طراحی سیستم پشتیبان تصمیم گیری‎ (DSS) ‎داده محور برای تخصیص بهینه منابع آموزشی

تخصیص کارآمد، عادلانه و استراتژیک منابع آموزشی اعم از منابع مالی، زیرساخت های فیزیکی، تجهیزات فناورانه و سرمایه انسانی (نظیر معلمان مجرب و متخصصان آموزشی)، یکی از چالش های بنیادین در مدیریت کلان سیستم های آموزش و پرورش است. در بسیاری از ساختارهای آموزشی مدرن، توزیع نامتوازن این منابع نه تنها بر کیفیت خروجی های یادگیری دانش آموزان تاثیر منفی می گذارد، بلکه موجب تعمیق شکاف های آموزشی و بی عدالتی میان مناطق جغرافیایی و دهک های مختلف اجتماعی می گردد. از منظر تئوری وابستگی به منابع‎ (Resource Dependence Theory)‎، سازمان های آموزشی برای حفظ اثربخشی و ارتقای عملکرد خود به شدت نیازمند مدیریت استراتژیک منابع کمیاب محیطی هستند. با این وجود، رویکردهای سنتی در تخصیص منابع، غالبا مبتنی بر فرآیندهای بوروکراتیک، تخصیص های خطی، سوگیری های ذاتی و قضاوت های فردی بوده اند که توانایی درک پیچیدگی های پویای شبکه های آموزشی را ندارند (الجعیدی، ۲۰۱۷). توزیع ناکارآمد تنها معطوف به محدودیت های بودجه ای نیست، بلکه نشان دهنده یک نقص ساختاری در معماری سیستم های تصمیم گیری آموزشی است. در نقطه مقابل، سیستم های پشتیبان تصمیم گیری‎ (DSS) ‎به عنوان یکی از پیشرفته ترین ابزارهای هوش تجاری در سیستم های اطلاعاتی مدیریت، ظرفیت بالایی برای ارتقای فرآیندهای تخصیص و توزیع ایجاد کرده اند. هدف اصلی این پژوهش، توسعه و طراحی معماری یک سیستم پشتیبان تصمیم گیری مبتنی بر کلان داده ها است که با ادغام جریان های اطلاعاتی و استفاده از روش های تحلیلی هوشمند، فرآیند مدیریت منابع آموزشی را از یک رویکرد شهودی به یک فرآیند کاملا داده بنیان، شفاف و بهینه سازی شده تبدیل نماید تا ضمن افزایش بهره وری، اصل برابری فرصت های آموزشی نیز محقق گردد‎.‎این پژوهش از منظر هدف، یک تحقیق کاربردی و از جنبه روش گردآوری و تحلیل، یک مطالعه توسعه ای-تحلیلی در حوزه معماری سیستم های اطلاعاتی پیشرفته محسوب می شود. فرآیند اجرای تحقیق در سه فاز اصلی و به هم پیوسته طراحی شده است. در فاز نخست، با استفاده از روش فراترکیب‎ (Meta-Synthesis) ‎و بررسی نظام مند اسناد، شاخص های کلیدی موثر بر نیازسنجی آموزشی استخراج می گردند. مطالعات پیشین (موهرلیسیانی و همکاران، ۲۰۲۲) اثربخشی استفاده از تکنیک های تصمیم گیری چندمعیاره‎ (MCDM) ‎در بستر سیستم های اطلاعاتی را برای حل مسائل پیچیده تخصیص منابع به اثبات رسانده اند. بر این اساس، شاخص هایی نظیر نرخ تراکم کلاس، نسبت دانش آموز به معلم، نرخ افت تحصیلی منطقه ای، شاخص برخورداری فیزیکی و نیازهای فناورانه به عنوان متغیرهای ورودی مدل انتخاب شدند. در فاز دوم، با بهره گیری از استانداردهای مدل سازی فرآیندهای سازمانی، جریان فعلی داده ها در سامانه های جزیره ای آموزش و پرورش ترسیم شده و گلوگاه های اطلاعاتی شناسایی می شوند. در فاز نهایی، معماری سیستم پیشنهادی مبتنی بر معماری سه لایه شامل انبار داده‎ (Data Warehouse)‎، پایگاه مدل سازی‎ (Model Base) ‎و رابط کاربری هوش تجاری طراحی می گردد‎.‎ سیستم پشتیبان تصمیم گیری ارائه شده در این مدل مفهومی، از طریق فرآیندهای استخراج، تبدیل و بارگذاری‎ (ETL)‎، کلان داده های پراکنده مربوط به سوابق تحصیلی دانش آموزان، گزارش های بودجه ریزی مالی و پایگاه های داده منابع انسانی را پاک سازی کرده و در یک مخزن متمرکز ذخیره می کند. هسته تحلیلی این سامانه با بهره گیری از الگوریتم تاپسیس‎ (TOPSIS) ‎و توابع هدف بهینه سازی، قابلیت شبیه سازی سناریوها‎ (What-If Analysis) ‎را به صورت لحظه ای فراهم می آورد. این امر به مدیران ارشد آموزشی اجازه می دهد پیامدهای تخصیص، کاهش یا انتقال یک منبع خاص را پیش از اجرای واقعی ارزیابی کنند و استراتژی های جایگزین را بررسی نمایند. خروجی این پردازش های پیچیده در لایه نمایش سیستم به شکل نقشه های حرارتی‎ (Heatmaps) ‎از توزیع جغرافیایی کمبودها و داشبوردهای تعاملی ارائه می شود تا درک الگوهای پنهان داده ای برای سیاست گذاران غیرفنی نیز تسهیل گردد‎.‎یافته های مفهومی این پژوهش نشان می دهد که استقرار مدل پیشنهادی می تواند تحولی پارادایمی در مدیریت منابع فیزیکی و انسانی آموزش و پرورش ایجاد کند. به کارگیری این سیستم جامع دستاوردهای چندگانه ای به همراه دارد که از مهم ترین آن ها می توان به ارتقای بهره وری اقتصادی سیستم از طریق شناسایی دقیق و هدایت منابع به مدارسی با بالاترین نرخ بازگشت سرمایه آموزشی‎ (ROI) ‎اشاره کرد. علاوه بر این، سیستم با پایش مستمر داده ها و ارائه هشدارهای زودهنگام پیش از وقوع افت محسوس کیفیت تحصیلی در یک منطقه، نقش پیشگیرانه ای در مدیریت بحران های آموزشی ایفا می کند . همچنین، استانداردسازی رویه های مدیریتی و حذف دخالت های غیرتخصصی و سوگیری های شناختی در تخصیص بودجه و امکانات، گامی اساسی در جهت ارتقای شفافیت سازمانی و پاسخگویی نهادی محسوب می شود‎.‎ در نتیجه گیری می توان اذعان داشت که محیط های گسترده، پویا و به شدت متغیر آموزشی در عصر حاضر، نیازمند ابزارهای مدیریتی پیشرفته ای هستند که پاسخگوی پیچیدگی های فزاینده جریان اطلاعات باشند. نتایج این پژوهش تایید می کند که طراحی و پیاده سازی یک سیستم پشتیبان تصمیم گیری (DSS) مبتنی بر کلان داده ها، نه تنها یک ضرورت تکنولوژیک برای یکپارچه سازی و نوسازی سیستم های اداری آموزش و پرورش است، بلکه ابزاری راهبردی برای تحقق عدالت اجتماعی و آموزشی در سطح کلان به شمار می رود. این مدل با ایجاد پلی مستحکم میان فناوری اطلاعات، نظریه های سازمانی و علوم تربیتی، رویکرد رهبری آموزشی مبتنی بر شواهد را مستقر می سازد. پیشنهاد می شود در توسعه های آینده این معماری اطلاعاتی، امکان بهره گیری از الگوریتم های پیشرفته یادگیری ماشین (Machine Learning) به منظور تحلیل روندهای گذشته و پیش بینی هوشمند و خودکار تغییرات تقاضای آموزشی در سال های آتی، مورد بررسی و پیاده سازی قرار گیرد.

کلیدواژه ها:

سیستم پشتیبان تصمیم گیری (DSS) ، تخصیص منابع آموزشی ، تصمیم گیری داده محور ، مدیریت سیستم های اطلاعاتی ، تصمیم گیری چندمعیاره (MCDM) ، عدالت آموزشی.