ارزیابی دقت مدل های هوشمند در تشخیص الگوهای انحرافی وپیش بینی نیازهای آموزشی نسل جدید

پژوهش حاضر با هدف ارزیابی جامع میزان دقت مدل های هوشمند مبتنی بر یادگیری عمیق در شناسایی زودهنگام الگوهای رفتاری انحرافی و پیش بینی نیازهای آموزشی نسل جدید به مرحله اجرا درآمد. جامعه آماری این پژوهش شامل داده های تعاملی، تحصیلی و رفتاری دانش آموزان در سامانه های مدیریت یادگیری هوشمند بود که با روش نمونه گیری هدفمند خوشه ای استخراج و پالایش گردید. داده های جمع آوری شده از طریق پیاده سازی معماری های یادگیری ماشین شامل شبکه های عصبی عمیق (DNN) و مدل های مبتنی بر تبدیل گرها (Transformers) مورد آزمون و اعتبارسنجی متقاطع قرار گرفتند. روند ارزیابی و استخراج الگوها با تکیه بر شاخص های عملکردی نظیر دقت (Accuracy)، بازخوانی (Recall) و نمره F۱ در بستر تحلیل داده های کلان آموزشی طراحی و پیاده سازی شد. یافته های حاصل از پژوهش نشان داد که تلفیق مدل های پردازش زبان طبیعی و تحلیل شبکه های عصبی بازگشتی دقتی فراتر از ۸۹ درصد در ردیابی ناهماهنگی های یادگیری و افت تحصیلی نشان می دهد. علاوه بر این، الگوهای رفتاری نامتعارف مانند فرسودگی تحصیلی زودهنگام، گسست توجه و انحرافات تعاملی در محیط های برخط با حساسیت بسیار بالایی پیش از بروز نشانه های بحرانی شناسایی شدند. مدل تحلیل ارائه شده توانست نیازهای آموزشی فردی سازی شده نسل جدید را متناسب با سبک های شناختی و علایق تعاملی آنان دسته بندی و مسیر یادگیری پویایی را پیشنهاد نماید. تحلیل ماتریس ابهام حاکی از کاهش چشمگیر خطای مثبت کاذب در غربالگری چالش های انگیزشی و رفتاری دانش آموزان با اتکا به مدل های یادگیری عمیق بود. نتایج همچنین اثبات کرد که پیاده سازی سامانه های پایش هوشمند نقش موثری در تدوین مداخلات تربیتی و ارتقای بهزیستی روان شناختی در بستر آموزش های تلفیقی دارد. از سوی دیگر، توانایی پیش بینی نیازهای دانشی آینده محور به مربیان و مدیران آموزشی امکان بازطراحی برنامه های درسی متناسب با تحولات شناختی نسل دیجیتال را بخشید. در نهایت، تلفیق بینش های برآمده از الگوریتم های هوش مصنوعی با شیوه های بازخورد شناختی زمینه ساز ارتقای چشمگیر تعلق مدرسه ای و خودتنظیمی یادگیرندگان شد. بر مبنای این نتایج، به کارگیری سامانه های تحلیلی هوشمند به عنوان ابزاری راهبردی برای شناسایی نارسایی های رفتاری و هدایت تحصیلی دقیق توصیه می گردد.

کلیدواژه ها:

کلمات کلیدی: مدل های هوشمند ، الگوهای انحرافی ، نیازهای آموزشی ، نسل جدید ، یادگیری عمیق ، پیش بینی رفتار تحصیلی.