Date of Award

6-2026

Document Type

Thesis

Degree Name

Master of Science in Information Security

Department

Information Systems and Security

First Advisor

Dr. Saed Alrabaee

Second Advisor

Dr. Jeremy Chamboredon

Abstract

Over the past few years, academic stress and student mental well-being have become critical concerns in educational settings, significantly affecting academic performance and overall quality of life. Students increasingly rely on digital platforms for academic support; however, many existing solutions lack the ability to adapt to users’ emotional states or provide personalized, context-aware assistance. In response to this challenge, this study presents the design and development of an intelligent, stress-aware conversational support system for students based on advanced natural language processing techniques and large language models.

The main goal of this study is to explore the effectiveness of an LLM-based conversational AI system that uses sentiment analysis and stress-level detection techniques to identify students’ emotional states and provide personalized academic and well-being support. The proposed system classifies student messages using structured sentiment analysis to determine stress levels (neutral, mild, or high), and integrates mood check-ins and conversation history into a composite stress scoring model. Based on the detected stress level, the system dynamically adapts its responses, including study recommendations, focus techniques, and resource referrals.

A pre-trained large language model is utilized to enable contextual content generation, rule-based personalization, content moderation, and risk monitoring, ensuring both safety and ethical compliance. The system was evaluated using simulated student interactions, demonstrating its ability to accurately detect stress levels and generate appropriate, personalized recommendations.

The findings indicate that the proposed system is effective in distinguishing between different stress indicators and providing context-aware, supportive responses. This highlights its potential to enhance student engagement, improve well-being, and support academic productivity. The key contribution of this research lies in presenting a comprehensive stress-aware conversational framework that bridges the gap between academic support and emotional well-being. By integrating sentiment analysis, personalization, and risk escalation mechanisms, this study contributes to the development of safer, more adaptive, and student-centered support systems.

Arabic Abstract


منصة دعم وتطوير الطلاب المدعومة بالذكاء الاصطناعي

في السنوات الأخيرة، أصبحت الضغوط الأكاديمية وتحديات الصحة النفسية لدى الطلاب من القضايا البارزة في البيئات التعليمية، لما لها من تأثير كبير على الأداء الأكاديمي وجودة الحياة بشكل عام. ومع تزايد اعتماد الطلاب على المنصات الرقمية للحصول على الدعم الأكاديمي، إلا أن العديد من الحلول المتاحة تفتقر إلى القدرة على التكيف مع الحالات النفسية للمستخدمين أو تقديم دعم شخصي قائم على السياق. واستجابةً لهذا التحدي، تقدم هذه الدراسة تصميم وتطوير نظام محادثة ذكي داعم للطلاب، قادر على استشعار مستويات التوتر، وذلك بالاعتماد على تقنيات متقدمة في معالجة اللغة الطبيعية ونماذج لغوية كبيرة.

تهدف هذه الدراسة بشكل أساسي إلى استكشاف كيفية توظيف نظام محادثة قائم على النماذج اللغوية الكبيرة، إلى جانب خوارزميات تحليل المشاعر وتقييم مستويات التوتر، من أجل التعرف بدقة على الحالة النفسية للطلاب وتقديم دعم أكاديمي وتوصيات مخصصة تعزز من رفاههم النفسي. يقوم النظام المقترح بتحليل رسائل الطلاب باستخدام تصنيف منظم للمشاعر لتحديد مستوى التوتر (محايد، توتر متوسط، أو توتر مرتفع)، مع دمج بيانات تسجيل الحالة المزاجية وسجل المحادثات ضمن نموذج مركب لاحتساب مستوى التوتر العام.

تعتمد المنهجية المتبعة على استخدام نموذج لغوي مُدرّب مسبقاً لتوليد حوارات سياقية، مدعومة بمحركات للتخصيص القائمة على القواعد، وآليات للإشراف على المحتوى، وأنظمة لاكتشاف المخاطر، وذلك لضمان السلامة والالتزام بالحدود الأخلاقية. وقد تم تقييم النظام من خلال محاكاة تفاعلات طلابية متعددة لقياس قدرته على تصنيف مستويات التوتر بدقة وتقديم توصيات مناسبة وشخصية.

تشير النتائج إلى أن النظام المقترح يتمتع بقدرة فعالة على التمييز بين مستويات التوتر المختلفة لدى الطلاب وتقديم استجابات داعمة وملائمة للسياق، مما يبرز إمكانياته في تحسين تفاعل الطلاب ورفاههم النفسي وزيادة إنتاجيتهم الأكاديمية. وتتمثل الإسهامات الرئيسية لهذه الدراسة في تقديم إطار متكامل لمحادثة ذكية واعية بالتوتر، يسد الفجوة بين الدعم الأكاديمي والدعم النفسي. ومن خلال دمج تحليل المشاعر، والتخصيص، وآليات تصعيد المخاطر، تسهم هذه الدراسة في تطوير أنظمة تعليمية رقمية أكثر أماناً وتكيفاً وتركيزاً على الطالب.

Download
COinS