کاربرد هوش مصنوعی در پیش بینی افت تحصیلی دانش آموزان مدارس دولتی

با توجه به افزایش نگرانی ها درباره افت تحصیلی دانش آموزان در مدارس دولتی، استفاده از فناوری های نوین از جمله هوش مصنوعی می تواند راهکاری موثر برای شناسایی زودهنگام عوامل موثر بر افت تحصیلی و پیشگیری از آن باشد. این پژوهش با هدف بررسی کاربرد الگوریتم های هوش مصنوعی در پیش بینی افت تحصیلی دانش آموزان انجام شده است. روش تحقیق، توصیفی-تحلیلی و از نوع کاربردی بوده و داده های مربوط به پیشینه تحصیلی، وضعیت حضور و غیاب، نمرات، عوامل روانی-اجتماعی و ویژگی های فردی دانش آموزان با استفاده از سامانه های هوشمند آموزشی جمع آوری شد. با بهره گیری از الگوریتم های یادگیری ماشین نظیر درخت تصمیم، شبکه های عصبی و ماشین بردار پشتیبان، الگوهایی استخراج شد که توانستند با دقت بالا دانش آموزان در معرض افت تحصیلی را شناسایی کنند. یافته ها نشان دادند که الگوریتم درخت تصمیم با دقت ۸۹٪ عملکرد بهتری در پیش بینی نسبت به سایر الگوریتم ها داشت. همچنین، متغیرهایی مانند حضور غیاب زیاد، کاهش عملکرد در دروس پایه و مشکلات خانوادگی از مهم ترین عوامل موثر بر افت تحصیلی بودند. نتایج این پژوهش نشان می دهد که استفاده هدفمند از هوش مصنوعی می تواند ابزار کارآمدی برای مدیران، مشاوران و معلمان در مدارس دولتی باشد تا با مداخله زودهنگام، از تشدید افت تحصیلی جلوگیری کنند.

کلیدواژه ها:

هوش مصنوعی ، افت تحصیلی ، یادگیری ماشین ، مدارس دولتی ، پیش بینی تحصیلی ، تحلیل داده آموزشی ، الگوریتم درخت تصمیم