توقع الطلاب المعرضين للخطر باستخدام بيانات النقر في بيئة التعلم الافتراضية

في التعليم العالي، يرتبط توقع الأداء الأكاديمي للطلاب بصياغة سياسات تعليمية مثلى تؤثر بقوة على التنمية الاقتصادية والمالية. في المنصات التعليمية عبر الإنترنت، يمكن استغلال معلومات سجل النقرات المسجلة للطلاب لتحديد أدائهم. في الدراسة الحالية، يتم استكشاف مشكلة تصنيف السلاسل الزمنية لتوقع أداء الطلاب من خلال نشر نموذج ذاكرة طويلة وقصيرة المدى (LSTM) باستخدام مجموعة بيانات تحليلات التعلم التابعة للجامعة المفتوحة والمتاحة مجانًا. في مهمة تصنيف النجاح/الفشل، تفوق نموذج LSTM المستخدم على الأساليب المتطورة بنسبة دقة بلغت 93.46% و نسبة استرجاع بلغت 75.79%. ومن المشجع أن نموذجنا قد تجاوز خط الأساس في الانحدار اللوجستي والشبكات العصبية الاصطناعية بنسبة 18.48% و 12.31%، على التوالي، مع دقة تعلم بلغت 95.23%. أظهرنا أن بيانات سجل النقرات الناتجة عن تفاعل الطلاب مع منصات التعلم عبر الإنترنت يمكن تقييمها بدقة أسبوعية لتحسين التنبؤ المبكر بالطلاب المعرضين للخطر. من المثير للاهتمام أن نموذجنا يمكنه توقع النجاح/الفشل بدقة تبلغ حوالي 90% خلال الأسابيع العشرة الأولى من تفاعل الطلاب في بيئة التعلم الافتراضية (VLE). إحدى مساهمات بحثنا هي نهج مستنير في اتخاذ قرارات التعليم العالي المتقدمة نحو تعليم مستدام. إنه جهد جريء نحو سياسات تركز على الطلاب، تعزز الثقة وولاء الطلاب في الدورات والبرامج.