ارائه چارچوب هوشمند هشدار زودهنگام مبتنی بر یادگیری ماشین برای پیش بینی و مدیریت افت تحصیلی دانش آموزان در نظام آموزشی ایران

افزایش افت تحصیلی و کاهش انگیزه دانش آموزان چالشی اساسی در نظام های آموزشی معاصر است. این مقاله چارچوبی هوشمند برای هشدار زودهنگام افت تحصیلی دانش آموزان ارائه می دهد که ترکیبی از مهندسی ویژگی های آموزشی و رفتاری و الگوریتم های پیشرفته یادگیری ماشین شامل XGBoost و LSTM را به کار می گیرد. ویژگی های مدل شامل نمرات، حضور و غیاب، تعاملات با سامانه های LMS و شاخص های رفتاری استخراج شده از لاگ های آموزشی است. برای تفسیر مدل و ارائه مداخلات عملی، از روش های توضیح پذیری (SHAP) و ماژول توصیه گر مبتنی بر قواعد استفاده شده است. ارزیابی مدل با معیارهای Precision@k، AUC ROC، Recall و F-score نشان می دهد که چارچوب پیشنهادی قادر به شناسایی زودهنگام دانش آموزان پرخطر و ارائه توصیه های هدفمند است. نتایج، مسیر کاربرد عملی و علمی سامانه های هشدار زودهنگام هوشمند در مدارس ایران را مشخص می کند.

کلیدواژه ها:

افت تحصیلی ، هشدار زودهنگام ، یادگیری ماشین ، تحلیل آموزشی ، SHAP ، مدیریت آموزشی