کاربرد داده کاوی آموزشی برای پیش بینی افت تحصیلی

افت تحصیلی یکی از چالش های بنیادین در نظام های آموزشی سراسر جهان و به ویژه در ایران است که منجر به هدررفت منابع انسانی و مالی می شود. با ظهور فناوری های نوین و افزایش حجم داده های ذخیره شده در سیستم های مدیریت یادگیری و پایگاه های داده آموزشی، داده کاوی آموزشی (EDM) به عنوان یک راهکار قدرتمند برای تحلیل این داده ها و پیش بینی رفتار دانشجویان مطرح شده است. هدف اصلی این مقاله، بررسی چگونگی استفاده از تکنیک های داده کاوی جهت شناسایی زودهنگام دانشجویان در معرض خطر افت تحصیلی است. در این پژوهش، روش های مختلف دسته بندی، خوشه بندی و قوانین انجمنی مورد بحث قرار گرفته و نقش متغیرهای جمعیت شناختی، تحصیلی و رفتاری در دقت مدل های پیش بینی تحلیل می شود. نتایج نشان می دهد که با به کارگیری الگوریتم هایی نظیر درخت تصمیم، شبکه های عصبی و ماشین بردار پشتیبان، می توان با دقت بالایی وضعیت تحصیلی آینده دانشجویان را پیش بینی کرد و مداخلات لازم را انجام داد.

کلیدواژه ها:

داده کاوی آموزشی ، افت تحصیلی ، پیش بینی عملکرد ، یادگیری ماشین ، سیستم های مدیریت یادگیری ، آموزش عالی.