طراحی سامانه هشدار زودهنگام مبتنی بر هوش مصنوعی برای شناسایی دانش آموزان در معرض آسیب

افزایش آسیب های روان شناختی، اجتماعی، تحصیلی و رفتاری دانش آموزان در دهه اخیر موجب شده است که مدارس دیگر تنها مراکز انتقال دانش نباشند، بلکه به محیط هایی برای پایش مستمر سلامت روان، وضعیت اجتماعی و عملکرد تحصیلی دانش آموزان تبدیل شوند. با وجود تلاش مشاوران و معلمان، روش های سنتی شناسایی دانش آموزان آسیب پذیر غالبا پس از بروز مشکلات جدی وارد عمل می شوند و امکان پیشگیری موثر را فراهم نمی کنند. توسعه فناوری های هوش مصنوعی، یادگیری ماشین و تحلیل کلان داده ها فرصت جدیدی برای طراحی سامانه های هشدار زودهنگام ایجاد کرده است. این سامانه ها قادرند با تحلیل همزمان داده های آموزشی، رفتاری، روان شناختی و اجتماعی، الگوهای پنهان خطر را شناسایی کرده و احتمال قرار گرفتن هر دانش آموز در معرض آسیب را پیش بینی نمایند. پژوهش حاضر با روش توصیفی تحلیلی و مبتنی بر مرور منابع معتبر داخلی و بین المللی، به طراحی یک مدل مفهومی برای سامانه هشدار زودهنگام مبتنی بر هوش مصنوعی در مدارس پرداخته است. نتایج نشان می دهد ترکیب داده های حضور و غیاب، افت تحصیلی، تغییرات رفتاری، تعاملات آموزشی، سوابق مشاوره، وضعیت خانوادگی و شاخص های روان شناختی با الگوریتم های یادگیری ماشین می تواند دقت پیش بینی دانش آموزان در معرض آسیب را به میزان قابل توجهی افزایش دهد. همچنین رعایت اصول اخلاقی، حفظ حریم خصوصی، شفافیت الگوریتم ها و مشارکت معلمان و والدین، از الزامات اصلی موفقیت این سامانه محسوب می شود. در پایان، معماری پیشنهادی سامانه و راهکارهای اجرایی برای پیاده سازی آن در مدارس ایران ارائه شده است.

کلیدواژه ها:

: هوش مصنوعی ، سامانه هشدار زودهنگام ، یادگیری ماشین ، آسیب های دانش آموزان ، تحلیل داده های آموزشی ، مدارس هوشمند