پیش‌بینی زودهنگام وضعیت تحصیلی دانشجویان بر اساس تعاملات آنها با سامانه آموزش مجازی

امروزه، بهره‌گیری از آموزش مجازی بسیار مرسوم است. اما با وجود فراگیری این دوره‌ها، نرخ بازدهی و تکمیل دوره‌های آموزش مجازی در مقایسه با آموزش حضوری، بسیار پایین‌ است. اگر بتوان با ردگیری رفتار فراگیران در محیط یادگیری مجازی، وضعیت تحصیلی نهایی آنها را به صورت زودهنگام پیش‌بینی کرد، می‌توان هشدارهای به موقعی به آنها داد و اقدامات مناسبی انجام داد تا از کاهش بازدهی و همچنین ناتمام رها شدن دوره، پیشگیری کرد. در مطالعات گذشته، با استفاده از ویژگی‌های مختلفی مانند اطلاعات جمعیت‌شناختی، سوابق تحصیلی، نتایج آزمون‌های انجام شده در طول دوره و ارسال تکالیف، وضعیت تحصیلی دانش‌آموزان و دانشجویان پیش‌بینی شده است. اما در بسیاری از دور‌ه‌های آموزشی مجازی، این سوابق و تکالیف و ارزیابی‌ها و نمرات میان دوره‌ای وجود ندارند. بنابراین روش‌های پیشین کارا نیستند. در این پژوهش با استخراج ویژگی‌های رفتاری جدیدی از تعاملات دانشجویان با سامانه‌ی آموزش مجازی و همچنین اعمال روش‌های مختلف انتخاب ویژگی و یادگیری ماشین، به پیش‌بینی زودهنگام وضعیت تحصیلی دانشجویان پرداخته می‌شود. ارزیابی‌ها نشان می‌دهد که با استفاده از روش ارائه شده در این پژوهش، می‌توان تنها با استفاده از داده‌هایی که پس از گذشت یک سوم دوره حاصل می‌شوند، وضعیت تحصیلی نهایی دانشجویان را با دقت 62/90 درصد پیش‌بینی کرد.