پیش بینی عملکرد در آزمون ریاضی و ارزیابی عوامل موثر در آن در یک سامانه تطبیقی با استفاده از هوش مصنوعی

پیش بینی عملکرد تحصیلی دانش آموزان و شناسایی عوامل موثر بر آن نقش مهمی در بهبود سیستم های آموزشی و ارتقاء کیفیت یادگیری ایفا می کند. در این پژوهش، هدف پیش بینی عملکرد شرکت کنندگان در آزمون ریاضی که به صورت برخط بوده و ارزیابی عوامل تاثیرگذار بر این عملکرد در یک سامانه تطبیقی با استفاده از روش های هوش مصنوعی می باشد. بدین منظور از مجموعه داده ASSISTments استفاده شده است و بیش از ۱۶۰ هزار رکورد از پاسخ های شرکت کنندگان در آزمون ریاضی مورد بررسی قرار می گیرد. ابتدا فرآیند پیش پردازش و تمیزسازی داده ها اعمال گردید تا کیفیت و دقت تحلیل ها افزایش یابد. سپس ویژگی های منتخب استخراج شدند و نرمال سازی و متوازن سازی داده ها انجام می پذیرد. در گام بعد عملکرد دانش آموزان با استفاده از تکنیک های مختلف یادگیری ماشین و الگوریتم های ترکیبی مورد بررسی قرار می گیرد. الگوریتم های مختلفی از جمله شبکه های عصبی مصنوعی، نیوبیز، کا نزدیک ترین همسایه، جنگل تصادفی و انواع الگوریتم های بوستینگ برای مدل سازی و پیش بینی عملکرد دانش آموزان به کار گرفته شده است. این الگوریتم ها بر روی دو دسته ویژگی ارزیابی شده اند. پس از مدل سازی، اهمیت و نقش هر یک از ویژگی ها بر اساس دو روش مبتنی بر مدل و مبتنی بر جابجایی در پیش بینی عملکرد دانش آموزان مورد ارزیابی قرار می گیرد. نتایج این تحقیق نشان داد که جنگل تصادفی قادر به پیش بینی عملکرد افراد در آزمون با دقت ۹۲ درصد برای دسته ویژگی ها ۹گانه و با دقت ۹۷ درصد برای دسته ویژگی های ۱۲گانه است. همچنین، نقش هر کدام از ویژگی ها در عملکرد دانش آموز در هر دسته از ویژگی ها ارزیابی می گردد.

کلیدواژه ها:

سامانه تطبیقی ، پیش بینی عملکرد ، هوش مصنوعی ، داده کاوی آموزشی