ارائه مدل پیش بینی افت تحصیلی دانش آموزان بر اساس داده های آموزشی و عوامل مدرسه ای

افت تحصیلی از مهم ترین چالش های نظام های آموزشی است که پیامدهایی مانند کاهش فرصت های یادگیری، تضعیف انگیزش تحصیلی، افزایش احتمال ترک تحصیل و تشدید نابرابری های آموزشی را به همراه دارد. ازاین رو، شناسایی زودهنگام دانش آموزان در معرض خطر و طراحی مداخلات پیشگیرانه، به یکی از اول های سیاست گذاری و مدیریت آموزشی تبدیل شده است (OECD, ۲۰۲۳; UNESCO, ۲۰۲۳). پژوهش حاضر با هدف ارائه مدلی برای پیش بینی افت تحصیلی دانش آموزان بر اساس تلفیق داده های آموزشی و عوامل مدرسه ای انجام می شود. این پژوهش از نظر هدف، کاربردی و از حیث روش، کمی، پیش بینانه و مبتنی بر رویکرد داده کاوی آموزشی است. داده های مورد نیاز شامل سوابق تحصیلی، اطلاعات حضور و غیاب، نتایج ارزشیابی های مستمر، ویژگی های جمعیت شناختی و شاخص های مدرسه ای است. عوامل مدرسه ای مورد بررسی شامل جو مدرسه، کیفیت تدریس، حمایت تحصیلی معلمان، امکانات آموزشی، تراکم کلاس و تعامل خانه و مدرسه است. پس از پیش پردازش داده ها، عملکرد الگوریتم های مختلف یادگیری ماشین (مانند جنگل تصادفی و تقویت گرادیانی) در پیش بینی افت تحصیلی مقایسه خواهد شد. ارزیابی مدل ها با استفاده از شاخص های دقت، حساسیت و سطح زیر منحنی ROC انجام می گیرد. یافته های پژوهش های حوزه تحلیل یادگیری نشان داده اند که الگوهای حضور، عملکرد پیشین و شرایط محیط یادگیری، پیش بین های موثری برای موفقیت یا شکست تحصیلی هستند (Alyahyan & Düştegör, ۲۰۲۰). مدل پیشنهادی می تواند مبنایی برای استقرار سامانه هشدار زودهنگام و برنامه ریزی مداخلات متناسب در سطح مدرسه فراهم آورد.

کلیدواژه ها:

افت تحصیلی ، داده کاوی آموزشی ، تحلیل یادگیری ، عوامل مدرسه ای ، سامانه هشدار زودهنگام.