرد عملی آن همچنان با محدودیت‌هایی مانند انسداد جزئی چهره، هزینه محاسباتی بالا و فقدان بازنمایی دقیق احساسات مواجه است. برای رفع این مشکلات، این مقاله OQ-FERNet را به عنوان یک شبکه شناسایی کمی حالات چهره با آگاهی از انسداد پیشنهاد می‌کند. این شبکه از MobileNetV4-Conv-S به عنوان یک ستون فقرات سبک برای استخراج ویژگی‌های حالات چهره استفاده می‌کند تا بازنمایی‌های فشرده و متمایز با هزینه محاسباتی پایین به دست آورد. بر این اساس، یک ماژول وزن‌دهی مجدد ناحیه‌ای با آگاهی از انسداد طراحی شده است که نقشه ویژگی را به نواحی بالای چهره، میانه چهره و پایین چهره تقسیم می‌کند و به طور تطبیقی سهم هر ناحیه را بر اساس پایایی ناحیه‌ای تنظیم می‌کند. این طراحی نواحی چهره مسدود یا کم‌اطلاعات را سرکوب کرده و نشانه‌های مرتبط با حالات قابل مشاهده را تقویت می‌کند. علاوه بر این، یک سر پیش‌بینی کمی احساسات معرفی شده است تا به طور همزمان طبقه‌بندی حالات گسسته و برآورد شدت احساسات را انجام دهد و مدل را قادر می‌سازد خروجی‌های عاطفی هم دسته‌ای و هم دقیق ارائه دهد. آزمایش‌ها بر روی پایگاه‌های داده RAF-DB و AffectNet-7 انجام شده است. نتایج نشان می‌دهد که OQ-FERNet عملکرد طبقه‌بندی رقابتی، افزایش تاب‌آوری در شرایط مختلف انسداد و پیش‌بینی مؤثر کمی احساسات را ارائه می‌دهد. به طور خاص، OQ-FERNet به دقت 93.12% در RAF-DB و دقت 68.32% در AffectNet-7 دست یافته است، در حالی که برای پیش‌بینی کمی احساسات در AffectNet-7 به MAE برابر با 0.246، MSE برابر با 0.101 و RMSE برابر با 0.318 دست یافته است. علاوه بر این، مدل تنها شامل 4.18M پارامتر و 0.26G FLOPs است و سرعت استنتاج آن 356 FPS می‌باشد. این نتایج نشان می‌دهد که OQ-FERNet راه‌حلی مؤثر و کارآمد برای شناسایی حالات چهره سبک، مقاوم در برابر انسداد و دقیق در سناریوهای تعامل بلادرنگ انسان و رایانه فراهم می‌کند. کد منبع به صورت عمومی در دسترس است: https://github.com/jiahao001-j/OQ-FERNet .

Fine-grained interior design style recognition is challenging due to the subtle, context-dependent nature of stylistic cues, which are often entangled with dominant semantic objects. While convolutional neural networks effectively capture local textures, they lack global reasoning, whereas Vision Transformers model spatial relationships but do not explicitly encode perceptual style attributes. To address these limitations, we propose SAT $$^{3}$$ (Style-Aware Attention Transformer) that integrates four synergistic components: (i) a Style Attention Embedding that combines a CNN (Convolutional Neural Network) stem with a Transformer encoder enhanced by a Style Attention Module (SAM) to emphasize texture and color-related cues; (ii) an auxiliary self-supervised learning (SSL) branch leveraging masked autoencoding and contrastive learning to enrich style-invariant representations; (iii) a joint optimization strategy that balances supervised and self-supervised objectives for improved robustness; and (iv) an efficient inference pathway that retains a style-sensitive encoder while removing auxiliary components. Extensive experiments on interior design datasets demonstrate that SAT $$^{3}$$ achieves the best performance among the baselines evaluated in this study. Additional analyses indicate that the learned representations are more aligned with stylistic attributes and less dependent on semantic content, leading to improved generalization, particularly under limited annotation settings. These results highlight the effectiveness of the proposed approach for fine-grained style recognition and suggest its broader applicability to other style-driven visual understanding tasks.

شناسایی دقیق سبک طراحی داخلی به دلیل ماهیت ظریف و وابسته به زمینه نشانه‌های سبکی که اغلب با اشیای معنایی غالب درهم‌تنیده‌اند، چالش‌برانگیز است. در حالی که شبکه‌های عصبی کانولوشنی (CNN) به‌طور مؤثری بافت‌های محلی را استخراج می‌کنند، فاقد استدلال جهانی هستند؛ در مقابل، ترنسفورمرهای بینایی (Vision Transformers) روابط فضایی را مدل‌سازی می‌کنند اما ویژگی‌های ادراکی سبک را به‌طور صریح رمزگذاری نمی‌کنند. برای رفع این محدودیت‌ها، ما SAT $$^{3}$$ (ترنسفورمر توجه‌آگاه به سبک) را پیشنهاد می‌کنیم که چهار مؤلفه هم‌افزا را ادغام می‌کند: (i) تعبیه توجه به سبک که یک بخش ابتدایی CNN را با یک رمزگذار ترنسفورمر تقویت‌شده توسط ماژول توجه به سبک (SAM) برای تأکید بر نشانه‌های مرتبط با بافت و رنگ ترکیب می‌کند؛ (ii) یک شاخه یادگیری خودنظارتی کمکی (SSL) که با بهره‌گیری از رمزگشایی خودکار ماسک‌شده و یادگیری متضاد، نمایش‌های مستقل از سبک را غنی می‌سازد؛ (iii) یک راهبرد بهینه‌سازی مشترک که اهداف نظارت‌شده و خودنظارتی را برای افزایش پایداری متعادل می‌کند؛ و (iv) یک مسیر استنتاج کارآمد که رمزگذار حساس به سبک را حفظ کرده و مؤلفه‌های کمکی را حذف می‌کند. آزمایش‌های گسترده بر روی پایگاه‌های داده طراحی داخلی نشان می‌دهد که SAT $$^{3}$$ بهترین عملکرد را در میان روش‌های پایه ارزیابی‌شده در این مطالعه دارد. تحلیل‌های تکمیلی نشان می‌دهد که نمایش‌های یادگرفته‌شده با ویژگی‌های سبکی هم‌راستاتر و کمتر وابسته به محتوای معنایی هستند که منجر به بهبود تعمیم‌پذیری، به‌ویژه در شرایط برچسب‌گذاری محدود می‌شود. این نتایج اثربخشی رویکرد پیشنهادی را برای شناسایی دقیق سبک نشان داده و کاربرد گسترده‌تر آن را در سایر وظایف درک بصری مبتنی بر سبک پیشنهاد می‌کند.

Examining sequences and series often leads students to rely on formulas, especially when assignments require algebraic modeling and generalization. This condition may hinder the advancement of critical thinking, especially in evaluation, inference, and reasoning. This study examined the extent to which a problem-solving e-module with algebraic challenges enhanced students' critical thinking and identified the elements that best facilitated critical thinking during the learning process. The study used a sequential explanatory mixed-methods design. The quantitative phase encompassed 89 senior high school students from three classes. Students completed a pretest, engaged with an e-module featuring guiding questions, scaffolding, feedback, and reflection, and then completed a posttest. The quantitative data were examined utilizing descriptive statistics, normalized gain, pretest-posttest comparisons, and effect size analysis. Data were gathered from students' e-module assignments, classroom observations, written reflections, and task-oriented interviews. The data were examined using theme coding and synthesized with the quantitative results. The results indicated an improvement in overall critical thinking and across all metrics; however, the improvements were inconsistent. Evaluation and interpretation improved more significantly than explanation. Feedback, directed inquiries, scaffolding, and reflection facilitated critical thinking; however, argument quality and algebraic reasoning varied among students.

بررسی دنباله‌ها و سری‌ها اغلب منجر به اتکای دانش‌آموزان به فرمول‌ها می‌شود، به‌ویژه زمانی که تکالیف نیازمند مدل‌سازی جبری و تعمیم هستند. این وضعیت ممکن است پیشرفت تفکر انتقادی، به‌ویژه در ارزیابی، استنتاج و استدلال را مختل کند. این پژوهش میزان ارتقای تفکر انتقادی دانش‌آموزان توسط یک ماژول الکترونیکی حل مسئله با چالش‌های جبری را بررسی کرد و عناصری را که بیشترین تسهیل را در تفکر انتقادی طی فرایند یادگیری داشتند، شناسایی نمود. این مطالعه از طرح آمیخته تبیینی متوالی بهره برد. مرحله‌ی کمی شامل ۸۹ دانش‌آموز دبیرستانی از سه کلاس بود. دانش‌آموزان یک پیش‌آزمون را تکمیل کردند، با ماژول الکترونیکی که شامل پرسش‌های راهنما، پشتیبانی، بازخورد و تأمل بود کار کردند و سپس پس‌آزمون را انجام دادند. داده‌های کمی با استفاده از آمار توصیفی، بهره‌ی نرمال‌شده، مقایسه‌ی پیش‌آزمون-پس‌آزمون و تحلیل اندازه‌ی اثر بررسی شد. داده‌ها از تکالیف دانش‌آموزان در ماژول الکترونیکی، مشاهدات کلاسی، تأملات مکتوب و مصاحبه‌های مبتنی بر وظیفه گردآوری شد. داده‌ها با استفاده از کدگذاری تماتیک تحلیل و با نتایج کمی تلفیق گردید. نتایج نشان داد که بهبود در تفکر انتقادی کلی و در تمامی شاخص‌ها مشاهده شد؛ با این حال، این بهبودها یکنواخت نبودند. ارزیابی و تفسیر نسبت به توضیح، بهبود بیشتری داشتند. بازخورد، پرسش‌های هدایت‌شده، پشتیبانی و تأمل به تسهیل تفکر انتقادی کمک کردند؛ با این حال، کیفیت استدلال و استدلال جبری در میان دانش‌آموزان متفاوت بود.

Background Evidence regarding whether exercise timing differentially affects sleep quality and mood remains inconsistent. This study examined the effects of acute and regular exercise performed at different times of day on sleep and mood. Methods Eight English and Chinese databases were searched from inception to June 2026. Parallel and crossover randomized trials were synthesized using three-level meta-analysis with non-diagonal sampling variance-covariance matrices. Exercise vs. Control and direct Time vs. Time comparisons were analyzed separately, with CR2 cluster-robust inference used as a robustness check. Results Thirteen studies contributed 81 effect sizes (40 sleep and 41 mood). For sleep, Exercise vs. Control showed a large effect in the conventional model (g = 0.86, 95% CI [0.26, 1.46], p = 0.005), but CR2 inference was non-significant ( p = 0.109). Direct Time vs. Time comparisons were non-significant (g = 0.15, 95% CI [−0.08, 0.39], p = 0.209; CR2 p = 0.127), with no stable advantage for morning, afternoon, or evening exercise. For mood, Exercise vs. Control was large but non-significant (g = 0.95, p = 0.056). Time vs. Time was significant conventionally (g = 0.30, p = 0.027) but not under CR2 inference ( p = 0.097). Afternoon vs. Evening favored afternoon exercise (g = 0.50, p = 0.001), although based on only two studies. Conclusion Exercise itself may be more important than its specific timing for sleep, whereas mood may show timing-related signals that remain insufficiently robust for definitive recommendations. Systematic review registration https://www.crd.york.ac.uk/prospero/ , identifier [CRD420261431622].

زمینه و هدف: شواهد موجود در خصوص اینکه آیا زمان‌بندی ورزش به طور متفاوتی بر کیفیت خواب و خلق تأثیر می‌گذارد یا خیر، همچنان ناسازگار است. این مطالعه تأثیرات ورزش حاد و منظم انجام‌شده در زمان‌های مختلف روز بر خواب و خلق را بررسی کرد. روش‌ها: هشت پایگاه داده انگلیسی و چینی از ابتدا تا ژوئن ۲۰۲۶ جست‌وجو شدند. کارآزمایی‌های تصادفی‌سازی موازی و متقاطع با استفاده از فراتحلیل سه‌سطحی با ماتریس‌های کوواریانس واریانس نمونه‌گیری غیرقطری ترکیب شدند. مقایسه‌های ورزش در برابر کنترل و مقایسه‌های مستقیم زمان در برابر زمان به طور جداگانه تحلیل شدند و استنتاج خوشه‌ای مقاوم CR2 به عنوان آزمون پایداری به کار رفت. یافته‌ها: سیزده مطالعه مجموعاً ۸۱ اندازه اثر (۴۰ خواب و ۴۱ خلق) را ارائه دادند. برای خواب، مقایسه ورزش در برابر کنترل در مدل متعارف اثر بزرگی نشان داد (g = 0.86, 95% CI [0.26, 1.46], p = 0.005)، اما استنتاج CR2 معنادار نبود (p = 0.109). مقایسه‌های مستقیم زمان در برابر زمان معنادار نبودند (g = 0.15, 95% CI [−0.08, 0.39], p = 0.209؛ CR2 p = 0.127) و هیچ برتری پایداری برای ورزش صبحگاهی، بعدازظهر یا عصر مشاهده نشد. برای خلق، ورزش در برابر کنترل اثری بزرگ اما غیرمعنادار داشت (g = 0.95, p = 0.056). زمان در برابر زمان به طور متعارف معنادار بود (g = 0.30, p = 0.027) اما تحت استنتاج CR2 معنادار نبود (p = 0.097). مقایسه بعدازظهر در برابر عصر به نفع ورزش بعدازظهر بود (g = 0.50, p = 0.001)، هرچند فقط بر اساس دو مطالعه. نتیجه‌گیری: خود ورزش ممکن است نسبت به زمان‌بندی خاص آن برای خواب اهمیت بیشتری داشته باشد، در حالی که خلق ممکن است نشانه‌هایی مرتبط با زمان‌بندی نشان دهد که هنوز برای ارائه توصیه قطعی کافی نیستند. ثبت مرور نظام‌مند: https://www.crd.york.ac.uk/prospero/ ، شناسه [CRD420261431622].

The key to affective computing is emotion recognition based on multimodal physiological and behavioral responses and aids in intelligent systems to monitor mental health, adapt human-computer interaction, and predict the intent of affectivity. Although the existing deep models show remarkable advances, most of them process modalities in isolation and do not consider causal, temporal, and individual specific mechanisms underlying the expression of emotions. This paper presents PhysioGraph-Transformer which is a dynamic interaction-aware graph-based Transformer that encapsulates time-varying directed interactions among multimodal physiological channels with personality-sensitive adaptation. All the modalities of the AFFEC dataset, such as EEG, electrodermal activity (EDA), facial dynamics, eye gaze, pupil response, and cursor motion, are modeled as a time-varying interaction graph, which is learned with self-attention. A layer of Neural Ordinary Differential Equation (Neural-ODE) trains continuously changing latent embeddings to be able to smoothly model changes of emotion. Personality-conditioned cross-modes attention incorporates heterogeneous information into a common affective portrayal, making it give a meaningful and individual inference. Experimental analyses on the AFFEC indicate that PhysioGraph-Transformer achieves 84.6% accuracy and 80.8% macro-F1 which outperforms CNN, RNN, GCN and Transformer baselines and has strong resiliency to partial modality loss. The attention interaction maps illustrate distinguishable relationships between personality factors and modality inputs that offer neuroscientific information on the formation of emotions. These results make PhysioGraph-Transformer a interaction-aware, decipherable and personality conscious model of multi-modal physiological emotion recognition.

کلید محاسبات عاطفی، شناسایی احساسات مبتنی بر پاسخ‌های فیزیولوژیکی و رفتاری چندوجهی است و به سیستم‌های هوشمند در پایش سلامت روان، سازگاری تعامل انسان و رایانه و پیش‌بینی قصد عاطفی کمک می‌کند. اگرچه مدل‌های عمیق موجود پیشرفت‌های قابل توجهی نشان داده‌اند، اما اکثر آن‌ها شیوه‌های چندوجهی را به صورت مجزا پردازش می‌کنند و مکانیسم‌های علّی، زمانی و فردی خاصِ زیربنای بروز احساسات را در نظر نمی‌گیرند. این مقاله فیزیوگراف-ترنسفورمر را معرفی می‌کند که یک ترنسفورمر مبتنی بر گراف و آگاه از تعامل پویا است و تعاملات جهت‌دار متغیر با زمان میان کانال‌های فیزیولوژیکی چندوجهی را با سازگاری حساس به شخصیت دربرمی‌گیرد. تمامی شیوه‌های داده مجموعه AFFEC، مانند EEG، فعالیت الکترودرمال (EDA)، پویایی‌های چهره، نگاه چشم، پاسخ مردمک و حرکت نشانگر، به صورت یک گراف تعامل متغیر با زمان مدل‌سازی شده‌اند که با مکانیزم خودتوجهی یاد گرفته می‌شود. یک لایه معادلات دیفرانسیل معمولی عصبی (Neural-ODE) تعبیه‌های نهفته در حال تغییر پیوسته را آموزش می‌دهد تا بتواند تغییرات احساسات را به طور هموار مدل‌سازی کند. توجه متقاطع شرطی‌شده بر شخصیت، اطلاعات ناهمگن را در یک بازنمایی عاطفی مشترک ادغام می‌کند و استنباطی معنادار و فردمحور ارائه می‌دهد. تحلیل‌های تجربی بر روی مجموعه AFFEC نشان می‌دهد که فیزیوگراف-ترنسفورمر به دقت ۸۴.۶٪ و ماکرو-F1 برابر با ۸۰.۸٪ دست یافته است که از مدل‌های پایه CNN، RNN، GCN و ترنسفورمر عملکرد بهتری دارد و در برابر از دست رفتن جزئی شیوه‌های داده مقاوم است. نقشه‌های تعامل توجه، روابط متمایزی میان عوامل شخصیتی و ورودی‌های شیوه‌های داده نشان می‌دهد که اطلاعات علوم اعصاب درباره شکل‌گیری احساسات ارائه می‌کند. این نتایج، فیزیوگراف-ترنسفورمر را به مدلی آگاه از تعامل، قابل تفسیر و حساس به شخصیت برای شناسایی احساسات فیزیولوژیکی چندوجهی تبدیل می‌کند.

Abstract The rise of the BE V ing progressive has been argued to reflect a broader shift in the typological profile of English from a bounded to an unbounded language, leading to changing preferences in aspectual construal and narrative organization. However, it remains unclear whether BE V ing directly replaced a dominant pattern of bounded event construal or superseded alternative strategies that were already available to express progressive(-like) meaning before. The idea of a typological shift suggests that many more strategies may have been involved. This article investigates diachronic change in the expression of progressive(-like) meaning. To this end, use is made of a historical parallel translation corpus consisting of eight successive English translations of Cervantes’ Don Quijote , giving insight into how the same meanings were expressed over time. The results suggest that the expression of progressive(-like) meaning in English went through a pragmatic stage, in which progressive meaning was mainly expressed through invited inference, followed by an experimentation stage, during which speakers of English resorted to a variety of lexical and (semi-)grammatical options to express these meanings semantically, and resulting in the current situation with the emergence of the grammaticalized marker BE V ing as an uncontested default coding option.

چکیده: رشد ساختار BE V ing استمراری به عنوان بازتابی از یک تغییر گسترده‌تر در نمایه نوع‌شناختی زبان انگلیسی از یک زبان محدود به زبان نامحدود مطرح شده است که منجر به تغییر ترجیحات در برداشت وجهی و سازماندهی روایی می‌شود. با این حال، هنوز مشخص نیست که آیا BE V ing مستقیماً جایگزین الگوی غالب برداشت رویداد محدود شده است یا بر استراتژی‌های جایگزینی که پیش‌تر برای بیان معنای استمراری (یا مشابه استمراری) در دسترس بودند، برتری یافته است. ایده تغییر نوع‌شناختی نشان می‌دهد که استراتژی‌های بسیار بیشتری ممکن است درگیر بوده باشند. این مقاله به بررسی تغییرات تاریخی در بیان معنای استمراری (یا مشابه استمراری) می‌پردازد. بدین منظور، از یک پیکره موازی ترجمه تاریخی شامل هشت ترجمه متوالی انگلیسی از «دون کیشوت» اثر سروانتس استفاده شده است که بینشی درباره چگونگی بیان همان معانی در طول زمان ارائه می‌دهد. نتایج نشان می‌دهد که بیان معنای استمراری (یا مشابه استمراری) در زبان انگلیسی از یک مرحله کاربردشناختی عبور کرده است که در آن معنای استمراری عمدتاً از طریق استنتاج دعوت‌شده بیان می‌شد، و پس از آن مرحله‌ای از آزمایش‌گری رخ داده است که در آن گویشوران انگلیسی برای بیان این معانی به گزینه‌های واژگانی و (نیمه)دستوری متعددی متوسل شدند، و در نهایت به وضعیت کنونی با ظهور نشانگر دستوری‌شده BE V ing به عنوان گزینه پیش‌فرض و بی‌رقیب رمزگذاری رسیده است.

ABSTRACT Infants often exhibit goal‐directed behaviors, such as reaching for a sensory stimulus, even when no external reward criterion is provided. These intrinsically motivated behaviors facilitate spontaneous exploration and learning of the body and environment during early developmental stages. Although computational modeling can offer insight into the mechanisms underlying such behaviors, many existing studies on intrinsic motivation focus primarily on how exploration contributes to acquiring external rewards. In this paper, we propose a novel density model for an agent's own multimodal sensory experiences, called the “self‐prior,” and investigate whether it can autonomously induce goal‐directed behavior. Integrated within an active inference framework based on the free energy principle, the self‐prior generates behavioral references purely from an intrinsic process that minimizes mismatches between average past sensory experiences and current observations. This mechanism is also analogous to the acquisition and utilization of a body schema through continuous interaction with the environment. We examine this approach in a simulated environment and confirm that the agent spontaneously reaches toward a tactile stimulus. Our study implements intrinsically motivated behavior shaped by the agent's own sensory experiences, demonstrating the spontaneous emergence of intentional behavior during early development. Summary Suggests a computational model for early intentional behavior, integrating body‐schema formation and goal‐directed actions under the free energy principle. Introduces a self‐prior as an internal density model that drives the emergence of goal‐directed behaviors without external rewards. Demonstrates spontaneous reaching for a sticker by minimizing mismatches between observed multimodal sensory inputs and the empirically acquired self‐prior.

نوزادان اغلب رفتارهای هدفمندی مانند دست دراز کردن به سوی یک محرک حسی را حتی در غیاب معیار پاداش بیرونی از خود نشان می‌دهند. این رفتارهای دارای انگیزش درونی، کاوش و یادگیری خودانگیخته بدن و محیط را در مراحل اولیه رشد تسهیل می‌کنند. اگرچه مدل‌سازی محاسباتی می‌تواند بینشی درباره سازوکارهای زیربنایی چنین رفتارهایی ارائه دهد، بسیاری از پژوهش‌های موجود درباره انگیزش درونی عمدتاً بر این تمرکز دارند که چگونه کاوش به کسب پاداش‌های بیرونی کمک می‌کند. در این مقاله، یک مدل چگالی نوین برای تجارب حسی چندوجهی عامل، با عنوان «پیش‌فرض خود»، پیشنهاد می‌شود و بررسی می‌گردد که آیا این مدل می‌تواند به طور خودمختار رفتار هدفمند را القا کند یا خیر. این مدل که در چارچوب استنتاج فعال مبتنی بر اصل انرژی آزاد ادغام شده است، مراجع رفتاری را صرفاً از یک فرایند درونی که عدم تطابق میان تجارب حسی گذشته میانگین و مشاهدات فعلی را به حداقل می‌رساند، تولید می‌کند. این سازوکار همچنین مشابه کسب و به‌کارگیری طرحواره بدنی از طریق تعامل مستمر با محیط است. این رویکرد در یک محیط شبیه‌سازی‌شده مورد بررسی قرار گرفته و تأیید می‌شود که عامل به طور خودانگیخته به سوی یک محرک لمسی دست دراز می‌کند. مطالعه حاضر رفتار دارای انگیزش درونی شکل‌گرفته بر اساس تجارب حسی خود عامل را پیاده‌سازی می‌کند و ظهور خودانگیخته رفتار هدفمند در طول رشد اولیه را نشان می‌دهد. خلاصه: مدل محاسباتی برای رفتار هدفمند اولیه پیشنهاد می‌کند که یکپارچه‌سازی شکل‌گیری طرحواره بدنی و کنش‌های هدفمند را تحت اصل انرژی آزاد ممکن می‌سازد. پیش‌فرض خود را به عنوان یک مدل چگالی درونی معرفی می‌کند که ظهور رفتارهای هدفمند را بدون پاداش بیرونی هدایت می‌کند. دست دراز کردن خودانگیخته به سوی یک برچسب را از طریق به حداقل رساندن عدم تطابق میان ورودی‌های حسی چندوجهی مشاهده‌شده و پیش‌فرض خود تجربی نشان می‌دهد.

Background Against the backdrop of digital empowerment, generative artificial intelligence has been widely applied in school-age children’s reading education, and digital reading has become one of the primary types of environmental exposure for school-age children. However, school-age children face challenges such as insufficient age-appropriate content and uncontrollable physical and mental strain. There is an urgent demand for a public health intervention model that balances reading-related health benefits, prevents and controls digital exposure risks, avoids physical and mental health impairments, and adapts to school-age children from diverse socioeconomic backgrounds. Methods A retrospective control study design was used in this study. A total of 100 cases of school-age children aged 6–12 were collected from the standardized intervention archive of our institution from September 2025 to December 2025. According to the intervention plan actually accepted in the archive records, they were divided into the collaborative intervention group and the AI-only reading group with 50 cases in each group. In the AI-only reading group, the recorded intervention is purely generative AI independent reading intervention (college students are only responsible for equipment operation and maintenance, and do not participate in reading guidance and emotional intervention), while in the collaborative intervention group, the recorded intervention is the structured auxiliary collaborative intervention of the whole process of generative AI voice multi-round interactive reading combined with standardized training for college students. The intervention period is 12 weeks, three times a week, and each time is 20–25 min. Retrospective analysis of longitudinal data at baseline, 6 weeks of intervention, 12 weeks of follow-up and 4 weeks of follow-up, with the comprehensive score of early reading as the only preset main outcome index, repeated measurement analysis of variance, independent sample t -test and chi-square test were used to analyze the inter-group and time effects, Cohen’s d was used to evaluate the effect, and the test level was α = 0.05. Results Retrospective archive data shows that, after intervention, the collaborative intervention group achieved significantly higher composite early reading scores, phonological awareness, vocabulary comprehension accuracy, reading attention duration and reading interest scores than the AI-only reading group ( p < 0.05). The main effects of group, time and the group-time interaction were all highly statistically significant ( p < 0.01), with an effect size of Cohen’s d = 0.50 representing a moderate intervention effect. The collaborative intervention group also showed significantly higher intervention adherence rate, AI interaction completion rate, reading task completion rate and frequency of active participation than the AI-only reading group ( p < 0.05). In terms of digital health-related outcomes, the collaborative intervention group had significantly lower incidence of adverse psychological states, incidence of prodromal signs of visual fatigue and digital eye strain symptoms, and study dropout rate ( p < 0.05). Among the digital health-related safety indicators, the incidence of negative emotions, visual fatigue and research dropout rate were significantly lower than those of the AI-only reading group ( p < 0.05). The archived records showed that the whole screen duration was strictly in compliance, and there was no privacy leakage and serious adverse events. The 10% lost visit rate was controllable, and the complete rate of informed consent and the qualified rate of implementation were all 100%, and there was no privacy leakage and serious adverse events. Conclusion The generative AI interaction mode paired with college student auxiliary support is associated with sustained improvement school-age children’s core early reading ability via cumulative short-term follow-up effects. Meanwhile, this collaborative model enables effective management of digital environmental exposure risks and may reduce risks related to visual and psychological health among school-age children. The intergroup differences remained stable with reliable effect sizes. This intervention model can be may provide a reference for future implementation as a digital public health intervention targeting school-age children’s early reading, and provides preliminary empirical evidence for the standardized application of AI-supported education for school-age children. This retrospective study only reflects the differences between groups of compound intervention programs in archived cases, and cannot establish strong causal inference.

زمینه: در بستر توانمندسازی دیجیتال، هوش مصنوعی مولد به طور گسترده‌ای در آموزش خواندن کودکان سن مدرسه به کار گرفته شده است و خواندن دیجیتال به یکی از انواع اصلی مواجهه‌ی محیطی برای کودکان سن مدرسه تبدیل شده است. با این حال، کودکان سن مدرسه با چالش‌هایی مانند کمبود محتوای متناسب با سن و فشارهای جسمی و روانی غیرقابل کنترل مواجه هستند. نیاز فوری به یک الگوی مداخله‌ی سلامت عمومی وجود دارد که منافع سلامت مرتبط با خواندن را متعادل کند، خطرات مواجهه‌ی دیجیتال را پیشگیری و کنترل نماید، از آسیب‌های سلامت جسمی و روانی جلوگیری کند و با کودکان سن مدرسه از زمینه‌های اجتماعی-اقتصادی متنوع سازگار باشد. روش‌ها: در این مطالعه از طرح کنترل گذشته‌نگر استفاده شد. در مجموع ۱۰۰ مورد از کودکان سن مدرسه ۶ تا ۱۲ ساله از آرشیو مداخله‌ی استانداردشده‌ی مؤسسه‌ی ما از سپتامبر ۲۰۲۵ تا دسامبر ۲۰۲۵ جمع‌آوری شد. بر اساس برنامه‌ی مداخله‌ای که واقعاً در سوابق آرشیو پذیرفته شده بود، آن‌ها به دو گروه مداخله‌ی مشارکتی و گروه خواندن صرفاً با هوش مصنوعی تقسیم شدند که هر گروه شامل ۵۰ نفر بود. در گروه خواندن صرفاً با هوش مصنوعی، مداخله‌ی ثبت‌شده صرفاً مداخله‌ی خواندن مستقل با هوش مصنوعی مولد بود (دانشجویان دانشگاه فقط مسئول راه‌اندازی و نگهداری تجهیزات بودند و در راهنمایی خواندن و مداخله‌ی عاطفی شرکت نداشتند)، در حالی که در گروه مداخله‌ی مشارکتی، مداخله‌ی ثبت‌شده، مداخله‌ی ساختاریافته‌ی کمکی مشارکتی در کل فرایند خواندن تعاملی چندمرحله‌ای صوتی با هوش مصنوعی مولد همراه با آموزش استانداردشده برای دانشجویان دانشگاه بود. دوره‌ی مداخله ۱۲ هفته، سه بار در هفته و هر بار ۲۰ تا ۲۵ دقیقه بود. تحلیل گذشته‌نگر داده‌های طولی در خط پایه، ۶ هفته مداخله، ۱۲ هفته پیگیری و ۴ هفته پیگیری انجام شد و امتیاز جامع خواندن اولیه به عنوان تنها شاخص اصلی از پیش تعیین‌شده در نظر گرفته شد. برای تحلیل اثرات بین‌گروهی و زمانی از تحلیل واریانس اندازه‌گیری مکرر، آزمون t مستقل و آزمون کای-دو استفاده شد، اندازه‌ی اثر با Cohen’s d ارزیابی شد و سطح آزمون α = ۰٫۰۵ بود. نتایج: داده‌های آرشیوی گذشته‌نگر نشان داد که پس از مداخله، گروه مداخله‌ی مشارکتی در امتیاز ترکیبی خواندن اولیه، آگاهی واجی، دقت درک واژگان، مدت زمان توجه به خواندن و امتیاز علاقه به خواندن به طور معناداری بالاتر از گروه خواندن صرفاً با هوش مصنوعی بود (p < 0.05). اثرات اصلی گروه، زمان و تعامل گروه-زمان همگی از نظر آماری بسیار معنادار بودند (p < 0.01) و اندازه‌ی اثر Cohen’s d = 0.50 نشان‌دهنده‌ی اثر مداخله‌ای متوسط بود. گروه مداخله‌ی مشارکتی همچنین نرخ پایبندی به مداخله، نرخ تکمیل تعامل با هوش مصنوعی، نرخ تکمیل وظیفه‌ی خواندن و فراوانی مشارکت فعال به طور معناداری بالاتری نسبت به گروه خواندن صرفاً با هوش مصنوعی نشان داد (p < 0.05). از نظر پیامدهای مرتبط با سلامت دیجیتال، گروه مداخله‌ی مشارکتی شیوع معناداری کمتری از وضعیت‌های روانی نامطلوب، نشانه‌های پیش‌درآمد خستگی بینایی و علائم خستگی چشمی دیجیتال و نرخ ترک تحصیل داشت (p < 0.05). در میان شاخص‌های ایمنی مرتبط با سلامت دیجیتال، شیوع هیجانات منفی، خستگی بینایی و نرخ ترک پژوهش به طور معناداری کمتر از گروه خواندن صرفاً با هوش مصنوعی بود (p < 0.05). سوابق آرشیوی نشان داد که مدت زمان کل استفاده از صفحه نمایش کاملاً مطابق با مقررات بوده و هیچ نشتی حریم خصوصی و رویداد نامطلوب جدی وجود نداشته است. نرخ مراجعه‌ی از دست رفته ۱۰٪ قابل کنترل بود و نرخ کامل بودن رضایت آگاهانه و نرخ اجرای واجد شرایط هر دو ۱۰۰٪ بود و هیچ نشتی حریم خصوصی و رویداد نامطلوب جدی وجود نداشت. نتیجه‌گیری: شیوه‌ی تعاملی هوش مصنوعی مولد همراه با حمایت کمکی دانشجویان دانشگاه با بهبود پایدار توانایی خواندن اولیه‌ی هسته‌ای کودکان سن مدرسه از طریق اثرات تجمعی پیگیری کوتاه‌مدت مرتبط است. در عین حال، این مدل مشارکتی امکان مدیریت مؤثر خطرات مواجهه با محیط دیجیتال را فراهم می‌کند و ممکن است خطرات مرتبط با سلامت بینایی و روانی کودکان سن مدرسه را کاهش دهد. تفاوت‌های بین‌گروهی با اندازه‌های اثر قابل اعتماد پایدار باقی ماندند. این مدل مداخله می‌تواند به عنوان مرجعی برای اجرای آینده به عنوان یک مداخله‌ی سلامت عمومی دیجیتال با هدف خواندن اولیه‌ی کودکان سن مدرسه مورد استفاده قرار گیرد و شواهد تجربی مقدماتی برای کاربرد استاندارد آموزش مبتنی بر هوش مصنوعی برای کودکان سن مدرسه فراهم می‌کند. این مطالعه‌ی گذشته‌نگر فقط تفاوت‌های بین گروه‌های برنامه‌های مداخله‌ی ترکیبی در موارد آرشیوی را منعکس می‌کند و نمی‌تواند استنباط علّی قوی ایجاد کند.

This study reconceptualizes Inclusive Education Competency (IEC) in early childhood as a product of activation rather than accumulation. We argue that Inclusive Education Disposition (IED) and Inclusive Education Knowledge (IEK) are necessary but insufficient conditions for inclusive practice; Self-Development (SD)—defined here as disciplined cycles of goal setting, monitoring, help-seeking, and reflection—functions as the proximal mechanism through which what teachers value and know is translated into what they consistently do in classrooms. Using a cross-sectional survey of in-service preschool teachers in Shanghai ( N = 355), we tested this activation framework through covariance-based structural equation modeling (CB-SEM) with 5,000-resample bootstrap inference. Reliability and convergent validity were strong, although SD–IEC discriminant validity was borderline under the item-level HTMT criterion (0.904); the structural model demonstrated adequate fit. SD was the strongest predictor of IEC ( β = 0.743, p < 0.001), while IED and IEK retained modest direct effects and significant indirect effects via SD, supporting partial mediation. The model explained 68.7% of the variance in SD and 86.2% of the variance in IEC. These findings shift the explanation of inclusive competency from static attributes to dynamic processes of professional change. In practical terms, systems pursuing Sustainable Development Goal 4 (SDG4)—that is, inclusive and equitable quality education for all—should institutionalize routines that support teacher self-development, including protected collaborative planning time, goal-based coaching, short plan–do–study–act cycles, peer observation, and formative evidence use. The study offers an empirically supported four-construct framework and practical implications for policy, leadership, and professional learning design.

این مطالعه، شایستگی آموزش فراگیر (IEC) در دوران کودکی را به عنوان محصولی از فعال‌سازی و نه انباشت مجدد مفهوم‌سازی می‌کند. ما استدلال می‌کنیم که نگرش به آموزش فراگیر (IED) و دانش آموزش فراگیر (IEK) شرایط لازم اما ناکافی برای اجرای فراگیر هستند؛ خودتوسعه‌بخشی (SD) — که در اینجا به عنوان چرخه‌های منظم تعیین هدف، پایش، جستجوی کمک و تأمل تعریف شده است — به عنوان سازوکار نزدیک عمل می‌کند که از طریق آن، آنچه معلمان ارزش‌گذاری و دانسته‌اند به آنچه به طور مستمر در کلاس‌های درس انجام می‌دهند، ترجمه می‌شود. با استفاده از یک پیمایش مقطعی از معلمان پیش‌دبستانی شاغل در شانگهای (N = 355)، این چارچوب فعال‌سازی را از طریق مدل‌سازی معادلات ساختاری مبتنی بر کوواریانس (CB-SEM) با استنباط بوت‌استرپ ۵٬۰۰۰ نمونه مجدد آزمون کردیم. پایایی و روایی همگرا قوی بود، اگرچه روایی تمایز SD–IEC در معیار HTMT در سطح آیتم (۰٫۹۰۴) در مرز قرار داشت؛ مدل ساختاری برازش مناسبی را نشان داد. SD قوی‌ترین پیش‌بینی‌کننده IEC بود (β = ۰٫۷۴۳، p < ۰٫۰۰۱)، در حالی که IED و IEK اثرات مستقیم متوسط و اثرات غیرمستقیم معنادار از طریق SD را حفظ کردند که از میانجی‌گری جزئی حمایت می‌کند. مدل، ۶۸٫۷٪ از واریانس SD و ۸۶٫۲٪ از واریانس IEC را تبیین کرد. این یافته‌ها توضیح شایستگی فراگیر را از ویژگی‌های ایستا به فرایندهای پویای تغییر حرفه‌ای منتقل می‌کند. از نظر عملی، نظام‌هایی که به دنبال تحقق هدف چهارم توسعه پایدار (SDG4) — یعنی آموزش با کیفیت، فراگیر و عادلانه برای همه — هستند، باید روال‌هایی را که از خودتوسعه‌بخشی معلمان حمایت می‌کند، نهادینه کنند؛ از جمله زمان برنامه‌ریزی مشارکتی محافظت‌شده، مربی‌گری مبتنی بر هدف، چرخه‌های کوتاه برنامه‌ریزی–اجرا–مطالعه–عمل، مشاهده همتایان و استفاده از شواهد تکوینی. این مطالعه یک چارچوب چهارساختاری مبتنی بر شواهد تجربی و پیامدهای عملی برای سیاست‌گذاری، رهبری و طراحی یادگیری حرفه‌ای ارائه می‌دهد.