نوقشت في كلية علوم الحاسوب وتكنولوجيا المعلومات بجامعة القادسية رسالة الماجستير الموسومة ب ( التنبؤ بتفاعل الطلاب وتعزيزه في التعليم الإلكتروني القائم على تعلم الآلة)

‏( Predicting and Enhancing Student Engagement

in E-Learning Based on Machine Learning )

للطالبة سوزان ناظم احمد بإشراف أ. م .د. مصطفى جواد رديف و أ.م. د. منار جندي هزار .

هدفت الرسالة إلى تطوير إطار عمل متكامل قائم على تعلّم الآلة (أطلقت عليه الباحثة اسم ESE-ML) لتحقيق هدفين رئيسين:

– التنبؤ بمستوى تفاعل الطلبة (Engagement) في بيئات التعلّم الإلكتروني، وتصنيفهم إلى ثلاث فئات: منخفض، متوسط، وعالي، اعتمادًا على تحليل سلوكياتهم وتفاعلاتهم الفعلية أثناء التعلّم.

– ترجمة هذا التنبؤ إلى توصيات تعليمية شخصية (Personalized Recommendations) موجهة لكل طالب حسب مستوى تفاعله وخصائصه السلوكية

تضمنت دعم الطلبة المعرضين لضعف التفاعل أو خطر التسرب الدراسي في وقت مبكر، حيث ان الرسالة لم تكتفِ بالتنبؤ فقط ، بل حاولت الربط بين “التنبؤ” و”التدخل العملي”، أي تحويل النتائج التحليلية إلى إجراءات تعليمية فعلية تُحسّن من تجربة الطالب وتقلل من احتمالية انقطاعه عن الدراسة، حيث تم تدريب واختبار خمسة خوارزميات لتعلّم الآلة، وجاءت النتائج كالتالي من حيث الدقة:

93.33% بدقة (الأفضل بين النماذج الفردية) XGBoost

% 86.67 تعادلا بدقة LightGBM و Random Forest

80.00% : (ANN) الشبكة العصبية الاصطناعية

73.33% : الانحدار اللوجستي

بينما النموذج الهجين الذي طورته الباحثة (يجمع XGBoost وLightGBM) حقق أفضل أداء عام بين جميع النماذج:

• الدقة 96.44% : (Accuracy)

• الدقة الموجبة Precision) ) 100.00% :

• الاستدعاء92.86% : ( Recall )

• مقياس F1 96.44% :

• مساحة تحت المنحنى 0.982 : (AUC )

هذا يعني أن دمج النموذجين أعطى نتائج أفضل من استخدام أي نموذج بمفرده.

أُجيزت الرسالة بتقدير (إمتياز) .