نقش الگوریتمهای هوش مصنوعی و شبکه های عصبی در پیش بینی عملکرد تحصیلی دانش آموزان

این تحقیق به ارزیابی کاربرد شبکه های عصبی و الگوریتمهای هوش مصنوعی در پیش بینی عملکرد تحصیلی دانش آموزان می پردازد. نظر به دشواری های موجود در نظامهای آموزشی و لزوم ارتقای فرایند تدریس و یادگیری، بهره گیری از فناوریهای نوظهور در واکاوی داده های آموزشی به یکی از ضرورتهای اصلی بدل گشته است. شیوه های فراابتکاری و الگوریتمهای یادگیری ماشینی، خصوصا شبکه های عصبی، در پیش بینی صحیح عملکرد دانش آموزان کارآمد بوده اند. یافته ها نشان می دهد که تلفیق الگوریتمهای متاهیوریستی با شبکه های عصبی، الگوهایی دقیق برای پیش بینی پیشرفت تحصیلی ارائه می دهد. این مدل ها قابلیت تحلیل جامع اطلاعات متنوع آموزشی را دارند، شامل نمرات، مهارت های دیجیتال و سوابق تحصیلی. به علاوه، استفاده از این ابزارها در عصر پساکرونا اهمیت بیشتری یافته، چرا که گسترش آموزش در فضای مجازی، تجزیه و تحلیل داده های دانش آموزان را پیچیده تر ساخته است. رهنمودهای این پژوهش به مسئولان آموزشی و سیاستگذاران یاری می رساند تا با استفاده از این فناوریها، مسائلی چون افت تحصیلی را در مراحل اولیه شناسایی کرده و اقدامات اصلاحی را به هنگام اجرا نمایند. کاربرد این سیستم ها نه تنها به بهبود روند آموزش کمک می کند، بلکه در توسعه توانمندی های دیجیتال دانش آموزان و معلمان نیز نقش مهمی ایفا می کند. در پایان، نتایج این مطالعه آشکار می سازد که ترکیب هوش مصنوعی و سیستم های یادگیری می تواند منجر به ارائه روش های پیش بینی وضعیت تحصیلی دانش آموزان با دقت بالا گردد.

کلیدواژه ها:

انتخاب ویژگی ، پیش بینی عملکرد تحصیلی ، شایستگی های دیجیتال ، شبکه های عصبی