استفاده از یادگیری ماشین برای تحلیل رفتار یادگیری دانش آموزان

پژوهش حاضر با هدف تبیین مبانی نظری و کاربردی یادگیری ماشین در تحلیل رفتار یادگیری دانش آموزان تدوین شده است. در سال های اخیر، گسترش فناوری های دیجیتال و افزایش حجم داده های آموزشی، امکان بهره گیری از الگوریتم های هوشمند برای تحلیل الگوهای یادگیری را فراهم کرده است. یادگیری ماشین با اتکا بر روش های آماری و مدل های محاسباتی قادر است الگوهای پنهان در داده های آموزشی مانند نمرات، میزان مشارکت کلاسی، حضور و غیاب و تعامل با سامانه های یادگیری الکترونیکی را شناسایی کند. این پژوهش با رویکردی مروری، ضمن بررسی دیدگاه های نظری مطرح شده در حوزه فلسفه و نظریه یادگیری ماشین، به تبیین ظرفیت های الگوریتم های نظارت شده، بدون نظارت و یادگیری عمیق در پیش بینی عملکرد تحصیلی و شناسایی دانش آموزان در معرض افت تحصیلی پرداخته است. نتایج بررسی منابع نشان می دهد که استفاده هدفمند از مدل های یادگیری ماشین می تواند دقت تصمیم گیری آموزشی را افزایش داده و زمینه طراحی مداخلات آموزشی شخصی سازی شده را فراهم آورد. با این حال، توجه به ملاحظات اخلاقی، شفافیت الگوریتم ها و حفظ حریم خصوصی دانش آموزان شرط اساسی در به کارگیری این فناوری در نظام آموزشی است.

کلیدواژه ها:

یادگیری ماشین ، تحلیل رفتار یادگیری ، پیش بینی عملکرد تحصیلی ، داده کاوی آموزشی