کاربرد شبکه های عصبی (ANN)در تحلیل روند پیشرفت آموزشی هنرجویان رشته مکانیک خودرو

در عصر حاضر، یکی از چالش های مهم نظام های آموزشی، به ویژه در حوزه آموزش های فنی و حرفه ای، پایش و تحلیل دقیق روند پیشرفت یادگیری هنرجویان است. رشته مکانیک خودرو به عنوان یکی از رشته های پرکاربرد و مهارت محور، نیازمند ارزیابی مستمر و دقیق عملکرد هنرجویان در زمینه های نظری و عملی می باشد. با توجه به پیچیدگی رفتارهای یادگیری، تاثیر عوامل گوناگون (اعم از فردی، محیطی و روان شناختی) و حجم بالای داده های آموزشی، استفاده از روش های سنتی تحلیل آموزشی پاسخگوی نیازهای فعلی نیست. در این راستا، شبکه های عصبی مصنوعی (Artificial Neural Networks) به عنوان یکی از زیرشاخه های مهم یادگیری ماشین، با الهام از عملکرد مغز انسان، توانایی تحلیل الگوهای پیچیده و پیش بینی رفتارهای غیرخطی را دارند. هدف این مقاله، بررسی و تحلیل قابلیت های شبکه های عصبی در ارزیابی روند پیشرفت آموزشی هنرجویان رشته مکانیک خودرو است. در این پژوهش، با استفاده از داده هایی شامل نمرات دروس تئوری، ارزیابی های عملی، میزان مشارکت در کارگاه ها و نتایج آزمون های پایان ترم، مدلی شبکه عصبی طراحی شده که بتواند وضعیت آموزشی هنرجویان را تحلیل و روند پیشرفت آن ها را پیش بینی نماید. نتایج حاصل نشان می دهد که مدل طراحی شده با دقت قابل قبولی توانسته است هنرجویان با ریسک افت تحصیلی را شناسایی کرده و از سوی دیگر، مسیر بهبود عملکرد آموزشی آن ها را پیشنهاد دهد. این یافته ها بیانگر آن است که کاربرد شبکه های عصبی می تواند به عنوان ابزاری تصمیم یار برای معلمان، مشاوران آموزشی و سیاست گذاران در حوزه آموزش فنی مورد بهره برداری قرار گیرد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، تحلیل آموزشی ، یادگیری ماشین ، ارزیابی پیشرفت تحصیلی ، مکانیک خودرو