تحلیل داده های یادگیری برای پیش بینی ریسک ترک تحصیل دانش آموزان

ترک تحصیل دانش آموزان یکی از معضلات اساسی نظام های آموزشی در سراسر جهان و به ویژه در کشورهای درحال توسعه است که پیامدهای اقتصادی، اجتماعی و فرهنگی جبران ناپذیری به همراه دارد. با ظهور فناوری های نوین و گسترش سیستم های مدیریت یادگیری (LMS)، حجم عظیمی از داده های آموزشی تولید می شود که پتانسیل بالایی برای شناسایی زودهنگام دانش آموزان در معرض خطر دارند. این مقاله به بررسی نقش تحلیل داده های یادگیری (Learning Analytics) در پیش بینی ریسک ترک تحصیل می پردازد. هدف اصلی، واکاوی روش های داده کاوی آموزشی، الگوریتم های یادگیری ماشین و شاخص های رفتاری و تحصیلی موثر در این فرآیند است. در این پژوهش مروری، ضمن بررسی مبانی نظری، به چالش های اخلاقی، فنی و اجرایی پیاده سازی این سیستم ها در مدارس ایران پرداخته شده است. نتایج نشان می دهد که استفاده از مدل های پیش بین مبتنی بر داده های تعاملی، نمرات و سوابق دموگرافیک می تواند دقت شناسایی دانش آموزان در معرض خطر را به شکل معناداری افزایش دهد و امکان مداخلات پیشگیرانه را برای مدیران و مشاوران فراهم آورد.

کلیدواژه ها:

واژگان کلیدی:تحلیل داده های یادگیری ، داده کاوی آموزشی ، ترک تحصیل ، پیش بینی ریسک ، یادگیری ماشین ، هوش مصنوعی در آموزش ، مداخله آموزشی.