توظيف الذكاء الاصطناعي في تنقيب البيانات التعليمية للتنبؤ بالأداء الأكاديمي للطالب الجامعي

توظيف الذكاء الاصطناعي في تنقيب البيانات التعليمية للتنبؤ بالأداء الأكاديمي للطالب الجامعي

ذكرى علي علي حمود نعيم¹، وردمان محمد سعيد²

1. أستاذ مساعد، قسم الرياضيات، كلية التربية – جامعة صنعاء

2. أستاذ تربويات الرياضيات، كلية التربية – جامعة صنعاء

ملخص البحث:

يُعدّ توفير تعليم عالي الجودة للطلبة أحد الأهداف الرئيسية لمؤسسات التعليم العالي. ويمكن أن يتحقق ذلك عن طريق التنبؤ بالأداء الأكاديمي للطالب الجامعي باستخدام التنقيب في البيانات التعليمية (EDM). حيث هدف البحث إلى التنبؤ بالأداء الأكاديمي للطلبة، وتطوير أدائهم في مرحلة مبكرة. وتم جمع البيانات المستخدمة في هذا البحث من سجلات الطلبة في قسم الرياضيات بكلية التربية -جامعة صنعاء للأعوام (2008- 2016م)، واعتمد البحث منهجية CRISP-DM للتنقيب عن البيانات. واستخدمت النمذجة كأداة للبحث التعلم الآلي (WEKA). كما استخدم ستة خوارزميات تصنيف في تنقيب البيانات؛ لتحديد الخوارزمية الأفضل في نمذجة البيانات، وخمسة مقاييس للتقييم وفي نهاية عملية النمذجة وجد أن خوارزمية الانحدار اللوجستي LR هو أفضل مصنف لمجموعة البيانات.

وقد اُستخدمت في البحث خمس تقنيات؛ لاختيار الميزات؛ لتحديد الميزات الأكثر صلة بالميزات التي تم جمعها في مجموعة البيانات. وبعد ذلك تم تحديد أفضل مصنف لمجموعة البيانات. ووضح البحث أن التنبؤ بالأداء الأكاديمي يُمكّن كلاً من الأكاديميين والطلبة من الاكتشاف المبكر للطلبة الذين يحتاجون إلى اهتمام خاص في إجراء التدخل المناسب. إضافة إلى أنه يُمكن أعضاء هيئة التدريس من معرفة قدرة كل طالب، وتخصيص مهام التدريس بناءً على احتياجات الطلبة. وأوصى البحث هيئة التدريس استخدام EDM في التنبؤ بالأداء الأكاديمي للطلبة، والاستفادة من ذلك في تخصيص خبرات تعلم الطلبة بناءً على احتياجاتهم المختلفة.

الكلمات المفتاحيّة: تنقيب البيانات التعليمية، التنبؤ بالأداء الأكاديمي، الذكاء الاصطناعي، خوارزميات تعلم الآلة WEKA.

اضغط هنا لتصفح أو لتنزيل البحث

Applying Artificial Intelligent in Educational Data Mining for Predicting Academic Performance for University Student’s

 Thikra Ali Ali Humood Nae’em¹ & Radman Mohamed Saeed²

1. Associated professor, Mathematics Department, Faculty of Education – Sana’a University

2. Prof. of Mathematical Education, Faculty of Education – Sana’a University

Abstract:

Providing high-quality education to students is one of the main goals of higher education institutions. predicting a university student’s academic performance, can be achieved using educational data mining (EDM). The research aimed to predict academic performance of students and develop their performance at an early stage. The data used in this research were collected from the students’ records in-Mathematics Department in the faculty of Education at Sana’a University for the years (2008-2016). The research adopted the CRISP-DM methodology for data mining. Modeling was used as a machine learning research tool by WEKA. And Six classification algorithms were used in the data mining to select the algorithm that produces the best model for the data. And five  metrics of evaluation, At the end of the modelling process, the research found the logistic regression as the best classifier for the dataset.

In this research five feature selection techniques were used; to select the most relevant features out of the features gathered in the dataset, Having identified the best classifier for the dataset.

The research showed that prediction of academic performance enables both academics and students to detect early students who need special attention in order to conduct appropriate intervention. Moreover, instructors can be aware of each student’s capability and customize the teaching tasks based on students’ needs. The research would recommend instructors to consider using EDM in predicting students’ academic performance and benefit from that in customizing students’ learning experience based on their different needs.

Keywords: Educational Data Mining, Prediction of academic performance, Artificial Intelligence, WEKA Machine Learning Algorithms.