پیش بینی افت تحصیلی دانش آموزان با استفاده از الگوریتم های یادگیری ماشین و ارائه مداخلات پرورشی مبتنی بر داده

چکیده مقاله

پژوهش حاضر با هدف پیش بینی افت تحصیلی دانش آموزان با استفاده از الگوریتم های یادگیری ماشین و ارائه مداخلات پرورشی مبتنی بر داده انجام شد این تحقیق از نظر هدف، کاربردی و از نظر روش اجرا، ترکیبی کمی کیفی با رویکرد داده کاوی آموزشی بود جامعه آماری بخش کمی شامل کلیه دانش آموزان پایه دهم و یازدهم متوسطه دوم شهر تهران در سال تحصیلی ۱۴۰۳ ۱۴۰۲ به تعداد ۴۸۶۲۰ نفر بود که داده های تحصیلی، رفتاری و زمینه ای آنها از سامانه سناد و پرسشنامه های محقق ساخته جمع آوری گردید و با استفاده از روش نمونه گیری هدفمند، داده های ۱۵۰۰ دانش آموز که دارای سابقه حداقل یک سال تحصیلی کامل در سامانه بودند، برای تحلیل انتخاب شد در بخش کیفی، با استفاده از روش نمونه گیری هدفمند و معیار اشباع نظری، با ۱۸ نفر از معلمان باتجربه و مشاوران مدارس مصاحبه های نیمه ساختاریافته انجام شد ابزارهای بخش کمی شامل داده های موجود در سامانه سناد نمرات مستمر، نمرات نهایی، غیبت، تاخیر، وضعیت انضباطی ، پرسشنامه محقق ساخته عوامل زمینه ای ویژگی های خانوادگی، اقتصادی اجتماعی، انگیزشی و نیز پرسشنامه استاندارد سلامت روان گلدبرگ بود و در بخش کیفی، مصاحبه های نیمه ساختاریافته با معلمان و مشاوران انجام گرفت داده های کمی با استفاده از الگوریتم های یادگیری ماشین شامل رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی مصنوعی و با بهره گیری از نرم افزار پایتون و کتابخانه های Scikit learn و TensorFlow مورد تحلیل قرار گرفت و داده های کیفی با استفاده از روش تحلیل تماتیک و با نرم افزار MAXQDA نسخه ۲۰۲۲ کدگذاری و تحلیل شدند یافته های بخش کمی نشان داد که الگوریتم جنگل تصادفی با دقت ۸۹ درصد، بالاترین عملکرد را در پیش بینی افت تحصیلی داشت و مهم ترین متغیرهای پیش بینی کننده به ترتیب شامل معدل ترم قبل، تعداد غیبت های غیرموجه، وضعیت اقتصادی اجتماعی خانواده، نمره سلامت روان و سابقه مردودی بودند در بخش کیفی، پنج تم اصلی شامل عوامل فردی شناختی، عوامل خانوادگی، عوامل آموزشی مدرسه ای، عوامل اجتماعی اقتصادی و عوامل روانشناختی عاطفی به عنوان مهم ترین علل افت تحصیلی شناسایی شدند و بر اساس آنها، بسته مداخلات پرورشی مبتنی بر داده در سه سطح پیشگیرانه، مداخله ای و ترمیمی تدوین گردید بر اساس یافته های این پژوهش می توان نتیجه گرفت که الگوریتم های یادگیری ماشین با دقت بالایی قادر به پیش بینی افت تحصیلی دانش آموزان هستند

کلیدواژه‌ها

نویسندگان

رقیه تقی پور رودسری

فرهنگی آموزش و پرورش کدپرسنلی ۲۱۱۵۷۸۹۵

مناور ده ناشی خدابخشی

فرهنگی آموزش و پرورش کدپرسنلی ۱۱۷۰۸۲۲۷

ناجیه فردزاده

فرهنگی آموزش و پرورش کدپرسنلی ۶۷۱۸۰۲۰۷

مرضیه گلمکانی

فرهنگی آموزش و پرورش کدپرسنلی ۶۲۰۴۵۶۹۱

�قی پور رودسری، رقیه و ده ناشی خدابخشی، مناور و فردزاده، ناجیه و گلمکانی، مرضیه،1404،پیش بینی افت تحصیلی دانش آموزان با استفاده از الگوریتم های یادگیری ماشین و ارائه مداخلات پرورشی مبتنی بر داده،دومین همایش بین المللی تحولات نوین در علوم تربیتی، روانشناسی و آموزش و پرورش،ارومیه

ارائه‌شده در

مجموعه مقالات دومین همایش بین المللی تحولات نوین در علوم تربیتی، روانشناسی و آموزش و پرورش15 بهمن 1404 · ارومیه