ثورة في تحليل المشاعر التعليمية: معايير جديدة لتحسين التقييم الأكاديمي

تشهد الساحة الأكاديمية تقدمًا ملحوظًا في مجال تحليل المشاعر المرتبط بالمساقات التعليمية، والذي يعرف بـ تحليل المشاعر بناءً على الجوانب التعليمية (ABSA). في هذا الإطار، أُُجريت دراسة حديثة تقدم معيارًا اصطناعيًا مسيطرًا يهدف إلى تحسين عملية تقييم الدورات التعليمية وتطويرها.

تعاني الكثير من المؤسسات التعليمية من نقص في التعليقات العامة التي تحمل تفاصيل عن جوانب معينة للدورات، بسبب السرية المرتبطة بمراجعات الطلاب وارتفاع تكلفة تحليلها. لذلك، تُعد هذه الدراسة خطوة رائدة تتضمن إنشاء قاعدة بيانات تتكون من عشرة آلاف مراجعة اصطناعية للدورات، تشترك في تفاصيل دقيقة حول الجودة التعليمية، وطرق التقييم، وإدارة الدورات، ومتطلبات التعلم، فضلاً عن البيئة التعليمية والتفاعل الطلابي.

تُظهر نتائج الدراسة أن تنفيذ نماذج تحليل المشاعر على هذا المعيار ليس بالأمر السهل، وذلك من خلال تقديم مجموعة من النماذج الأساسية باستخدام تقنيات مثل TF-IDF، والمحولين ثنائي الخطوات، والمراجعين المشتركين، حيث حققت أقوى النماذج، مثل BERT، درجة دقة مقدارها 0.2760. بينما استطاع نموذج BERT المحسّن أن يصل إلى 0.2930 بفضل جدولة أقل تكلفة.

علاوة على ذلك، حققت تحليلات تعتمد على تقنية GPT-5.2 (نموذج اللغات الكبيرة) دقة تصل إلى 0.2519 دون الحاجة إلى بيانات تصنيف مسبقة، مما يدل على أن هذه المعايير الجديدة يمكن أن تجعل عمليات التحليل أكثر فعالية.

ما يُميز هذا البحث أيضًا هو التقييم الخارجي المحافظ، الذي أظهر مدى قابلية البيانات الاصطناعية للتحول إلى بيانات حقيقية، حيث أظهرت درجات متوافقة تضمن جودة البحث ودقته.

في الختام، يُعتبر هذا البحث مساهمة قيمة في مجال التعليم، حيث يقدم مجموعة بيانات اصطناعية وتحليلًا موثقًا لعملية توليدها، ليقوم بتحديد الأساليب المثلى لتحقيق أقصى فائدة من البيانات في أوقات تندر فيها البيانات العامة ذات التصنيف.