به کارگیری یادگیری ماشین برای شناسایی زودهنگام دانش آموزان در معرض خطر افت تحصیلی در دوره ابتدایی: الگویی برای مدیریت پیشگیرانه آموزشی

چکیدههدف: پژوهش حاضر با هدف مرور نظام مند پژوهش های انجام شده در حوزه به کارگیری یادگیری ماشین برای شناسایی زودهنگام دانش آموزان در معرض خطر افت تحصیلی در دوره ابتدایی صورت گرفته است. روش: این مقاله به روش مروری و با بررسی جامع منابع علمی معتبر داخلی و خارجی منتشرشده در بازه زمانی ۲۰۱۹ تا ۲۰۲۶ تدوین شده است. یافته ها: یافته ها نشان می دهد که الگوریتم های یادگیری ماشین از قابلیت بالایی در شناسایی دانش آموزان در معرض خطر افت تحصیلی از همان سال های ابتدایی برخوردار هستند. مدل هایی نظیر جنگل تصادفی، Extra Trees، گرادیان تقویتی، رگرسیون لجستیک و ماشین بردار پشتیبان با دقت قابل قبولی توانسته اند دانش آموزان در معرض خطر را از سایرین متمایز سازند. مهم ترین پیش بینی کننده های افت تحصیلی در دوره ابتدایی شامل مهارت های اولیه سوادآموزی و شمارش، کارکردهای اجرایی (به ویژه توجه)، سلامت جسمانی و بینایی و شنوایی، مهارت های حرکتی، رفتار و مهارت های اجتماعی، نگرش به مدرسه، سطح تحصیلات والدین (به ویژه مادر)، و عوامل مرتبط با مدرسه و معلم شناسایی شده اند. نتیجه گیری: به کارگیری یادگیری ماشین در حوزه شناسایی زودهنگام افت تحصیلی، رویکردی نوین و کارآمد برای غربالگری و طراحی مداخلات پیشگیرانه ارائه می دهد. بااین حال، شکاف های پژوهشی قابل توجهی در زمینه کاربرد این روش ها برای دانش آموزان دوره ابتدایی در ایران وجود دارد که ضرورت انجام پژوهش های بیشتر را آشکار می سازد.کلیدواژه ها: افت تحصیلی، یادگیری ماشین، دانش آموزان دوره ابتدایی، شناسایی زودهنگام، مدیریت پیشگیرانه آموزشی، داده کاوی آموزشی