learning models

This study was motivated by the need to develop learning approaches that encourage active student engagement in understanding pre-production materials in the Fundamentals of Film Studies subject at vocational high schools. Conventional instruction needs to be examined in comparison with learning models that provide students with opportunities to study materials independently before participating in classroom activities. This study aimed to determine the difference in learning outcomes between students taught using the Flipped Classroom model and those taught through conventional instruction in Grade X of the Film Production program at SMK Negeri 1 Ngasem. A quantitative approach with a quasi-experimental method and a nonequivalent control group design was employed. The participants consisted of 68 students, comprising 35 students from class X PF 2 as the experimental group and 33 students from class X PF 3 as the control group. Data were collected through pretests and posttests. The data were analyzed using the Shapiro–Wilk normality test and the Mann–Whitney U test. The Mann–Whitney U test yielded a significance value of p < 0.001, with a mean rank of 50.29 for the experimental group and 17.76 for the control group. These findings indicate a statistically significant difference in learning outcomes between the two groups, with the experimental group demonstrating a higher mean rank than the control group. Therefore, the Flipped Classroom model has the potential to serve as an alternative instructional approach to support students’ learning outcomes in film pre-production. Nevertheless, these findings should be interpreted in consideration of the quasi-experimental design and the possibility of differences in students’ initial abilities between the groups. ABSTRAK Penelitian ini dilatarbelakangi oleh kebutuhan untuk mengembangkan pembelajaran yang mendorong keterlibatan aktif peserta didik dalam memahami materi pra-produksi pada mata pelajaran Dasar-Dasar Perfilman di Sekolah Menengah Kejuruan (SMK). Pembelajaran konvensional dinilai perlu dibandingkan dengan model pembelajaran yang memberikan kesempatan kepada peserta didik untuk mempelajari materi secara mandiri sebelum kegiatan pembelajaran di kelas. Penelitian ini bertujuan untuk mengetahui perbedaan hasil belajar peserta didik yang menggunakan model Flipped Classroom dan pembelajaran konvensional pada kelas X Program Keahlian Perfilman di SMK Negeri 1 Ngasem. Penelitian menggunakan pendekatan kuantitatif dengan metode kuasi-eksperimen dan desain nonequivalent control group design. Subjek penelitian terdiri atas 68 peserta didik, yaitu 35 peserta didik kelas X PF 2 sebagai kelompok eksperimen dan 33 peserta didik kelas X PF 3 sebagai kelompok kontrol. Pengumpulan data dilakukan melalui tes awal (pretest) dan tes akhir (posttest). Data dianalisis menggunakan uji normalitas Shapiro–Wilk dan uji Mann–Whitney U. Hasil uji Mann–Whitney U menunjukkan nilai signifikansi p < 0,001, dengan peringkat rata-rata kelompok eksperimen sebesar 50,29 dan kelompok kontrol sebesar 17,76. Hasil tersebut menunjukkan adanya perbedaan hasil belajar yang signifikan antara kedua kelompok, dengan peringkat hasil belajar kelompok eksperimen lebih tinggi daripada kelompok kontrol. Dengan demikian, model Flipped Classroom berpotensi menjadi alternatif pembelajaran untuk mendukung hasil belajar peserta didik dalam memahami materi pra-produksi film. Namun, hasil penelitian perlu ditafsirkan dengan mempertimbangkan desain kuasi-eksperimen dan kemungkinan perbedaan kemampuan awal antarkelompok.

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.

The article provides a theoretical substantiation of innovative approaches to the methodological training of higher education applicants in the context of current transformation processes in science and education. Based on the analysis of scientific works by Ukrainian and foreign researchers (V. Kremen, M. Kudla, O. Tsuniak, Ye. Lodatko, as well as publications indexed in Scopus and Web of Science), three interrelated vectors for improving methodological training are identified – technological, interdisciplinary, and digital – and their integrative significance for the formation of research competence of future specialists is substantiated. Unlike existing approaches that mostly consider these vectors in isolation, the author proposes a vision of their systemic interaction: the technological vector ensures the gradual mastering of research methods through practice-oriented learning; the interdisciplinary vector expands the methodological toolkit by integrating knowledge from related fields (sociology, psychology, statistics, philosophy); the digital vector adapts research activities to the realities of the digital scientific environment (use of SPSS, R, Mendeley, cloud technologies). It has been proven that the synergy of these three vectors creates conditions for the development not only of operational research skills but also of scientific thinking as a metacognitive ability that determines the specialist's readiness for innovative activity. The criteria for evaluating the effectiveness of integrating the proposed approaches (motivational-value, cognitive-operational, and reflexive-creative) are determined. The results of the study can be used to update methodological curricula, develop methodological recommendations for teachers, and design blended learning models for the research training of applicants at the second and third educational levels.

Stress is an important physiological and psychological reaction which, when prolonged, has a negative impact on the health and well-being of humans. Traditional stress assessment methods tend to be subjective and are not scalable in real-time. In this research, a lightweight machine learning framework to predict stress from easily measurable environmental and activity-related features, temperature, humidity, and steps, is introduced. The proposed method is different from the approach that depends on complex physiological signals and uses minimal non-invasive inputs that can be applied in the wearable and IoT field. The stress level is considered as the target variable, and all the features used as input variables are independent from each other to prevent data leakage. There are several machine learning and deep learning models and their performances are measured, such as LightGBM, Support vector machine (SVM), AdaBoost, Gated Recurrent Unit (GRU). Bayesian hyperparameter optimization is used to improve the performance of the model and guarantee strong generalization. Experimental results show that LightGBM outperforms the other models, giving an accuracy of 97% and a balanced precision, recall and F1 score of 95%. The results demonstrate promising predictive performance on the evaluated dataset. However, since the model was validated on a relatively small publicly available dataset, further evaluation using larger and more diverse real-world datasets is required before practical deployment.

Applied behavior analysis (ABA) has developed an effective technology of reinforcement delivery, including Discrete Trial Training, Natural Environment Teaching, and token economies, largely on functional-behavioral grounds. Computational neuroscience has independently produced formal accounts of reinforcement learning centered on prediction errors and credit assignment. I propose a testable hypothesis connecting the two: the effectiveness of a reinforcement procedure depends on the quality of the learning signal that its delivery produces on each occasion, a property I term Reward Prediction-Error Fidelity (RPE Fidelity). The property is decomposed into four dimensions, temporal credit, contingency, prediction, and outcome value, each corresponding to a construct long studied in behavior analysis. Formalized within an actor-critic model with eligibility traces, the four dimensions enter the learning update multiplicatively, which implies that they cannot compensate for one another and that the effect of each depends on the others and on the learner’s history. The combination rule distinguishes the hypothesis from the separate behavioral constructs it draws on, and its dependence on learning history distinguishes it from steady-state quantitative models of reinforcement. I situate the hypothesis within an integrative framework, discuss its application to autistic learners, including differences in reward processing and volatility estimation and the role of learner assent, and compare it with procedural fidelity, quantitative behavioral theory, and alternative learning models, including attentional, timescale-invariant, successor-representation, and Bayesian accounts. I derive nine predictions, specifying for each the result that would favor the hypothesis and the result that would favor its strongest competitor, and outline a staged research programme compatible with single-case experimental designs.

Suicidal ideation is the consideration of self-inflicted death and has emerged as a serious and rising concern for worldwide public health systems, contributing to over 800,000 deaths annually worldwide. Individuals express intentions, distress, and thoughts of self-harm and death, thereby offering a crucial and unprecedented avenue for timely psychological intervention and surveillance. The core problem addressed by this research is the pronounced global insufficiency in detecting and mitigating suicidal ideation across linguistically diverse environments, specifically focusing on low-resource languages. Previous computational studies have primarily focused on English and other widely used languages, leaving a critical research gap for contexts such as Amharic. The main aim of this study was to investigate and to develop a robust and optimal deep learning model for identifying suicidal ideation in Amharic social media content. A total of 5,428 postings from social media such as Facebook and Telegram were carefully collected, manually annotated, and processed to provide the first publicly available dataset on Amharic suicidal ideation. After preprocessing, Word2Vec, GloVe, and FastText were among the word embedding techniques used for feature engineering. Five deep learning models and four machine learning models were then compared in this study. Based on the experimental results, ensemble learning models achieved slightly higher performance than the individual deep learning models in suicidal ideation detection. Specifically, hard voting ensemble learning models achieved the highest accuracy (83.3%) and precision (86.55%). CNN-BiLSTM achieved an accuracy of 81.45%, while the BiLSTM model achieved an accuracy of 81.4%, indicating that bidirectional sequence learning effectively captures contextual information in Amharic texts. Beyond its strong empirical performance, this study contributes a robust detection framework and introduces a public Amharic dataset, thereby establishing a foundational methodological resource for mental health research. Future studies should focus on developing scalable datasets and context-aware deep learning models that effectively handle multimodal data, multilingual transformer models, fusion-based features, and addressing bias in low-resource computational linguistics.

افکار خودکشی به معنای اندیشیدن به مرگ خودخواسته است و به عنوان یک نگرانی جدی و رو به افزایش برای نظام‌های سلامت عمومی در سراسر جهان مطرح شده است، به طوری که سالانه بیش از ۸۰۰٬۰۰۰ مرگ را در سطح جهانی رقم می‌زند. افراد، نیت‌ها، پریشانی و افکار آسیب به خود و مرگ را ابراز می‌کنند و بدین ترتیب، مسیر مهم و بی‌سابقه‌ای برای مداخله و پایش روان‌شناختی به موقع فراهم می‌شود. مسئله اصلی که این پژوهش به آن می‌پردازد، کمبود چشمگیر جهانی در شناسایی و کاهش افکار خودکشی در محیط‌های زبانی متنوع، به ویژه در زبان‌های کم‌منبع است. مطالعات محاسباتی پیشین عمدتاً بر زبان انگلیسی و سایر زبان‌های پرکاربرد تمرکز داشته‌اند و این امر موجب ایجاد شکاف پژوهشی مهمی در زمینه‌هایی مانند زبان آمهاریک شده است. هدف اصلی این مطالعه، بررسی و توسعه یک مدل یادگیری عمیق قوی و بهینه برای شناسایی افکار خودکشی در محتوای شبکه‌های اجتماعی به زبان آمهاریک بود. در مجموع، ۵٬۴۲۸ پست از شبکه‌های اجتماعی مانند فیس‌بوک و تلگرام با دقت جمع‌آوری، به صورت دستی برچسب‌گذاری و پردازش شدند تا نخستین مجموعه‌داده عمومی درباره افکار خودکشی به زبان آمهاریک فراهم شود. پس از پیش‌پردازش، تکنیک‌های تعبیه واژه مانند Word2Vec، GloVe و FastText برای مهندسی ویژگی‌ها به کار گرفته شدند. در این پژوهش، پنج مدل یادگیری عمیق و چهار مدل یادگیری ماشین با یکدیگر مقایسه شدند. بر اساس نتایج تجربی، مدل‌های یادگیری تجمعی (ensemble learning) عملکردی اندکی بهتر از مدل‌های یادگیری عمیق منفرد در شناسایی افکار خودکشی داشتند. به طور خاص، مدل‌های یادگیری تجمعی با رأی‌گیری سخت (hard voting) بالاترین دقت (۸۳/۳٪) و دقت مثبت (precision) (۸۶/۵۵٪) را به دست آوردند. مدل CNN-BiLSTM به دقت ۸۱/۴۵٪ و مدل BiLSTM به دقت ۸۱/۴٪ دست یافتند که نشان می‌دهد یادگیری دنباله‌ای دوسویه به طور مؤثری اطلاعات زمینه‌ای را در متون آمهاریک استخراج می‌کند. افزون بر عملکرد تجربی قوی، این پژوهش چارچوب شناسایی قابل اعتمادی ارائه داده و مجموعه‌داده عمومی آمهاریک را معرفی می‌کند و بدین ترتیب منبع روش‌شناختی بنیادی برای پژوهش‌های سلامت روان فراهم می‌آورد. مطالعات آتی باید بر توسعه مجموعه‌داده‌های مقیاس‌پذیر و مدل‌های یادگیری عمیق آگاه از زمینه که به طور مؤثر داده‌های چندوجهی، مدل‌های ترنسفورمر چندزبانه، ویژگی‌های مبتنی بر همجوشی و رفع سوگیری در زبان‌شناسی محاسباتی کم‌منبع را مدیریت می‌کنند، تمرکز کنند.

Critical thinking skills are one of the key competencies in the study of Islamic Religious Education and Character Education; however, in practice, students’ abilities to analyze, evaluate, solve problems, and draw conclusions are still not optimal. This study aims to determine the improvement in students’ critical thinking skills through the Time Token and Take and Give learning models and to identify the differences between these two models in the teaching of Islamic Religious Education and Character Education. This study employed a quantitative approach using a quasi-experimental method and a nonequivalent control group design. The sample consisted of 64 eighth-grade students at SMPN 2 Lubuk Alung, divided into two experimental classes. Data were collected through tests, observations, and documentation and analyzed using the Paired Sample t-Test, Independent Sample t-Test, and N-Gain. The results showed that critical thinking skills increased significantly in both the Time Token and Take and Give classes, with a significance value of 0.000 < 0.05. The N-Gain values were 0.5128 and 0.4636, respectively, which fall into the moderate category. The results of the Independent-Sample t-test showed a significance value of 0.425 > 0.05, indicating that there was no significant difference between the two models. Thus, both the Time Token and Take and Give models are equally effective in improving students’ critical thinking skills.

مهارت‌های تفکر انتقادی یکی از شایستگی‌های کلیدی در مطالعه آموزش دینی اسلامی و آموزش شخصیت به‌شمار می‌رود؛ با این‌حال، در عمل، توانایی دانش‌آموزان در تحلیل، ارزیابی، حل مسئله و نتیجه‌گیری هنوز به‌صورت بهینه توسعه نیافته است. هدف این پژوهش تعیین میزان بهبود مهارت‌های تفکر انتقادی دانش‌آموزان از طریق مدل‌های یادگیری Time Token و Take and Give و شناسایی تفاوت‌های میان این دو مدل در تدریس آموزش دینی اسلامی و آموزش شخصیت است. این پژوهش با رویکرد کمی و با استفاده از روش شبه‌آزمایشی و طرح گروه کنترل نابرابر انجام شده است. نمونه پژوهش شامل ۶۴ دانش‌آموز پایه هشتم دبیرستان دولتی شماره ۲ لوبوک آلونگ بود که به دو کلاس آزمایشی تقسیم شدند. داده‌ها از طریق آزمون، مشاهده و مستندسازی گردآوری و با استفاده از آزمون t زوجی، آزمون t مستقل و N-Gain تحلیل شدند. نتایج نشان داد که مهارت‌های تفکر انتقادی در هر دو کلاس Time Token و Take and Give به‌طور معناداری افزایش یافته است (مقدار معناداری ۰.۰۰۰ < ۰.۰۵). مقادیر N-Gain به‌ترتیب ۰.۵۱۲۸ و ۰.۴۶۳۶ بود که در دسته متوسط قرار می‌گیرد. نتایج آزمون t مستقل مقدار معناداری ۰.۴۲۵ > ۰.۰۵ را نشان داد که بیانگر عدم تفاوت معنادار میان دو مدل است. بنابراین، هر دو مدل Time Token و Take and Give به‌طور یکسان در بهبود مهارت‌های تفکر انتقادی دانش‌آموزان مؤثر هستند.

This study aims to analyze the comparison of student learning outcomes using the Teams Games Tournament (TGT) and Problem Based Learning (PBL) learning models in science (IPAS) subject on the topic of energy in Grade VI elementary school, as well as to examine the influence of gender on these outcomes. The study employed a quantitative descriptive comparative approach with 22 students of Class VI D as subjects, consisting of 12 male and 10 female students. Data were collected through learning outcome tests conducted under both learning conditions. Data analysis included descriptive statistics, Shapiro-Wilk normality test, Levene homogeneity test, Wilcoxon signed-rank test (comparing TGT and PBL within the same students), and Mann-Whitney U test (comparing male and female students). Results showed that the overall mean score for the TGT model (89.09; SD = 18.23) was higher than for the PBL model (84.55; SD = 21.32). The Wilcoxon signed-rank test yielded p = 0.190 (p > 0.05), indicating that the difference between TGT and PBL learning outcomes overall was not statistically significant. By gender, female students had higher average scores than males in both models (TGT: 94.00 vs 85.00; PBL: 92.00 vs 78.33), though the differences were not statistically significant (p = 0.101 for TGT and p = 0.102 for PBL). Learning mastery reached 81.8% in the TGT model and 72.7% in the PBL model, with female mastery (90.0% in both models) higher than males (75.0% in TGT and 58.3% in PBL). These findings imply the importance of differentiated learning based on gender to improve male students' learning mastery.

هدف این پژوهش تحلیل مقایسه‌ای نتایج یادگیری دانش‌آموزان با استفاده از مدل‌های یادگیری Teams Games Tournament (TGT) و Problem Based Learning (PBL) در درس علوم (IPAS) با موضوع انرژی در پایه ششم ابتدایی و همچنین بررسی تأثیر جنسیت بر این نتایج است. این پژوهش با رویکرد توصیفی-مقایسه‌ای کمی و با شرکت ۲۲ دانش‌آموز کلاس VI D (۱۲ پسر و ۱۰ دختر) انجام شد. داده‌ها از طریق آزمون‌های نتایج یادگیری که تحت هر دو شرایط یادگیری برگزار شد، جمع‌آوری گردید. تحلیل داده‌ها شامل آمار توصیفی، آزمون نرمالیتی Shapiro-Wilk، آزمون همگنی Levene، آزمون Wilcoxon signed-rank (مقایسه TGT و PBL در یک دانش‌آموز) و آزمون Mann-Whitney U (مقایسه دانش‌آموزان دختر و پسر) بود. نتایج نشان داد میانگین کلی نمره مدل TGT (۸۹٫۰۹؛ SD = ۱۸٫۲۳) بالاتر از مدل PBL (۸۴٫۵۵؛ SD = ۲۱٫۳۲) بود. آزمون Wilcoxon signed-rank مقدار p = ۰٫۱۹۰ (p > ۰٫۰۵) را نشان داد که بیانگر عدم تفاوت معنادار آماری بین نتایج یادگیری TGT و PBL به طور کلی است. بر اساس جنسیت، دانش‌آموزان دختر در هر دو مدل میانگین نمره بالاتری نسبت به پسران داشتند (TGT: ۹۴٫۰۰ در مقابل ۸۵٫۰۰؛ PBL: ۹۲٫۰۰ در مقابل ۷۸٫۳۳)، هرچند این تفاوت‌ها از نظر آماری معنادار نبود (p = ۰٫۱۰۱ برای TGT و p = ۰٫۱۰۲ برای PBL). میزان تسلط یادگیری در مدل TGT به ۸۱٫۸٪ و در مدل PBL به ۷۲٫۷٪ رسید و تسلط دختران (۹۰٫۰٪ در هر دو مدل) بالاتر از پسران بود (۷۵٫۰٪ در TGT و ۵۸٫۳٪ در PBL). این یافته‌ها بر اهمیت یادگیری تفکیکی بر اساس جنسیت برای بهبود تسلط یادگیری دانش‌آموزان پسر دلالت دارد.

Digital transformation in vocational education necessitates practical learning that goes beyond mere skill mastery; it must also foster deep understanding, critical thinking, problem-solving, collaboration, and learner autonomy. This study aims to develop a digital-based vocational practical learning model utilizing a "deep learning" approach to enhance the quality of instruction at SMK Werdhi Sila Kumara. The study employs the Research and Development (R&D) method using the ADDIE model, comprising the stages of Analysis, Design, Development, Implementation, and Evaluation. Participants included teachers, 120 Grade X students, and expert validators. Data were collected through observations, interviews, questionnaires, practical skill assessments, and learning outcome tests, then analyzed using both descriptive and quantitative methods. The results indicate that the model was developed to meet the need for practical learning that is more active, contextual, digital, and reflective. The model integrates mindful, meaningful, and joyful learning through digital exploration, hands-on practice, problem-solving, collaboration, reflection, and evaluation. The model was deemed valid and practical, with average response scores of 4.17 from teachers and 4.04 from students (on a 5-point scale). Its effectiveness was demonstrated by an increase in average learning outcomes from 75 in the pre-test to 80 in the post-test. The final model is considered valid, practical, and effective in supporting the improvement of vocational practical learning quality.

تحول دیجیتال در آموزش‌های فنی و حرفه‌ای مستلزم یادگیری عملی است که فراتر از صرفاً تسلط بر مهارت‌ها باشد؛ بلکه باید درک عمیق، تفکر انتقادی، حل مسئله، همکاری و خودمختاری یادگیرنده را نیز تقویت کند. هدف این پژوهش، توسعه یک مدل آموزش عملی مهارت‌های فنی مبتنی بر دیجیتال با بهره‌گیری از رویکرد «یادگیری عمیق» به منظور ارتقای کیفیت آموزش در دبیرستان فنی حرفه‌ای Werdhi Sila Kumara است. این پژوهش با روش تحقیق و توسعه (R&D) و با استفاده از مدل ADDIE شامل مراحل تحلیل، طراحی، توسعه، اجرا و ارزیابی انجام شده است. شرکت‌کنندگان شامل معلمان، ۱۲۰ دانش‌آموز پایه دهم و ارزیابان خبره بودند. داده‌ها از طریق مشاهده، مصاحبه، پرسشنامه، ارزیابی مهارت‌های عملی و آزمون‌های نتایج یادگیری گردآوری و با روش‌های توصیفی و کمی تحلیل شدند. نتایج نشان می‌دهد که مدل توسعه‌یافته، نیاز به یادگیری عملی فعال‌تر، زمینه‌مند، دیجیتال و تأملی را برآورده می‌کند. این مدل یادگیری آگاهانه، معنادار و لذت‌بخش را از طریق کاوش دیجیتال، تمرین عملی، حل مسئله، همکاری، تأمل و ارزیابی ادغام می‌کند. مدل مذکور از نظر اعتبار و کاربردپذیری با میانگین امتیاز پاسخ ۴.۱۷ از معلمان و ۴.۰۴ از دانش‌آموزان (در مقیاس ۵ امتیازی) تأیید شد. اثربخشی مدل با افزایش میانگین نتایج یادگیری از ۷۵ در پیش‌آزمون به ۸۰ در پس‌آزمون نشان داده شد. مدل نهایی از نظر اعتبار، کاربردپذیری و اثربخشی در حمایت از ارتقای کیفیت آموزش عملی مهارت‌های فنی تأیید می‌شود.

Science learning at the junior secondary school (SMP) level plays a strategic role in developing students’ scientific literacy and critical thinking skills; however, its implementation continues to face various structural and pedagogical challenges. This study aims to analyze the problems of science learning at the SMP level in Parigi Moutong Regency from the perspective of science teachers as curriculum implementers in the field. A descriptive qualitative approach was employed, involving ten science teachers from ten public junior secondary schools distributed across several sub-districts with varying accreditation levels of A, B, and C. Data were collected using an instrument combining a four-point Likert scale and open-ended questions covering four aspects: scientific literacy, learning conditions, technology utilization, and virtual laboratory experience. The data were analyzed thematically through the stages of data reduction, data display, and conclusion drawing. The findings indicate that the main problems include low levels of students’ scientific literacy and critical thinking skills, learning that tends to emphasize procedural mastery of concepts and remains teacher-centered, limited laboratory facilities and practical equipment, and suboptimal utilization of digital technology, although most teachers are familiar with virtual laboratories such as PhET. Science teachers expressed the need for capacity building through training, integration of STEM-based Problem-Based Learning and Project-Based Learning models, and more systematic utilization of virtual laboratories. These findings provide a basis for strengthening teacher competencies and developing contextual learning innovations that are responsive to regional conditions.

آموزش علوم در مقطع متوسطه اول نقش راهبردی در توسعه سواد علمی و مهارت‌های تفکر انتقادی دانش‌آموزان ایفا می‌کند؛ با این حال، اجرای آن همچنان با چالش‌های ساختاری و آموزشی متعددی مواجه است. هدف این پژوهش تحلیل مسائل آموزش علوم در مقطع متوسطه اول شهرستان پاریگی موتونگ از منظر دبیران علوم به عنوان مجریان برنامه درسی در میدان عمل است. این مطالعه با رویکرد کیفی توصیفی انجام شده و شامل ده دبیر علوم از ده مدرسه متوسطه اول دولتی در مناطق مختلف با سطوح اعتبارسنجی A، B و C می‌باشد. داده‌ها با استفاده از ابزاری ترکیبی شامل مقیاس لیکرت چهار گزینه‌ای و پرسش‌های باز در چهار محور سواد علمی، شرایط یادگیری، بهره‌گیری از فناوری و تجربه آزمایشگاه مجازی گردآوری شد. داده‌ها به صورت موضوعی و از طریق مراحل کاهش داده، نمایش داده و نتیجه‌گیری تحلیل شدند. یافته‌ها نشان می‌دهد که مسائل اصلی شامل پایین بودن سطح سواد علمی و مهارت‌های تفکر انتقادی دانش‌آموزان، آموزش مبتنی بر تسلط رویه‌ای بر مفاهیم و محوریت معلم، محدودیت امکانات آزمایشگاهی و تجهیزات عملی و استفاده ناکافی از فناوری دیجیتال است، هرچند اکثر دبیران با آزمایشگاه‌های مجازی مانند PhET آشنایی دارند. دبیران علوم نیاز به توانمندسازی از طریق آموزش، ادغام الگوهای یادگیری مبتنی بر مسئله و پروژه با رویکرد STEM و بهره‌گیری نظام‌مندتر از آزمایشگاه‌های مجازی را ابراز کردند. این یافته‌ها مبنایی برای تقویت شایستگی‌های معلمان و توسعه نوآوری‌های آموزشی زمینه‌مند و متناسب با شرایط منطقه‌ای فراهم می‌کند.

Andi Nur Ilmawati, T, 2026. The Effect of the Problem-Based Learning Model on the Social Studies Learning Outcomes of Fourth-Grade Students at SD Inpres 104 Maradekaya, Takalar Regency. Department of Elementary School Teacher Education, Faculty of Education, Makassar State University (supervised by Ahmad Syawaluddin and Syamsuryani Eka Putri Atjo). This research was motivated by the inaccurate use of learning models and the suboptimal results of social studies learning. This study aims to: 1) Describe the Problem-Based Learning model in social studies learning for fourth-grade students at SD Inpres 104 Maradekaya, Takalar Regency. 2) Determine the social studies learning outcomes of fourth-grade students at SD Inpres 104 Maradekaya, Takalar Regency. 3) Determine the effect of using the Problem-Based Learning model on the social studies learning outcomes of fourth-grade students at SD Inpres 104 Maradekaya, Takalar Regency. This study used a quantitative approach with a One-Group Pretest-Posttest Design. Data were collected through observation and tests (pretest and posttest), and analyzed using descriptive and inferential statistics. The results showed that the use of the Problem-Based Learning model was categorized as very good and was able to significantly improve science learning outcomes. Based on the Paired Sample t-Test analysis, the significance value of 0.001 was less than 0.05, so the alternative hypothesis was accepted. The conclusions of the study were: 1) The use of the Problem-Based Learning model worked very well based on the observation sheet. 2) Students' science learning outcomes improved after the treatment. 3) There was a significant effect of the use of the Problem-Based Learning Model on the science learning outcomes of fourth-grade students at SD Inpres 104 Maradekaya, Takalar Regency.

اندی نور ایلمواتی، T، ۲۰۲۶. تأثیر مدل یادگیری مبتنی بر مسئله بر نتایج یادگیری مطالعات اجتماعی دانش‌آموزان پایه چهارم دبستان اینپرس ۱۰۴ مارادکایا، شهرستان تاکالار. گروه آموزش معلمان دبستان، دانشکده علوم تربیتی، دانشگاه دولتی ماکاسار (با راهنمایی احمد سیاوالودین و سیامسوریانی اکا پوتری آتجو). انگیزه این پژوهش، استفاده نادرست از مدل‌های یادگیری و نتایج کمتر از حد مطلوب یادگیری مطالعات اجتماعی بود. اهداف این مطالعه عبارت‌اند از: ۱) توصیف مدل یادگیری مبتنی بر مسئله در آموزش مطالعات اجتماعی برای دانش‌آموزان پایه چهارم دبستان اینپرس ۱۰۴ مارادکایا، شهرستان تاکالار؛ ۲) تعیین نتایج یادگیری مطالعات اجتماعی دانش‌آموزان پایه چهارم دبستان اینپرس ۱۰۴ مارادکایا، شهرستان تاکالار؛ ۳) تعیین تأثیر استفاده از مدل یادگیری مبتنی بر مسئله بر نتایج یادگیری مطالعات اجتماعی دانش‌آموزان پایه چهارم دبستان اینپرس ۱۰۴ مارادکایا، شهرستان تاکالار. این پژوهش با رویکرد کمی و طرح پیش‌آزمون-پس‌آزمون تک‌گروهی انجام شد. داده‌ها از طریق مشاهده و آزمون (پیش‌آزمون و پس‌آزمون) گردآوری و با استفاده از آمار توصیفی و استنباطی تحلیل شدند. نتایج نشان داد که استفاده از مدل یادگیری مبتنی بر مسئله در دسته بسیار خوب قرار گرفت و توانست به طور معناداری نتایج یادگیری علوم را بهبود بخشد. بر اساس تحلیل آزمون t زوجی، مقدار معناداری ۰.۰۰۱ کمتر از ۰.۰۵ بود، بنابراین فرضیه جایگزین پذیرفته شد. نتایج پژوهش عبارت‌اند از: ۱) استفاده از مدل یادگیری مبتنی بر مسئله بر اساس برگه مشاهده بسیار خوب عمل کرد؛ ۲) نتایج یادگیری علوم دانش‌آموزان پس از مداخله بهبود یافت؛ ۳) استفاده از مدل یادگیری مبتنی بر مسئله تأثیر معناداری بر نتایج یادگیری علوم دانش‌آموزان پایه چهارم دبستان اینپرس ۱۰۴ مارادکایا، شهرستان تاکالار داشت.

Curriculum changes in Indonesia have brought about shifts in the planning, implementation, and evaluation of instruction in primary schools. A notable change is the transition from the thematic learning approach used in the 2013 Curriculum to the more flexible learning approach of the *Kurikulum Merdeka* (Independent Curriculum). This transition has also influenced the instructional materials and teaching models employed by teachers. This article aims to compare the instructional materials and teaching models associated with the Thematic Curriculum and the *Kurikulum Merdeka*. A literature review method was employed, analyzing various books, policy documents, and scholarly sources relevant to instructional materials and teaching models. The findings indicate that the 2013 Curriculum relied heavily on syllabi, lesson plans (RPP), teaching materials, media, and assessment instruments, with instruction integrated through themes. In contrast, the *Kurikulum Merdeka* utilizes components such as Learning Outcomes (*Capaian Pembelajaran* or CP), Learning Objectives (*Tujuan Pembelajaran* or TP), Learning Objective Sequences (*Alur Tujuan Pembelajaran* or ATP), teaching modules, teaching materials, media, and assessment instruments. Regarding teaching models, the 2013 Curriculum frequently employed a scientific approach alongside models that supported thematic integration, whereas the *Kurikulum Merdeka* offers teachers greater latitude to select teaching models based on student characteristics, subject matter, and the learning context. These changes reflect a shift from relatively structured instructional components toward those that are more flexible and contextual.

تغییرات برنامه درسی در اندونزی منجر به تحولات قابل توجهی در برنامه‌ریزی، اجرا و ارزیابی آموزش در مدارس ابتدایی شده است. یکی از تغییرات مهم، گذار از رویکرد یادگیری موضوع‌محور مورد استفاده در برنامه درسی ۲۰۱۳ به رویکرد یادگیری منعطف‌تر در *Kurikulum Merdeka* (برنامه درسی مستقل) است. این گذار همچنین بر مواد آموزشی و الگوهای تدریس مورد استفاده معلمان تأثیر گذاشته است. هدف این مقاله مقایسه مواد آموزشی و الگوهای تدریس مرتبط با برنامه درسی موضوع‌محور و *Kurikulum Merdeka* است. این پژوهش با استفاده از روش مرور ادبیات و تحلیل منابعی چون کتاب‌ها، اسناد سیاستی و منابع علمی مرتبط با مواد آموزشی و الگوهای تدریس انجام شده است. یافته‌ها نشان می‌دهد که برنامه درسی ۲۰۱۳ به شدت متکی بر طرح درس (RPP)، مواد آموزشی، رسانه‌ها و ابزارهای ارزشیابی بوده و آموزش از طریق موضوعات یکپارچه می‌شد. در مقابل، *Kurikulum Merdeka* از اجزایی مانند نتایج یادگیری (*Capaian Pembelajaran* یا CP)، اهداف یادگیری (*Tujuan Pembelajaran* یا TP)، توالی اهداف یادگیری (*Alur Tujuan Pembelajaran* یا ATP)، ماژول‌های تدریس، مواد آموزشی، رسانه‌ها و ابزارهای ارزشیابی بهره می‌گیرد. در زمینه الگوهای تدریس، برنامه درسی ۲۰۱۳ عمدتاً از رویکرد علمی و الگوهایی که از یکپارچگی موضوعی حمایت می‌کردند استفاده می‌نمود، در حالی که *Kurikulum Merdeka* آزادی عمل بیشتری به معلمان برای انتخاب الگوهای تدریس بر اساس ویژگی‌های دانش‌آموزان، موضوع درس و زمینه یادگیری می‌دهد. این تغییرات نشان‌دهنده گذار از اجزای آموزشی نسبتاً ساختاریافته به سوی اجزای منعطف‌تر و زمینه‌محورتر است.

Background Depression is a prevalent mental health condition that significantly affects individuals’ well-being and daily functioning, making early depressive symptom detection crucial. Objectives This study explores the potential of advancing speech analytics with dimensional sentiment analysis, using valence and arousal scoring to enhance depressive symptom detection in family caregivers. Methods We recruited 116 family caregivers and assessed their depression levels using the Beck Depression Inventory-II. Participants provided verbal responses to 12 open-ended questions related to family resilience. The extracted words from the responses were analyzed for sentiment using the Chinese Valence-Arousal Words dictionary to determine their valence and arousal ratings. For each participant, we computed various summary statistics (e.g., mean, variance, quantiles) and frequency-domain statistics (e.g., spectral entropy, dominant frequency components) of valence and arousal distributions. These features were then used as predictors in nine different machine learning models evaluated under repeated 5-fold nested cross-validation with cost-sensitive cutoff selection, enabling robust classification of depression levels while prioritizing the identification of true positive cases. Results Our analysis showed that participants with higher depressive symptoms used words with more extreme valence and arousal scores than those with lower depressive symptoms. The models demonstrated strong predictive utility of these emotional dimensions: the quadratic discriminant analysis (QDA) model achieved an out-of-sample sensitivity of 0.725, a specificity of 0.563, and an AUC of 0.7. These findings support that valence and arousal analysis provides meaningful discriminative power for identifying depressive symptoms. Importantly, the high sensitivity achieved by these models ensures that individuals with elevated symptoms are more reliably detected, thereby reducing the risk of missed cases. Overall, the results suggest strong potential for automated depressive symptom detection based on emotional signal analysis, with cost-sensitive optimization reducing false negatives while maintaining clinically relevant specificity. Conclusions This study offers proof-of-concept evidence that emotional sentiment analysis of speech using valence and arousal scoring can capture linguistic markers associated with depressive symptoms among family caregivers. With further refinement and validation, this approach lays an important foundation for the development of more robust machine learning models and ultimately contributes to non-intrusive mental health screening tools.

زمینه و هدف: افسردگی یکی از اختلالات شایع سلامت روان است که به طور قابل توجهی بر بهزیستی و عملکرد روزانه افراد تأثیر می‌گذارد و شناسایی زودهنگام نشانه‌های افسردگی را ضروری می‌سازد. هدف: این پژوهش به بررسی قابلیت ارتقای تحلیل گفتار با استفاده از تحلیل احساسی بُعدی و امتیازدهی والنس و برانگیختگی جهت بهبود شناسایی نشانه‌های افسردگی در مراقبان خانوادگی می‌پردازد. روش‌ها: تعداد ۱۱۶ مراقب خانوادگی جذب شدند و سطح افسردگی آن‌ها با استفاده از پرسشنامه افسردگی بک-نسخه دوم (Beck Depression Inventory-II) ارزیابی شد. شرکت‌کنندگان به ۱۲ پرسش باز مرتبط با تاب‌آوری خانواده به صورت شفاهی پاسخ دادند. واژه‌های استخراج‌شده از پاسخ‌ها با استفاده از فرهنگ واژگان چینی والنس-برانگیختگی از نظر احساسات مورد تحلیل قرار گرفت تا امتیازهای والنس و برانگیختگی آن‌ها تعیین شود. برای هر شرکت‌کننده، آمارهای خلاصه مختلف (مانند میانگین، واریانس، صدک‌ها) و آمارهای حوزه فرکانس (مانند آنتروپی طیفی، مؤلفه‌های فرکانسی غالب) توزیع والنس و برانگیختگی محاسبه شد. این ویژگی‌ها به عنوان متغیرهای پیش‌بین در نه مدل مختلف یادگیری ماشین که با اعتبارسنجی متقاطع تودرتوی ۵-تایی تکرارشونده و انتخاب نقطه برش حساس به هزینه ارزیابی شدند، مورد استفاده قرار گرفتند تا طبقه‌بندی قوی سطوح افسردگی با اولویت شناسایی موارد مثبت واقعی فراهم شود. نتایج: تحلیل ما نشان داد شرکت‌کنندگانی که نشانه‌های افسردگی بیشتری داشتند، واژه‌هایی با امتیازهای والنس و برانگیختگی افراطی‌تر نسبت به افراد با نشانه‌های افسردگی کمتر به کار بردند. مدل‌ها سودمندی پیش‌بینی قوی این ابعاد هیجانی را نشان دادند: مدل تحلیل ممیز مربعی (QDA) حساسیت خارج از نمونه ۰.۷۲۵، ویژگی ۰.۵۶۳ و سطح زیر منحنی (AUC) برابر با ۰.۷ را به دست آورد. این یافته‌ها نشان می‌دهد که تحلیل والنس و برانگیختگی قدرت تمایز معناداری برای شناسایی نشانه‌های افسردگی فراهم می‌کند. مهم‌تر آنکه حساسیت بالای این مدل‌ها تضمین می‌کند که افراد با نشانه‌های بالا با اطمینان بیشتری شناسایی می‌شوند و در نتیجه خطر موارد از دست رفته کاهش می‌یابد. به طور کلی، نتایج نشان‌دهنده پتانسیل قوی برای شناسایی خودکار نشانه‌های افسردگی بر اساس تحلیل سیگنال‌های هیجانی است که با بهینه‌سازی حساس به هزینه، موارد منفی کاذب را کاهش داده و در عین حال ویژگی بالینی مرتبط را حفظ می‌کند. نتیجه‌گیری: این مطالعه شواهد اثبات مفهومی ارائه می‌دهد که تحلیل احساسات هیجانی گفتار با استفاده از امتیازدهی والنس و برانگیختگی می‌تواند نشانگرهای زبانی مرتبط با نشانه‌های افسردگی در میان مراقبان خانوادگی را شناسایی کند. با اصلاح و اعتبارسنجی بیشتر، این رویکرد می‌تواند پایه‌ای مهم برای توسعه مدل‌های یادگیری ماشین قوی‌تر و در نهایت ابزارهای غربالگری سلامت روان غیرتهاجمی فراهم آورد.

Digital platforms have become a primary route through which Indonesian students encounter religious knowledge, and teachers of Islamic education increasingly meet classroom questions whose answers students have already obtained from sources carrying no chain of transmission. This study examines how the digital transformation of Islamic education reconfigures the relationship between teacher, text, and learner, and asks what verification practice becomes possible when the volume of accessible religious content exceeds any teacher’s capacity to authenticate it. The study is a conceptual synthesis of peer-reviewed literature, policy documents, and institutional reports, selected purposively and analysed thematically across accessibility, content authenticity, pedagogical innovation, teacher role, ethics, and institutional readiness. The analysis finds that digitalisation expands access decisively but redistributes interpretive authority in ways existing teacher preparation does not address; that content generated by artificial intelligence intensifies rather than creates this problem, since fluency without sanad is already characteristic of much online religious material; and that blended learning models developed for school-age learners transfer poorly to the adult and para-professional audiences that dominate Islamic non-formal education without andragogical adjustment. The study argues that the practical task facing institutions is not the adoption of technology but the design of verification competence, and proposes three design principles: teaching provenance rather than conclusions, making the limits of teacher authority explicit, and building institutional review of digital content into curriculum governance rather than leaving it to individual discretion.

سکوهای دیجیتال به مسیر اصلی دسترسی دانش‌آموزان اندونزیایی به دانش دینی بدل شده‌اند و معلمان آموزش اسلامی با پرسش‌هایی در کلاس مواجه می‌شوند که پاسخ آن‌ها را دانش‌آموزان پیش‌تر از منابعی بدون زنجیره نقل دریافت کرده‌اند. این مطالعه بررسی می‌کند که چگونه تحول دیجیتال در آموزش اسلامی رابطه میان معلم، متن و یادگیرنده را بازپیکربندی می‌کند و می‌پرسد که در شرایطی که حجم محتوای دینی قابل دسترس از ظرفیت هر معلم برای اعتبارسنجی فراتر می‌رود، چه شیوه‌ای از راستی‌آزمایی ممکن می‌شود. این پژوهش، سنتز مفهومی از ادبیات داوری‌شده، اسناد سیاستی و گزارش‌های نهادی است که به‌صورت هدفمند انتخاب و بر اساس دسترسی‌پذیری، اصالت محتوا، نوآوری آموزشی، نقش معلم، اخلاق و آمادگی نهادی به‌صورت موضوعی تحلیل شده‌اند. تحلیل نشان می‌دهد که دیجیتالی‌شدن به‌طور قاطع دسترسی را گسترش می‌دهد اما اقتدار تفسیری را به شیوه‌هایی بازتوزیع می‌کند که در آموزش معلمان فعلی مورد توجه قرار نگرفته است؛ همچنین محتوای تولیدشده توسط هوش مصنوعی این مسئله را تشدید می‌کند نه ایجاد، چرا که روانی بدون سند پیش‌تر نیز ویژگی غالب بسیاری از مواد دینی آنلاین بوده است؛ و مدل‌های یادگیری ترکیبی که برای یادگیرندگان سن مدرسه توسعه یافته‌اند، بدون تعدیل اندراگوژیک به‌خوبی به مخاطبان بزرگسال و شبه‌حرفه‌ای که در آموزش غیررسمی اسلامی غالب‌اند، منتقل نمی‌شوند. این مطالعه استدلال می‌کند که وظیفه عملی پیش‌روی نهادها نه پذیرش فناوری بلکه طراحی شایستگی راستی‌آزمایی است و سه اصل طراحی را پیشنهاد می‌دهد: آموزش منشأ به‌جای نتیجه‌گیری، صراحت‌بخشی به حدود اقتدار معلم، و ادغام بازبینی نهادی محتوای دیجیتال در حکمرانی برنامه درسی به‌جای واگذاری آن به صلاحدید فردی.

Emotion recognition from EEG signals has become a central task in affective computing, offering non-invasive insight into human emotional states. Due to the nonlinear and nonstationary nature of EEG, entropy-based features have gained prominence as reliable indicators of brain complexity. However, traditional entropy metrics—such as Shannon entropy (ShanEn) and its variants—often lack sensitivity to transient dynamics and multiscale irregularities in the brain’s electrical activity. This study introduces a novel application of Entropy of Entropy (EoE) to EEG phase series (EoE – phase), aiming to enhance the detection of emotional states by capturing second-order variability in signal complexity. Unlike conventional measures, EoE quantifies not just signal unpredictability, but also the fluctuation of that unpredictability over time, offering a more dynamic representation of neural information flow. Using the GAMEEMO dataset, which includes EEG recordings from 28 participants during four emotion-evoking game scenarios (funny, boring, horror, calm), we computed and compared four feature sets: Phase Entropy, EoE – phase, ShanEn, and EoE applied to EEG amplitude time series. These features were classified using six machine learning models, including AdaBoost, SVM, and Random Forest. Our results demonstrate that EoE applied to phase dynamics significantly outperforms other entropy-based features, achieving a classification accuracy of 71.7% and AUC of 0.869 using the RF classifier with mixed PhaseEn and EoE-phase features, while traditional Shannon-based features reached only ~59% accuracy. This study provides the first systematic evaluation of EoE on EEG phase signals for emotion recognition, revealing its strong discriminative power and potential for integration into next-generation brain-computer interfaces.

شناسایی احساسات از سیگنال‌های EEG به یکی از وظایف محوری در رایانش عاطفی تبدیل شده است و بینشی غیرتهاجمی نسبت به وضعیت‌های عاطفی انسان ارائه می‌دهد. به دلیل ماهیت غیرخطی و غیرایستا بودن EEG، ویژگی‌های مبتنی بر آنتروپی به عنوان شاخص‌های قابل اعتماد پیچیدگی مغز مورد توجه قرار گرفته‌اند. با این حال، معیارهای سنتی آنتروپی—مانند آنتروپی شانون (ShanEn) و انواع آن—اغلب نسبت به پویایی‌های گذرا و بی‌نظمی‌های چندمقیاسی در فعالیت الکتریکی مغز حساسیت کافی ندارند. این مطالعه کاربرد نوینی از آنتروپیِ آنتروپی (EoE) را بر سری‌های فاز EEG (EoE – phase) معرفی می‌کند که هدف آن ارتقاء شناسایی وضعیت‌های عاطفی از طریق ثبت تغییرپذیری مرتبه دوم در پیچیدگی سیگنال است. برخلاف سنجه‌های متعارف، EoE نه تنها غیرقابل پیش‌بینی بودن سیگنال، بلکه نوسان این غیرقابل پیش‌بینی بودن را در طول زمان کمی‌سازی می‌کند و بازنمایی پویاتری از جریان اطلاعات عصبی ارائه می‌دهد. با استفاده از پایگاه داده GAMEEMO که شامل ثبت‌های EEG از ۲۸ شرکت‌کننده در چهار سناریوی بازی برانگیزاننده احساس (خنده‌دار، کسل‌کننده، ترسناک، آرام) است، چهار مجموعه ویژگی شامل آنتروپی فاز، EoE – phase، ShanEn و EoE اعمال‌شده بر سری زمانی دامنه EEG محاسبه و مقایسه شد. این ویژگی‌ها با استفاده از شش مدل یادگیری ماشین از جمله AdaBoost، SVM و Random Forest طبقه‌بندی شدند. نتایج ما نشان می‌دهد که EoE اعمال‌شده بر پویایی فاز به طور معناداری عملکرد بهتری نسبت به سایر ویژگی‌های مبتنی بر آنتروپی دارد و با استفاده از طبقه‌بند RF و ترکیب ویژگی‌های PhaseEn و EoE-phase، دقت طبقه‌بندی ۷۱.۷٪ و AUC معادل ۰.۸۶۹ را به دست می‌آورد، در حالی که ویژگی‌های مبتنی بر شانون تنها به دقت حدود ۵۹٪ می‌رسند. این مطالعه نخستین ارزیابی نظام‌مند EoE بر سیگنال‌های فاز EEG برای شناسایی احساسات را ارائه می‌دهد و قدرت تمایزبخشی بالای آن و پتانسیل ادغام در رابط‌های مغز-رایانه نسل آینده را آشکار می‌سازد.

The article examines microlearning as a modern educational technology in the context of teaching Russian as a foreign language. The relevance of the study is determined by the digitalization of the educational environment, changes in learners’ cognitive characteristics, and the demand for flexible formats of language training. The aim of the work is to provide a theoretical justification for applying microlearning in the linguodidactics of RFL and to identify its methodological potential. The methodological foundation includes cognitive load theory, self-determination theory, and the connectivist approach. The analysis of domestic and foreign studies shows that dividing learning material into short targeted modules increases motivation, information retention, and learner autonomy. It has been established that microlearning is effective in developing lexical, grammatical, and pronunciation skills, but it involves risks of knowledge fragmentation and reduced depth of understanding. It is substantiated that the technology should be integrated into a holistic methodological system rather than replace traditional formats. The principles of designing microcontent for RFL are defined: unity of the learning task, dosing, multimodality, and feedback. The practical significance lies in developing recommendations for implementing microformats in mobile and blended learning models. It is concluded that microlearning is a promising tool for supplementing, but not replacing, systematic language education.

این مقاله به بررسی یادگیری خرد به‌عنوان فناوری آموزشی نوین در زمینه آموزش زبان روسی به‌عنوان زبان خارجی می‌پردازد. اهمیت این پژوهش با توجه به دیجیتالی‌شدن محیط آموزشی، تغییر ویژگی‌های شناختی یادگیرندگان و نیاز به قالب‌های انعطاف‌پذیر آموزش زبان تعیین می‌شود. هدف این پژوهش ارائه توجیه نظری برای به‌کارگیری یادگیری خرد در زبان‌آموزی زبان روسی به‌عنوان زبان خارجی و شناسایی ظرفیت‌های روش‌شناختی آن است. مبانی روش‌شناختی شامل نظریه بار شناختی، نظریه خودتعیینی و رویکرد ارتباط‌گرایی است. تحلیل پژوهش‌های داخلی و خارجی نشان می‌دهد که تقسیم محتوای آموزشی به ماژول‌های کوتاه و هدفمند موجب افزایش انگیزش، حفظ اطلاعات و خودمختاری یادگیرنده می‌شود. مشخص شده‌است که یادگیری خرد در توسعه مهارت‌های واژگانی، دستوری و تلفظی مؤثر است، اما خطر تکه‌تکه‌شدن دانش و کاهش عمق درک را به همراه دارد. اثبات شده‌است که این فناوری باید در یک نظام روش‌شناختی جامع ادغام شود و جایگزین قالب‌های سنتی نگردد. اصول طراحی محتوای خرد برای آموزش زبان روسی به‌عنوان زبان خارجی تعریف شده‌است: وحدت وظیفه آموزشی، تعیین میزان محتوا، چندرسانه‌ای بودن و بازخورد. اهمیت عملی این پژوهش در ارائه توصیه‌هایی برای اجرای قالب‌های خرد در مدل‌های یادگیری تلفیقی و موبایلی نهفته‌است. نتیجه‌گیری می‌شود که یادگیری خرد ابزاری نویدبخش برای تکمیل، اما نه جایگزینی آموزش نظام‌مند زبان است.

This study aims to formulate pedagogical strategies and map the typology of constructive Ahlussunnah wal Jama’ah (Aswaja) values tawassuth, tawazun, tasamuh , and i'tidal (justice) within educational curricula as instruments for mitigating global radicalism and strengthening national character. Using a descriptive-analytical qualitative method involving literature reviews and socio-religious text analysis, the study examines curriculum documents, local content policy texts, and literature on integrating contemporary religious values across various educational levels. The findings indicate that the structural mapping of Aswaja values ​​serves as an epistemological compass, successfully reconstructing theological doctrines into concrete character indicators through formal learning models, the integration of Islamic Religious Education materials, and the habituation of Nahdliyyah cultural-ritual practices. This pedagogical strategy is effectively formulated through a three-stage behavioral taxonomy knowing, loving, and doing the good and reinforced by the restoration of traditional academic ethics based on the study of classical texts on etiquette. In the digital era, these values ​​undergo adaptive expansion through the use of creative cyber platforms for cyberspace deradicalization ( interpretation). The educational implications of this holistic internalization are empirically proven to enhance personal discipline, the quality of interpersonal courtesy, and peaceful conflict resolution skills within a peace education framework. In conclusion, strengthening Aswaja-based curricula serves as an essential pillar that synergizes religiosity with nationalism to safeguard social cohesion and the continuity of national integration. Abstrak Penelitian ini bertujuan untuk merumuskan strategi pedagogis dan memetakan tipologi nilai konstruktif Ahlussunnah wal Jama’ah: tawassuth, tawazun, tasamuh, dan i'tidal dalam kurikulum lembaga pendidikan sebagai instrumen mitigasi radikalisme global serta penguatan karakter bangsa. Menggunakan metode kualitatif deskriptif analitis dengan pendekatan studi kepustakaan dan analisis teks sosioreligius, penelitian ini menelaah dokumen kurikulum, naskah kebijakan muatan lokal, serta literatur integrasi nilai keagamaan kontemporer pada berbagai jenjang pendidikan. Hasil penelitian menunjukkan bahwa pemetaan nilai Aswaja secara struktural berfungsi sebagai kompas epistemologis yang berhasil merekonstruksi doktrin teologis menjadi indikator karakter konkret melalui model pembelajaran formal, integrasi materi rumpun Pendidikan Agama Islam, dan habituasi ritual amaliah kultural Nahdliyyah. Formulasi strategi pedagogis ini berjalan efektif melalui tiga tahapan taksonomi perilaku (knowing, loving, dan doing the good) serta diperkuat oleh restorasi etika akademik tradisional berbasis pengkajian kitab adab klasik. Di era digital, nilai-nilai ini mengalami perluasan adaptif melalui pemanfaatan platform siber kreatif untuk deradikalisasi ruang siber serta aktualisasi ijtihad ekologis. Implikasi edukatif dari internalisasi holistik tersebut terbukti secara empiris meningkatkan eskalasi kedisiplinan personal, mutu kesantunan interpersonal, dan keterampilan resolusi konflik yang damai dalam kerangka kerja peace education. Kesimpulannya, penguatan kurikulum berbasis Aswaja menjadi pilar esensial yang menyinergikan aspek religiusitas dengan nasionalisme demi menjaga kohesi sosial dan keberlangsungan integrasi nasional.

هدف این پژوهش، تدوین راهبردهای آموزشی و ترسیم تیپولوژی ارزش‌های سازنده اهل‌سنت و جماعت (اسوجا) شامل توَسُّط، تَوازُن، تَسامُح و اعتدال (عدالت) در برنامه‌های درسی نهادهای آموزشی به‌عنوان ابزاری برای کاهش رادیکالیسم جهانی و تقویت شخصیت ملی است. این مطالعه با بهره‌گیری از روش کیفی توصیفی-تحلیلی و رویکرد مرور متون و تحلیل متون اجتماعی-دینی، به بررسی اسناد برنامه درسی، متون سیاست‌گذاری محتوای محلی و ادبیات مربوط به ادغام ارزش‌های دینی معاصر در سطوح مختلف آموزشی می‌پردازد. یافته‌ها نشان می‌دهد که ترسیم ساختاری ارزش‌های اسوجا به‌عنوان قطب‌نمای معرفت‌شناختی عمل می‌کند و موفق به بازسازی آموزه‌های الهیاتی به شاخص‌های عینی شخصیت از طریق مدل‌های آموزش رسمی، ادغام مواد آموزش دینی اسلامی و عادت‌دهی به اعمال فرهنگی-آیینی نهضت‌العلما شده‌است. این راهبرد آموزشی به‌طور مؤثری از طریق سه مرحله طبقه‌بندی رفتاری (شناخت، محبت و عمل به خیر) تدوین شده و با احیای اخلاق دانشگاهی سنتی مبتنی بر مطالعه متون کلاسیک ادب تقویت می‌شود. در عصر دیجیتال، این ارزش‌ها از طریق بهره‌گیری از بسترهای خلاقانه سایبری برای مقابله با رادیکالیسم در فضای مجازی (تفسیر) گسترش تطبیقی می‌یابند. پیامدهای آموزشی این درونی‌سازی جامع، به‌طور تجربی موجب ارتقای انضباط فردی، کیفیت ادب بین‌فردی و مهارت‌های حل مسالمت‌آمیز تعارض در چارچوب آموزش صلح می‌شود. در نتیجه، تقویت برنامه‌های درسی مبتنی بر اسوجا به‌عنوان رکن اساسی هم‌افزایی دینداری و ملی‌گرایی برای حفظ انسجام اجتماعی و تداوم یکپارچگی ملی عمل می‌کند.

Study This aim For evaluate in a way comprehensive quality learning at the Tanjung Raja "Harapan" Community Learning Center (PKBM) in mitigate number separated school through learning models throughout life . Methodology used​ is approach qualitative descriptive , where researchers act as instrument main For explore the meaning behind phenomenon non-formal education in environment naturally . Data collected in a way systematic through a series procedure including interview in-depth , observation participants , and studies documentation For serve description narrative factual . Research results identify that quality service influenced by the gap infrastructure , competence source Power humans , and perception social culture society . However Thus , the implementation pedagogy participatory and curriculum based local is variables key in guard quality learning . Research This conclude that strengthening synergy between administrators, authorities government and society very basic local For spur transformation social and independence economy students . The output of study This projected can become instrument evaluation strategic in formulate standard quality inclusive and sustainable non-formal education in Indonesia.

هدف این پژوهش، ارزیابی جامع کیفیت یادگیری در مرکز یادگیری جامعه «حرَپان» تانجونگ راجا (PKBM) در کاهش تعداد ترک‌تحصیل‌کنندگان از طریق مدل‌های یادگیری مادام‌العمر است. روش‌شناسی مورد استفاده، رویکرد توصیفی-کیفی است که در آن پژوهشگر به عنوان ابزار اصلی برای کشف معنای پدیده آموزش غیررسمی در محیط طبیعی ایفای نقش می‌کند. داده‌ها به صورت نظام‌مند از طریق مجموعه‌ای از رویه‌ها شامل مصاحبه‌های عمیق، مشاهده مشارکتی و مطالعات اسنادی برای ارائه توصیف روایی و واقعی جمع‌آوری شده‌اند. نتایج پژوهش نشان می‌دهد که کیفیت خدمات تحت تأثیر شکاف‌های زیرساختی، شایستگی منابع انسانی و ادراکات اجتماعی-فرهنگی جامعه قرار دارد. با این حال، اجرای پداگوژی مشارکتی و برنامه درسی مبتنی بر بوم، متغیرهای کلیدی در حفظ کیفیت یادگیری هستند. این پژوهش نتیجه می‌گیرد که تقویت هم‌افزایی میان مدیران، مقامات دولتی و جامعه محلی برای تحریک تحول اجتماعی و استقلال اقتصادی فراگیران بسیار اساسی است. برونداد این مطالعه می‌تواند به عنوان ابزاری راهبردی برای ارزیابی و تدوین استانداردهای کیفیت فراگیر و پایدار آموزش غیررسمی در اندونزی مورد استفاده قرار گیرد.

This cross-sectional study aimed to develop and preliminarily validate a machine learning model for preliminary forward head posture (FHP) screening and deploy the final model as an online tool. Among 825 university students, 625 comprised the development dataset (training set, n = 437; test set, n = 188), and 200 the exploratory external validation dataset. FHP was defined as a craniovertebral angle < 50°. Six machine learning models were compared through nested cross-validation. Restricted cubic splines and Shapley additive explanations analysis were used for exploratory association analysis and model interpretation, respectively. Random forest (RF) achieved the highest sensitivity in nested cross-validation (0.748, 95% CI 0.661–0.825) and was therefore selected as the final model based on the prespecified priority of reducing missed cases. In the external validation, RF achieved an AUC of 0.827 (0.751–0.896), sensitivity of 0.745 (0.615–0.865), specificity of 0.784 (0.715–0.845), and Brier score of 0.125 (0.097–0.154). Body mass index contributed most to model output and showed a significant nonlinear association with FHP (adjusted p = 0.017). The model showed moderate-to-good discrimination for FHP among university students and may offer a relatively accessible approach to preliminary FHP screening.

این مطالعه مقطعی با هدف توسعه و اعتبارسنجی اولیه یک مدل یادگیری ماشین برای غربالگری اولیه وضعیت سر به جلو (FHP) و پیاده‌سازی مدل نهایی به عنوان یک ابزار آنلاین انجام شد. از میان ۸۲۵ دانشجوی دانشگاه، ۶۲۵ نفر مجموعه داده توسعه (مجموعه آموزش، n = ۴۳۷؛ مجموعه آزمون، n = ۱۸۸) و ۲۰۰ نفر مجموعه داده اعتبارسنجی اکتشافی خارجی را تشکیل دادند. FHP به عنوان زاویه کرانیوورتبرال کمتر از ۵۰ درجه تعریف شد. شش مدل یادگیری ماشین از طریق اعتبارسنجی متقاطع تو در تو مقایسه شدند. برای تحلیل اکتشافی ارتباط و تفسیر مدل به ترتیب از اسپلاین‌های مکعبی محدود و تحلیل توضیحات افزایشی Shapley استفاده شد. مدل جنگل تصادفی (RF) بالاترین حساسیت را در اعتبارسنجی متقاطع تو در تو (۰.۷۴۸، ۹۵٪ CI: ۰.۶۶۱–۰.۸۲۵) به دست آورد و بر اساس اولویت از پیش تعیین‌شده برای کاهش موارد از دست رفته به عنوان مدل نهایی انتخاب شد. در اعتبارسنجی خارجی، RF به AUC برابر با ۰.۸۲۷ (۰.۷۵۱–۰.۸۹۶)، حساسیت ۰.۷۴۵ (۰.۶۱۵–۰.۸۶۵)، ویژگی ۰.۷۸۴ (۰.۷۱۵–۰.۸۴۵) و امتیاز Brier معادل ۰.۱۲۵ (۰.۰۹۷–۰.۱۵۴) دست یافت. شاخص توده بدنی بیشترین سهم را در خروجی مدل داشت و ارتباط غیرخطی معناداری با FHP نشان داد (p تعدیل‌شده = ۰.۰۱۷). مدل مذکور تمایز متوسط تا خوبی را برای FHP در میان دانشجویان دانشگاه نشان داد و ممکن است رویکردی نسبتاً در دسترس برای غربالگری اولیه FHP ارائه دهد.

This research is motivated by the low problem-solving ability of students in physics classes, which is still dominated by teacher-centered teaching. The purpose of this study is to determine the influence of collaborative learning models on students' problem-solving skills. This study uses a quantitative approach using a quasi-experimental design (Nonequivalent Control Group Design) involving two classes: an experimental class that implements a collaborative learning model and a control class that implements a hands-on instruction model. The research sample consisted of 22 students in the experimental class and 22 students in the control class. The research instrument consisted of a test of problem-solving ability given as a pretest and posttest. The results showed that the average pretest and posttest scores in the experimental class increased from 14.00 to 90.68, while in the control class it increased from 12.91 to 46.91. The results of the hypothesis test using the Independent Sample t-test showed a significance value of 0.000 < 0.05, indicating a significant difference between the two classes. Furthermore, the average N-Gain score in the experimental class was 89.20% (high category), while in the control class it was 39.04% (medium category). Thus, it can be concluded that the collaborative learning model has a significant influence on students' problem-solving abilities in physics learning.

این پژوهش با انگیزهٔ پایین بودن توانایی حل مسئله دانش‌آموزان در کلاس‌های فیزیک که همچنان تحت سلطهٔ آموزش معلم‌محور است، انجام شده‌است. هدف این مطالعه تعیین تأثیر الگوهای یادگیری مشارکتی بر مهارت‌های حل مسئله دانش‌آموزان است. این پژوهش با رویکرد کمی و با استفاده از طرح شبه‌آزمایشی (Nonequivalent Control Group Design) انجام شده و شامل دو کلاس است: یک کلاس آزمایش که مدل یادگیری مشارکتی را اجرا می‌کند و یک کلاس کنترل که مدل hands-on instruction را به کار می‌گیرد. نمونه پژوهش شامل ۲۲ دانش‌آموز در کلاس آزمایش و ۲۲ دانش‌آموز در کلاس کنترل بود. ابزار پژوهش شامل آزمون توانایی حل مسئله بود که به‌صورت پیش‌آزمون و پس‌آزمون ارائه شد. نتایج نشان داد که میانگین نمرات پیش‌آزمون و پس‌آزمون در کلاس آزمایش از ۱۴٫۰۰ به ۹۰٫۶۸ افزایش یافت، در حالی که در کلاس کنترل این افزایش از ۱۲٫۹۱ به ۴۶٫۹۱ بود. نتایج آزمون فرضیه با استفاده از Independent Sample t-test نشان داد مقدار معناداری ۰٫۰۰۰ < ۰٫۰۵ است که بیانگر تفاوت معنادار بین دو کلاس می‌باشد. همچنین، میانگین امتیاز N-Gain در کلاس آزمایش ۸۹٫۲۰٪ (دسته‌بندی بالا) و در کلاس کنترل ۳۹٫۰۴٪ (دسته‌بندی متوسط) بود. بنابراین، می‌توان نتیجه گرفت که مدل یادگیری مشارکتی تأثیر معناداری بر توانایی حل مسئله دانش‌آموزان در یادگیری فیزیک دارد.

Background-This research assesses the effectiveness of implementing the ISOCC with ISOCC microlearning-assisted learning models in enhancing students’ information literacy and scientific argumentation skills. Objectives-The study aims to describe the impact of ISOCC learning models, aided by microlearning, on skills development and to assess students' abilities before and after the intervention. Method-A quasi-experimental design was employed with a non-equivalent control group, utilizing an information literacy test and a scientific argumentation ability test as instruments. Results-Based on an unpaired t-test, resulted in a post-test score of t (50) = −2.05, p = .045, d = −0.57, indicating a significant difference with a moderate effect. Although the MANOVA test showed no significant multivariate differences in either skill, Pillai's Trace (V = 0.094, p = 0.088) approached significance, indicating a moderate treatment effect on one or both skills. Univariate ANOVA test results showed that no significant differences were found in information literacy and argumentation skills among groups. Nevertheless, microlearning in ISOCC showed a potential positive effect on scientific argumentation skills, nearing significance (F (1, 50) = 3.209, p = 0.079, partial η² = 0.06). Conclusions-The study concludes that integrating microlearning in the ISOCC model is it has the potential to improve scientific argumentation skills.

زمینه: این پژوهش اثربخشی اجرای مدل‌های یادگیری ISOCC با کمک ریزیادگیری را در ارتقای سواد اطلاعاتی و مهارت‌های استدلال علمی دانشجویان ارزیابی می‌کند. اهداف: هدف مطالعه توصیف تأثیر مدل‌های یادگیری ISOCC با کمک ریزیادگیری بر توسعه مهارت‌ها و ارزیابی توانایی‌های دانشجویان پیش و پس از مداخله است. روش: این پژوهش با طرح نیمه‌آزمایشی و گروه کنترل غیرمعادل انجام شد و از آزمون سواد اطلاعاتی و آزمون توانایی استدلال علمی به عنوان ابزار استفاده گردید. نتایج: بر اساس آزمون t مستقل، نمره پس‌آزمون t (50) = −2.05، p = 0.045، d = −0.57 به دست آمد که نشان‌دهنده تفاوت معنادار با اندازه اثر متوسط است. اگرچه آزمون MANOVA تفاوت چندمتغیره معناداری در هیچ‌یک از مهارت‌ها نشان نداد، اما مقدار Pillai's Trace (V = 0.094، p = 0.088) نزدیک به معناداری بود که بیانگر اثر متوسط مداخله بر یکی یا هر دو مهارت است. نتایج آزمون ANOVA یک‌متغیره نشان داد که تفاوت معناداری در سواد اطلاعاتی و مهارت‌های استدلال میان گروه‌ها وجود ندارد. با این حال، ریزیادگیری در مدل ISOCC اثر مثبت بالقوه‌ای بر مهارت‌های استدلال علمی داشت که نزدیک به معناداری بود (F (1, 50) = 3.209، p = 0.079، partial η² = 0.06). نتیجه‌گیری: مطالعه حاضر نتیجه می‌گیرد که ادغام ریزیادگیری در مدل ISOCC پتانسیل بهبود مهارت‌های استدلال علمی را دارد.

A growing corpus of experimental research demonstrates that neuroimaging data can be leveraged to improve the performance of artificial intelligence models, including reinforcement learning models in robotics. However, most existing studies have focused on vision, audition, language, or reward and error signals recorded while the human brain acts as an observer. In this paper, we argue that humanoid robots, although not equivalent to humans, could offer a unique opportunity to use the neural signals associated with touch, or other embodiment-dependent neural signals. As a result, humanoid robots could significantly expand the range of brain regions and functional networks that could be targeted for brain-trained artificial intelligence, and open new horizons in terms of alignment and reasoning. We discuss the improvements that neuroimaging data could potentially unlock in the context of sensorimotor tasks, spatial navigation, sensorimotor integration, embodied alignment, embodied reasoning, and social integration, as well as the broader challenges and opportunities related to brain-trained humanoid robots.

بدنه‌ای رو‌به‌رشد از پژوهش‌های تجربی نشان می‌دهد که داده‌های تصویربرداری عصبی می‌تواند برای بهبود عملکرد مدل‌های هوش مصنوعی، از جمله مدل‌های یادگیری تقویتی در رباتیک، مورد استفاده قرار گیرد. با این حال، بیشتر مطالعات موجود بر بینایی، شنوایی، زبان یا سیگنال‌های پاداش و خطا که در حالی ثبت شده‌اند که مغز انسان به عنوان ناظر عمل می‌کند، تمرکز داشته‌اند. در این مقاله، استدلال می‌کنیم که ربات‌های انسان‌نما، اگرچه معادل انسان نیستند، می‌توانند فرصت منحصربه‌فردی برای استفاده از سیگنال‌های عصبی مرتبط با لمس یا سایر سیگنال‌های عصبی وابسته به تجسم فراهم کنند. در نتیجه، ربات‌های انسان‌نما می‌توانند دامنه نواحی مغزی و شبکه‌های عملکردی هدف برای هوش مصنوعی آموزش‌دیده با مغز را به طور قابل توجهی گسترش دهند و افق‌های جدیدی در زمینه هم‌ترازی و استدلال بگشایند. ما بهبودهایی را که داده‌های تصویربرداری عصبی می‌تواند بالقوه در زمینه وظایف حسی-حرکتی، ناوبری فضایی، یکپارچگی حسی-حرکتی، هم‌ترازی تجسم‌یافته، استدلال تجسم‌یافته و یکپارچگی اجتماعی ایجاد کند، همچنین چالش‌ها و فرصت‌های گسترده‌تر مرتبط با ربات‌های انسان‌نمای آموزش‌دیده با مغز را مورد بحث قرار می‌دهیم.

Researchers often want to measure a variety of constructs such as anxiety, discrimination, or loneliness in text data from surveys, interviews, social media, and electronic health records. Using large language models (LLMs)-although optimal for text classification-remain infeasible for some researchers due to concerns around computational expertise, cost, privacy, and compute requirements. Therefore, some researchers prefer to use lightweight models for large data sets or interpretable models to avoid mistakes in high-stakes scenarios. Lexicons offer simple baselines to LLMs by searching for relevant phrases and can be used together with LLMs to guarantee capturing specific keywords. However, building new lexicons is resource intensive. In this study, we found that GPT-4 Turbo was able to automatically create a lexicon for 49 known risk factors for suicidal thoughts and behaviors, which we release as the Suicide Risk Lexicon. Generating a lexicon with LLMs quickly measures most constructs relevant for suicide risk detection, resulting in high content validity. This lexicon was able to accurately predict risk in crisis counseling conversations. After validating the lexicon with clinician ratings, the lexicon modestly outperformed the linguistic inquiry and word count lexicon, which has low content validity for mental illness, and performed similarly to some black-box deep learning models. We discovered that active suicidal ideation and direct self-injury were stronger indicators of imminent risk than passive suicidal ideation and depressed mood in this ecological setting of crisis counseling conversations. To simplify creating new lexicons for other research domains, we introduce a Python package, construct-tracker. (PsycInfo Database Record (c) 2026 APA, all rights reserved).

پژوهشگران اغلب تمایل دارند انواع سازه‌هایی مانند اضطراب، تبعیض یا احساس تنهایی را در داده‌های متنی حاصل از پیمایش‌ها، مصاحبه‌ها، شبکه‌های اجتماعی و پرونده‌های سلامت الکترونیک اندازه‌گیری کنند. اگرچه استفاده از مدل‌های زبانی بزرگ (LLMs) برای طبقه‌بندی متن بهینه است، اما به دلیل نگرانی‌هایی درباره تخصص محاسباتی، هزینه، حریم خصوصی و نیازهای محاسباتی، برای برخی پژوهشگران عملی نمی‌باشد. بنابراین، برخی پژوهشگران ترجیح می‌دهند برای داده‌های بزرگ از مدل‌های سبک یا برای سناریوهای حساس از مدل‌های قابل تفسیر استفاده کنند تا از بروز خطا جلوگیری شود. واژگان‌ها با جستجوی عبارات مرتبط، مبنایی ساده در مقابل LLMها فراهم می‌کنند و می‌توانند همراه با LLMها برای تضمین شناسایی واژگان خاص به کار روند. با این حال، ساخت واژگان‌های جدید نیازمند منابع زیادی است. در این مطالعه، دریافتیم که GPT-4 Turbo قادر است به طور خودکار واژگانی برای ۴۹ عامل خطر شناخته‌شده برای افکار و رفتارهای خودکشی ایجاد کند که آن را به عنوان واژگان خطر خودکشی منتشر می‌کنیم. تولید واژگان با استفاده از LLMها امکان اندازه‌گیری سریع اغلب سازه‌های مرتبط با شناسایی خطر خودکشی را فراهم می‌کند و منجر به روایی محتوایی بالا می‌شود. این واژگان توانست خطر را در مکالمات مشاوره بحران به طور دقیق پیش‌بینی کند. پس از اعتبارسنجی واژگان با ارزیابی‌های بالینی، این واژگان نسبت به واژگان تحلیل واژگانی و شمارش واژه‌ها که روایی محتوایی پایینی برای بیماری روانی دارد، عملکرد بهتری داشت و عملکردی مشابه برخی مدل‌های یادگیری عمیق جعبه‌سیاه نشان داد. دریافتیم که افکار خودکشی فعال و خودآسیبی مستقیم، شاخص‌های قوی‌تری برای خطر قریب‌الوقوع نسبت به افکار خودکشی منفعل و خلق افسرده در این زمینه بوم‌شناختی مکالمات مشاوره بحران هستند. برای ساده‌سازی ایجاد واژگان جدید در حوزه‌های پژوهشی دیگر، یک بسته پایتون به نام construct-tracker معرفی می‌کنیم. (رکورد پایگاه داده PsycInfo (c) 2026 APA، کلیه حقوق محفوظ است).