Student stress classifier
تفاصيل العمل
1. صياغة المشكلة والبيانات
النهج: تم تأطير المشكلة كمسألة تصنيف إلى فئات مثل "ضغط منخفض"، "ضغط متوسط"، و"ضغط مرتفع".
قلة البيانات: أحد أكبر التحديات كان ندرة قواعد البيانات العامة التي توثق "ضغط الطلاب". وقد تم التغلب على ذلك من خلال:
توليد بيانات اصطناعية: باستخدام قواعد بيانات مثل FER-2013 أو AffectNet كبديل، حيث تحتوي على تعابير وجه مصنفة (سعادة، حزن، خوف، غضب، دهشة، اشمئزاز، حيادية) يمكن ربطها بمؤشرات التوتر (مثل الحزن أو الخوف أو الغضب).
التركيز على الإشارات البصرية الدقيقة: مثل حركة عضلات الوجه، اتجاه النظر، وضعية الرأس، والتعبيرات العامة، والتي ترتبط بالحالات الانفعالية السلبية.
2. معمارية النموذج والتدريب
استخلاص السمات: تم استخدام نموذج CNN مدرّب مسبقًا مثل VGGFace أو ResNet لاستخلاص السمات عالية المستوى من صور الوجه، نظرًا لقوته في فهم التفاصيل الدقيقة للوجه.
النمذجة الزمنية (في حال استخدام الفيديو): تم دمج شبكة عصبية تكرارية (RNN) من نوع LSTM فوق شبكة CNN، لتحليل تسلسل التعبيرات بمرور الوقت. هذا يوفر تقييماً أكثر دقة ووعياً بالسياق من التحليل بالإطار الواحد.
استراتيجية التدريب: استخدام التعلم الانتقالي (Transfer Learning)، حيث تم تثبيت الطبقات الأساسية أولاً لتخصيص استخلاص السمات، ثم إعادة تدريب النموذج كاملاً أو طبقاته العليا على مجموعة البيانات البديلة.
3. الاعتبارات الأخلاقية وقابلية التفسير
تنويه مهم: تم تطوير المشروع مع مراعاة قوية للجوانب الأخلاقية. النموذج مصمم ليكون أداة تصنيف وليس أداة تشخيص طبي. الضغط النفسي حالة معقدة لا يمكن تحديدها بدقة من الإشارات البصرية فقط.
الذكاء الاصطناعي القابل للتفسير (XAI): تم دمج تقنيات مثل Grad-CAM لإنتاج خرائط حرارية توضّح المناطق التي أثرت في قرار النموذج (مثل الجبهة المجعدة أو الفك المشدود)، مما يعزز الشفافية وموثوقية النموذج.
التحديات التقنية الرئيسية والحلول
التحدي: الطابع الذاتي والمعقد لحالة التوتر.
الحل: تحديد نطاق المشروع بوضوح على أنه تصنيف للسمات البصرية المرتبطة بالتوتر، وليس تشخيصاً سريرياً. النتائج تُستخدم كمؤشرات أولية فقط.
التحدي: التحيزات المحتملة المرتبطة بالعرق، أو الجنس، أو ظروف الإضاءة.
الحل: استخدام قواعد بيانات متنوعة واختبارات انحياز دقيقة لضمان عدالة وتعميم النموذج قدر الإمكان.
القيمة المضافة للمشروع
يبرز هذا المشروع إمكانات الذكاء الاصطناعي كأداة مساعدة في البيئات التعليمية.
يمكن دمجه ضمن منصات دعم نفسي أو تعليمي لتقديم تدخلات مبكرة، مثل:
اقتراح فترات راحة.
توجيه الطلاب إلى موارد الدعم النفسي.
كل ذلك بطريقة تحترم الخصوصية وتعتمد على تحليلات مجهولة الهوية.