مدل سازی پیش بینی گر افت تحصیلی دانش آموزان ابتدایی با استفاده از داده های رفتاری در کلاس های آنلاین

با گسترش روزافزون آموزش آنلاین، شناسایی زودهنگام دانش آموزانی که در معرض افت تحصیلی قرار دارند، به یکی از دغدغه های مهم نظام آموزشی تبدیل شده است. در این پژوهش با هدف توسعه مدلی پیش بینی گر برای افت تحصیلی دانش آموزان ابتدایی، از داده های رفتاری ثبت شده در بستر کلاس های آنلاین استفاده شد. داده ها شامل شاخص هایی مانند میزان مشارکت در کلاس، زمان حضور، فعالیت در چت، تعامل با محتوا و تعداد دفعات ورود به سامانه بودند که از طریق سامانه آموزش مجازی جمع آوری شدند. نمونه پژوهش شامل داده های رفتاری ۴۸۰ دانش آموز در پایه های چهارم تا ششم ابتدایی در طول یک نیم سال تحصیلی بود. پس از پیش پردازش داده ها، با استفاده از الگوریتم های یادگیری ماشین از جمله جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی، مدل های پیش بینی ساخته شد. نتایج نشان داد که مدل جنگل تصادفی با دقت بالا قادر به پیش بینی افت تحصیلی بر اساس الگوهای رفتاری دانش آموزان است. این یافته ها نشان می دهد که استفاده از داده کاوی آموزشی می تواند نقش موثری در شناسایی زودهنگام دانش آموزان در معرض خطر و طراحی مداخلات هدفمند ایفا کند.

کلیدواژه ها:

افت تحصیلی ، آموزش ابتدایی ، کلاس آنلاین ، داده کاوی آموزشی