پیش بینی پیشرفت تحصیلی دانش آموزان با استفاده از تکنیک های داده کاوی آموزشی (Educational Data Mining)

پیشرفت تحصیلی دانش آموزان یکی از مهم ترین شاخص های موفقیت نظام های آموزشی محسوب می شود و شناسایی عوامل موثر بر آن همواره مورد توجه پژوهشگران حوزه آموزش و یادگیری بوده است. در سال های اخیر با گسترش فناوری های آموزشی و افزایش حجم داده های آموزشی، استفاده از روش های داده کاوی آموزشی (Educational Data Mining) به عنوان رویکردی نوین برای تحلیل داده های یادگیری و پیش بینی عملکرد تحصیلی دانش آموزان مورد توجه قرار گرفته است. هدف پژوهش حاضر پیش بینی پیشرفت تحصیلی دانش آموزان با استفاده از تکنیک های داده کاوی آموزشی و شناسایی مهم ترین متغیرهای موثر بر آن است. روش پژوهش از نوع کمی و کاربردی بوده و با استفاده از داده های آموزشی دانش آموزان انجام شده است. داده های مورد بررسی شامل اطلاعاتی مانند نمرات دروس، میزان حضور و غیاب، مشارکت در فعالیت های کلاسی، تکالیف آموزشی و برخی شاخص های رفتاری و یادگیری دانش آموزان بوده است. برای تحلیل داده ها و پیش بینی عملکرد تحصیلی از الگوریتم های داده کاوی نظیر درخت تصمیم، ماشین بردار پشتیبان و شبکه های عصبی مصنوعی استفاده شده است. نتایج پژوهش نشان داد که مدل های داده کاوی توانایی قابل توجهی در پیش بینی پیشرفت تحصیلی دانش آموزان دارند. همچنین مشخص شد که متغیرهایی مانند نمرات آزمون های قبلی، میزان حضور در کلاس و سطح مشارکت در فعالیت های آموزشی از مهم ترین عوامل پیش بینی کننده پیشرفت تحصیلی هستند. یافته های پژوهش بیانگر آن است که بهره گیری از تکنیک های داده کاوی آموزشی می تواند به معلمان و مدیران آموزشی در شناسایی زودهنگام دانش آموزان در معرض افت تحصیلی و طراحی مداخلات آموزشی موثر کمک کند.

کلیدواژه ها:

داده کاوی آموزشی ، پیشرفت تحصیلی ، تحلیل داده های آموزشی ، یادگیری ماشین ، پیش بینی عملکرد تحصیلی