بررسی کاربرد هوش مصنوعی با رویکرد یادگیری ماشین در ارزشیابی پیشرفت تحصیلی دانش آموزان مقطع متوسطه در استان آذربایجان غربی

ارزشیابی تحصیلی دقیق و عادلانه، به ویژه در مناطق چندفرهنگی مانند استان آذربایجان غربی، از چالش های مهم نظام آموزشی ایران است. روش های سنتی ارزیابی، عمدتا نتیجه محور و مبتنی بر شاخص های محدود بوده و قادر به شناسایی به موقع دانش آموزان در معرض خطر نیستند. این پژوهش با هدف طراحی و اعتبارسنجی یک چارچوب هوشمند ارزشیابی چندبعدی با استفاده از الگوریتم های یادگیری ماشین و یادگیری عمیق انجام شد. روش تحقیق حاضر، از نوع کاربردی-توسعه ای است که در آن با استفاده از داده های ترکیبی و به کارگیری مدل های مختلف یادگیری ماشین و یادگیری عمیق سیستم پیشنهادی طراحی و دقت آن سنجیده شد. مهم ترین یافته ها نشان داد که مدل رگرسیون لجستیک با دقت ۷۷.۵٪ بهترین عملکرد را در پیش بینی وضعیت تحصیلی دارد، همچنین مدل رگرسیون لجستیک با دقت ۹۹.۲٪ در شناسایی ریسک افت تحصیلی موفق تر عمل کرد. برای ارزشیابی یکپارچه وضعیت تحصیلی و ریسک افت تحصیلی، بهترین مدل شبکه عصبی عمیق با دقت ۷۷.۰۸% بدست آمد. تحلیل اهمیت متغیرها نشان داد که نرخ تعامل با محتوا، مشارکت در کلاس و حمایت اجتماعی بیشترین سهم را در پیش بینی نتایج دارند. نتایج مقایسه ای حاکی از بهبود ۶۹.۴٪ در دقت و کاهش ۴۴.۹٪ در نرخ خطا نسبت به روش های ارزشیابی سنتی بود. در نتیجه گیری کلی می توان اظهار داشت که سامانه پیشنهادی، ابزاری قدرتمند برای تحقق ارزشیابی عادلانه، پویا و مداخله گر در مناطق چندفرهنگی است که می تواند با شناسایی زودهنگام مشکلات، گامی موثر در جهت عدالت آموزشی و بهبود مدیریت تحصیلی در استان های مشابه بردارد

کلیدواژه ها:

هوش مصنوعی در آموزش ، ارزشیابی تحصیلی ، یادگیری ماشین ، مدل پیش بینی ، سیستم هوشمند