সুপ্ত প্রোফাইল বিশ্লেষণ

ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।

সুপ্ত প্রোফাইল বিশ্লেষণ (LPA) — একটি ব্যক্তি-কেন্দ্রিক পদ্ধতি যা একটি নমুনাকে অদৃশ্য উপগোষ্ঠীতে (প্রোফাইলে) ভাগ করে, যখন প্রতিটি কেস একসঙ্গে কয়েকটি চলক দিয়ে বর্ণিত হয়। এটি মিশ্রণ-মডেলিং পরিবারের অবিচ্ছিন্ন-সূচক সদস্য; তার সহোদর সুপ্ত শ্রেণি বিশ্লেষণ (LCA) একই যুক্তি শ্রেণিবদ্ধ সূচকে প্রয়োগ করে। দুটোই এআই-শিক্ষা গবেষণায় প্রভাবশালী চলক-কেন্দ্রিক মডেলগুলোর চেয়ে আলাদা প্রশ্ন করে: "গড়ে X কতটা Y-র পূর্বানুমান করে" নয়, বরং "সেই গড়ের ভেতরে কত ধরনের শিক্ষার্থী, শিক্ষক বা ব্যবস্থাপক লুকিয়ে আছে।" এই জ্ঞানভাণ্ডারে পদ্ধতিটি দেখায় যে একটি এআই সরঞ্জাম উপগোষ্ঠীভেদে খুব ভিন্নভাবে পৌঁছায়—ঘানার স্নাতকদের মধ্যে পাঁচটি নৈতিক-সচেতনতা প্রোফাইল, ইউক্রেনীয় শিক্ষা-ব্যবস্থাপকদের মধ্যে ছয়টি প্রস্তুতি-টাইপোলজি, তাইওয়ানি প্রাক-সেবা শিক্ষকদের মধ্যে চারটি জেনারেটিভ-এআই-গ্রহণ প্রোফাইল।

বিবেচনার প্রশ্ন

• একটি গবেষণা জানায়, এআই নিয়ে শিক্ষার্থীদের গড় স্বাচ্ছন্দ্য 5-এর মধ্যে 3.8। যদি একটি দল উৎসাহী আর আরেকটি নীরবে প্রতিরোধী হয়, সেই গড়টি কী লুকাতে পারে?
• LPA অবিচ্ছিন্ন স্কোর মডেল করে, LCA শ্রেণি। যদি সাক্ষাৎকারের উত্তরকে "অতি-নির্ভরতার উল্লেখ: হ্যাঁ/না" হিসেবে কোড করেন, কোনটি দরকার?
• একটি পাঁচ-প্রোফাইল সমাধান 0.816 এনট্রপি জানায়; একটি চার-প্রোফাইল প্রতিদ্বন্দ্বী 0.929 স্কোর করে কিন্তু তথ্যকে কম সমৃদ্ধভাবে বর্ণনা করে। কোনটি প্রকাশ করবেন?
• প্রোফাইল বর্ণনামূলক, কারণগত নয়। যদি একটি "প্রতিরোধী সংশয়বাদী" প্রোফাইল ব্যবহারের সহজতা উচ্চ কিন্তু গ্রহণের ইচ্ছা নিচু দেখায়, তা কী সমর্থন করে, আর কী করে না?

ভূমিকা

এআই-শিক্ষার বেশিরভাগ প্রমাণ চলক-কেন্দ্রিক: এটি গড় সম্পর্ক অনুমান করে, আর গড় সমরূপতা ধরে নেয়। ব্যক্তি-কেন্দ্রিক পদ্ধতি বদলে ব্যক্তিকে বিশ্লেষণের একক ধরে এবং জিজ্ঞাসা করে নমুনায় বৈশিষ্ট্যের কতগুলো আলাদা বিন্যাস আছে। LPA সেই পরিবারেরই অংশ, আর এখানে তার লাভ হলো এটি শিক্ষার্থী-বৈচিত্র্যকে অলংকারিক দাবি থেকে মাপযোগ্য ফলাফলে রূপান্তর করে: যখন নৈতিক-সচেতনতা প্রোফাইলগুলো আরামদায়ক নমুনা-গড় সত্ত্বেও 26.1 শতাংশ থেকে 4.5 শতাংশ পর্যন্ত বিস্তৃত হয়, তখন পৃথকীকরণ আর নকশা-পছন্দ থাকে না।

পদ্ধতিটি কী করে, আর কখন এটি সঠিক সরঞ্জাম

LPA ধরে নেয় নমুনাটি উপগোষ্ঠীর মিশ্রণ থেকে টানা, প্রতিটির সূচকে নিজস্ব গড় ও বিচ্যুতি আছে। গবেষক সূচক ও দলের সংখ্যা জোগান; অ্যালগরিদম প্রতিটি কেসের সদস্যতার সম্ভাবনা অনুমান করে এবং সর্বোচ্চ সম্ভাবনা দিয়ে বণ্টন করে, প্রতি দলের একটি গড় প্রোফাইল, প্রতি প্রোফাইলের একটি আকার, এবং কেসগুলো কত পরিচ্ছন্নভাবে আলাদা হয় তার সারসংক্ষেপ ফেরত দেয়। পরিবারের কোন সদস্য ব্যবহার করবেন তা সূচক অনুসরণ করে, গবেষণা-প্রশ্ন নয়:

• LCA — শ্রেণিবদ্ধ সূচক। Becker ও সহকর্মীরা 1,189 জন পদার্থবিজ্ঞান শিক্ষার্থীর খোলা উত্তরের কোডকৃত উত্তর-শ্রেণিকে সূচক চলকে রূপান্তর করেন এবং দুটি শ্রেণি রাখেন: প্রায়োগিক ব্যবহারকারী (70 শতাংশ) ও সংশয়বাদী অ-ব্যবহারকারী (30 শতাংশ); যেহেতু অনুল্লিখিত বিষয় "সমর্থন নেই" হিসেবে গণ্য হয়, লেখকেরা বিশ্লেষণ ডেটাফ্রেমে zero-inflation চিহ্নিত করেন।
• LPA — অবিচ্ছিন্ন সূচক, যেমন স্কেল স্কোর ও গঠন-গড়। Chen ও সহকর্মীরা 128 জন তাইওয়ানি প্রাক-সেবা শিক্ষককে পাঁচটি TAM/UTAUT2 গঠনে প্রোফাইল করেন; Acquah ও সহকর্মীরা 509 জন ঘানার স্নাতককে তিনটি নৈতিক-সচেতনতা মাত্রায়; Schweder ও সহকর্মীরা 2,464 জন শিক্ষার্থীকে প্রেরণামূলক চাহিদা-পূরণে।
• সুপ্ত (প্রোফাইল) রূপান্তর বিশ্লেষণ পরিবারটিকে সময়ের মধ্যে বিস্তৃত করে, প্রতি তরঙ্গে প্রোফাইল এবং এক থেকে অন্যটিতে যাওয়ার সম্ভাবনা অনুমান করে। Liang ও সহকর্মীরা এক বছর ধরে 2,086 জন শিক্ষার্থীর এআই-শিখন প্রেরণা অনুসরণ করেন; Wu তিনটি তরঙ্গ জুড়ে 457 জন জাপানি-ভাষা শিক্ষার্থীকে অনুসরণ করেন, maladaptive প্রোফাইল 26.48 থেকে 17.74 শতাংশে সংকুচিত হয়।

সাধারণ ক্লাস্টারিং (k-means ও শ্রেণিবিন্যাসমূলক) একই ব্যক্তি-কেন্দ্রিক উদ্দেশ্য অনুসরণ করে, কিন্তু সম্ভাবনা-মডেল অনুমান না করে জ্যামিতিক দূরত্ব দিয়ে কেস ভাগ করে। LPA বা LCA-র দিকে হাত বাড়ান যখন প্রশ্ন উপগোষ্ঠী নিয়ে—আপনার নমুনার সমষ্টি-স্তরে "শিক্ষার্থী" একটি কল্পকাহিনি কি না, এবং উপগোষ্ঠীগুলো স্তরের পাশাপাশি আকারেও আলাদা কি না। হাত বাড়াবেন না যখন গড় হস্তক্ষেপ-প্রভাবে দরকার: একটি র‍্যান্ডমাইজড পরীক্ষার ভেতরে একটি অভিযোজিত টিউটরের পাঁচ-প্রোফাইল সমাধান পরবর্তী পরীক্ষার পার্থক্য পূর্বানুমান করেছিল (আংশিক η² = .27) কিন্তু শর্ত × প্রোফাইল মিথস্ক্রিয়া পায়নি (ps ≥ .198)।

সংগ্রহটি এটি কীভাবে ব্যবহার করে

তিনটি ব্যবহার বারবার ফিরে আসে।

• এর জন্য নকশা করার আগে বিষমতা প্রতিষ্ঠা। Kremen ও সহকর্মীদের 395 জন ইউক্রেনীয় শিক্ষা-ব্যবস্থাপকের জরিপ ব্যক্তি-কেন্দ্রিক LCA ব্যবহার করে দেখায় যে "ব্যবস্থাপক" একটি কল্পকাহিনি: ছয়টি টাইপোলজি Competency-constrained (25.6 শতাংশ, ইচ্ছুক কিন্তু অদক্ষ) থেকে Barrier-free skeptics (সর্বোচ্চ প্রস্তুতি, তবু 74 শতাংশ এআই-অবিশ্বাস) পর্যন্ত বিস্তৃত, আর লেখকেরা সেগুলোকে পৃথকীকৃত প্রশিক্ষণের নির্দেশ হিসেবে পড়েন।

• স্থিতিশীলতার যাচাই হিসেবে আন্তঃব্যবস্থা সংযোগ। Fang ও Jin (2026) 49টি শিক্ষা-ব্যবস্থা জুড়ে 40,680 জন শিক্ষকের চারটি বিশ্বাস-প্রোফাইল রাখেন (Indifferent 6.13% থেকে Measured Endorsement 56.29%), আর সংযোগ-রেফারেন্স বদলালেও শ্রেণিবিন্যাস-সহমতি 99.62% থাকে—তবে উপযোগিতা সব 49টি ব্যবস্থায় প্রোফাইলগুলোকে একই ক্রমে সাজায়, ঝুঁকি তা করে না।

• সমষ্টি যে উপগোষ্ঠী লুকায় তা উদ্ধার। Acquah ও সহকর্মীরা Comprehensive Very High (26.1 শতাংশ) থেকে Low Ethical Awareness (4.5 শতাংশ, পরোপকার 2.06) পর্যন্ত পাঁচটি নৈতিক-সচেতনতা প্রোফাইল রাখেন—এমন বিস্তার যা নমুনার এক-চতুর্থাংশের সামান্য বেশি থেকে এক-বিংশাংশের কম পর্যন্ত যায়। Chen ও সহকর্মীরা দেখেন, প্রতিরোধী সংশয়বাদীরা ব্যবহারের অনুভূত সহজতা উচ্চ কিন্তু আচরণগত ইচ্ছা খুব নিচু জানায়—সংগ্রহের সবচেয়ে স্পষ্ট প্রমাণ যে সহজতা/ইচ্ছা-বিরোধ গড়-স্তরের মডেলের কাছে অদৃশ্য।

• স্তরের বদলে ক্রমাঙ্কন প্রোফাইলকরণ। শিক্ষক এআই-সাক্ষরতা গবেষণা স্ব-প্রতিবেদন ও বস্তুনিষ্ঠ মাপের মধ্যে সহমতিতে LPA প্রয়োগ করে ছয়টি প্রোফাইল পায়: অতিরঞ্জন, অবমূল্যায়ন, সংগতি, এবং একটি নিম্ন/নিম্ন গোষ্ঠী যা পূর্ববর্তী এআই-সাক্ষরতা অভিজ্ঞতাহীন শিক্ষকদের মধ্যে কেন্দ্রীভূত। এখানে প্রোফাইল যন্ত্রগুলোর ভেতরে একটি নমুনা বর্ণনা করে, স্কোর-ব্যান্ড নয়।

এরপর প্রোফাইল স্বাধীন চলক হিসেবে কাজ করে: শৃঙ্খলা প্রাক-সেবা শিক্ষকদের সদস্যতা গড়ে (Cramér's V = 0.532, STEM শিক্ষার্থীরা Technology Pioneers-এ কেন্দ্রীভূত), আর সদস্যতা পরবর্তী স্ব-কার্যকারিতা, burnout ও এআই-দুশ্চিন্তার পূর্বানুমান করে সংগ্রহের অন্যত্র।

প্রোফাইলের সংখ্যা নির্বাচন

কোনো একক পরিসংখ্যান সমাধান বেছে নেয় না; সংগ্রহটি ধারণকে কয়েকটি মানদণ্ড একসঙ্গে দেখে নেওয়া বিচার হিসেবে গণ্য করে।

• তথ্য-মানদণ্ড (BIC, AIC)। সাধারণত কম ভালো, কিন্তু একঘেয়ে পতন বিজয়ী নয়, সমস্যার সংকেত। ইউক্রেনীয় ব্যবস্থাপক গবেষণায় দুই থেকে ছয় শ্রেণির পরিসরে BIC একঘেয়ে নামে, স্পষ্ট ন্যূনবিন্দু ছাড়াই, আর লেখকেরা সেই প্রমাণে তাদের ছয়-শ্রেণি সমাধানকে অন্বেষণমূলক বলেন।

• এনট্রপি। শ্রেণিবিন্যাস-নিশ্চয়তার সারসংক্ষেপ, 1-এর কাছাকাছি মানে পরিচ্ছন্ন বণ্টন। Chen ও সহকর্মীরা চার প্রোফাইলে 0.985 জানান; Acquah ও সহকর্মীরা পাঁচ প্রোফাইলে 0.816 বনাম চার প্রোফাইলে 0.929 জানান, এবং নিজেরাই আরও স্থিতিশীল দলের জন্য একীভূত করার পরামর্শ দেন।

• ব্যাখ্যাযোগ্যতা ও প্রোফাইলের আকার। এআই-এ বিশ্বাসের প্রোফাইলকরণ গবেষণা তিনটি ক্লাস্টার রাখে যদিও Calinski–Harabasz সূচক দুটি পছন্দ করেছিল, কারণ তিনটি ব্যাখ্যাযোগ্য ছিল, আর উল্লেখ করে যে 0.288 সিলুয়েট সহগ দুর্বল বা সীমান্তবর্তী পৃথকীকরণের সংকেত। Chen ও সহকর্মীরা সতর্ক করেন যে তাদের ক্ষুদ্রতম প্রোফাইল (128 কেসের 14.06 শতাংশ) অস্থিতিশীল হতে পারে, আর ঘানা গবেষণার ক্ষুদ্রতম প্রোফাইলে কেবল 23 জন শিক্ষার্থী, যা লেখকেরা একীভূত করার প্রস্তাব দেন।

• পুনর্নমুননে স্থিতিশীলতা। বুটস্ট্র্যাপ স্থিতিশীলতাই সৎ যাচাই—নতুন নমুনায় প্রোফাইলগুলো ফিরে আসবে কি না: ইউক্রেনীয় ছয়-শ্রেণি সমাধানে গড় সমন্বিত Rand সূচক 0.385, কিন্তু এআই-এ বিশ্বাসের গবেষণায় 100টি এলোমেলো সূচনার ওপর 0.989—একই নামমাত্র নকশা, খুব ভিন্ন প্রমাণ-ভার।

• বুটস্ট্র্যাপ সম্ভাবনা-অনুপাত পরীক্ষা (BLRT) ও Lo–Mendell–Rubin পরীক্ষা বৃহত্তর মিশ্রণ-মডেলিং সাহিত্যে BIC ও এনট্রপির মানক সঙ্গী, কিন্তু এই জ্ঞানভাণ্ডারের প্রোফাইল গবেষণাগুলো সেগুলো জানায় না। যেখানে একটি পাতা কেবল BIC ও এনট্রপি জানায়, সেখানে শ্রেণি-সংখ্যাকে সাময়িক ধরুন।

• এই সংগ্রহ যাকে অন্যথায় বাদ দেয়, সেই সম্ভাবনা-অনুপাত যাচাই। Song প্রমুখ (2026) 379 জন ব্যবসায় শিক্ষার্থীর চারটি প্রোফাইল রাখেন (এনট্রপি 0.824) এবং Lo–Mendell–Rubin সিদ্ধান্ত জানান: চারে তাৎপর্যপূর্ণ (p = 0.035) ও পাঁচে অ-তাৎপর্যপূর্ণ (p = 0.376)।

• প্রতিদ্বন্দ্বী সমাধান ও সম্ভাবনা-অনুপাত পরীক্ষা দিয়ে সমর্থিত ধারণ। Suriá-Martínez প্রমুখ (2026) জানান, চার-প্রোফাইল সমাধান 102 জন শিক্ষার্থীর সঙ্গে সামান্য ভালো খাপ খায় কিন্তু উল্লেখযোগ্যভাবে উন্নতি করে না এবং ক্ষুদ্রতম শ্রেণি 12.7 শতাংশে রাখে, তাই সংখ্যাগতভাবে ভালো-খাপ-খাওয়া মডেলের বদলে তিনটি প্রোফাইল রাখেন (এনট্রপি .89)। হেরে যাওয়া সমাধান ও তাকে কী অযোগ্য করেছে তা জানানোই ধরে রাখা শ্রেণি-সংখ্যাকে পাঠকের যাচাইযোগ্য বিচারে পরিণত করে, আর গবেষণার উদ্দেশ্যে তৈরি 12-আইটেম এআই-ব্যবহার মাপ—85 জনের আলাদা নমুনায় বৈধকৃত, যা লেখকেরা প্রাথমিক বলেন—তার প্রমাণের অন্য সীমা চিহ্নিত করে।

তুলনাগুলো জানান, কেবল বিজয়ী নয়: যে পাতা "আমরা পাঁচটি প্রোফাইল রাখলাম" বলে কিন্তু প্রতিদ্বন্দ্বী সমাধান, এনট্রপি-মান ও ক্ষুদ্রতম প্রোফাইলের আকার না দেয়, তা পাঠককে পছন্দ বিচারের কোনো উপায় দেয় না।

ফলাফল পড়া, প্রতিবেদন করা, আর কোথায় ভুল হয়

একটি প্রোফাইল তার স্তরের পাশাপাশি তার আকার দিয়েও পড়ুন। ঘানা গবেষণায় প্রোফাইলগুলো স্বায়ত্তশাসন, পরোপকার ও ন্যায়বিচারের বিন্যাসে আলাদা—বৃহত্তমটি প্রবল স্বায়ত্তশাসন-সমর্থনের সঙ্গে নিম্নতর পরোপকার জোড়ে—তাই দুটি প্রোফাইল সামগ্রিক স্তরে কাছাকাছি থাকতে পারে এবং তবু ভিন্ন শিক্ষাদান দাবি করতে পারে।

চারটি সতর্কতা, প্রতিটি উৎস পাতায় বলা:

1. প্রোফাইল বর্ণনামূলক। তারা বলে নমুনায় কে আছে, কেন নয়, আর ক্রস-সেকশনাল নকশা স্থিতিশীলতা বা চলাচল দেখাতে পারে না (প্রাক-সেবা শিক্ষক, ঘানা ও পদার্থবিজ্ঞান গবেষণা)। কেবল অনুদৈর্ঘ্য বিশ্লেষণ—এক বছরব্যাপী রূপান্তর গবেষণা ও Wu-এর তিন তরঙ্গ—চলাচল নিয়ে দাবি সমর্থন করে, আর সেখানেও চলাচল সম্পর্ক, হস্তক্ষেপ-প্রভাব নয়।
2. সদস্যতা অনুমিত, পর্যবেক্ষিত নয়। কেস সর্বোচ্চ posterior সম্ভাবনা দিয়ে বণ্টিত হয়, তাই সীমানার কাছের ব্যক্তিরা প্রকৃত অনিশ্চয়তাসহ শ্রেণিবদ্ধ হয়; নিম্ন এনট্রপি ও দুর্বল সিলুয়েট মানে সীমানাগুলো নরম হিসেবে পড়া উচিত।
3. সূচক-পছন্দ উত্তরকে সংজ্ঞায়িত করে। প্রোফাইল সম্পূর্ণভাবে নির্ভর করে কোন চলক মডেলে ঢোকে তার উপর, তাই গবেষণা যে বিষমতা মাপে না তা সে খুঁজেও পায় না—ঘানা গবেষণা পটভূমির মধ্যে কেবল লিঙ্গ সংগ্রহ করেছিল, তাই সদস্যতার পূর্বানুমান কী তা বলতে পারে না।
4. শনাক্ত করা বিষমতা শনাক্ত করা কারণ নয়। টিউটর পরীক্ষার প্রোফাইল × শর্ত শূন্য ফল স্মারক: পরীক্ষার ভেতরে একটি ফলাফলের প্রোফাইলকরণ হস্তক্ষেপের মডারেশন পরীক্ষা নয়।

শিক্ষায় এআই-এর জন্য তাৎপর্য

1. হস্তক্ষেপ সুপারিশ করার আগে বিষমতা মাপুন। এই সংগ্রহের প্রোফাইল বারবার নমুনার এক-চতুর্থাংশ বা তার বেশি শিরোনাম-গড়ের নিচে রাখে; গড়ের জন্য নয়, বিদ্যমান প্রোফাইলের জন্য নকশা করুন।
2. যখন ফলাফল পৃথকীকরণ, ব্যক্তি-কেন্দ্রিক পদ্ধতি বেছে নিন। প্রাক-সেবা শিক্ষক ও ব্যবস্থাপক গবেষণা দুটোই সেই পরিবর্তনকে নিজেদের পদ্ধতিগত অবদান হিসেবে দেখায়, কারণ গড় পূর্বানুমানকারী সেই বিন্যাসগুলো প্রকাশ করতে পারে না যা পৃথকীকৃত সমর্থনকে ন্যায্য করে।
3. ধারণের প্রমাণ পূর্ণভাবে জানান। BIC/AIC তুলনা, এনট্রপি, প্রোফাইলের আকার ও স্থিতিশীলতা-যাচাই প্রকাশ করুন, আর স্পষ্ট বলুন যখন শ্রেণি-সংখ্যা অন্বেষণমূলক।
4. প্রোফাইলকে রোগনির্ণয় হিসেবে দেখুন, লেবেল নয়। প্রোফাইল একটি গবেষণা-গঠন যার সীমানা অনুমিত, তাই যে সরঞ্জাম ব্যক্তিদের নামযুক্ত শ্রেণিতে বণ্টন করে তা যেকোনো পরিমাপ যন্ত্রের সতর্কতা বহন করে—আর শিক্ষার্থী-গোষ্ঠীভেদে ভিন্ন প্রভাব যেকোনো উপগোষ্ঠী-বিশ্লেষণের মতোই যাচাই দাবি করে।

সাধারণ ভুল ধারণা

• "সুপ্ত প্রোফাইল বিশ্লেষণ বিদ্যমান দল আবিষ্কার করে।" LPA শিক্ষার্থী-বৈচিত্র্যকে অলংকারিক দাবি থেকে মাপযোগ্য ফলাফলে রূপান্তর করে, আর প্রোফাইলগুলো নির্বাচিত সীমানায় বিভক্ত একটি ধারাবাহিকতার মডেল, প্রাকৃতিক প্রকার নয়। প্রোফাইলের সংখ্যা একটি বিশ্লেষণমূলক সিদ্ধান্ত।
• "সুপ্ত-চলক পরিবারের যেকোনো সদস্যই ঠিক আছে।" কোনটি ব্যবহার করবেন তা সূচক অনুসরণ করে: শ্রেণিবদ্ধ সূচকে LCA, অবিচ্ছিন্নে LPA। আগে পদ্ধতি আর পরে সূচক বাছলে ফলাফল বাছাইয়ের কৃত্রিম পণ্যে পরিণত হয়।
• "প্রোফাইল গবেষণা-জুড়ে তুলনীয়।" Chen ও সহকর্মীরা 128 জন তাইওয়ানি প্রাক-সেবা শিক্ষককে পাঁচটি TAM/UTAUT2 গঠনে প্রোফাইল করেন, আর Acquah ও সহকর্মীরা 509 জন ঘানার স্নাতককে। ভিন্ন জনগোষ্ঠীতে ভিন্ন সূচক পরস্পর-তুলনীয় প্রোফাইল-লেবেল তৈরি করে না।

সংযুক্ত ধারণা

• পরিমাণগত গবেষণা
• মিশ্র-পদ্ধতি গবেষণা
• শিক্ষায় এআই-এর গবেষণা পদ্ধতি
• মেশিন লার্নিং
• লার্নিং অ্যানালিটিক্স
• শিক্ষার্থী-মডেলিং ও অভিযোজিত শিক্ষণ
• শিক্ষামূলক পরিমাপ
• আত্ম-প্রতিবেদনমূলক পরিমাপ
• শিক্ষার্থী-গোষ্ঠীজুড়ে ভিন্নতর প্রভাব
• প্রযুক্তি গ্রহণ মডেল

সংযুক্ত নিবন্ধ

• Beyond Positive or Negative: Latent Profiles of University Students’ AI Attitude and Their Career-Development Correlates — 379 জন ব্যবসায় শিক্ষার্থীর মধ্যে চারটি এআই-মনোভাব প্রোফাইলের Lo–Mendell–Rubin ধারণ-প্রমাণ

• Profiles and Transitions of Psychological Adaptation in AI-Assisted Japanese Language Learning — মনস্তাত্ত্বিক অভিযোজনের তিন-তরঙ্গ সুপ্ত প্রোফাইল রূপান্তর বিশ্লেষণ

• From disengaged to self-determined: a latent transition analysis of students' AI learning motivation — এক বছর জুড়ে তিনটি প্রেরণা-প্রোফাইলের সুপ্ত রূপান্তর বিশ্লেষণ

• Psychological Profiles Associated with Trust in Artificial Intelligence Among University Students: A Machine Learning Clustering Approach — k-means প্রোফাইল; সিলুয়েট বনাম Calinski–Harabasz অমিল; ARI 0.989

• Uncovering adoption personas for generative AI in higher education: a clustering-based segmentation approach — চারটি GenAI-গ্রহণ persona-তে শ্রেণিবিন্যাসমূলক ও k-means ক্লাস্টারিং

• Teachers’ AI Belief Profiles and Their Associations with AI Use, Pedagogical Applications, and Barriers: A Person-Centered Analysis of TALIS 2024 — 49টি ব্যবস্থার 40,680 জন শিক্ষকের চারটি শিক্ষক এআই-বিশ্বাস প্রোফাইল, সংযোগ-স্থিতিশীলতাসহ