پیش بینی موفقیت تحصیلی دانش آموزان با استفاده از الگوریتم های یادگیری ماشین: تحلیل داده های آموزشی مدارس

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 18

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
فصل نامه علمی تخصصی پژوهش برتر - سال اول شماره چهارم - زمستان 1404

نویسندگان :
سابق غفاری دانشجوی کارشناسی مهندسی کامپیوتر
ستاره امیری دانشجوی دکتری تربیت بدنی
غفور غفاری دکتری تربیت بدنی

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/2251

چکیده فارسی :

هدف: هدف از پژوهش حاضر، بررسی و تحلیل مروری ادبیات علمی موجود پیرامون کاربرد الگوریتم‌های یادگیری ماشین (Machine Learning) در پیش‌بینی موفقیت تحصیلی دانش‌آموزان و شناسایی عوامل موثر بر عملکرد تحصیلی با بهره‌گیری از داده‌کاوی آموزشی است.
روش‌شناسی: این مطالعه به صورت مروری سیستماتیک با بررسی مقالات و پژوهش‌های منتشر شده در پایگاه‌های داده معتبر علمی (از سال ۲۰۱۵ تا ۲۰۲۶) انجام شده است. در این فرآیند، انواع الگوریتم‌های یادگیری ماشین از جمله درخت تصمیم (Decision Trees)، جنگل تصادفی (Random Forest)، ماشین بردار پشتیبان (SVM) و شبکه‌های عصبی مصنوعی که در پیش‌بینی نمرات، نرخ ترک تحصیل و شناسایی دانش‌آموزان در معرض خطر به کار رفته‌اند، مورد تحلیل قرار گرفتند.
یافته‌ها: نتایج بررسی‌ها نشان می‌دهد که یادگیری ماشین ظرفیت بالایی در پیش‌بینی دقیق عملکرد تحصیلی با دقت (Accuracy) مطلوب دارد. مدل‌های مبتنی بر یادگیری نظارت شده (Supervised Learning)، به‌ویژه الگوریتم‌های درخت تصمیم و جنگل تصادفی، به دلیل تفسیرپذیری بالا، بیشترین کاربرد را در این حوزه داشته‌اند. همچنین مشخص شد که داده‌های مربوط به تعامل دانش‌آموز با سیستم‌های یادگیری الکترونیکی، وضعیت اجتماعی-اقتصادی و سوابق عملکردی، مهم‌ترین پیش‌بینی‌کننده‌های موفقیت تحصیلی هستند.
نتیجه‌گیری: استفاده از الگوریتم‌های یادگیری ماشین می‌تواند به عنوان ابزاری تصمیم‌ساز برای معلمان، مشاوران و سیاست‌گذاران آموزشی عمل کند تا با شناسایی به‌موقع دانش‌آموزانِ نیازمندِ حمایت، مداخلات آموزشیِ شخصی‌سازی‌شده و اثربخشی را طراحی نمایند. با این حال، رعایت ملاحظات اخلاقی در استفاده از داده‌های آموزشی و توجه به کیفیت و شفافیت مدل‌های یادگیری ماشین برای اجرای موفق در محیط‌های واقعی مدارس ضروری است.

کلمات کلیدی فارسی :
یادگیری ماشین، پیش‌بینی موفقیت تحصیلی، داده‌کاوی آموزشی، هوش مصنوعی در آموزش، تحلیل داده‌های آموزشی.