REAL-TIME MONITORING OF COGNITIVE COLLAPSE IN GEOMETRIC REASONING: AN ANALYSIS OF BEHAVIORAL MICROMETRICS

Azimov Akmaljon Axmadjon ugli; Khakimov Utkirbek Ilxomjon ugli; Obidova Rayhona Axmadjon qizi

doi:10.5281/zenodo.20215184

25.04.2026

English

REAL-TIME MONITORING OF COGNITIVE COLLAPSE IN GEOMETRIC REASONING: AN ANALYSIS OF BEHAVIORAL MICROMETRICS

Дата публикации

25.04.2026

Журнал

Приоритетные области применения искусственного интеллекта в педагогическом образовании

Выпуск

Приоритетные области применения искусственного интеллекта в педагогическом образовании

Страницы

554-560

DOI

10.5281/zenodo.20215184

Авторы

Azimov Akmaljon Axmadjon ugli , Khakimov Utkirbek Ilxomjon ugli , Obidova Rayhona Axmadjon qizi

Аннотация

This study examines the trends of cognitive decline and task abandonment during geometric problem-solving. It introduces the concept of Geometric Reasoning Collapse (GRC)—a state where a student transitions from a systematic logical approach to disorganized, purposeless attempts. Leveraging telemetric data from 47,840 sessions in the GeoGebra environment, a lightweight AI model was developed to identify GRC with 84.3% accuracy, approximately 4 minutes before complete task cessation. Experimental trials involving 312 students in Uzbekistan demonstrated a 41% reduction in task abandonment and a 52% decrease in geometry-related anxiety.

Ключевые слова

GeoGebra geometry education geometric reasoning collapse behavioral micrometric analysis AI early-warning system cognitive monitoring real-time prediction cognitive stagnation productive failure theory

Версии на других языках

Oʻzbekcha

Ko‘pchilik ta'limdagi sun'iy intellekt tadqiqotlari "SI o‘quvchilarga o‘rganishga qanday yordam beradi?" degan savolga javob izlaydi. Ushbu maqola boshqacha savol qo‘yadi: "SI o‘quvchining geometrik tafakkuri buzila boshlaganini — o‘zi sezmasidan oldin — aniqlay oladimi?" Biz Geometrik fikrlash buzulishi (GRC) kontseptsiyasini kiritamiz — bu o‘quvchining masala yechish yo‘nalishi tizimli mantiqiy taraqqiyotdan tartibsiz sinov-xatoga o‘tishi bilan tavsiflanadigan o‘lchov mumkin bo‘lgan kognitiv holat. GeoGebra muhitidagi o‘quvchi xatti-harakatlarining mikrometrikalarini tahlil qilish (BMA) orqali biz GRC boshlanishini kuzatilishi mumkin bo‘lgan passivlikdan 4 daqiqa oldin 84,3% aniqlik bilan bashorat qiluvchi yengil AI modeli ishlab chiqdik. O‘zbekistonda 7–11-sinf o‘quvchilarining 312 nafarida sinovdan o‘tkazilgan model o‘qituvchilarga proaktiv aralashish imkonini berdi — topshiriqni tark etish ko‘rsatkichini 41% ga kamaytirdi va isbotlashni yakunlash ko‘rsatkichini 52 % ga oshirdi.

GeoGebra geometriya ta'limi geometrik mulohaza yuritish kollapsi xulq-atvor mikrometrikalari tahlili SI erta ogohlantirish tizimi kognitiv monitoring real vaqt rejimida bashorat qilish kognitiv turg‘unlik samarali muvaffaqiyatsizlik nazariyasi

Русский

В данном исследованиианализируются тенденции когнитивного снижения и отказа от выполнения заданий в процессе решения задач по геометрии. Вводится понятие «Коллапса геометрического мышления» (GRC) — состояния, при котором учащийся переходит от систематического логического подхода к беспорядочным и бесцельным попыткам. На основе телеметрических данных 47 840 сеансов в среде GeoGebra разработана ресурсоэффективная модель ИИ, способная идентифицировать состояние GRC с точностью 84,3% приблизительно за 4 минуты до полного прекращения работы. Эксперимент с участием 312 учащихся в Узбекистане позволил снизить показатель отказа от заданий на 41%, а уровень геометрической тревожности — на 52%.

GeoGebra обучение геометрии коллапс геометрического мышления анализ поведенческих микрометрик система раннего предупреждения ИИ когнитивный мониторинг прогнозирование в реальном времени когнитивный тупик продуктивная неудача

Список литературы

[1] Pekrun, R., Goetz, T., Titz, W., & Perry, R. P. (2002). Academic emotions in students' self-regulated learning and achievement. Educational Psychologist, 37(2), 91–105.

[2] Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285.

[3] Van Hiele, P. M. (1986). Structure and insight: A theory of mathematics education. Academic Press.

[4] Kapur, M. (2016). Examining productive failure, productive success, unproductive failure, and unproductive success in learning. Educational Psychologist, 51(2), 289–299.

[5] D'Mello, S., & Graesser, A. (2012). Dynamics of affective states during complex learning. Learning and Instruction, 22(2), 145–157.

[6] Hembree, R. (1990). The nature, effects, and relief of mathematics anxiety. Journal for Research in Mathematics Education, 21(1), 33–46.

[7] Boaler, J. (2022). Mathematical mindsets: Unleashing students' potential through creative mathematics. John Wiley & Sons.

[8] Jonassen, D. H. (2010). Learning to solve problems: A handbook for designing problem-solving learning environments. Routledge.

[9] UNESCO. (2024). AI Competency Framework for Teachers. Paris: UNESCO. ISBN 978-92-3-100707-1.

[10] Sangwin, C. (2007). A brief review of GeoGebra: Dynamic mathematics. MSOR Connections, 7(2), 36–38.

Просмотреть PDF