داده کاوی آموزشی؛ استخراج الگوهای پنهان عملکرد دانش آموزان با روش های آماری و ریاضی

پژوهش حاضر با هدف بررسی کاربرد داده کاوی آموزشی در استخراج الگوهای پنهان عملکرد دانش آموزان با استفاده از روش های آماری و ریاضی و شناسایی عوامل موثر بر موفقیت و افت تحصیلی انجام شده است. رویکرد پژوهش کمی از نوع توصیفی-تحلیلی با استفاده از روش های داده کاوی بود و جامعه آماری شامل داده های آموزشی و عملکردی ۱۲۰۰ دانش آموز دوره متوسطه دوم شهر شیراز در سال تحصیلی ۱۴۰۳-۱۴۰۲ بود که با استفاده از نمونه گیری تصادفی طبقه ای، داده های ۸۰۰ دانش آموز به عنوان مجموعه آموزش و ۴۰۰ دانش آموز به عنوان مجموعه آزمون انتخاب شدند. ابزار گردآوری داده ها شامل اطلاعات دموگرافیک، نمرات دروس، نمرات آزمون های ورودی و خروجی، داده های حضور و غیاب، و داده های پرسشنامه های انگیزشی و خودتنظیمی بود. برای تحلیل داده ها از روش های آماری و ریاضی شامل تحلیل خوشه بندی (K-Means و سلسله مراتبی)، درخت تصمیم (CART و C۴.۵)، شبکه های عصبی مصنوعی، رگرسیون لجستیک، تحلیل تمایزی، و قوانین انجمنی استفاده شد و ارزیابی مدل ها با معیارهای دقت، حساسیت، ویژگی، سطح زیر منحنی ROC و صحت انجام گرفت. یافته ها نشان داد که دانش آموزان در سه خوشه عملکردی قابل تفکیک هستند: خوشه عملکرد بالا (۲۸ درصد)، خوشه عملکرد متوسط (۴۸ درصد) و خوشه عملکرد پایین (۲۴ درصد) و مهم ترین متغیرهای پیش بینی کننده عملکرد تحصیلی به ترتیب شامل انگیزه تحصیلی (ضریب اهمیت ۳۲ درصد)، خودتنظیمی (۲۸ درصد)، معدل سال قبل (۱۸ درصد)، میزان حضور و غیاب (۱۲ درصد) و وضعیت اقتصادی-اجتماعی (۱۰ درصد) بودند. همچنین، مدل درخت تصمیم با دقت ۸۷ درصد، شبکه عصبی با دقت ۸۹ درصد و رگرسیون لجستیک با دقت ۸۴ درصد توانستند عملکرد دانش آموزان را پیش بینی کنند و ترکیب مدل ها (Ensemble) با دقت ۹۱ درصد بهترین عملکرد را داشت. قوانین انجمنی نشان دادند که دانش آموزانی که انگیزه بالا، خودتنظیمی بالا و غیبت کمتر از ۵ روز در سال تحصیلی دارند، با احتمال ۹۴ درصد در خوشه عملکرد بالا قرار می گیرند و در مقابل، دانش آموزانی که انگیزه پایین، خودتنظیمی پایین و غیبت بیش از ۱۵ روز دارند، با احتمال ۸۹ درصد در خوشه عملکرد پایین قرار می گیرند.

کلیدواژه ها:

داده کاوی آموزشی ، الگوهای پنهان ، عملکرد تحصیلی ، درخت تصمیم ، شبکه عصبی ، خوشه بندی