التنبؤ بدرجات الطلاب بناء على أداء الطلاب باستخدام تقنيات تعلم الاله

يُقيَّم أداء مؤسسات التعليم العالي (HEIs) على نطاق واسع من خلال معدلات نجاح الطلاب، وخاصةً فيما يتعلق بجودة الخدمات التعليمية. في هذه الدراسة، سنتنبأ أيضًا بدرجة الطالب مع العوامل المختلفة المؤثرة على الأداء الأكاديمي باستخدام تقنيات تعلم الاله المتقدمة. طُوِّرت نماذج تنبؤية للتنبؤ بأداء الطلاب بناءً على تحليل مجموعة بيانات تضم 10000 سجل تتضمن تفاصيل حول نتائج الامتحانات، والوقت الذي يقضيه الطلاب في الدراسة، واستخدامهم للتعلم عبر الإنترنت، وخصائص أخرى ذات صلة. تبحث هذه الدراسة في فعالية العديد من أساليب التعلم الآلي، بما في ذلك الشبكات العصبية، والغابات العشوائية، وآلات المتجهات الداعمة (SVM)، وخوارزمية بايز، وخوارزمية XGBoost، في التنبؤ بالدرجات النهائية. بناءً على النتائج التي توصلنا إليها، فإن أداء XGBoost أفضل من النماذج الأخرى، حيث يبلغ متوسط الدقة والدقة والتذكر ودرجة F1 95% . تُلخّص هذه الدراسة كيف يُمكن لتقنيات تعلم الاله أن تُطوّر البحث التربوي، مُقدّمةً رؤىً عمليةً للمعلمين تُساعدهم في تحديد الطلاب المُعرّضين للخطر، ووضع تدخلاتٍ يُمكن أن تُؤثّر إيجابًا على النتائج التعليمية. بعد تطوير استراتيجية شاملة لتحليل البيانات، يُمكن للمؤسسات التعليمية الآن الاستفادة من تقنيات التحليل المُتقدّمة لفهم العوامل المُؤثّرة على طلابها بشكلٍ أفضل، وبالتالي اتخاذ قراراتٍ أكثر فعاليةً قائمةً على البيانات لدعم الطلاب في مساعيهم الأكاديمية. إنّ جعل هذه النماذج التنبؤية أكثر موثوقيةً وقابليةً للتطبيق في البيئات التعليمية سيُسهم بلا شكّ في تحسين نتائج الطلاب وجودة الخدمات التعليمية التي تُقدّمها مؤسسات التعليم العالي.