پیش بینی روند رشد تحصیلی دانش آموزان با مدل های یادگیری ماشین

پیش بینی روند رشد تحصیلی دانش آموزان یکی از مهم ترین دغدغه های نظام آموزشی است، زیرا شناسایی به موقع نقاط قوت و ضعف یادگیری می تواند زمینه ساز طراحی مداخلات موثر و بهبود کیفیت آموزش شود. در سال های اخیر، مدل های یادگیری ماشین به عنوان ابزاری نوین در تحلیل داده های آموزشی و پیش بینی عملکرد تحصیلی مورد توجه پژوهشگران قرار گرفته اند. این مطالعه با هدف بررسی کارایی الگوریتم های یادگیری ماشین در پیش بینی روند پیشرفت تحصیلی دانش آموزان دوره ابتدایی انجام شده است. در این پژوهش، داده های تحصیلی شامل نمرات دروس پایه، شاخص های رفتاری و اطلاعات فردی دانش آموزان گردآوری و سپس با استفاده از الگوریتم هایی نظیر درخت تصمیم، جنگل تصادفی و شبکه های عصبی مورد تحلیل قرار گرفت. یافته ها نشان می دهد که به کارگیری این مدل ها می تواند با دقت بالایی مسیر رشد تحصیلی دانش آموزان را پیش بینی کرده و به مدیران و معلمان در اتخاذ تصمیم های مبتنی بر داده کمک کند. نتایج این پژوهش بیانگر آن است که استفاده از روش های هوشمند می تواند نقش مهمی در شناسایی زودهنگام افت تحصیلی، برنامه ریزی فردی و ارتقای کیفیت یادگیری در نظام آموزش ابتدایی ایفا نماید.

کلیدواژه ها:

یادگیری ماشین ، پیش بینی تحصیلی ، دانش آموزان ابتدایی ، تحلیل داده های آموزشی ، رشد تحصیلی