نوقشت في كلية علوم الحاسوب وتكنولوجيا المعلومات بجامعة القادسية رسالة الماجستير الموسومة ب

(Enhancing Student Performance Prediction Using Dynamic Hybrid Density Based Clustering and Machine Learning )

للطالب حسام كاظم غركان تحت إشراف الأستاذ المساعد الدكتور مصطفى جواد رديف.

تهدف الرسالة إلى تطوير نموذج تنبؤي ذكي قائم على الذكاء الاصطناعي لتحسين أداء الطلبة في التعليم العالي، من خلال الكشف المبكر عن الطلبة المعرضين للفشل الأكاديمي وتمكين المؤسسات التعليمية من اتخاذ قرارات استباقية.

اعتمد الباحث على خوارزمية التجميع الهجينة المعتمدة على الكثافة

(DHDC: Dynamic Hybrid Density-based Clustering)

لتقسيم الطلبة على مجموعات متجانسة بناءً على خصائصهم وسلوكهم الأكاديمي.

بدمجها ثلاث تقنيات متقدمة لحساب الكثافة:

• Clustering by Density Peaks (DPC)

• Gaussian Kernel Density Estimation (KDE)

• Mahalanobis-based Density Estimation(MAH)

كما تم استخدام تقنيات اخرى ومنها التي تهدف الى الاستفادة من الكثير من البيانات الشاذه والمتطرفة وضم صفاتها لغرض زيادة قوة التنبؤ من خلال التعرف على انماط مختلفة من السلوك والاداء مثل

Silhouette Coefficient

Pearson Correlation Coefficient

Euclidean Distance

تم تقييم أداء التجميع باستخدام مؤشرات معتمدة علميًا واظهرت تميزا كبيرا ، مثل:

• Adjusted Rand Index (ARI)

• Normalized Mutual Information (NMI)

• Homogeneity

• Completeness

أما في مرحلة التصنيف، فقد تم استخدام خوارزمية الغابات العشوائية

(Random Forest)

لتمييز أداء الطلبة في المجموعات الناتجة عن

DHDC

أظهرت الخوارزمية دقة عالية في عملية التنبؤ وتمت تجربته على مجموعتي بيانات عالمية تعليميتين واقعيتين، وبينت النتائج أن النموذج المقترح قدّم أداءً متفوقًا مقارنة بالطرق التقليدية، وحقق توازنًا عاليًا بين الدقة والقدرة على التعميم، مما يعزز من فعاليته في دعم القرار الأكاديمي.

أجيزت الرسالة بتقدير امتياز.