شناسایی و تحلیل عوامل موثر بر ترک تحصیل دانش آموزان با رویکرد هوش مصنوعی

ترک تحصیل دانش آموزان یکی از مسائل مهم و چالش برانگیز نظام های آموزشی است که پیامدهای منفی اقتصادی، اجتماعی و فردی گسترده ای دارد. هدف پژوهش حاضر، شناسایی و تحلیل عوامل موثر بر ترک تحصیل دانش آموزان با بهره گیری از رویکرد هوش مصنوعی و ارائه راهکارهای پیشگیرانه است. پژوهش از نوع کاربردی و توصیفی-تحلیلی بوده و جامعه آماری آن شامل دانش آموزان دوره متوسطه در مدارس شهری و روستایی است. نمونه گیری به روش تصادفی طبقه ای انجام شد و داده ها از طریق پرسشنامه، سوابق تحصیلی و داده های رفتاری دانش آموزان جمع آوری گردید.برای تحلیل داده ها از روش های آماری توصیفی و تحلیلی مانند همبستگی و رگرسیون چندمتغیره استفاده شد و در ادامه، الگوریتم های یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی و شبکه عصبی مصنوعی برای شناسایی دانش آموزان در معرض خطر و تحلیل عوامل موثر به کار گرفته شد. یافته ها نشان داد که غیبت های مکرر، عملکرد تحصیلی پایین، وضعیت اقتصادی خانواده و تحصیلات والدین مهم ترین عوامل پیش بینی ترک تحصیل هستند. همچنین مدل شبکه عصبی مصنوعی با دقت ۸۸٪ توانست دانش آموزان در معرض خطر را شناسایی کند و الگوریتم جنگل تصادفی اهمیت عوامل کلیدی را مشخص نمود.نتایج پژوهش بر اهمیت رویکرد چندسطحی و جامع در پیشگیری از ترک تحصیل تاکید دارد و نشان می دهد که تلفیق حمایت اقتصادی، ارتقای کیفیت آموزشی، تقویت انگیزه و اعتماد به نفس دانش آموزان و بهره گیری از فناوری های هوشمند می تواند راهکار موثری برای کاهش ترک تحصیل باشد. یافته ها می توانند برای سیاست گذاران، مدیران مدارس و مشاوران آموزشی در طراحی مداخلات پیشگیرانه کاربرد داشته باشند.

کلیدواژه ها:

ترک تحصیل ، دانش آموز ، عوامل موثر ، هوش مصنوعی ، یادگیری ماشین ، پیش بینی آموزشی