پیش بینی نمرات دروس دانشگاهی با استفاده از الگوریتم رگرسیون خطی در یادگیری ماشین

با گسترش روزافزون فناوریهای نوین در حوزه، آموزش به ویژه در زمینه یادگیری ماشین امکان تحلیل دادههای آموزشی و پیش بینی روندهای تحصیلی فراهم شده است. یادگیری ماشین به عنوان یکی از شاخه های مهم هوش مصنوعی، توانایی دارد از دادههای گذشته، الگوهایی استخراج کند و رفتار آینده را پیش بینی نماید. یکی از کاربردهای مهم این فناوری پیشبینی عملکرد تحصیلی دانشجویان است؛ موضوعی که در سالهای اخیر مورد توجه بسیاری از پژوهشگران حوزه آموزش و فناوری قرار گرفته است. در این پژوهش، با بهره گیری از الگوریتم ساده اما کاربردی رگرسیون خطی مدلی برای پیشبینی نمرات پایانی دانشجویان طراحی و ارزیابی شده است. این مدل بر اساس دادههای فرضی شامل تعداد ساعات مطالعه هفتگی، میزان حضور در کلاس به صورت درصدی و معدل ترم قبل توسعه یافته و نمره نهایی هر دانشجو به عنوان متغیر وابسته مدل در نظر گرفته شده است. هدف از این تحقیق بررسی توانایی روشهای ساده یادگیری ماشین در تحلیل دادههای آموزشی و ارائه مدلی ابتدایی اما کارآمد برای استفاده در موسسات آموزش عالی است. نتایج این پژوهش نشان میدهد که بین ساعات مطالعه و نمره نهایی رابطهای معنادار و مثبت وجود دارد همچنین مشخص شد که حتی با استفاده از مدلهای پایه می توان بین مجموعه ای از عوامل آموزشی و عملکرد تحصیلی دانشجویان ارتباطات آماری قابل اعتمادی برقرار کرد. این پژوهش میتواند الگویی ساده و قابل توسعه برای مدیران، مشاوران تحصیلی و پژوهشگران آموزشی باشد تا با بهره گیری از آن ابزارهایی برای پیش بینی و بهبود وضعیت تحصیلی دانشجویان طراحی کنند.

کلیدواژه ها:

یادگیری ماشین ، رگرسیون خطی ، پیشبینی نمرات ، داده کاوی