پیش‌بینی‌پذیری مسیر پیشرفت تحصیلی دانش‌آموزان با بهره‌گیری از تحلیل داده‌های آموزشی و الگوریتم‌های هوشمند

دسته بندی موضوعی : علوم پایه

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 15

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
اولین همایش تحلیل و بررسی جایگاه ، کارکرد و شیوه های آموزش در جامعه مدرن ، چالش ها و راهکارهای فعلی درسطح ملی و بین المللی

نویسندگان :
محبوبه بیگلری کاردانی مکانیک
محبوبه جاوید کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی
اعظم محمدآبادی کارشناسی زبان وادبیات فارسی
سمیه نعمتی کزج کارشناسی کامیپوتر نرم افزار

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/4197

چکیده فارسی :

پیش‌بینی مسیر پیشرفت تحصیلی دانش‌آموزان یکی از رویکردهای نوین در مدیریت و بهبود فرایندهای آموزشی است که می‌تواند امکان شناسایی زودهنگام دانش‌آموزان در معرض افت تحصیلی، طراحی مداخلات آموزشی هدفمند و شخصی‌سازی فرایند یادگیری را فراهم کند. تحلیل داده‌های آموزشی با استفاده از الگوریتم‌های هوشمند، اطلاعاتی مانند نمرات، سوابق حضور و غیاب، میزان مشارکت، نتایج آزمون‌های مستمر، تکالیف و الگوهای تعامل دانش‌آموز با محیط‌های یادگیری دیجیتال را به شاخص‌های قابل تحلیل تبدیل می‌کند. پژوهش حاضر با هدف بررسی ظرفیت تحلیل داده‌های آموزشی و الگوریتم‌های هوشمند در پیش‌بینی مسیر پیشرفت تحصیلی دانش‌آموزان انجام شد. پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی ـ همبستگی است. جامعه آماری شامل دانش‌آموزان دوره متوسطه و معلمان آنان بود که از میان آنان ۲۰۰ دانش‌آموز و ۵۰ معلم به‌عنوان نمونه انتخاب شدند. داده‌ها شامل نمرات تحصیلی، سابقه عملکرد، میزان حضور، مشارکت آموزشی و شاخص‌های یادگیری دیجیتال بود. برای تحلیل داده‌ها از آمار توصیفی، ضریب همبستگی پیرسون و الگوریتم‌های رگرسیون، درخت تصمیم و جنگل تصادفی استفاده شد. نتایج نشان داد ترکیب داده‌های آموزشی و الگوریتم‌های هوشمند می‌تواند پیش‌بینی نسبتاً دقیقی از مسیر پیشرفت تحصیلی ارائه کند. همچنین عملکرد تحصیلی پیشین، مشارکت آموزشی و حضور در کلاس از مهم‌ترین متغیرهای پیش‌بینی‌کننده بودند. یافته‌ها نشان می‌دهد استفاده مسئولانه از تحلیل پیش‌بینانه می‌تواند به تصمیم‌گیری آموزشی، شناسایی زودهنگام مشکلات و طراحی مداخلات شخصی‌سازی‌شده کمک کند.

کلمات کلیدی فارسی :
پیش‌بینی تحصیلی، تحلیل داده‌های آموزشی، الگوریتم هوشمند، یادگیری ماشین، تحلیل یادگیری، پیشرفت تحصیلی.