پایش مستمر اثربخشی آموزش های مهارتی از طریق داده کاوی خروجی های فارغ التحصیلان

آموزش های مهارتی به عنوان ستون فقرات توسعه اقتصادی و نیروی کار مولد، نیازمند سازوکارهای ارزیابی دقیقی هستند که بتواند اثربخشی آن ها را به صورت مستمر و با اتکا به شواهد عینی سنجش کند. چالش اصلی نظام های آموزش عالی و فنی وحرفه ای در دهه های اخیر، عدم تطابق فزاینده میان محتوای آموزشی ارائه شده و نیازمندی های پویا و پیچیده بازار کار است. روش های سنتی ارزیابی اثربخشی، که عمدتا متکی بر نظرسنجی های مقطعی و داده های محدود پس از فارغ التحصیلی هستند، قادر به ارائه تصویری جامع، بلادرنگ و تحلیلی از مسیر شغلی فارغ التحصیلان و تاثیر مستقیم آموزش بر عملکرد آن ها در محیط کار نیستند. این پژوهش با هدف رفع این خلا، چارچوبی مبتنی بر داده کاوی و یادگیری ماشین را برای پایش مستمر و تحلیلی اثربخشی آموزش های مهارتی، با استفاده از داده های حاصل از ردیابی طولانی مدت خروجی های فارغ التحصیلان، ارائه می دهد. روش شناسی پژوهش ترکیبی از رویکردهای کمی، کلان داده محور و تحلیل طولی است. در این راستا، مجموعه ای یکپارچه از داده های آموزشی (مانند نمرات، سوابق حضور، محتوای درسی) و داده های بازار کار (مانند سوابق بیمه تامین اجتماعی، اطلاعات اشتغال و میزان درآمد) با استفاده از تکنیک های پیشرفته پیش پردازش داده ها، پاک سازی و ادغام شده اند. سپس، الگوریتم های یادگیری ماشین شامل خوشه بندی (مانند K-Means برای شناسایی گروه های فارغ التحصیلان با مسیرهای شغلی مشابه) و طبقه بندی (مانند جنگل تصادفی برای پیش بینی موفقیت شغلی بر اساس ویژگی های آموزشی) به کار گرفته شده اند. یافته های کلیدی پژوهش نشان می دهد که ترکیب ویژگی های مرتبط با شایستگی های نرم (Soft Skills) و سختی (Hard Skills) در مدل های پیش بینی، قدرت تبیین بالاتری نسبت به صرفا نمرات آزمون های پایانی دارند. همچنین، تحلیل توالی زمانی آشکار ساخت که تاثیر برخی ماژول های مهارتی خاص، نه بلافاصله پس از فارغ التحصیلی، بلکه پس از یک دوره تثبیت شغلی دوساله، به اوج خود می رسد. این پژوهش نوآوری خود را در ارائه یک سیستم نظارتی پویا (Dynamic Monitoring System) می داند که امکان بازخورد فوری و اصلاح مداوم برنامه های درسی را فراهم می آورد و بدین ترتیب، شکاف بین عرضه و تقاضای مهارتی را به حداقل می رساند. کاربردهای این چارچوب، شامل تصمیم گیری مبتنی بر شواهد برای سیاست گذاران آموزشی و ارتقاء کیفیت آموزش های مهارتی در راستای توسعه پایدار ملی است.

کلیدواژه ها:

داده کاوی آموزشی ، پایش اثربخشی ، تحلیل طولانی مدت ، یادگیری ماشین ، آموزش مهارتی ، خروجی فارغ التحصیلان ، انطباق بازار کار