ارائه چارچوب هوشمند برای کشف ناهماهنگی های پنهان در داده های آموزشی دانش آموزان دوره دوم متوسطه با استفاده از هوش مصنوعی

گسترش سامانه های اطلاعات آموزشی، سامانه های مدیریت یادگیری، ثبت الکترونیکی نمرات و حضور و غیاب و ابزارهای دیجیتال، باعث شده است مدارس به مجموعه ای از داده های ناهمگون درباره فرایند یادگیری و وضعیت آموزشی دانش آموزان دسترسی داشته باشند. با وجود این، بخش قابل توجهی از مطالعات تحلیل داده های آموزشی بر پیش بینی عملکرد، شناسایی دانش آموزان در معرض خطر و تشخیص ناهنجاری در یک منبع داده متمرکز است. مسئله ای که کمتر به صورت مستقل مورد توجه قرار گرفته، شناسایی ناهماهنگی میان دو یا چند منبع داده درباره یک دانش آموز است؛ یعنی وضعیتی که هر منبع به تنهایی ممکن است عادی به نظر برسد، اما رابطه میان منابع حاوی یک الگوی غیرمنتظره یا متناقض باشد. این مقاله با رویکرد مفهومی و طراحی محور، چارچوبی برای کشف ناهماهنگی های بین منبعی در داده های آموزشی دانش آموزان دوره دوم متوسطه ارائه می کند. چارچوب پیشنهادی از هشت لایه شامل منابع داده، هم ترازی و یکپارچه سازی، استخراج ویژگی، مقایسه بین منبعی، تشخیص نوع ناهماهنگی، امتیازدهی، توضیح پذیری و ارائه هشدار قابل تفسیر به تصمیم گیرنده تشکیل شده است. در این چارچوب، داده های نمرات، حضور و تاخیر، فعالیت سامانه های یادگیری در صورت وجود، سوابق پیگیری آموزشی و برخی متغیرهای زمینه ای می توانند به صورت زمان مند و شناسه محور کنار یکدیگر قرار گیرند. خروجی سیستم نه صدور حکم درباره دانش آموز، بلکه تولید یک نشانه قابل بررسی برای معاون آموزشی یا سایر مسئولان مدرسه است. مقاله همچنین الزامات کیفیت داده، حریم خصوصی، سوگیری، خطای الگوریتمی، تفسیرپذیری و ضرورت تصمیم گیری انسان در حلقه را بررسی می کند. نوآوری مورد انتظار چارچوب، در ترکیب مسئله ناهماهنگی بین منبعی با بافت دوره دوم متوسطه و تبدیل آن به یک مسئله قابل استفاده در مدیریت آموزشی است، نه ادعای ابداع مفهوم کلی تشخیص ناسازگاری داده ها.

کلیدواژه ها:

تحلیل داده های آموزشی ، تحلیل یادگیری ، هوش مصنوعی آموزشی ، ناهماهنگی بین منبعی ، داده های چندمنبعی