Journal of Psychological Science

fa کاربرد هوش مصنوعی (یادگیری ماشینی) در روانشناسی یادگیری: رونمایی از بینش ها و جهت گیری های جدید Artificial intelligence (machine learning) in the psychology of learning: Unveiling new insights and directions تخصصي Special پژوهشي Research زمینه: تلاقی هوش مصنوعی (AI)، روانشناسی و زبانشناسی کاربردی به ویژه در حوزه یادگیری زبان، مسیری جذاب را برای کاوش در فرآیندها و مکانیسمهای پیچیده زیربنایی شناخت انسان باز کرده است. الگوریتم ‌های یادگیری ماشینی این پتانسیل را دارند که اصول اساسی یادگیری زبان به‌ویژه درک مطلب را به عنوان متغیر اصلی یادگیری زبان روشن کنند ولی بررسی ادبیات این حوزه نشان داد تاکنون مطالعهای به بررسی مهمترین ویژگیهای نحوی و واژگانی مؤثر بر درک مطلب زبان آموزان انگلیسی با تکنیکهای یادگیری ماشین انجام نشده است. هدف: هدف پژوهش حاضر شناسایی مهمترین ویژگیهای نحوی و واژگانی مؤثر بر درک مطلب زبان آموزان انگلبسی با تکنیکهای یادگیری ماشین نظارت شده بود. روش: طرح پژوهش حاضر از نوع علّی مقایسه ای بود. جامعه آماری در این مطالعه شامل همه دانشآموزان متوسطه دوم شهر تهران در سال 1402 بود که زبان انگلیسی را در مؤسسات آموزش زبان یاد می گیرند. از این میان با استفاده از روش نمونه گیری در دسترس 360 نفر از آنها انتخاب شدند. ابزار گردآوری داده ها شامل آزمون BALA (یانگ، 2022) به صورت کتبی و گفتاری بود. برای تحلیل دادهها از الگوریتم های موجود در بسته نرم افزاری COVFEFE (کمیلی و سایرین، 2019) تحت نرم ‌افزار Python استفاده شد. یافته ها: 260 ویژگی از متون کامپیوتری تهیه ‌شده از پاسخ‌ های گفتاری و نوشتاری زبان ‌آموزان با استفاده از الگوریتم‌ های پردازش زبان طبیعی (NLP) استخراج شد. سپس از مدل‌ های یادگیری درخت تصمیم، نزدیک ‌ترین همسایه، روش بردار پشتیبان، شبکه عصبی و روش خطی منظم برای پیش ‌بینی درک مطلب با استفاده از ویژگی ‌های زبانی استخراج ‌شده استفاده شد. نتیجه ‌گیری: نتایج نشان داد که تغییرات درک مطلب خواندن زبان ‌آموزان را می ‌توان با استفاده از ویژگی‌ های دستوری و واژگانی استخراج ‌شده به خوبی مدل ‌سازی کرد. علاوه بر این، بیست ویژگی که بیشترین نقش را در تبیین واریانس دارند، شناسایی شد. این مطالعه نشان می ‌دهد که روش‌ های ML می‌ توانند بررسی دقیق فرآیندهای زبانی مربوط به درک مطلب را تعیین کنند. <div style="text-align: justify;">Background: The intersection of artificial intelligence (AI), psychology and applied linguistics particularly in the realm of language learning, has opened up a fascinating avenue for exploring the intricate processes and mechanisms underlying human cognition. Machine learning algorithms have the potential to shed light on the fundamental principles of learning language specially on reading comprehension as the core language learning variable. Aims: In this research, we used supervised machine learning techniques in order to discover the most important syntactic and lexical features affecting the reading comprehension of English language learners. Methods: The design of present study is causal comparative type (ex post facto). the population includes all second secondary level students who learn English in language training institutions. To select the participants, language training institutes in Tehran were referred. The participants (n=360) answered BALA exam (Young, 2022) questions in written and spoken form. Results: 260 features were extracted from the computer texts prepared from the speech and writing learners responses by natural language processing (NLP) algorithms. We used learning models of decision tree, nearest neighbor, support vector method, neural network and regularized linear method to predict reading comprehension using extracted linguistic features. Conclusion: The results showed that the variance of language learners' reading comprehension can be well modeled using the extracted grammatical and lexical features, and in addition, twenty features that play the most important role in explaining the variance were identified. This study shows that ML methods can determine the detailed investigation of language processes related to reading comprehension.</div> یادگیری ماشین, درک مطلب, پردازش زبان طبیعی, ویژگی های نحوی و واژگانی, یادگیری زبان انگلیسی machine learning, reading comprehension, natural language processing, syntactic and lexical features, learning english 179 197 http://psychologicalscience.ir/browse.php?a_code=A-10-2379-1&slc_lang=fa&sid=1 Nora Darjazini نورا درجزینی n.darjazini16@gmail.com 0057803692 No Ph.D Candidate in Educational Psychology, Science and Research Unit, Islamic Azad University, Tehran, Iran دانشجوی دکتری روانشناسی تربیتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. Mohammad Hossein Zarghami محمد حسین ضرغامی zar100@gmail.com 5729898924 Yes Assistant Professor, Behavioral Sciences Research Center, Life Style Institute, Baqiyatallah University of Medical Sciences, Tehran, Iran استادیار، مرکز تحقیقات علوم رفتاری، دانشگاه علوم پزشکی بقیه الله، تهران، ایران. Reza Ghorban Jahromi رضا قربان جهرمی rrghorban@gmail.com 2470986494 No Assistant Professor, Department of Educational and Personality Psychology, Science and Research Branch, Islamic Azad University, Tehran, Iran استادیار، گروه روانشناسی تربیتی و شخصیت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. Leila Shobeiry لیلا شوبیری shobeiri@srbiau.ac.ir 0058344780 No Assistant Professor, Department of French Language, Faculty of Literature, Humanities and Social Sciences, Science and Research Branch, Islamic Azad University, Tehran, Iran. استادیار، گروه تخصصی فرانسه، دانشکده ادبیات، علوم‌انسانی و اجتماعی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.