بررسی نقش الگوریتم های یادگیری ماشین در شناسایی زودهنگام خطر افت تحصیلی دانش آموزان دوره متوسطه

پژوهش حاضر با هدف بررسی نقش الگوریتم های یادگیری ماشین در شناسایی زودهنگام خطر افت تحصیلی دانش آموزان دوره متوسطه انجام شده است. افت تحصیلی به عنوان یکی از چالش های اساسی نظام های آموزشی جهان و به ویژه ایران، پیامدهای فردی، خانوادگی و اجتماعی گسترده ای به همراه دارد و شناسایی به موقع دانش آموزان در معرض خطر، گام نخست در طراحی مداخلات پیشگیرانه موثر به شمار می رود. در سال های اخیر، با گسترش سامانه های آموزشی دیجیتال و تولید حجم عظیمی از داده های تعاملی دانش آموزان، فرصت بی سابقه ای برای به کارگیری روش های تحلیلی پیشرفته از جمله یادگیری ماشین در حوزه آموزش فراهم شده است. این پژوهش با رویکرد توصیفی-تحلیلی و با مرور نظام مند مطالعات انجام شده در بازه زمانی ۱۳۹۸ تا ۱۴۰۴، به شناسایی و تحلیل الگوریتم های مختلف یادگیری ماشین شامل جنگل تصادفی، درخت تصمیم، ماشین بردار پشتیبان، شبکه های عصبی مصنوعی، رگرسیون لجستیک و مدل های گروهی همچون XGBoost و LightGBM پرداخته است. یافته های پژوهش نشان می دهد که الگوریتم های یادگیری ماشین با دقتی بالغ بر ۹۱ درصد و سطح زیر منحنی مشخصه عملکرد سیستم نزدیک به ۹۴ درصد، توانایی قابل توجهی در پیش بینی خطر افت تحصیلی دارند و متغیرهایی همچون تعداد غیبت ها، نمرات مستمر، زمان صرف شده در سامانه آموزشی، تاخیر در ارسال تکالیف و سابقه عملکرد تحصیلی پیشین، مهم ترین پیش بینی کننده های افت تحصیلی محسوب می شوند. همچنین، مدل های ترکیبی و گروهی عملکرد بهتری نسبت به مدل های منفرد داشته و الگوریتم جنگل تصادفی در میان مدل های منفرد بیشترین دقت را نشان داده است. بر اساس یافته ها، سیستم های هشدار زودهنگام مبتنی بر یادگیری ماشین می توانند به عنوان ابزاری کارآمد در دست مدیران و معلمان قرار گیرند تا با شناسایی به موقع دانش آموزان در معرض خطر، مداخلات آموزشی شخصی سازی شده و به هنگام را طراحی و اجرا نمایند. با این حال، چالش هایی همچون کیفیت و کمبود داده های ساختاریافته، نبود زیرساخت های فنی مناسب در مدارس، مقاومت در برابر پذیرش فناوری های نوین و ملاحظات اخلاقی مرتبط با حریم خصوصی دانش آموزان، موانع مهمی در مسیر پیاده سازی عملی این سیستم ها در نظام آموزش و پرورش ایران به شمار می روند. پژوهش حاضر ضمن تاکید بر ظرفیت بالای یادگیری ماشین در تحول رویکردهای سنتی شناسایی افت تحصیلی، بر لزوم تدوین چارچوب های اجرایی متناسب با بافت فرهنگی و آموزشی ایران و توسعه زیرساخت های فنی و نیروی انسانی متخصص تاکید می نماید.

کلیدواژه ها:

یادگیری ماشین ، افت تحصیلی ، شناسایی زودهنگام ، دانش آموزان متوسطه ، داده کاوی آموزشی