تشخیص زودهنگام مشکلات دانش آموزان در نظام دوری ابتدایی با بهره گیری از یادگیری ماشین و هوش مصنوعی

یادگیری دانش آموزان در نظام دوری ابتدایی انجام شد. جامعه آماری شامل ۳۵۰ دانش آموز پایه های اول تا سوم در ۱۱ مدرسه منتخب شهر اراک بود که به روش نمونه گیری تصادفی طبقه ای انتخاب شدند. داده ها از طریق پلتفرم هوش مصنوعی تحلیل گر آموزشی (AEP) که الگوریتم های یادگیری ماشین (XGBoost) را به کار می گیرد، جمع آوری شد. این سیستم روزانه متغیرهای تحصیلی، رفتاری و عاطفی دانش آموزان را پایش می کرد. نتایج نشان دهنده کاهش ۱۲ درصدی افت تحصیلی و افزایش ۱۸ درصدی مشارکت کلاسی در گروه آزمایش نسبت به گروه کنترل بود. همبستگی مثبت معناداری بین استفاده از سیستم های هوش مصنوعی و بهبود عملکرد تحصیلی مشاهده شد(p<۰.۰۱) مهم ترین چالش های شناسایی شده شامل ملاحظات اخلاقی حریم خصوصی داده ها (۲۵%) و نیاز به آموزش معلمان (۳۰%) بود. این مطالعه اثربخشی هوش مصنوعی در نظام های دوری را تایید می کند، به ویژه به دلیل تداوم رابطه معلم-دانش آموز که امکان مداخلات شخصی سازی شده را فراهم می سازد.

کلیدواژه ها:

نظام دوری ، یادگیری ماشین ، هوش مصنوعی ، تشخیص زودهنگام ، افت تحصیلی