تجزیه و تحلیل ویژگی های داده محور برای پیش بینی عملکرد دانش آموزان

چکیده مقاله

در سالهای اخیر شاهد پذیرش گسترده پلتفرم های آموزش و یادگیری آنلاین بوده ایم معلمان از انواع فعالیت ها و تکنیک های یادگیری برای پیگیری پیشرفت یادگیری دانش آموزان خود از جمله ارزیابی های جمعی استفاده می کنند با این حال، نگرانی هایی در مورد قابل اعتماد بودن ارزیابی های جمع بندی مانند آزمون ها مطرح شده است در عین حال، معلمان آنلاین دریافته اند که فعالیت های یادگیری دیگری که معمولا در مدل های یادگیری ماشینی پیش بینی کننده پلتفرم های آنلاین گنجانده نشده اند، در کمک به آنها در شناسایی وضعیت یادگیری دانش آموز موثر هستند این مطالعه از دو تکنیک انتخاب ویژگی، فیلتر و تعبیه شده، همراه با یک پرسشنامه خودگزارش دهی معلم برای ارزیابی اینکه کدام فعالیت های یادگیری بر عملکرد دانش آموزان در ارزیابی های جمع بندی مانند آزمون ها تاثیر می گذارد، استفاده می کند یافته های ما نشان می دهد که ویژگی های فعالیت های یادگیری غیرترکیبی می توانند به طور موثر عملکرد دانش آموزان را در یک محیط آنالیز پیش بینی کنند معلمان در مورد اهمیت ویژگی های فعالیت های یادگیری شناسایی شده در کمک به آنها در تعیین وضعیت یادگیری دانش آموزان توافق دارند این مطالعه توصیه های عملی را برای مربیان، طراحان دوره و سیاست گذاران برای بهینه سازی استراتژی های ارزیابی آنلاین ارائه می دهد

کلیدواژه‌ها

نویسندگان

نرگس فرزادفر

کارشناسی رشته زیست شناسی

زهرا فرزادفر

کارشناسی رشته کشاورزی

وجیهه طوسی

کارشناسی رشته تاریخ

فرزادفر، نرگس و فرزادفر، زهرا و طوسی، وجیهه،1404،تجزیه و تحلیل ویژگی های داده محور برای پیش بینی عملکرد دانش آموزان،بیست و دومین کنفرانس بین المللی پژوهش در روانشناسی، مشاوره و علوم تربیتی،تهران

ارائه‌شده در

مجموعه مقالات بیست و دومین کنفرانس بین المللی پژوهش در روانشناسی، مشاوره و علوم تربیتی20 فروردین 1404 · تهران