tsta

فارسی

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

پیش‌بینی نمرات دروس دانشگاهی با استفاده از الگوریتم رگرسیون خطی در یادگیری ماشین

Authors :

سجاد یوسفی¹ مریم پورنجف² هانیه شیری³

1- دانشکده ملی مهارت استان ایلام 2- دانشکده ملی مهارت استان ایلام 3- دانشکده ملی مهارت استان ایلام

Keywords :

رگرسیون خطی،یادگیری ماشین،داده کاوی

Abstract :

با گسترش روزافزون فناوری‌های نوین در حوزه آموزش، به‌ویژه در زمینه یادگیری ماشین، امکان تحلیل داده‌های آموزشی و پیش‌بینی روندهای تحصیلی فراهم شده است. یادگیری ماشین به عنوان یکی از شاخه‌های مهم هوش مصنوعی، توانایی دارد از داده‌های گذشته، الگوهایی استخراج کند و رفتار آینده را پیش‌بینی نماید. یکی از کاربردهای مهم این فناوری، پیش‌بینی عملکرد تحصیلی دانشجویان است؛ موضوعی که در سال‌های اخیر مورد توجه بسیاری از پژوهشگران حوزه آموزش و فناوری قرار گرفته است. در این پژوهش، با بهره‌گیری از الگوریتم ساده اما کاربردی رگرسیون خطی، مدلی برای پیش‌بینی نمرات پایانی دانشجویان طراحی و ارزیابی شده است. این مدل بر اساس داده‌های فرضی شامل تعداد ساعات مطالعه هفتگی، میزان حضور در کلاس (به صورت درصدی) و معدل ترم قبل توسعه یافته و نمره نهایی هر دانشجو به‌عنوان متغیر وابسته مدل در نظر گرفته شده است. هدف از این تحقیق، بررسی توانایی روش‌های ساده یادگیری ماشین در تحلیل داده‌های آموزشی و ارائه مدلی ابتدایی اما کارآمد برای استفاده در مؤسسات آموزش عالی است. نتایج این پژوهش نشان می‌دهد که بین ساعات مطالعه و نمره نهایی رابطه‌ای معنادار و مثبت وجود دارد. همچنین مشخص شد که حتی با استفاده از مدل‌های پایه، می‌توان بین مجموعه‌ای از عوامل آموزشی و عملکرد تحصیلی دانشجویان، ارتباطات آماری قابل اعتمادی برقرار کرد. این پژوهش می‌تواند الگویی ساده و قابل توسعه برای مدیران، مشاوران تحصیلی و پژوهشگران آموزشی باشد تا با بهره‌گیری از آن، ابزارهایی برای پیش‌بینی و بهبود وضعیت تحصیلی دانشجویان طراحی کنند.