پیش بینی رفتارهای پرخطر دانش آموزان با استفاده از هوش مصنوعی (یادگیری ماشین)

رفتارهای پرخطر در میان دانش آموزان یکی از چالش های جدی در حوزه آموزش و سلامت روان است که می تواند پیامدهای منفی مانند افت تحصیلی، ترک مدرسه، مشکلات اجتماعی و روان شناختی را به همراه داشته باشد. پیش بینی دقیق این رفتارها به منظور مداخله به موقع و کاهش تبعات آن، نیازمند استفاده از ابزارهای پیشرفته و داده محور است. پژوهش حاضر با هدف بررسی امکان به کارگیری یادگیری ماشین برای پیش بینی رفتارهای پرخطر دانش آموزان، به روش تحلیلی-مروری انجام شده است. در این پژوهش، منابع داده متنوعی نظیر اطلاعات تحصیلی، پرسش نامه های روان شناختی، گزارش های معلمان و فعالیت های آنلاین دانش آموزان مورد بررسی قرار گرفته و ویژگی های کلیدی مانند نمرات تحصیلی، غیبت ها، امتیازات رفتاری و تعاملات مجازی استخراج شده است. مهم ترین نتایج این پژوهش نشان می دهد که مدل های یادگیری ماشین، با استفاده از داده های متنوع و پیش پردازش دقیق، قادر به شناسایی الگوهای پنهان مرتبط با رفتارهای پرخطر هستند. این فناوری امکان مداخله به موقع، تخصیص بهینه منابع مشاوره ای و ایجاد داشبوردهای هشداردهنده برای مدیران و مشاوران را فراهم می کند. همچنین، استفاده از الگوریتم های توضیح پذیر می تواند تفسیر تصمیمات مدل ها را ساده تر و اعتماد به این فناوری را افزایش دهد. کاربردهای عملی این پژوهش شامل کمک به مدیران و مشاوران در شناسایی دانش آموزان در معرض خطر، طراحی برنامه های پیشگیرانه و ارتقای کیفیت خدمات روان شناختی است. علاوه بر این، پیشنهاد شده است که سیاست گذاران آموزشی با حمایت از پژوهش های مرتبط، زمینه توسعه مدل های بومی و قابل تعمیم در این حوزه را فراهم کنند. در مجموع، این پژوهش به ارائه راهکارهایی برای استفاده موثر از یادگیری ماشین در پیش بینی رفتارهای پرخطر دانش آموزان و ایجاد محیط های آموزشی سالم تر پرداخته است.

کلیدواژه ها:

: رفتارهای پرخطر ، یادگیری ماشین ، پیش بینی ، دانش آموزان ، تحلیل داده