بررسی نقش هوش مصنوعی در شناسایی زودهنگام افت تحصیلی و ارائه حمایت های آموزشی متناسب با نیاز دانش آموزان

افت تحصیلی یکی از چالش های پایدار نظام های آموزشی است که پیامدهای فردی، اجتماعی و اقتصادی گسترده ای به همراه دارد و شناسایی به موقع دانش آموزان در معرض خطر، نقشی محوری در پیشگیری از کاهش عملکرد و ترک تحصیل ایفا می کند. در سال های اخیر، پیشرفت های حوزه هوش مصنوعی و داده کاوی آموزشی زمینه تحلیل داده های پیچیده آموزشی را فراهم کرده و امکان پیش بینی افت تحصیلی پیش از بروز آشکار آن را ممکن ساخته است. پژوهش حاضر با روش توصیفی-تحلیلی و مرور نظام مند ادبیات، به بررسی نقش هوش مصنوعی در شناسایی زودهنگام افت تحصیلی و ارائه حمایت های آموزشی متناسب با نیاز دانش آموزان می پردازد. یافته ها نشان می دهد که الگوریتم های یادگیری ماشین — به ویژه مدل های مبتنی بر درخت تصمیم، جنگل تصادفی و XGBoost — قادرند با دقت بالایی الگوهای رفتاری، تحصیلی و انگیزشی دانش آموزان را شناسایی کرده و احتمال بروز افت را پیش بینی کنند. همچنین مشخص شد که ترکیب داده های تکلیفی، میزان مشارکت در کلاس و تعاملات آموزشی، پیش بینی های قابل اتکاتری ارائه می دهد. در حوزه حمایت های آموزشی، سیستم های یادگیری تطبیقی و مبتنی بر هوش مصنوعی از طریق شخصی سازی مسیرهای یادگیری، بازخورد فوری و پایش مستمر پیشرفت، به بهبود عملکرد و افزایش انگیزش دانش آموزان کمک می کنند. با این حال، چالش هایی نظیر شکاف دیجیتال، حریم خصوصی داده ها، سوگیری الگوریتمی و ضرورت حفظ نقش نظارتی معلم، اجرای اثربخش این فناوری ها را مشروط به طراحی اخلاق محور و زیرساخت های مناسب می سازد.

کلیدواژه ها:

هوش مصنوعی ، افت تحصیلی ، سیستم هشدار زودهنگام ، یادگیری ماشین ، آموزش شخصی سازی شده ، داده کاوی آموزشی ، عدالت آموزشی