چکیده مقاله
در سال های اخیر، پیش بینی عملکرد تحصیلی دانش آموزان به عنوان یکی از دغدغه های اصلی نظام های آموزشی مطرح شده است این موضوع نه تنها به شناسایی دانش آموزان با نیازهای ویژه کمک می کند، بلکه امکان طراحی برنامه های آموزشی شخصی سازی شده و ارتقای کیفیت یادگیری را فراهم می آورد الگوریتم های یادگیری عمیق به دلیل قابلیت استخراج الگوهای پیچیده از داده های آموزشی و رفتاری، ابزار قدرتمندی در پیش بینی موفقیت تحصیلی دانش آموزان محسوب می شوند این الگوریتم ها، با بهره گیری از شبکه های عصبی عمیق، می توانند عوامل متنوعی از جمله ویژگی های فردی، رفتارهای یادگیری، تعاملات کلاسی و سوابق تحصیلی را تحلیل و ارتباط میان آن ها را شناسایی کنند مطالعات متعدد نشان داده اند که مدل های یادگیری عمیق نسبت به روش های سنتی پیش بینی، دقت بالاتری در شناسایی دانش آموزان با ریسک پایین یا بالا در عملکرد تحصیلی دارند و قابلیت تعمیم پذیری بیشتری برای داده های جدید دارند علاوه بر این، کاربرد یادگیری عمیق در پیش بینی عملکرد تحصیلی می تواند معلمان و مدیران آموزشی را در تصمیم گیری های راهبردی، طراحی مداخلات آموزشی هدفمند و کاهش افت تحصیلی یاری کند با این حال، استفاده از این الگوریتم ها چالش هایی نیز به همراه دارد، از جمله نیاز به حجم بالای داده های با کیفیت، مسائل مربوط به تفسیر نتایج مدل و ملاحظات اخلاقی در بهره برداری از داده های دانش آموزان این مقاله مروری با هدف بررسی نقش الگوریتم های یادگیری عمیق در پیش بینی عملکرد تحصیلی دانش آموزان، مروری تحلیلی بر روش ها، کاربردها، مزایا و محدودیت های آن ها ارائه می دهد و چشم انداز پژوهش های آینده در این حوزه را مورد بحث قرار می دهد
کلیدواژه‌ها
نویسندگان
شیوه ارجاع
�ریف خطیبی، ندا و ، عاطفه مهرنیا و ، حسن شریف خطیبی،1404،نقش الگوریتم های یادگیری عمیق در پیش بینی عملکرد تحصیلی دانش آموزان،اولین همایش بین المللی معلمان پیشرو در عصر پژوهش های تحول آفرین،اهواز
ارائه‌شده در
مجموعه مقالات اولین همایش بین المللی معلمان پیشرو در عصر پژوهش های تحول آفرین15 مهر 1404 · اهواز