يعد التنبؤ الدقيق بالدرجات الأكاديمية أمرًا بالغ الأهمية لتحسين نتائج الطلاب وتحسين تخصيص الموارد في البيئات التعليمية، لكن الأساليب التقليدية غالبًا ما تفتقر إلى التعقيد. في هذا البحث، نستكشف استخدام خوارزميات مختلفة للنمذجة التنبؤية للتنبؤ بالدرجات الأكاديمية. الهدف الأساسي هو تحديد الخوارزمية الأكثر فعالية للتنبؤ بأداء الطلاب، والتي يمكن أن تساعد المعلمين وصانعي السياسات في اتخاذ قرارات مستنيرة. تم استخدام خوارزميات مثل الانحدار الخطي (LR)، وأشجار القرار (DT)، والغابات العشوائية (RF)، والانحدار المعزز للتدرج (GBR) لبناء النماذج. تم تقييم كل منها باستخدام مقاييس بما في ذلك درجات التدريب والاختبار، ومتوسط الخطأ التربيعي (MSE)، ومتوسط الخطأ المطلق (MAE)، والخطأ التربيعي المتوسط (MedSE)، وR-squared (R²). وكشفت النتائج أن الانحدار المعزز للتدرج (GBR) حقق أعلى دقة، مع درجة تدريب قدرها 0.999، ودرجة اختبار 0.96، وMSE 0.5068، وMAE 0.258، وR² 0.995. تشير هذه النتائج إلى أن نموذج GBR يتفوق على النماذج الأخرى في التنبؤ بالأداء الأكاديمي، حيث يقدم أداة موثوقة للتنبؤ بالدرجات ودعم التخطيط التعليمي واستراتيجيات التدخل.
)
View on SCiNiTO