نقش هوش مصنوعی در شناسایی زودهنگام افت تحصیلی ناشی از اختلالات اضطرابی

هدف از پژوهش حاضر بررسی نقش هوش مصنوعی در شناسایی زودهنگام افت تحصیلی ناشی از اختلالات اضطرابی است. افت تحصیلی دانشجویان یکی از چالش های اساسی نظام آموزش عالی محسوب می شود و اختلالات اضطرابی از مهم ترین عوامل روانشناختی موثر بر این پدیده هستند. شناسایی زودهنگام دانشجویان در معرض خطر می تواند نقش تعیین کننده ای در پیشگیری از افت تحصیلی داشته باشد. این مطالعه با استفاده از روش مرور نظام مند انجام شد. جامعه پژوهش شامل مقالات علمی منتشرشده در پایگاه های معتبر داخلی و بین المللی در بازه زمانی ۱۳۹۶ تا ۱۴۰۴ بود که از میان آن ها ۴۲ مقاله برای تحلیل نهایی انتخاب گردید. یافته ها نشان داد الگوریتم های شبکه عصبی با دقت بین ۹۲ تا ۹۹ درصد و مدل های XGBoost و LightGBM با دقت حدود ۹۷ درصد در تشخیص اضطراب و ۸۶ درصد در پیش بینی افت تحصیلی، بهترین عملکرد را داشته اند. در مطالعه شهابی و شالباف (۱۴۰۳)، مدل EEGNet با دقت ۳/۹۲ درصد و حساسیت ۹/۹۸ درصد در تشخیص اختلال افسردگی عمده از روی سیگنال های مغزی عملکرد برتری داشت. بختیاری و همکاران (۱۳۹۶) با استفاده از شبکه عصبی MLP به دقت ۹۸ درصد در تشخیص افسردگی دست یافتند. در پژوهش فدوی رودسری و همکاران (۱۳۹۸)، الگوریتم های درخت تصمیم و شبکه بیز با میزان صحت ۲۴/۸۲ درصد بهترین عملکرد را در پیش بینی افت تحصیلی داشتند. سامانه های هشدار زودهنگام مبتنی بر هوش مصنوعی توانستند دانشجویان در معرض خطر را تا ۴/۲ هفته زودتر از روش های سنتی شناسایی کنند. در مقابل، مدل رگرسیون لجستیک با دقت حدود ۷۸ درصد کمترین عملکرد را داشت. مهم ترین چالش های پیاده سازی شامل حجم ناکافی داده (۶۶ درصد مقالات)، نگرانی های حریم خصوصی و اخلاقی (۵۲ درصد مقالات)، عدم تفسیرپذیری مدل های پیچیده (۴۵ درصد مقالات) و عدم اعتبارسنجی خارجی (۳۶ درصد مقالات) بود. نتیجه گیری می شود که هوش مصنوعی ابزاری موثر و مکمل برای شناسایی زودهنگام افت تحصیلی ناشی از اختلالات اضطرابی است و پیاده سازی سامانه های هشدار زودهنگام مبتنی بر آن در دانشگاه ها می تواند به کاهش چشمگیر افت تحصیلی و بهبود سلامت روان دانشجویان کمک کند. با این حال، موفقیت این سامانه ها علاوه بر دقت پیش بینی، به توانایی تبدیل پیش بینی ها به اقدامات عملیاتی و مداخلات هدفمند وابسته است.

کلیدواژه ها:

هوش مصنوعی ، افت تحصیلی ، اختلالات اضطرابی ، شناسایی زودهنگام ، داده کاوی آموزشی