التنبؤ بتسرب الطلاب وأدائهم الأكاديمي باستخدام الذكاء الاصطناعي القابل للتفسير

تواجه مؤسسات التعليم العالي المعاصرة تحديات متنامية في التعرف المبكر إلى الطلاب المعرضين لخطر تدني الأداء الأكاديمي والتسرب من الدراسة، وتتزايد أهمية هذا التعرف المبكر في ظل سعي الجامعات إلى الحفاظ على جودة التعليم ورفع معدلات التخرج وتحسين مخرجاتها، إذ إن اكتشاف الطالب المتعثر بعد فوات الأوان يجعل التدخل أقل فاعلية وأعلى كلفة، بينما يتيح التنبؤ المبكر توجيه الدعم الأكاديمي والنفسي والمالي إلى من يحتاجونه فعلًا في الوقت المناسب، ومن هنا برزت تقنيات الذكاء الاصطناعي والتعلم الآلي بوصفها أدوات واعدة لتحليل البيانات التعليمية الضخمة واستخلاص مؤشرات دقيقة عن مسار الطالب الدراسي واحتمالات نجاحه أو تعثره

ويكتسب التنبؤ بنجاح الطلاب وتسربهم أهمية خاصة في صناعة القرار المؤسسي، فهو يساعد الجامعات على صياغة استراتيجيات فعالة وتوزيع الموارد بكفاءة وتحسين خدمات دعم الطلاب، غير أن اعتماد نماذج الذكاء الاصطناعي في قرارات تمس مستقبل الطلاب يثير تساؤلات مشروعة عن شفافية هذه النماذج وقابلية تفسير قراراتها، فالنموذج الذي يصنف طالبًا بأنه معرض للخطر دون بيان الأسباب يصعب على المرشد الأكاديمي الوثوق به أو البناء عليه، ولذلك أولت الدراسة اهتمامًا خاصًا بالذكاء الاصطناعي القابل للتفسير بوصفه مدخلًا يجمع بين دقة التنبؤ ووضوح المبررات

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى استكشاف نماذج التعلم الآلي في التنبؤ بنجاح الطلاب، مع تركيز خاص على التنبؤ بالمعدل التراكمي للطالب في الفصل الدراسي الأول وتحديد الطلاب المعرضين لخطر التسرب والتعثر، وسعت الدراسة إلى مقارنة عدد من المصنفات ونماذج الانحدار للوقوف على التقنيات الأكثر فاعلية في هذا المجال، كما هدفت إلى تقديم رؤى قابلة للتفسير حول عملية اتخاذ القرار داخل النماذج باستخدام تقنيات الذكاء الاصطناعي القابل للتفسير، بما يمكن المؤسسات التعليمية من فهم العوامل التي تقف خلف كل تنبؤ واتخاذ إجراءات دعم مبنية على أدلة واضحة لا على انطباعات عامة

ثانيًا: أبرز النتائج

1، أظهرت النتائج أن نماذج التعلم الآلي قادرة على التنبؤ المبكر بالطلاب المعرضين لخطر تدني الأداء الأكاديمي والتسرب اعتمادًا على بياناتهم التعليمية، بما يتيح التدخل في مرحلة مبكرة قبل تفاقم التعثر وتحوله إلى انسحاب كامل من الدراسة

2، تفوق نموذج الانحدار اللوجستي على النماذج الأخرى في التنبؤ بالطلاب المعرضين للخطر، إذ حقق مستويات مرتفعة من الدقة والاستدعاء، مما يجعله أداة موثوقة لأغراض التدخل المبكر في مؤسسات التعليم العالي

3، وفرت تقنيات الذكاء الاصطناعي القابل للتفسير رؤى واضحة في منطق اتخاذ القرار لدى النماذج، فغدت التنبؤات مفهومة المبررات والعوامل لا مجرد مخرجات رقمية مغلقة يصعب تبريرها أو مناقشتها

4، أكدت النتائج أن الجمع بين دقة التنبؤ وقابلية التفسير يعزز ثقة صانعي القرار في الجامعات بالنماذج الذكية ويزيد من قبول المرشدين الأكاديميين لاستخدامها في متابعة الطلاب ودعمهم

ثالثًا: دلالات الدراسة وتطبيقاتها

تحمل هذه النتائج دلالات عملية مهمة لإدارات الجامعات ووحدات الإرشاد الأكاديمي، إذ يمكن توظيف النماذج التنبؤية في بناء أنظمة إنذار مبكر ترصد الطلاب المعرضين للخطر منذ الفصل الدراسي الأول وتوجه إليهم برامج الدعم والمتابعة قبل استحكام التعثر، كما تساعد قابلية التفسير على تصميم تدخلات مخصصة بحسب العوامل المؤثرة في كل طالب بدلًا من التدخلات العامة التي قد لا تناسب الجميع، وبالنسبة إلى الباحثين العرب وطلاب الدراسات العليا تفتح الدراسة بابًا واسعًا للبحث في توظيف تحليلات البيانات التعليمية في الجامعات العربية مع مراعاة أخلاقيات استخدام البيانات وخصوصية الطلاب وعدالة الخوارزميات في قراراتها

وخلاصة القول إن توظيف تقنيات الذكاء الاصطناعي والتعلم الآلي في التنبؤ بأداء الطلاب وتسربهم لم يعد ترفًا تقنيًا بل ضرورة مؤسسية لرفع جودة التعليم ومعدلات التخرج، وإن ما يميز هذا التوجه هو الاهتمام المتنامي بقابلية التفسير التي تجعل النموذج شريكًا مفهومًا في القرار التربوي لا صندوقًا مغلقًا تتعذر مساءلته، وهو ما يرشح هذه الأدوات لتكون ركيزة أساسية في أنظمة دعم الطلاب والإرشاد الأكاديمي في جامعات المستقبل