| پیش‌بینی نمرات دانش‌آموزان در درس شیمی دبیرستان با استفاده از یادگیری ماشین: رویکردی مبتنی بر رگرسیون خطی |
| کد مقاله : 1128-CHEMCONF6 |
| نویسندگان |
|
مهدی شعبانی *1، مازیار باقری1، محمد نوری2، امیرحسین باقری3 1دبیر، آموزش‌و‌پرورش، تهران، ایران 2آموزگار، آموزش و پرورش، تهران، ایران 3گروه آموزش علوم تربیتی، دانشگاه فرهنگیان، صندوق پستی -888 56441 تهران، ایران |
| چکیده مقاله |
| ارزیابی عملکرد تحصیلی دانش‌آموزان و شناسایی عوامل مؤثر بر نتایج آموزشی آن‌ها از جمله اهداف کلیدی نظام آموزشی به‌شمار می‌رود. در این پژوهش، از مدل‌های یادگیری ماشین، به‌ویژه رگرسیون خطی، برای پیش‌بینی نمرات دانش‌آموزان در درس شیمی دبیرستان بهره گرفته شده است. داده‌های مورد بررسی از یک مجموعه اطلاعاتی شامل ویژگی‌های مهمی مانند نمرات امتحانات قبلی (T1 و T2)، مدت‌زمان مطالعه (study time)، تعداد مردودی‌ها (failures) و میزان غیبت‌ها (absences) استخراج گردیده است. این داده‌ها ابتدا از یک فایل CSV دریافت و پس از پردازش، به دو بخش آموزشی و آزمونی با نسبت ۸۰ به ۲۰ تقسیم شده‌اند. مدل رگرسیون خطی با استفاده از کتابخانه Scikit-learn آموزش داده شده و دقت آن بر روی مجموعه آزمون ارزیابی گردیده است. نتایج آزمون نشان‌دهنده‌ی دقت عملکرد مدل معادل 73 درصد می‌باشد. پس از آن، مدل آموزش‌دیده برای پیش‌بینی نمره یک دانش‌آموز جدید با ویژگی‌های مشخص به کار گرفته شده و عملکرد آن تحلیل شده است. نتایج این مطالعه نشان می‌دهد که به‌کارگیری تکنیک‌های یادگیری ماشین، به‌ویژه رگرسیون خطی، می‌تواند ابزاری کارآمد برای پیش‌بینی نمرات دانش‌آموزان در درس شیمی باشد و در اتخاذ تصمیمات آموزشی مبتنی بر داده نقشی مؤثر ایفا کند. |
| کلیدواژه ها |
| آموزش شیمی، یادگیری ماشین، تصمیم‌گیری آموزشی، تحلیل داده. |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
