کاربرد داده کاوی آموزشی در یادگیری شخصی سازی شده: فرصت ها، چالش ها و راهکارها

چکیده مقاله

یادگیری شخصی سازی شده به عنوان رویکردی نوین در آموزش، با هدف تطبیق فرآیند یادگیری با نیازها، توانایی ها و علایق فردی دانش آموزان، در دهه اخیر توجه زیادی را جلب کرده است داده کاوی آموزشی Educational Data Mining EDM با بهره گیری از تکنیک های تحلیل داده و یادگیری ماشین، امکان شناسایی الگوهای یادگیری، پیش بینی عملکرد تحصیلی و ارائه محتوای آموزشی متناسب را فراهم می کند این پژوهش با استفاده از روش ترکیبی مرور نظام مند ادبیات و تحلیل مطالعات موردی ، به بررسی کاربردهای داده کاوی در یادگیری شخصی سازی شده، چالش های موجود و راهکارهای عملی برای پیاده سازی آن می پردازد یافته ها نشان می دهند که داده کاوی می تواند دقت پیش بینی عملکرد تحصیلی را تا ۹۰٪ افزایش دهد، انگیزه یادگیری را بهبود بخشد و نابرابری های آموزشی را کاهش دهد بااین حال، چالش هایی مانند حریم خصوصی داده ها، سوگیری الگوریتم ها و نیاز به زیرساخت های پیشرفته مانع از بهره برداری کامل از این فناوری می شوند این مقاله چارچوبی برای پیاده سازی اخلاقی و موثر داده کاوی در نظام های آموزشی ارائه می دهد و بر ضرورت تدوین سیاست های حفاظت از داده ها تاکید دارد

کلیدواژه‌ها

نویسندگان

مهدی فعله گری

دبیر زیست شناسی، استان تهران، دارای مدرک کارشناسی ارشد ایمونولوژی

داود ارجمند

هنرآموز برق، استان اردبیل، دارای مدرک کارشناسی مهندسی برق قدرت

فرشاد عالی مرد

دبیر کار و فناوری، استان اردبیل، دارای مدرک کارشناسی مهندسی مکانیک

توحید قهرمانی صاحب دیوان

هنرآموز برق، استان تهران، دارای مدرک کارشناسی مهندسی برق

فعله گری، مهدی و ارجمند، داود و عالی مرد، فرشاد و قهرمانی صاحب دیوان، توحید،1404،کاربرد داده کاوی آموزشی در یادگیری شخصی سازی شده: فرصت ها، چالش ها و راهکارها،ششمین کنفرانس بین المللی علوم انسانی، علوم تربیتی، حقوق و علوم اجتماع�

ارائه‌شده در

مجموعه مقالات ششمین کنفرانس بین المللی علوم انسانی، علوم تربیتی، حقوق و علوم اجتماعی30 خرداد 1404