بررسی اثربخشی مدل های پیش بینی پیشرفت تحصیلی با استفاده از یادگیری عمیق

پیش بینی پیشرفت تحصیلی یکی از موضوعات مهم در حوزه آموزش است که نقش بسزایی در بهبود کیفیت یادگیری، کاهش افت تحصیلی و ارتقای تصمیم گیری های آموزشی دارد. با گسترش فناوری های نوین و افزایش حجم داده های آموزشی، استفاده از روش های مبتنی بر هوش مصنوعی، به ویژه یادگیری عمیق، به عنوان رویکردی موثر برای پیش بینی عملکرد تحصیلی مورد توجه قرار گرفته است. هدف این پژوهش، بررسی اثربخشی مدل های پیش بینی پیشرفت تحصیلی با استفاده از یادگیری عمیق است. پژوهش حاضر از نظر هدف، کاربردی و از نظر روش اجرا، توصیفی تحلیلی بوده و با استفاده از روش مرور نظام مند منابع علمی انجام شده است. داده های پژوهش از طریق بررسی مقالات، کتاب ها و پایان نامه های معتبر فارسی و انگلیسی گردآوری و با روش تحلیل محتوای کیفی مورد بررسی قرار گرفت. یافته ها نشان داد که مدل های یادگیری عمیق در مقایسه با بسیاری از روش های آماری سنتی و برخی الگوریتم های یادگیری ماشین، دقت بیشتری در پیش بینی پیشرفت تحصیلی دارند و قادرند با تحلیل داده های پیچیده و حجیم، دانش آموزان در معرض افت تحصیلی را با دقت بیشتری شناسایی کنند. همچنین، کیفیت داده ها، حجم نمونه، انتخاب معماری مناسب شبکه های عصبی و نحوه آموزش مدل، از مهم ترین عوامل موثر بر عملکرد این مدل ها هستند. در مجموع، نتایج پژوهش بیانگر آن است که به کارگیری مدل های یادگیری عمیق می تواند نقش موثری در توسعه آموزش هوشمند، شخصی سازی فرآیند یادگیری، بهبود برنامه ریزی آموزشی و افزایش کیفیت تصمیم گیری در نظام های آموزشی ایفا کند.

کلیدواژه ها:

پیشرفت تحصیلی ، یادگیری عمیق ، هوش مصنوعی ، پیش بینی تحصیلی ، شبکه های عصبی ، داده کاوی آموزشی ، آموزش هوشمند