عنوان	کاربرد الگوریتم های یادگیری ماشین در پیش بینی میزان موفقیت دانشجویان در کسب نمرات بالا بر اساس عادات زندگی روزمره
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	پیشبینی موفقیت تحصیلی، یادگیری ماشین، سبک زندگی دانشجویی، رگرسیون خطی، انتخاب ویژگی
چکیده	در عصر حاضر، سیستم‌های هوشمند مبتنی بر یادگیری ماشین به طور فزاینده‌ای در حال تحول بخش‌های مختلف آموزشی هستند. پیش‌بینی موفقیت تحصیلی دانشجویان همواره به عنوان یکی از چالش‌های مهم نظام‌های آموزشی مطرح بوده است. مطالعات متعددی نشان می‌دهد که بین سبک زندگی دانشجویان و عملکرد تحصیلی آنان رابطه معناداری وجود دارد. با توجه به رشد روزافزون داده‌های مربوط به رفتارهای تحصیلی و سبک زندگی دانشجویان، استفاده از روش‌های هوش مصنوعی و یادگیری ماشین می‌تواند ابزار قدرتمندی برای تحلیل این داده‌ها و پیش‌بینی موفقیت تحصیلی باشد. این پژوهش با هدف توسعه سیستم پیش‌بینی موفقیت تحصیلی دانشجویان بر اساس شاخص‌های سبک زندگی، از الگوریتم‌های یادگیری ماشین استفاده کرده است. پس از جمع‌آوری داده‌ها، مراحل پیش‌پردازش شامل نرمال‌سازی و انتخاب ویژگی‌ها با الگوریتم ReliefF انجام شد. سپس، مدل‌های پیش‌بینی با دو روش Random Forest و رگرسیون خطی توسعه یافتند. نتایج حاصل نشان داد که مدل رگرسیون خطی پس از کاهش ۵۰ درصدی ویژگی‌ها و انتخاب مؤثرترین شاخص‌ها از قبیل میزان ساعات مطالعه در روز، میزان سلامت روانی و ساعات خواب با مقادیر ۴.۳۳ MAE= و ۵.۴۲ RMSE= بهترین عملکرد را دارد. این مدل قابلیت استفاده در طراحی پلتفرم‌های آموزشی هوشمند را نشان داد. یافته‌ها مؤید آن است که تحلیل داده‌های سبک زندگی با روش‌های یادگیری ماشین می‌تواند سیستم‌های پیش‌بینی با دقت مناسبی ایجاد کند، هرچند گسترش نمونه آماری و افزودن متغیرهای کیفی مانند انگیزه شخصی می‌تواند به بهبود نتایج در تحقیقات آتی بینجامد.
پژوهشگران	زینب عباسی (نفر اول)