پیش بینی نمرات دانش آموزان در درس شیمی دبیرستان با استفاده از یادگیری ماشین: رویکردی مبتنی بر رگرسیون خطی

ارزیابی عملکرد تحصیلی دانش آموزان و شناسایی عوامل موثر بر نتایج آموزشی آن ها از جمله اهداف کلیدی نظام آموزشی به شمار می رود. در این پژوهش، از مدل های یادگیری ماشین، به ویژه رگرسیون خطی، برای پیش بینی نمرات دانش آموزان در درس شیمی دبیرستان بهره گرفته شده است. داده های مورد بررسی از یک مجموعه اطلاعاتی شامل ویژگی های مهمی مانند نمرات امتحانات قبلی (T۱ و T۲)، مدت زمان مطالعه (study time)، تعداد مردودی ها (failures) و میزان غیبت ها (absences) استخراج گردیده است. این داده ها ابتدا از یک فایل CSV دریافت و پس از پردازش، به دو بخش آموزشی و آزمونی با نسبت ۸۰ به ۲۰ تقسیم شده اند. مدل رگرسیون خطی با استفاده از کتابخانه Scikit-learn آموزش داده شده و دقت آن بر روی مجموعه آزمون ارزیابی گردیده است. نتایج آزمون نشان دهنده ی دقت عملکرد مدل معادل ۷۳ درصد می باشد. پس از آن، مدل آموزش دیده برای پیش بینی نمره یک دانش آموز جدید با ویژگی های مشخص به کار گرفته شده و عملکرد آن تحلیل شده است. نتایج این مطالعه نشان می دهد که به کارگیری تکنیک های یادگیری ماشین، به ویژه رگرسیون خطی، می تواند ابزاری کارآمد برای پیش بینی نمرات دانش آموزان در درس شیمی باشد و در اتخاذ تصمیمات آموزشی مبتنی بر داده نقشی موثر ایفا کند.

کلیدواژه ها:

آموزش شیمی ، یادگیری ماشین ، تصمیم گیری آموزشی ، تحلیل داده