ارائه ی مدل های هوشمند ترکیبی (Hybrid) برای پیش بینی نقطه شکست یادگیری در دانش آموزان

با پیشرفت فناوری های هوش مصنوعی، آموزش هوشمند به یکی از زمینه های مهم پژوهش های آموزشی تبدیل شده است. یکی از چالش های اساسی در این حوزه، شناسایی لحظه یا نقطه ای است که دانش آموز در روند یادگیری دچار وقفه یا افت می شود؛ به این مفهوم «نقطه شکست یادگیری» گفته می شود. در این پژوهش، تلاش شده است با استفاده از مدل های ترکیبی هوشمند (Hybrid Models) همچون ترکیب شبکه های عصبی و الگوریتم های بهینه سازی، مدلی دقیق برای پیش بینی این نقطه بحرانی ارائه شود. برای این منظور، از داده های رفتاری و عملکردی دانش آموزان در پلتفرم های یادگیری الکترونیکی استفاده شده است. نتایج پژوهش های اخیر نشان داده اند که مدل های ترکیبی، نسبت به روش های منفرد (مانند فقط شبکه عصبی یا فقط درخت تصمیم)، عملکرد بهتری در تحلیل الگوهای رفتاری پیچیده از خود نشان می دهند. این پژوهش ضمن بررسی مدل های اخیر ارائه شده در مقالات معتبر علمی، چارچوبی برای طراحی یک مدل ترکیبی ارائه می کند که قادر به تشخیص زودهنگام نقاط شکست یادگیری باشد و بتواند هشدارهای لازم را به معلمان یا سامانه آموزشی ارائه دهد. در پایان، پیامدهای کاربردی این مدل ها برای بهبود فرآیند آموزش و یادگیری، کاهش نرخ ترک تحصیل و ارتقاء کیفیت آموزش دیجیتال مورد بررسی قرار گرفته است.

کلیدواژه ها:

نقطه شکست یادگیری ، مدل های ترکیبی هوشمند ، یادگیری ماشین ، آموزش الکترونیکی ، پیش بینی رفتاری