کاربست تحلیل های هوش مصنوعی در ارزشیابی تشخیصی جهت پیشگیری از افت تحصیلی دانش آموزان مدارس

هدف اصلی پژوهش حاضر، بررسی کاربست و نقش تحلیل های مبتنی بر هوش مصنوعی در فرایند ارزشیابی تشخیصی دانش آموزان مدارس به منظور پیشگیری به موقع از افت تحصیلی آنان است. این مطالعه با اتخاذ یک روش توصیفی-تحلیلی و مرور سیستماتیک منابع پژوهشی مرتبط، به بررسی چگونگی استفاده از الگوریتم های یادگیری ماشین، یادگیری عمیق و مدل های پیش بینی رفتار تحصیلی در فرآیند ارزشیابی آغازین پرداخته است. روند پژوهش متمرکز بر گردآوری اطلاعات از پایگاه های علمی معتبر داخلی و بین المللی، دسته بندی ابزارهای هوش مصنوعی و واکاوی پیاده سازی عملیاتی آن ها در مدارس بوده است. مدل تحلیل مطالب در این پژوهش، سنتز پژوهشی کیفی و تحلیل محتوای تماتیک پروتکل های هوش مصنوعی بود که به بررسی الگوهای رفتاری، نقاط ضعف پایه ای و سبک های یادگیری فراگیران در بدو ورود به سال تحصیلی جدید اختصاص یافت. نتایج به دست آمده نشان می دهد که سیستم های تحلیل داده مبتنی بر هوش مصنوعی می توانند با دقت بالایی شکاف های یادگیری پنهان دانش آموزان را شناسایی کرده و نیم رخ های یادگیری دقیقی از هر فراگیر ارائه نمایند. این ابزارها با ارائه بازخوردهای فوری به معلمان و پیشنهاد محتواهای ترمیمی اختصاصی، زمان طلایی مداخله آموزشی را پیش از تبدیل چالش های یادگیری به افت تحصیلی مفرط کاهش می دهند. علاوه بر این، یافته ها نشان داد که کاربست ارزشیابی تشخیصی هوشمند فرآیند پایش یادگیری را از حالت سنتی و مقطعی به یک جریان مستمر و تطبیقی هدایت کرده و ضمن افزایش کارآمدی تدریس، عدالت آموزشی را ارتقا می بخشد. در نهایت، پیش بینی افت تحصیلی از طریق شناسایی متغیرهای پیش آیند به عنوان ابزاری مدیریتی در جهت تصمیم گیری های کلان و مداخله زودهنگام در نظام آموزشی کشور پیشنهاد می گردد.

کلیدواژه ها:

کلمات کلیدی:هوش مصنوعی ، ارزشیابی تشخیصی ، افت تحصیلی ، الگوریتم های پیش بینی کننده ، عدالت آموزشی.