بررسی کارایی الگوریتمهای یادگیری ماشین در پیش بینی نمرات دانش آموزان

در سال های اخیر کاربرد یادگیری ماشین در حوزه آموزش به ویژه در پیش بینی نمرات دانش آموزان اهمیت قابل توجهی یافته است. در این حوزه از علم با تحلیل داده های آموزشی به آموزگاران و مدیران در بهینه سازی فرآیندهای یادگیری و اتخاذ تصمیم های آگاهانه کمک شایانی می شود. پژوهش حاضر با بهره گیری از روش های مختلف یادگیری ماشین به ارزیابی دقت و کارایی الگوریتم های مختلف در پیش بینی نمرات دانش آموزان پرداخته و نتایج را از جنبه های گوناگون مقایسه کرده است. در این مطالعه از داده های واقعی شامل ۳۹۵ نمونه از دانش آموزان استفاده شده و تعداد هفت الگوریتم یادگیری ماشین شامل رگرسیون لجستیک، کی نزدیک ترین همسایه، درخت تصمیم، جنگل تصادفی، بیز ساده، شبکه عصبی مصنوعی و ماشین بردار پشتیبان مورد ارزیابی قرار گرفته اند. نتایج نشان می دهد که الگوریتم رگرسیون لجستیک بهترین عملکرد را داشته و می تواند در بهبود سیستم های پیش بینی نمرات در محیط های آموزشی نقش ایفا نماید.

کلیدواژه ها:

پیش بینی نمرات دانش آموزان ، الگوریتم های یادگیری ماشین ، طبقه بندی