مصنوعی و پیش بینی نیازهای آموزشی دانش آموزان بر اساس داده های تحصیلی آن ها

در دهه های اخیر، پیشرفت های سریع در حوزه هوش مصنوعی (Artificial Intelligence) امکان بهره گیری از الگوریتم های یادگیری ماشین برای تحلیل دقیق و هدفمند داده های تحصیلی دانش آموزان را فراهم ساخته است. پژوهش حاضر با هدف بررسی قابلیت های هوش مصنوعی در پیش بینی نیازهای آموزشی دانش آموزان بر اساس داده های تحصیلی آنان انجام شده است. روش تحقیق به کاررفته، تحلیلی-توصیفی و مبتنی بر داده های ثانویه مربوط به عملکرد تحصیلی دانش آموزان در سطوح مختلف آموزشی است. در این مطالعه، الگوریتم های یادگیری ماشین نظیر شبکه های عصبی مصنوعی، درخت تصمیم و ماشین بردار پشتیبان برای تحلیل داده های مربوط به نمرات درسی، سوابق آزمون ها، حضور و غیاب و بازخوردهای معلمان به کار گرفته شد. نتایج حاصل نشان داد که استفاده از سامانه های مبتنی بر هوش مصنوعی می تواند با دقت بالایی نیازهای فردی آموزشی هر دانش آموز را شناسایی کرده و راهکارهای مناسبی جهت بهبود فرآیند یادگیری ارائه دهد. از مهم ترین یافته ها می توان به توانمندی سیستم های هوشمند در شخصی سازی آموزش، شناسایی به موقع نقاط ضعف در یادگیری، و کمک به تصمیم گیری آموزشی معلمان و مدیران مدارس اشاره کرد. این پژوهش تاکید دارد که تلفیق فناوری هوش مصنوعی با نظام های آموزشی، مسیر نوینی را در جهت ارتقای کیفیت آموزش و تحقق عدالت آموزشی فراهم می سازد.