Graph

This study develops an approach to predict personality traits based on the Big Five model through essay text by combining global and contextual information using a Vocabulary Graph Convolutional Network (VGCN) and Bidirectional Encoder Representations from Transformers (BERT). VGCN is used to capture global relationships between words through a vocabulary graph representation built based on NPMI weights, while BERT plays a role in producing richer and more contextual text representations. Experimental results show that the integration of structural and contextual features can provide good performance in multi-label classification tasks. Based on the grid search process and 5-fold cross-validation, the best model configuration obtained a macro F1 score of 0.6827 and a weighted F1 score of 0.6829 in out-of-fold prediction. The evaluation results for each feature show that the recall value is close to 1.0, while the precision value ranges from 0.50 to 0.56. This condition indicates a tendency for the model to produce more positive predictions. Furthermore, the results of the study highlight the importance of optimizing the prediction threshold value to obtain a more optimal compromise between precision and recall. Overall, the integration of graph-based semantic information with contextual representations from BERT shows that the VGCN-BERT approach has good potential for application in multi-label personality classification

The color collocation of the design scheme should meet multiple constraints such as functional semantics, visual harmony, accessibility and style consistency at the same time. The existing rule template, image extraction and condition generation methods have structural contradictions between constraint controllability and combination diversity, and the color relationship is always outside the generation process, only for post-output screening. In this paper, the problem is formulated as a sequential decision problem of discrete color combinations under multiple constraints, and the relation-aware diffusion generation framework ColorRel-Diff is proposed. The discrete color token sequence is used as the generation unit, and the mask discrete diffusion is used to make each denoising step explicitly masked discrete diffusion. The color relationship coding module is constructed, and the harmony and contrast relationships are encoded as the edge features of the relationship graph and aggregated into the relationship perception embedding through the graph attention. A constraining-guided denoising mechanism is designed to guide the sampling trajectory by the gradient of relational consistency score, and the feasibility mask is used to impose inviolable token-level restrictions on the hard constraints, and the grading softening strategy is used to deal with constraint conflicts. A three-layer inspection system of distribution level, constraint level and design availability level is constructed, and experiments and ablation are carried out on the basis of increasing constraint strictness. The results show that the proposed method occupies a Pareto-dominant position in the diversity-harmony plane, and the satisfaction rate of accessibility hard constraints remains above 95% under pressure, which is significantly better than the baseline without explicit modeling constraints. The ablation confirms that relational coding and constraint guidance dominate the gains of harmony and constraint compliance respectively.

OBJECTIVE: Multi-view electroencephalography (EEG) emotion recognition must decide how the spectral graph sets of different connectivity views correspond and how their graph propagation operators interact. We present CSTO-Net, a cross-view spectral-transport and topology-operator network for EEG-based emotion recognition. Approach: CSTO-Net integrates three window-wise views: dynamic differential entropy (DDE) as node attributes, amplitude-envelope Pearson correlation coefficient (PCC) graphs, and phase-locking value (PLV) graphs. Cross-View Spectral Transport Routing (CSTR) formulates PCC-PLV spectral correspondence as an entropy-regularized optimal-transport problem with explicit marginal constraints, deliberately separating correspondence estimation from band-importance estimation. Directional Cross-Topology Modulation (DCTM) performs ordered composition of the two routed propagation operators on shared node features and encodes order-dependent propagation discrepancy via a provably skew-symmetric graph-operator commutator with signed decomposition. Main results: On the Database for Emotion Analysis using Physiological Signals (DEAP) dataset, CSTO-Net achieves 93.95 ± 2.50% valence and 94.97 ± 2.72% arousal accuracy under the subject-dependent setting, and 93.73% and 94.54% under participant-wise five-fold subject-independent cross-validation across 32 participants. On the SJTU Emotion EEG Dataset (SEED), it achieves 93.12% under the standard subject-dependent split, 91.36% under 15-fold leave-one-subject-out evaluation across 15 participants, and 98.05 ± 2.32% under subject-dependent five-fold cross-validation. Ablation studies confirm that both CSTR and DCTM contribute substantially to recognition accuracy. Significance: These results demonstrate that explicit cross-view spectral correspondence and topology-operator-level interaction provide complementary benefits for EEG emotion recognition, offering an interpretable route for modeling order-sensitive interactions between functional connectivity views.

هدف: شناسایی هیجان مبتنی بر الکتروانسفالوگرافی چندنما (EEG) باید تعیین کند که مجموعه‌های گراف طیفی نماهای مختلف ارتباطی چگونه با یکدیگر متناظر می‌شوند و عملگرهای انتشار گراف آن‌ها چگونه با هم تعامل دارند. ما CSTO-Net را ارائه می‌دهیم؛ شبکه‌ای برای انتقال طیفی بین‌نما و عملگر توپولوژی جهت شناسایی هیجان مبتنی بر EEG. روش: CSTO-Net سه نمای مبتنی بر پنجره را ادغام می‌کند: آنتروپی تفاضلی پویا (DDE) به عنوان ویژگی‌های گره، گراف‌های ضریب همبستگی پیرسون پوش‌آمپلیتیود (PCC) و گراف‌های مقدار قفل‌شدگی فاز (PLV). مسیریابی انتقال طیفی بین‌نما (CSTR) متناظر بودن طیفی PCC-PLV را به صورت یک مسئله انتقال بهینه با قید حاشیه‌ای صریح و منظم‌سازی آنتروپی مدل‌سازی می‌کند و به طور هدفمند برآورد متناظری را از برآورد اهمیت باند جدا می‌سازد. مدولاسیون متقاطع توپولوژی جهت‌دار (DCTM) ترکیب مرتب دو عملگر انتشار مسیریابی‌شده را بر ویژگی‌های گره مشترک انجام می‌دهد و اختلاف انتشار وابسته به ترتیب را از طریق یک جابجایی عملگر گراف با تجزیه علامت‌دار و اثباتاً پادمتقارن رمزگذاری می‌کند. نتایج اصلی: بر روی پایگاه داده تحلیل هیجان با استفاده از سیگنال‌های فیزیولوژیک (DEAP)، CSTO-Net به دقت 93.95 ± 2.50٪ برای والانس و 94.97 ± 2.72٪ برای برانگیختگی در شرایط وابسته به آزمودنی دست می‌یابد و در اعتبارسنجی متقاطع پنج‌تایی مستقل از آزمودنی به ترتیب 93.73٪ و 94.54٪ در میان 32 آزمودنی کسب می‌کند. بر روی پایگاه داده EEG هیجان دانشگاه SJTU (SEED)، به دقت 93.12٪ در تقسیم‌بندی استاندارد وابسته به آزمودنی، 91.36٪ در ارزیابی leave-one-subject-out پانزده‌تایی در میان 15 آزمودنی و 98.05 ± 2.32٪ در اعتبارسنجی متقاطع پنج‌تایی وابسته به آزمودنی دست می‌یابد. مطالعات حذف مؤلفه نشان می‌دهد که هر دو مؤلفه CSTR و DCTM سهم قابل توجهی در دقت شناسایی دارند. اهمیت: این نتایج نشان می‌دهد که متناظر‌سازی طیفی بین‌نما و تعامل در سطح عملگر توپولوژی، مزایای مکملی برای شناسایی هیجان مبتنی بر EEG فراهم می‌آورد و مسیر قابل تفسیر برای مدل‌سازی تعاملات حساس به ترتیب بین نماهای ارتباط عملکردی ارائه می‌دهد.

Fatigue severely degrades operational reliability in high-risk operational settings such as aviation maintenance. Although multimodal physiological signals support objective fatigue assessment, many existing models emphasize temporal patterns without explicitly modeling dependencies among physiological features across modalities. We propose a Physiology-Guided Parallel Graph–Transformer Network (PGTNet) for multimodal fatigue recognition, which incorporates physiologically motivated fatigue-related features derived from multimodal physiological signals. Parallel DGCN and Transformer branches jointly model physiological feature relationships and long-range temporal dependencies, and their representations are integrated through a bidirectional cross-attention mechanism. Under the predefined subject-independent partition, PGTNet achieves an Accuracy of 0.8778 and a Macro-AUC of 0.9648. Eight-fold subject-wise cross-validation yields an average Accuracy of 0.8592 ± 0.0112 across the eight held-out subjects. These results support the effectiveness of PGTNet within the present dataset.

خستگی به طور جدی پایایی عملیاتی را در محیط‌های عملیاتی پرخطر مانند تعمیر و نگهداری هوانوردی کاهش می‌دهد. اگرچه سیگنال‌های فیزیولوژیکی چندوجهی از ارزیابی عینی خستگی پشتیبانی می‌کنند، بسیاری از مدل‌های موجود بر الگوهای زمانی تأکید دارند بدون آنکه به طور صریح وابستگی‌های میان ویژگی‌های فیزیولوژیکی در میان وجه‌ها را مدل‌سازی کنند. ما یک شبکه گراف-ترنسفورمر موازی با راهنمایی فیزیولوژیکی (PGTNet) را برای شناسایی خستگی چندوجهی پیشنهاد می‌کنیم که ویژگی‌های مرتبط با خستگی با انگیزه فیزیولوژیکی را که از سیگنال‌های فیزیولوژیکی چندوجهی استخراج شده‌اند، دربر می‌گیرد. شاخه‌های موازی DGCN و ترنسفورمر به طور مشترک روابط ویژگی‌های فیزیولوژیکی و وابستگی‌های زمانی بلندمدت را مدل‌سازی می‌کنند و بازنمایی‌های آن‌ها از طریق یک سازوکار توجه متقاطع دوسویه ادغام می‌شوند. تحت تقسیم‌بندی از پیش تعیین‌شده مستقل از آزمودنی، PGTNet به دقت (Accuracy) برابر با 0.8778 و Macro-AUC برابر با 0.9648 دست می‌یابد. اعتبارسنجی متقاطع هشت‌تایی مبتنی بر آزمودنی به طور میانگین دقت 0.8592 ± 0.0112 را در میان هشت آزمودنی کنارگذاشته‌شده نشان می‌دهد. این نتایج اثربخشی PGTNet را در مجموعه داده حاضر تأیید می‌کند.

Abstract Currently, machine learning technology has been widely used in electroencephalogram (EEG) automatic emotion recognition tasks. However, the non-stationarity, individual differences, and high annotation costs in EEG signals seriously affect the generalization ability of the model. To solve these problems, we propose a new unsupervised domain adaptation framework named EEG-UDAF for EEG emotion recognition. First, we design a dual-view frequency domain feature fusion module that can extract rich EEG signals frequency domain features from two perspectives, differential entropy and power spectral density, and fuse them based on the self-attention mechanism. Second, we propose a spatio-temporal feature extraction module based on graph convolutional network and bidirectional long short-term memory. It can comprehensively consider the spatial topological structure of the brain and the dynamic characteristics of temporal changes between EEG channels to extract complex spatio-temporal features. Third, we use the unsupervised domain adaptation strategy to solve the non-stationarity and individual differences in EEG signals without manual annotation, and introduce a semantic correction mechanism to prevent incorrect class alignment. Experiments based on intra-subject and inter-subject paradigms show that EEG-UDAF can effectively alleviate non-stationarity and individual differences. Moreover, these transferable EEG representations also provide a potential foundation for LLM-augmented multimodal data fusion in large-scale affective computing.

در حال حاضر، فناوری یادگیری ماشین به طور گسترده‌ای در وظایف شناسایی خودکار احساسات مبتنی بر الکتروانسفالوگرام (EEG) مورد استفاده قرار گرفته‌است. با این حال، غیرایستایی، تفاوت‌های فردی و هزینه‌های بالای برچسب‌گذاری در سیگنال‌های EEG به طور جدی توانایی تعمیم مدل را تحت تأثیر قرار می‌دهد. برای حل این مشکلات، چارچوب جدیدی با نام EEG-UDAF برای شناسایی احساسات مبتنی بر EEG پیشنهاد می‌کنیم. نخست، یک ماژول همجوشی ویژگی‌های حوزه فرکانس با دو نما طراحی کرده‌ایم که می‌تواند ویژگی‌های غنی حوزه فرکانسی سیگنال‌های EEG را از دو منظر، آنتروپی تفاضلی و چگالی طیفی توان، استخراج کرده و آن‌ها را بر اساس سازوکار خودتوجهی ادغام کند. دوم، یک ماژول استخراج ویژگی‌های فضایی-زمانی مبتنی بر شبکه عصبی کانولوشنی گراف و حافظه کوتاه‌مدت دوطرفه پیشنهاد می‌کنیم. این ماژول می‌تواند ساختار توپولوژیکی فضایی مغز و ویژگی‌های پویای تغییرات زمانی بین کانال‌های EEG را به طور جامع در نظر گرفته و ویژگی‌های پیچیده فضایی-زمانی را استخراج کند. سوم، از راهبرد تطبیق حوزه بدون نظارت برای حل غیرایستایی و تفاوت‌های فردی در سیگنال‌های EEG بدون نیاز به برچسب‌گذاری دستی استفاده کرده و سازوکار اصلاح معنایی را برای جلوگیری از هم‌ترازی نادرست کلاس‌ها معرفی می‌کنیم. آزمایش‌های مبتنی بر پارادایم‌های درون‌فردی و بین‌فردی نشان می‌دهد که EEG-UDAF می‌تواند به طور مؤثری غیرایستایی و تفاوت‌های فردی را کاهش دهد. افزون بر این، این بازنمایی‌های قابل انتقال EEG همچنین بنیانی بالقوه برای همجوشی داده‌های چندوجهی تقویت‌شده با LLM در محاسبات عاطفی در مقیاس بزرگ فراهم می‌کند.

The 11th edition of the International Classification of Diseases introduced a dimensional model of personality disorder diagnosis supplemented by an optional borderline pattern qualifier.The Borderline Pattern Scale (BPS; Oltmanns & Widiger, 2019) is a self-report instrument assessing this qualifier via four symptom clusters: affective instability, maladaptive self-functioning, maladaptive interpersonal functioning, and maladaptive self-regulation strategies.This study translated, adapted, and validated the BPS for German-speaking clinical populations (N = 405) using a back-translation procedure.Psychometric evaluation included internal consistency, test-retest reliability, and factor structure analyses (parallel analysis, exploratory graph analysis) confirmatory factor analysis, as well as construct validity via correlations with the Borderline Symptom List-23 and the Structured Clinical Interview for Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition Screening Personality Questionnaire.Receiver operating characteristic analyses assessed classification accuracy for clinician-assigned borderline personality disorder diagnoses.Results demonstrated excellent internal consistency (α = .89)and test-retest reliability (r = .87).Exploratory graph analysis indicated a robust unidimensional structure, while confirmatory factor analysis supported a hierarchical four-factor model with incremental validity over a unidimensional solution.BPS total scores showed strong convergent validity with the Borderline Symptom List-23 and discriminant validity against nonborderline personality disorder scales.Receiver operating characteristic analyses revealed good classification accuracy (area under the curve = .82),with optimal cutoffs balancing sensitivity and specificity.German BPS scores demonstrate reliability and support multiple sources of validity evidence for their intended interpretation as measures of the 11th edition of the International Classification of Diseases borderline pattern severity.The low internal consistency of the Maladaptive Interpersonal Functioning subscale (ᾰ = .41)warrants caution; the BPS total score is psychometrically preferable for most purposes. Public Significance StatementThis study introduces the first validated German questionnaire assessing borderline personality patterns according to the 11th edition of the International Classification of Diseases.Scores derived from the German Borderline Pattern Scale demonstrated strong reliability and supported multiple sources of validity evidence for their intended interpretation in a psychiatric sample, allowing clinicians and researchers to better identify and understand borderline psychopathology.This facilitates accurate diagnosis, individual case formulation, treatment planning, and international consistency in the 11th edition of the International Classification of Diseases assessment.

ویرایش یازدهم طبقه‌بندی بین‌المللی بیماری‌ها مدل ابعادی تشخیص اختلال شخصیت را معرفی کرده است که با یک شاخص اختیاری الگوی مرزی تکمیل می‌شود. مقیاس الگوی مرزی (BPS؛ Oltmanns & Widiger، 2019) یک ابزار خودگزارشی است که این شاخص را از طریق چهار خوشه نشانه‌ای ارزیابی می‌کند: ناپایداری عاطفی، عملکرد ناسازگارانه خود، عملکرد ناسازگارانه بین‌فردی و راهبردهای ناسازگارانه تنظیم خود. این مطالعه BPS را برای جمعیت‌های بالینی آلمانی‌زبان (N = 405) با استفاده از روش ترجمه معکوس ترجمه، تطبیق و اعتبارسنجی کرد. ارزیابی روان‌سنجی شامل بررسی انسجام درونی، پایایی بازآزمایی و تحلیل ساختار عاملی (تحلیل موازی، تحلیل گراف اکتشافی)، تحلیل عاملی تأییدی و همچنین روایی سازه از طریق همبستگی با فهرست نشانه‌های مرزی-۲۳ و پرسشنامه غربالگری مصاحبه بالینی ساختاریافته برای راهنمای تشخیصی و آماری اختلالات روانی، ویرایش پنجم بود. تحلیل‌های منحنی مشخصه عملکرد گیرنده دقت طبقه‌بندی برای تشخیص‌های اختلال شخصیت مرزی تعیین‌شده توسط بالینگر را ارزیابی کرد. نتایج نشان‌دهنده انسجام درونی عالی (α = .89) و پایایی بازآزمایی (r = .87) بودند. تحلیل گراف اکتشافی ساختار یک‌بعدی قوی را نشان داد، در حالی که تحلیل عاملی تأییدی از مدل سلسله‌مراتبی چهارعاملی با روایی افزایشی نسبت به راه‌حل یک‌بعدی حمایت کرد. نمرات کل BPS روایی همگرا قوی با فهرست نشانه‌های مرزی-۲۳ و روایی افتراقی در برابر مقیاس‌های اختلال شخصیت غیرمرزی را نشان دادند. تحلیل‌های منحنی مشخصه عملکرد گیرنده دقت طبقه‌بندی خوبی را نشان دادند (مساحت زیر منحنی = .82)، با نقاط برش بهینه که تعادل حساسیت و ویژگی را برقرار می‌کردند. نمرات آلمانی BPS پایایی و شواهد متعددی از روایی را برای تفسیر مورد نظر به عنوان سنجه شدت الگوی مرزی در ویرایش یازدهم طبقه‌بندی بین‌المللی بیماری‌ها نشان می‌دهند. انسجام درونی پایین زیرمقیاس عملکرد ناسازگارانه بین‌فردی (ᾰ = .41) نیازمند احتیاط است؛ نمره کل BPS از نظر روان‌سنجی برای اغلب اهداف ترجیح داده می‌شود. بیانیه اهمیت عمومی: این مطالعه نخستین پرسشنامه آلمانی اعتبارسنجی‌شده برای ارزیابی الگوهای شخصیت مرزی بر اساس ویرایش یازدهم طبقه‌بندی بین‌المللی بیماری‌ها را معرفی می‌کند. نمرات به‌دست‌آمده از مقیاس الگوی مرزی آلمانی پایایی قوی و شواهد متعددی از روایی را برای تفسیر مورد نظر در نمونه روان‌پزشکی نشان دادند و به بالینگران و پژوهشگران امکان شناسایی و درک بهتر آسیب‌شناسی مرزی را می‌دهند. این امر تشخیص دقیق، تدوین مورد فردی، برنامه‌ریزی درمان و انسجام بین‌المللی در ارزیابی ویرایش یازدهم طبقه‌بندی بین‌المللی بیماری‌ها را تسهیل می‌کند.

Pembelajaran Biologi pada Kurikulum Merdeka menekankan pendekatan deep learning untuk membentuk dimensi profil lulusan, khususnya penalaran kritis, yang selaras dengan tuntutan keterampilan abad ke-21 meliputi critical thinking, communication, collaboration, dan creativity. Namun, bahan ajar di sekolah masih terbatas dan belum optimal mendukung pembelajaran berbasis masalah serta pemanfaatan teknologi pembelajaran interaktif, khususnya pada materi Sistem Pencernaan Manusia. Penelitian ini memiliki tujuan merancang serta menilai kelayakan buku saku interaktif berbasis Problem Based Learning yang dilengkapi dengan Augmented Reality guna meningkatkan kemampuan berpikir kritis siswa kelas XI SMA. Penelitian menggunakan model pengembangan 4D dengan uji coba skala terbatas dilakukan pada 25 siswa kelas XI di SMA Negeri 7 Surabaya. Instrumen meliputi validasi ahli, angket respon siswa, observasi keterlaksanaan pembelajaran, uji keterbacaan grafik Fry, serta soal pretest dan posttest. Hasil menunjukkan tingkat validitas sangat valid dengan nilai 98.38%, kepraktisan sangat praktis berdasarkan respon siswa mendapatkan nilai 98.4% dan keterlaksanaan pembelajaran mendapatkan nilai 97.47%, serta keterbacaan yang sesuai dengan tingkat kelas XI. Keefektifan ditunjukkan oleh peningkatan nilai rata-rata dari 54 menjadi 93.2 dengan nilai N-gain sebesar 0,8 yang termasuk dalam kategori tinggi serta tingkat ketuntasan belajar mencapai 100%, dan peningkatan ketercapaian indikator berpikir kritis dari 52% cukup tuntas menjadi 94.33% sangat tuntas. Dengan demikian, buku saku interaktif dinyatakan layak, praktis, dan efektif sebagai media pembelajaran Biologi untuk meningkatkan kemampuan berpikir kritis siswa. Kata Kunci: buku saku, PBL, pembelajaran abad-21, berpikir kritis. Biology learning in the Independent Curriculum emphasizes a deep learning approach to shape graduate profile dimensions, particularly critical reasoning, which aligns with the demands of 21st-century skills including critical thinking, communication, collaboration, and creativity. However, teaching materials in schools are still limited and do not optimally support problem-based learning and the use of interactive learning technology, especially in the Human Digestive System material. This study aims to design and assess the feasibility of an interactive pocketbook based on Problem Based Learning equipped with Augmented Reality to improve the critical thinking skills of 11th-grade high school students. The study used a 4D development model with a limited-scale trial conducted on 25 11th-grade students at SMA Negeri 7 Surabaya. Instruments included expert validation, student response questionnaires, learning implementation observations, Fry graph readability tests, and pretest and posttest questions. The results showed a very valid level of validity with a value of 98.38%, very practicality based on student responses obtained a value of 98.4% and learning implementation obtained a value of 97.47%, as well as readability appropriate for the 11th-grade level. Effectiveness is demonstrated by an increase in the average score from 54 to 93.2, with an N-gain of 0.8, which is considered high. The learning completion rate reached 100%. The critical thinking indicator achievement increased from 52% (quite complete) to 94.33% (very complete). Therefore, the interactive pocketbook is deemed feasible, practical, and effective as a Biology learning medium to enhance students' critical thinking skills. Keywords: pocket books, PBL, 21st-century learning, critical thinking.

یادگیری زیست‌شناسی در برنامه درسی مستقل بر رویکرد یادگیری عمیق برای شکل‌دهی ابعاد پروفایل فارغ‌التحصیلان، به ویژه استدلال انتقادی، تأکید دارد که با الزامات مهارت‌های قرن بیست و یکم شامل تفکر انتقادی، ارتباط، همکاری و خلاقیت همسو است. با این حال، مواد آموزشی در مدارس هنوز محدود بوده و به طور بهینه از یادگیری مبتنی بر مسئله و استفاده از فناوری یادگیری تعاملی، به ویژه در مبحث دستگاه گوارش انسان، پشتیبانی نمی‌کنند. هدف این پژوهش طراحی و ارزیابی شایستگی کتابچه تعاملی مبتنی بر یادگیری مبتنی بر مسئله مجهز به واقعیت افزوده به منظور ارتقاء مهارت‌های تفکر انتقادی دانش‌آموزان پایه یازدهم دبیرستان است. این پژوهش از مدل توسعه 4D استفاده کرده و آزمون مقیاس محدود بر روی ۲۵ دانش‌آموز پایه یازدهم در دبیرستان دولتی شماره ۷ سورابایا انجام شد. ابزارها شامل روایی خبرگان، پرسشنامه پاسخ دانش‌آموزان، مشاهده اجرای یادگیری، آزمون خوانایی نمودار Fry و سؤالات پیش‌آزمون و پس‌آزمون بود. نتایج نشان داد سطح روایی بسیار بالا با مقدار ۹۸٫۳۸٪، میزان کاربردپذیری بسیار بالا بر اساس پاسخ دانش‌آموزان با مقدار ۹۸٫۴٪ و اجرای یادگیری با مقدار ۹۷٫۴۷٪ و همچنین خوانایی متناسب با سطح پایه یازدهم به دست آمد. اثربخشی با افزایش میانگین نمره از ۵۴ به ۹۳٫۲ و مقدار N-gain برابر با ۰٫۸ که در دسته بالا قرار می‌گیرد، نشان داده شد. نرخ تکمیل یادگیری به ۱۰۰٪ رسید. میزان دستیابی به شاخص تفکر انتقادی از ۵۲٪ (نسبتاً کامل) به ۹۴٫۳۳٪ (کاملاً کامل) افزایش یافت. بنابراین، کتابچه تعاملی به عنوان رسانه یادگیری زیست‌شناسی برای ارتقاء مهارت‌های تفکر انتقادی دانش‌آموزان، شایسته، کاربردی و مؤثر ارزیابی می‌شود.

Psychological flexibility and inflexibility are core processes in the Acceptance and Commitment Therapy (ACT) model and are consistently associated with well-being and emotional distress. However, the validity of widely used measures, particularly the Acceptance and Action Questionnaire – II (AAQ-II), has been questioned due to potential overlap with indicators of distress and neuroticism. This study examined the psychometric properties of the Acceptance and Action Questionnaire – III (AAQ-III) and the PsyFlex in a general population sample from Colombia ( N = 785) using network psychometrics. We estimated the dimensionality of each scale via Exploratory Graph Analysis (EGA) and evaluated replicability via bootstrap EGA (bootEGA). Discriminant validity was examined using a joint EGA that included the AAQ-III, PsyFlex, and measures of emotional distress (DASS-21) and neuroticism (BFI-2-Neuroticism). Convergent validity was assessed through correlations with the Multidimensional Psychological Flexibility Inventory – Short Form. EGA identified unidimensional structures for both instruments, and bootEGA confirmed perfect structural consistency and item stability. The joint EGA yielded five distinct communities, with the AAQ-III and PsyFlex forming separate communities from emotional symptoms and neuroticism, providing structural evidence consistent with the discriminant validity of both measures. Both instruments showed the expected patterns of correlations with flexibility and inflexibility processes. These findings provide initial validation evidence that the Spanish versions of the AAQ-III and PsyFlex are psychometrically sound measures of psychological inflexibility and flexibility.

انعطاف‌پذیری و عدم انعطاف‌پذیری روان‌شناختی فرایندهای محوری در مدل درمان مبتنی بر پذیرش و تعهد (ACT) هستند و به طور مستمر با بهزیستی و آشفتگی هیجانی ارتباط دارند. با این حال، روایی ابزارهای پرکاربرد، به ویژه پرسشنامه پذیرش و عمل – نسخه دوم (AAQ-II)، به دلیل احتمال همپوشانی با شاخص‌های آشفتگی و روان‌رنجوری مورد تردید قرار گرفته است. این مطالعه ویژگی‌های روان‌سنجی پرسشنامه پذیرش و عمل – نسخه سوم (AAQ-III) و PsyFlex را در نمونه‌ای از جمعیت عمومی کلمبیا (N = 785) با استفاده از روان‌سنجی شبکه‌ای بررسی کرد. ابعاد هر مقیاس از طریق تحلیل اکتشافی گراف (EGA) برآورد شد و قابلیت تکرارپذیری با استفاده از بوت‌استرپ EGA (bootEGA) ارزیابی گردید. روایی تمایزی با استفاده از EGA مشترک که شامل AAQ-III، PsyFlex و ابزارهای سنجش آشفتگی هیجانی (DASS-21) و روان‌رنجوری (BFI-2-Neuroticism) بود، بررسی شد. روایی همگرا از طریق همبستگی با نسخه کوتاه مقیاس چندبعدی انعطاف‌پذیری روان‌شناختی ارزیابی گردید. EGA ساختارهای تک‌بعدی را برای هر دو ابزار شناسایی کرد و bootEGA ثبات ساختاری کامل و پایداری گویه‌ها را تأیید نمود. EGA مشترک پنج اجتماع متمایز را نشان داد که در آن AAQ-III و PsyFlex اجتماعات جداگانه‌ای از علائم هیجانی و روان‌رنجوری تشکیل دادند و شواهد ساختاری سازگار با روایی تمایزی هر دو ابزار ارائه کردند. هر دو ابزار الگوهای مورد انتظار همبستگی با فرایندهای انعطاف‌پذیری و عدم انعطاف‌پذیری را نشان دادند. این یافته‌ها شواهد اولیه‌ای از اعتبار نسخه‌های اسپانیایی AAQ-III و PsyFlex به عنوان ابزارهای روان‌سنجی معتبر برای سنجش عدم انعطاف‌پذیری و انعطاف‌پذیری روان‌شناختی ارائه می‌دهد.

Computer science students are required to master data structures and algorithms, yet learning these topics often presents significant cognitive challenges. This study investigates whether a bundled package of adaptive personalization is associated with learning outcomes, perceived workload, and usability, using an existing educational visualization tool called VZOU (Visualization Zone of Understanding). The enhanced adaptive version of VZOU incorporates personalized learning paths structured around a visible learning progression map, enabling learners to monitor their progress, identify gaps, and take ownership of their learning path. Basic gamification features, Bloom-aligned progressive sequencing, and topic-specific formative quizzes are designed to support self-regulated learning through immediate feedback and motivational reinforcement. In a between-subjects study (N = 55), we compared control, non-adaptive, and adaptive groups. The adaptive group scored significantly higher on the post-test than the non-adaptive and control groups (mean 89.3 vs. 73.3 and 71.0 out of 100, respectively), and showed numerically but not statistically higher usability scores (SUS). Perceived mental workload showed a mixed pattern: the overall six-subscale NASA-TLX composite did not differ significantly by condition, though Mental Demand specifically was significantly higher in the adaptive group than in the control group, and a workload composite excluding self-rated success also differed significantly across conditions. The bundled adaptive VZOU package, combining a diagnostic-driven graph, gated progression, formative quizzes, and gamification, was associated with higher post-test performance, while raising certain aspects of perceived workload. As these components were not manipulated independently, the estimate reflects the package as a whole, not any single element.

دانشجویان علوم کامپیوتر ملزم به تسلط بر ساختمان داده‌ها و الگوریتم‌ها هستند، اما یادگیری این مباحث اغلب با چالش‌های شناختی قابل توجهی همراه است. این پژوهش بررسی می‌کند که آیا یک بسته جامع شخصی‌سازی تطبیقی با پیامدهای یادگیری، بار ادراک‌شده و قابلیت استفاده ارتباط دارد یا خیر، و از یک ابزار تجسم آموزشی موجود به نام VZOU (منطقه تجسم فهم) استفاده می‌کند. نسخه تطبیقی پیشرفته VZOU مسیرهای یادگیری شخصی‌سازی‌شده‌ای را در قالب یک نقشه پیشرفت یادگیری قابل مشاهده ارائه می‌دهد که به یادگیرندگان امکان می‌دهد پیشرفت خود را پایش کنند، شکاف‌ها را شناسایی نمایند و مالکیت مسیر یادگیری خود را بر عهده گیرند. ویژگی‌های ابتدایی بازی‌وارسازی، توالی تدریجی منطبق با بلوم و آزمون‌های تکوینی موضوع‌محور به منظور حمایت از یادگیری خودتنظیمی از طریق بازخورد فوری و تقویت انگیزشی طراحی شده‌اند. در یک مطالعه بین‌گروهی (N = ۵۵)، گروه کنترل، غیرتطبیقی و تطبیقی با یکدیگر مقایسه شدند. گروه تطبیقی در آزمون پس از مداخله به طور معناداری نمره بالاتری نسبت به گروه‌های غیرتطبیقی و کنترل کسب کرد (میانگین ۸۹٫۳ در مقابل ۷۳٫۳ و ۷۱٫۰ از ۱۰۰، به ترتیب) و همچنین از نظر نمرات قابلیت استفاده (SUS) به صورت عددی اما نه معنادار آماری بالاتر بود. بار ذهنی ادراک‌شده الگوی ترکیبی نشان داد: ترکیب شش‌زیرمقیاس NASA-TLX به طور معناداری بر اساس شرایط تفاوت نداشت، اگرچه تقاضای ذهنی به طور خاص در گروه تطبیقی نسبت به گروه کنترل به طور معناداری بالاتر بود و ترکیب بار کاری بدون موفقیت خودارزیابی‌شده نیز به طور معناداری بین شرایط تفاوت داشت. بسته تطبیقی VZOU که ترکیبی از نمودار مبتنی بر تشخیص، پیشرفت مرحله‌ای، آزمون‌های تکوینی و بازی‌وارسازی است، با عملکرد بالاتر در آزمون پس از مداخله همراه بود، در حالی که برخی جنبه‌های بار ادراک‌شده را افزایش داد. از آنجا که این مؤلفه‌ها به طور مستقل دستکاری نشدند، این برآورد منعکس‌کننده بسته به طور کلی است، نه هیچ عنصر منفردی.

Language use, vocal behavior, and facial activity provide complementary indicators of affective state, but multimodal models can be affected by noisy temporal observations and insufficient global guidance before cross-modal interaction. We developed a framework combining bidirectional gated recurrent unit encoders, attention pooling, dynamic hypernode injection, and graph attention fusion. Textual, acoustic, and visual sequences were mapped into a shared latent space and compressed into modality-level representations. A sample-dependent hypernode and a learnable static prior were then injected through gated residual connections before graph propagation. The model was evaluated on CMU-MOSI and CMU-MOSEI using five random seeds and validation-MAE checkpoint selection. On CMU-MOSI, the model obtained an MAE of 0.7290 ± 0.0099 , a correlation of 0.7880 ± 0.0076 , and an Acc-7 of 0.4561 ± 0.0160 . On CMU-MOSEI, the corresponding results were 0.5541 ± 0.0053 , 0.7551 ± 0.0058 , and 0.5269 ± 0.0064 . A five-run comparison of pre-GAT, post-GAT, and no injection showed that pre-GAT injection provided the strongest overall regression-oriented balance, although post-GAT was slightly higher on MOSEI Acc-7. Gate, graph-attention, representation, and balanced case diagnostics showed that the injected prior was sample dependent and modality selective. These findings support pre-propagation hypernode injection under complete, word-aligned tri-modal inputs, without establishing universal superiority or robustness to missing and corrupted modalities.

استفاده از زبان، رفتار صوتی و فعالیت چهره شاخص‌های مکملی از وضعیت عاطفی فراهم می‌کنند، اما مدل‌های چندوجهی ممکن است تحت تأثیر مشاهدات زمانی نویزی و راهنمایی کلی ناکافی پیش از تعامل بین‌وجهی قرار گیرند. ما چارچوبی را توسعه دادیم که رمزگذارهای واحد بازگشتی دروازه‌دار دوسویه، تجمیع توجه، تزریق ابرگره پویا و ادغام توجه گراف را ترکیب می‌کند. توالی‌های متنی، صوتی و بصری به فضای نهفته مشترک نگاشته شده و به نمایش‌های سطح وجهی فشرده شدند. سپس یک ابرگره وابسته به نمونه و یک پیش‌فرض ایستا قابل یادگیری از طریق اتصالات باقیمانده دروازه‌دار پیش از انتشار گراف تزریق شدند. مدل بر روی مجموعه‌های داده CMU-MOSI و CMU-MOSEI با استفاده از پنج بذر تصادفی و انتخاب نقطه توقف بر اساس MAE اعتبارسنجی ارزیابی شد. بر روی CMU-MOSI، مدل به MAE برابر با 0.7290 ± 0.0099، همبستگی 0.7880 ± 0.0076 و Acc-7 برابر با 0.4561 ± 0.0160 دست یافت. بر روی CMU-MOSEI، نتایج متناظر به ترتیب 0.5541 ± 0.0053، 0.7551 ± 0.0058 و 0.5269 ± 0.0064 بودند. مقایسه پنج‌باره پیش از GAT، پس از GAT و بدون تزریق نشان داد که تزریق پیش از GAT قوی‌ترین تعادل کلی مبتنی بر رگرسیون را فراهم می‌کند، اگرچه پس از GAT کمی در MOSEI Acc-7 بالاتر بود. تشخیص‌های دروازه، توجه گراف، نمایش و حالت متعادل نشان داد که پیش‌فرض تزریق‌شده وابسته به نمونه و انتخابی نسبت به وجه بود. این یافته‌ها از تزریق ابرگره پیش از انتشار در ورودی‌های سه‌وجهی کامل و هم‌تراز با واژه حمایت می‌کنند، بدون آنکه برتری یا پایداری جهانی در برابر وجوه مفقود یا مخدوش را اثبات نمایند.

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.

The increasing emphasis on measurable teacher competencies has intensified scholarly attention toward mathematics teaching skills (MTS). However, the indicators underpinning effective mathematics teaching remain fragmented across the literature. This study aims to map global research trends and identify key indicators of mathematics teaching skills through a systematic review and bibliometric analysis. Scopus-indexed publications published between 2015 and 2025 were searched. Studies explicitly addressing mathematics teaching skills were considered eligible for inclusion. A total of 212 records were identified and screened following the PRISMA 2020 framework through identification, screening, eligibility, and inclusion stages. After applying the selection criteria, 18 studies were included in the final review. To provide a broader overview of the field, bibliometric analysis was conducted on 59 records that passed title and abstract screening. VOSviewer was used to analyze publication trends, co-authorship networks, keyword co-occurrence, and citation patterns, while the included studies were synthesized thematically to identify mathematics teaching skill indicators. The findings reveal a steady increase in research output over the past decade, reflecting growing international attention to the professionalization of mathematics teachers. The most dominant dimension identified across the literature was the integration of Content Knowledge (CK) and Pedagogical Knowledge (PK), accounting for 53.7% of the studies. This was followed by Content Knowledge (CK) as a standalone dimension (20.9%). The third most prominent dimensions were the integration of Content Knowledge and Technological Knowledge (CK–TK), Technological Pedagogical Content Knowledge (TPCK), and Continuous Professional Development (CPD), each representing 7.5% of the studies. Open Science Framework (OSF), DOI: https://doi.org/10.17605/OSF.IO/64KUZ (reported in the Data Availability Statement).

تأکید فزاینده بر شایستگی‌های قابل سنجش معلمان، توجه پژوهشی به مهارت‌های تدریس ریاضیات (MTS) را افزایش داده است. با این حال، شاخص‌های زیربنایی تدریس مؤثر ریاضیات در متون پژوهشی پراکنده باقی مانده‌اند. هدف این مطالعه، ترسیم روندهای پژوهشی جهانی و شناسایی شاخص‌های کلیدی مهارت‌های تدریس ریاضیات از طریق مرور نظام‌مند و تحلیل کتاب‌سنجی است. انتشارات نمایه‌شده در Scopus که بین سال‌های ۲۰۱۵ تا ۲۰۲۵ منتشر شده‌اند، جست‌وجو شدند. مطالعاتی که به‌طور صریح به مهارت‌های تدریس ریاضیات پرداخته‌اند، برای ورود به پژوهش واجد شرایط در نظر گرفته شدند. در مجموع ۲۱۲ رکورد شناسایی و مطابق با چارچوب PRISMA 2020 در مراحل شناسایی، غربالگری، احراز صلاحیت و ورود، بررسی شدند. پس از اعمال معیارهای انتخاب، ۱۸ مطالعه در مرور نهایی گنجانده شد. به‌منظور ارائه نمایی کلی‌تر از حوزه، تحلیل کتاب‌سنجی بر روی ۵۹ رکورد که از مرحله غربالگری عنوان و چکیده عبور کرده بودند، انجام شد. برای تحلیل روندهای انتشار، شبکه‌های هم‌نویسندگی، هم‌رخدادی کلیدواژه‌ها و الگوهای استناد از نرم‌افزار VOSviewer استفاده شد و مطالعات واردشده به‌صورت موضوعی برای شناسایی شاخص‌های مهارت تدریس ریاضیات ترکیب گردیدند. یافته‌ها نشان‌دهنده افزایش پیوسته تولیدات پژوهشی در دهه گذشته است که بیانگر توجه بین‌المللی رو به رشد به حرفه‌ای‌سازی معلمان ریاضی می‌باشد. غالب‌ترین بُعد شناسایی‌شده در متون، ادغام دانش محتوا (CK) و دانش تدریس (PK) بود که ۵۳.۷٪ مطالعات را شامل می‌شود. پس از آن، دانش محتوا (CK) به‌عنوان یک بُعد مستقل (۲۰.۹٪) قرار داشت. سومین ابعاد برجسته، ادغام دانش محتوا و دانش فناوری (CK–TK)، دانش محتوایی-تدریسی-فناوری (TPCK) و توسعه حرفه‌ای مستمر (CPD) بودند که هر یک ۷.۵٪ مطالعات را تشکیل می‌دادند. Open Science Framework (OSF)، DOI: https://doi.org/10.17605/OSF.IO/64KUZ (در بیانیه دسترسی به داده‌ها گزارش شده است).

AbstractThe National Education Policy 2020 places foundational literacy and numeracy, child-centredpedagogy, teacher development, inclusion and technology-enabled learning at the core ofprimary education reform. In this article, we develop and demonstrate a district-level frameworkto examine the implementation in primary schools in Scheduled Caste and Scheduled Tribecommunities in Kurnool District, Andhra Pradesh. We then bring on parent and guardianperceptions and teacher reports and categorise implementation into nine dimensions: policyawareness, access and participation, child-centred pedagogy, teacher preparedness, foundationalliteracy, foundational numeracy, digital learning, inclusion and parental engagement. Inclusionand equal treatment generate the highest mean of 3.96, followed by teacher preparedness andimplementation at 3.85. The lowest selected dimension mean is found at 3.74, while there is adistinct limitation to home digital access: only 37 per cent report digital facilities are always orusually available. The three most commonly cited implementation barriers are limited digitalaccess, lack of learning materials and lack of parental awareness. The framework shows howpolicy implementation can be measured; whether positive perceptions are evidence for causaleffect or not. It also identifies the field measures and inferential tests necessary for a publishableempirical study. The findings highlight the importance of targeted digital access, continuousteacher development, community-driven policy communication and the community-basedresponse for tribal communities. Since the numerical data is synthetic, the results of the papershow the method and are to be replaced with ethical field data if the manuscript is to bepresented as an empirical research article.

سیاست ملی آموزش ۲۰۲۰، سواد و حساب ابتدایی، آموزش مبتنی بر کودک، توسعه معلم، شمول و یادگیری مبتنی بر فناوری را در مرکز اصلاحات آموزش ابتدایی قرار می‌دهد. در این مقاله، چارچوبی در سطح شهرستان برای بررسی اجرای این سیاست در مدارس ابتدایی جوامع طبقات تعیین‌شده و قبایل تعیین‌شده در شهرستان کورنول، ایالت آندرا پرادش توسعه و ارائه می‌شود. سپس برداشت‌های والدین و سرپرستان و گزارش‌های معلمان را بررسی و اجرای سیاست را در نه بُعد دسته‌بندی می‌کنیم: آگاهی از سیاست، دسترسی و مشارکت، آموزش مبتنی بر کودک، آمادگی معلم، سواد ابتدایی، حساب ابتدایی، یادگیری دیجیتال، شمول و مشارکت والدین. شمول و رفتار برابر بالاترین میانگین را با مقدار ۳٫۹۶ دارد و پس از آن آمادگی معلم و اجرای سیاست با میانگین ۳٫۸۵ قرار می‌گیرند. پایین‌ترین میانگین بُعد انتخاب‌شده ۳٫۷۴ است، در حالی که محدودیت مشخصی در دسترسی دیجیتال خانگی وجود دارد: تنها ۳۷ درصد گزارش داده‌اند که امکانات دیجیتال همیشه یا معمولاً در دسترس است. سه مانع اجرایی که بیشترین ذکر را داشته‌اند عبارت‌اند از: محدودیت دسترسی دیجیتال، کمبود مواد آموزشی و کمبود آگاهی والدین. این چارچوب نشان می‌دهد که چگونه می‌توان اجرای سیاست را اندازه‌گیری کرد؛ این‌که آیا برداشت‌های مثبت شواهدی برای اثر علّی هستند یا خیر. همچنین، شاخص‌های میدانی و آزمون‌های استنباطی لازم برای یک مطالعه تجربی قابل انتشار را شناسایی می‌کند. یافته‌ها بر اهمیت دسترسی هدفمند دیجیتال، توسعه مستمر معلمان، ارتباط سیاست مبتنی بر جامعه و پاسخ مبتنی بر جامعه برای جوامع قبیله‌ای تأکید می‌کند. از آنجا که داده‌های عددی مصنوعی هستند، نتایج مقاله روش را نشان می‌دهد و در صورت ارائه به‌عنوان مقاله پژوهشی تجربی، باید با داده‌های میدانی اخلاقی جایگزین شوند.

AbstractThe National Education Policy 2020 places foundational literacy and numeracy, child-centredpedagogy, teacher development, inclusion and technology-enabled learning at the core ofprimary education reform. In this article, we develop and demonstrate a district-level frameworkto examine the implementation in primary schools in Scheduled Caste and Scheduled Tribecommunities in Kurnool District, Andhra Pradesh. We then bring on parent and guardianperceptions and teacher reports and categorise implementation into nine dimensions: policyawareness, access and participation, child-centred pedagogy, teacher preparedness, foundationalliteracy, foundational numeracy, digital learning, inclusion and parental engagement. Inclusionand equal treatment generate the highest mean of 3.96, followed by teacher preparedness andimplementation at 3.85. The lowest selected dimension mean is found at 3.74, while there is adistinct limitation to home digital access: only 37 per cent report digital facilities are always orusually available. The three most commonly cited implementation barriers are limited digitalaccess, lack of learning materials and lack of parental awareness. The framework shows howpolicy implementation can be measured; whether positive perceptions are evidence for causaleffect or not. It also identifies the field measures and inferential tests necessary for a publishableempirical study. The findings highlight the importance of targeted digital access, continuousteacher development, community-driven policy communication and the community-basedresponse for tribal communities. Since the numerical data is synthetic, the results of the papershow the method and are to be replaced with ethical field data if the manuscript is to bepresented as an empirical research article.

سیاست ملی آموزش ۲۰۲۰، سواد و حساب ابتدایی، آموزش مبتنی بر کودک، توسعه معلم، شمول و یادگیری مبتنی بر فناوری را در مرکز اصلاحات آموزش ابتدایی قرار می‌دهد. در این مقاله، چارچوبی در سطح شهرستان برای بررسی اجرای این سیاست در مدارس ابتدایی جوامع طبقات تعیین‌شده و قبایل تعیین‌شده در شهرستان کورنول، ایالت آندرا پرادش توسعه و ارائه می‌شود. سپس برداشت‌های والدین و سرپرستان و گزارش‌های معلمان را بررسی و اجرای سیاست را در نه بُعد دسته‌بندی می‌کنیم: آگاهی از سیاست، دسترسی و مشارکت، آموزش مبتنی بر کودک، آمادگی معلم، سواد ابتدایی، حساب ابتدایی، یادگیری دیجیتال، شمول و مشارکت والدین. شمول و رفتار برابر بالاترین میانگین را با مقدار ۳٫۹۶ دارد و پس از آن آمادگی معلم و اجرای سیاست با میانگین ۳٫۸۵ قرار می‌گیرند. پایین‌ترین میانگین بُعد انتخاب‌شده ۳٫۷۴ است، در حالی که محدودیت مشخصی در دسترسی دیجیتال خانگی وجود دارد: تنها ۳۷ درصد گزارش داده‌اند که امکانات دیجیتال همیشه یا معمولاً در دسترس است. سه مانع اجرایی که بیشترین ذکر را داشته‌اند عبارت‌اند از: محدودیت دسترسی دیجیتال، کمبود مواد آموزشی و کمبود آگاهی والدین. این چارچوب نشان می‌دهد که چگونه می‌توان اجرای سیاست را اندازه‌گیری کرد؛ این‌که آیا برداشت‌های مثبت شواهدی برای اثر علّی هستند یا خیر. همچنین، شاخص‌های میدانی و آزمون‌های استنباطی لازم برای یک مطالعه تجربی قابل انتشار را شناسایی می‌کند. یافته‌ها بر اهمیت دسترسی هدفمند دیجیتال، توسعه مستمر معلمان، ارتباط سیاست مبتنی بر جامعه و پاسخ مبتنی بر جامعه برای جوامع قبیله‌ای تأکید می‌کند. از آنجا که داده‌های عددی مصنوعی هستند، نتایج مقاله روش را نشان می‌دهد و در صورت ارائه به‌عنوان مقاله پژوهشی تجربی، باید با داده‌های میدانی اخلاقی جایگزین شوند.