ارزیابی کارایی سیستمهای هوشمند در تشخیص زودهنگام افت تحصیلی دانش آموزان

افت تحصیلی به عنوان یکی از چالشهای بنیادین نظامهای آموزشی معاصر، نه تنها فرآیندیادگیری فردی را مختل میسازد، بلکه پیامدهای گستردهای بر سرمایه انسانی و توسعه پایدار جوامعدارد. هدف از این پژوهش، ارزیابی کارایی و دقت سیستمهای هوشمند مبتنی بر یادگیری ماشین وکلاندادهها در پیشبینی و تشخیص زودهنگام افت تحصیلی دانشآموزان است. این مطالعه بارویکردی مروری-تحلیلی و با تکیه بر جدیدترین یافتههای پژوهشی منتشر شده در سالهای اخیر( ،)۱۴۰۴-۱۳۷۷به واکاوی الگوریتمهای پیشبینانه و نقش کلاندادهها در مدیریت آموزشی پرداختهاست. یافتهها نشان میدهد که ادغام دادههای چندمنبعه (شامل نمرات، رفتارهای دیجیتال، و اطلاعاتدموگرافیک) در بستر الگوریتمهای یادگیری ماشین، دقت پیشبینی را به طور چشمگیری افزایشمیدهد. مطالعات اخیر حاکی از آن است که مدلهای مبتنی بر یادگیری عمیق و شبکههای عصبی، درشناسایی الگوهای پیچیده و غیرخطی مرتبط با افت تحصیلی برتری دارند، هرچند چالشهایی نظیرتفسیرپذیری مدلها ) (Explainabilityو حریم خصوصی دادهها همچنان پابرجاست. نتیجهگیریپژوهش بر ضرورت بومیسازی الگوریتمها بر اساس دادههای آموزشی ایران و توجه به ابعاد اخلاقی وروانشناختی در پیادهسازی این سیستمها تاکید دارد.

کلیدواژه ها:

افت تحصیلی ، یادگیری ماشین ، کلاندادههای آموزشی ، پیشبینی ترک تحصیل ، سیستمهای هشدار زودهنگام