کاربرد داده کاوی آموزشی در پیش بینی عملکرد تحصیلی و شخصی سازی آموزش

با گسترش فناوری های دیجیتال در نظام های آموزشی، حجم عظیمی از داده های آموزشی تولید شده است که تحلیل سنتی آن ها امکان پذیر نیست. داده کاوی آموزشی به عنوان یکی از شاخه های میان رشته ای علم داده و علوم تربیتی، با هدف استخراج الگوهای پنهان از داده های یادگیری، نقش مهمی در پیش بینی عملکرد تحصیلی و شخصی سازی آموزش ایفا می کند. پژوهش حاضر با روش کتابخانه ای و رویکرد توصیفی–تحلیلی، به بررسی نظام مند کاربردهای داده کاوی آموزشی در پیش بینی پیشرفت تحصیلی و طراحی آموزش های شخصی سازی شده پرداخته است. یافته ها نشان می دهد که تکنیک هایی مانند درخت تصمیم، شبکه های عصبی، ماشین بردار پشتیبان و خوشه بندی، قابلیت بالایی در پیش بینی موفقیت تحصیلی، شناسایی دانش آموزان در معرض افت تحصیلی و تطبیق محتوا با ویژگی های یادگیرندگان دارند. نتایج این پژوهش بر ضرورت بهره گیری هدفمند از داده کاوی آموزشی در سیاست گذاری و طراحی نظام های یادگیری هوشمند تاکید می کند.

کلیدواژه ها:

داده کاوی آموزشی ، پیش بینی عملکرد تحصیلی ، شخصی سازی آموزش ، یادگیری هوشمند ، تحلیل داده های آموزشی