EduRiskX: إطار عصبي-رمزي للتنبؤ المبكر بالمخاطر الأكاديمية في التعليم الإلكتروني
نظرة عامة
طور باحثون إطارًا جديدًا يسمى EduRiskX للتنبؤ المبكر بالمخاطر الأكاديمية في التعليم الإلكتروني. يجمع الإطار بين محول زمني (Temporal Transformer) ومنطق رمزي (F-Logic) لتحسين دقة التنبؤ وتوفير تفسيرات واضحة.
النتائج الرئيسية
على مجموعة بيانات Open University Learning Analytics Dataset (OULAD)، حقق EduRiskX دقة 0.900 وF1-score 0.894 في الأسبوع 38، مع متوسط اكتشاف مبكر في الأسبوع 9.32 ومعدل اكتشاف 94.30%.
مقارنة مع النماذج الأخرى
| النموذج | الاستدعاء | الاكتشاف المبكر |
|---|---|---|
| EduRiskX | أعلى | أسبوع 9.32 |
| PatchTST | أقل | متأخر |
| iTransformer | أقل | متأخر |
| LSTM | أقل | متأخر |
الأهمية للمنطقة
يمكن لمؤسسات التعليم في الشرق الأوسط الاستفادة من هذا الإطار لتحديد الطلاب المعرضين للخطر مبكرًا، مما يحسن معدلات الاحتفاظ ويقلل التكاليف.
ملاحظة للمراجعة البشرية: تأكد من صحة الأرقام مقارنة بالورقة الأصلية وتحقق من قابلية التطبيق في سياق المنطقة.
أسئلة شائعة
ما هو EduRiskX؟
EduRiskX هو إطار عصبي-رمزي يجمع بين محول زمني للتنبؤ بالمخاطر الأكاديمية ومنطق F-Logic لتقديم تفسيرات قائمة على قواعد تربوية.
كيف يقارن EduRiskX بالنماذج الأخرى؟
أظهر EduRiskX تحسنًا في الاستدعاء والاكتشاف المبكر مقارنة بـ PatchTST وiTransformer وLSTM وCNN في نفس الظروف.
هل يمكن تطبيقه في مؤسسات التعليم في الشرق الأوسط؟
نعم، يمكن تكييفه مع بيانات الطلاب المحلية لتحسين التدخلات المبكرة وتقليل التسرب الدراسي.
المصدر: arXiv cs.AI
محتوى بمساعدة الذكاء الاصطناعي، مراجع بشرياً.