نقش سیستم های هوشمند تحلیل یادگیری در شناسایی الگوهای افت تحصیلی دانش آموزان

پژوهش حاضر با هدف بررسی نقش سیستم های هوشمند تحلیل یادگیری در شناسایی الگوهای افت تحصیلی دانش آموزان دوره دوم متوسطه شهر تهران در سال تحصیلی ۱۴۰۴-۱۴۰۳ انجام شد. افت تحصیلی به عنوان یکی از معضلات ساختاری نظام های آموزشی، پیامدهای فردی، خانوادگی و اجتماعی گسترده ای به همراه دارد و شناسایی زودهنگام دانش آموزان در معرض خطر، یکی از کلیدی ترین راهبردهای پیشگیرانه محسوب می شود. سیستم های هوشمند تحلیل یادگیری با تکیه بر الگوریتم های یادگیری ماشین، داده کاوی آموزشی، مدل های پیش بینی و تحلیل ردپاهای دیجیتال، امکان شناسایی الگوهای پنهان افت تحصیلی را در مقیاسی فراتر از روش های سنتی فراهم می سازند. روش پژوهش توصیفی-پیمایشی بود و جامعه آماری شامل کلیه معلمان، مشاوران و مدیران مدارس دوره دوم متوسطه شهر تهران به تعداد ۲۸۵۰۰ نفر بود. نمونه گیری به روش طبقه ای تصادفی و با استفاده از جدول مورگان و کرجسی، حجم نمونه ۳۸۴ نفر تعیین شد. ابزار گردآوری داده ها، پرسشنامه محقق ساخته ۳۵ سوالی با طیف لیکرت پنج درجهای بود که روایی محتوایی آن با نظر ده نفر از خبرگان، روایی سازه با تحلیل عاملی تاییدی و پایایی آن با ضریب آلفای کرونباخ (۰/۹۲) تایید شد. یافته ها نشان داد که سیستم های هوشمند تحلیل یادگیری در شناسایی الگوهای افت تحصیلی نقش معناداری دارند (p<۰.۰۰۱). مولفه های تحلیل رفتاری، پیش بینی عملکرد، هشدار زودهنگام، شخصی سازی مداخلات و تصمیم سازی مبتنی بر داده به عنوان ابعاد اصلی این سیستم ها شناسایی شدند. نتایج آزمون تی تک نمونه ای نشان داد که میانگین نمرات تمامی ابعاد بالاتر از حد متوسط (۳) است. این پژوهش می تواند راهنمایی عملی برای سیاست گذاران آموزشی و مدیران مدارس در به کارگیری فناوری های هوشمند برای پیشگیری از افت تحصیلی باشد. واژگان کلیدی: سیستم های هوشمند، تحلیل یادگیری، افت تحصیلی، یادگیری ماشین، داده کاوی آموزشی، دانش آموزان.