بررسی پیش بینی موفقیت تحصیلی دانش آموزان با استفاده از شبکههای عصبی مصنوعی

در سالهای اخیر بهره گیری از شبکههای عصبی مصنوعی در حوزه آموزش به ویژه برای پیشبینی موفقیت تحصیلی دانش آموزان هنرستان به طور قابل توجهی افزایش یافته است. این مقاله با رویکردی تحلیلی توصیفی به بررسی مطالعات انجام شده در زمینه کاربرد شبکه های عصبی در پیشبینی عملکرد تحصیلی می پردازد. در این راستا ابتدا سیر تحول تاریخی این فناوری در علوم آموزشی مورد بررسی قرار گرفته و سپس نقش آن در تحلیل داده های آموزشی با تاکید بر پیش بینی نتایج تحصیلی تحلیل می شود. مرور پژوهش ها نشان می دهد که شبکه های عصبی با توانایی بالای خود در شناسایی الگوهای پنهان در داده های چند بعدی و پیچیده، از دقت بیشتری نسبت به روش های سنتی آماری در پیشبینی موفقیت تحصیلی برخوردارند. این مدل ها قادرند با تحلیل ترکیبی از داده های متنوع همچون نمرات، گذشته، میزان مشارکت در فعالیت های کلاسی، ویژگی های فردی و اطلاعات دموگرافیک پیش بینی هایی دقیق و قابل اعتماد ارائه دهند. با این حال چالش هایی نظیر نیاز به مجموعه داده های بزرگ و باکیفیت و دشواری در تفسیر خروجی مدل ها همچنان پابرجاست. این مقاله با شناسایی روندهای رایج، مزایا و محدودیت ها بر لزوم توسعه مدل های تفسیر پذیرتر و قابل فهم برای کاربران آموزشی تاکید دارد. یافته های به دست آمده می توانند به تصمیم گیری های مبتنی بر داده در سیاست گذاری آموزشی و بهبود پیش بینی عملکرد دانش آموزان کمک کرده و بستر مناسبی برای ارتقای کیفیت فرآیندهای آموزشی فراهم سازند.

کلیدواژه ها:

شبکههای عصبی مصنوعی ، پیش بینی موفقیت تحصیلی ، یادگیری ماشین در آموزش ، تحلیل داده های آموزشی ، مدل سازی عملکرد تحصیلی