شناسایی شاخص های ناپایداری یادگیری با استفاده از مدل های هوشمند پیش بینی AI

عوامل موثر بر آن است. ناپایداری یادگیری به شرایطی اطلاق می شود که در آن روند پیشرفت تحصیلی فراگیران به صورت نوسانی، غیرقابل پیش بینی یا با افت های متناوب همراه است. شناسایی به موقع این وضعیت ها می تواند به طراحی مداخلات آموزشی موثر منجر شود. در این مقاله، تلاش شده است با بررسی پژوهش های جدید و تحلیل مفهومی، شاخص های اصلی ناپایداری یادگیری شناسایی و سپس نقش مدل های پیش بینی هوشمند از جمله الگوریتم های یادگیری ماشین و یادگیری عمیق در پیش بینی این ناپایداری ها بررسی شود. یافته های پژوهش نشان می دهند که شاخص هایی مانند نوسانات عملکرد در آزمون ها، تعامل پایین در محیط های آموزش مجازی، کاهش ناگهانی مشارکت و افت انگیزشی، نقش تعیین کننده ای در ناپایداری یادگیری دارند. همچنین، مدل های پیش بینی مبتنی بر هوش مصنوعی قادرند با دقت بالا روندهای غیرعادی یادگیری را شناسایی و پیش بینی نمایند. نتایج این تحقیق می تواند به سیاست گذاران آموزشی و معلمان در تدوین استراتژی های پایدارسازی یادگیری کمک کند. مقاله حاضر با تکیه بر منابع علمی معتبر و پژوهش های سال های اخیر، نگاهی تحلیلی و کاربردی به این موضوع مهم دارد.

کلیدواژه ها:

ناپایداری یادگیری ، هوش مصنوعی ، پیش بینی هوشمند ، شاخص های عملکرد تحصیلی ، یادگیری ماشین