بررسی نقش تحلیل یادگیری در پیش بینی عملکرد تحصیلی و بهبود تصمیم گیری آموزشی در محیط های دیجیتال

با گسترش سریع آموزش دیجیتال و یادگیری الکترونیکی، حجم عظیمی از داده های آموزشی در سامانه های مدیریت یادگیری (LMS)، کلاس های مجازی و پلتفرم های آموزش آنلاین تولید می شود. تحلیل یادگیری (Learning Analytics) به عنوان رویکردی داده محور، با هدف استخراج الگوهای معنادار از داده های آموزشی، امکان پیش بینی عملکرد تحصیلی و بهبود تصمیم گیری آموزشی را فراهم می سازد. پژوهش حاضر با رویکردی توصیفی–تحلیلی و مبتنی بر مطالعات کاربردی، به بررسی نقش تحلیل یادگیری در شناسایی دانشجویان در معرض افت تحصیلی، بهینه سازی مداخلات آموزشی و ارتقای کیفیت فرآیند تدریس–یادگیری در محیط های دیجیتال می پردازد.در این مقاله، ضمن تبیین مفاهیم کلیدی تحلیل یادگیری، داده کاوی آموزشی (Educational Data Mining) و هوش مصنوعی در آموزش، مدل های رایج پیش بینی عملکرد تحصیلی از جمله رگرسیون لجستیک، درخت تصمیم، شبکه های عصبی و الگوریتم های یادگیری ماشین مقایسه و تحلیل شده اند. یافته ها نشان می دهد که استفاده از شاخص هایی نظیر میزان تعامل دانشجو با محتوا، زمان حضور در سامانه، الگوی مشارکت در بحث های آنلاین، نتایج آزمون های مستمر و رفتار کلیک (Clickstream Data) می تواند با دقت قابل توجهی عملکرد نهایی دانشجویان را پیش بینی کند.همچنین نتایج حاکی از آن است که بهره گیری هدفمند از داشبوردهای تحلیلی و سیستم های هشدار زودهنگام (Early Warning Systems) موجب بهبود تصمیم گیری آموزشی، طراحی مداخلات شخصی سازی شده، افزایش انگیزش تحصیلی و کاهش نرخ ترک تحصیل می شود. با این حال، چالش هایی نظیر حفظ حریم خصوصی داده ها، مسائل اخلاقی، سوگیری الگوریتمی و نیاز به سواد داده ای در میان معلمان و مدیران آموزشی از جمله موانع پیاده سازی موثر تحلیل یادگیری به شمار می روند.در مجموع، این پژوهش نشان می دهد که تحلیل یادگیری می تواند به عنوان ابزاری راهبردی در مدیریت هوشمند آموزش دیجیتال عمل کرده و با فراهم سازی بینش های مبتنی بر داده، مسیر حرکت از آموزش سنتی به آموزش هوشمند و شخصی سازی شده را تسهیل کند. توسعه زیرساخت های فناورانه، تدوین چارچوب های اخلاقی و ارتقای مهارت های تحلیلی ذی نفعان، پیش شرط های اساسی برای بهره برداری اثربخش از ظرفیت های تحلیل یادگیری در نظام آموزش عالی و مدارس دیجیتال محسوب می شود.