دقة تنبؤ نماذج التعلم الآلي التجميعية: مقارنة الدقة والاستدعاء محليًا وعالميًا في تصنيف تقديرات أداء طلاب الهندسة متعدد الفئات

تفحص هذه الدراسة دقة التنبؤ لنماذج التعلم الآلي التجميعية عبر مقارنة الدقة والاستدعاء والصحة على المستويين المحلي والعالمي في تقدير أداء طلاب الهندسة متعدد الفئات، وتتقصى أداء نماذج تعلم آلي متنوعة في التنبؤ بمخرجات التقدير متعدد الفئات لهؤلاء الطلاب، إذ يمثل تصنيف الطلاب إلى تقديرات حرفية متعددة مهمة أصعب من التصنيف الثنائي بسبب تداخل الفئات وتفاوت أحجامها وتشابه خصائص الطلاب المتجاورين في سلم التقدير

ويتمثل الهدف الرئيس للدراسة في مواجهة تحديات تجهيز البيانات متعددة الفئات وتقييم أفضل نماذج التعلم الآلي باستخدام مقاييس الدقة المصغرة والموسعة المستمدة من مقارنات خط الأساس، مع تأكيد أهمية توظيف منحنيات خصائص التشغيل للمستقبل المتعددة والمساحات تحت المنحنيات ومنهج واحد مقابل الباقي عندما تُمثل السمات المستهدفة بتقديرات حرفية، ليحصل الطلاب والمؤسسات التعليمية على صورة أدق لقدرات التنبؤ المبكر بالأداء الأكاديمي وحدودها العملية

أولًا: أهداف الدراسة ومنهجيتها

فحصت الدراسة سبعة خوارزميات هي أشجار القرار والجيران الأقرب والغابات العشوائية وآلات المتجهات الداعمة وإكس جي بوست وتعزيز التدرج والتجميع بالحزم، وقُيم أداؤها في التنبؤ بتقديرات طلاب الهندسة متعددة الفئات بمقاييس دقة عالمية كلية وجزئية على مستوى الطالب الفردي، مدعومة بمخططات خطأ الدقة والاستدعاء، كما طبقت الدراسة بحثًا شبكيًا لضبط معلمات الغابات العشوائية الأمثل، وقارنت دقة التنبؤ بحسب فئة التقدير نفسها للكشف عن التقديرات الأسهل والأصعب تنبؤًا، بما يقدم تقييمًا شاملًا متعدد الزوايا لقدرات النماذج بدل الاكتفاء برقم دقة إجمالي واحد قد يخفي تباين الأداء بين فئات التقدير المختلفة

ثانيًا: أبرز النتائج

1. حقق تعزيز التدرج أعلى دقة عالمية للتنبؤات الكلية بنسبة 67 في المئة، تلاه التجميع بالحزم بنسبة 65 في المئة والغابات العشوائية بنسبة 64 في المئة، ثم الجيران الأقرب وإكس جي بوست بنسبة 60 في المئة لكل منهما، وآلات المتجهات الداعمة بنسبة 59 في المئة، وأشجار القرار بنسبة 55 في المئة، وهو ترتيب يضع النماذج التجميعية في صدارة الأداء العالمي

2. عند النظر في دقة التنبؤ المصغرة على مستوى الطالب الفردي، تقاربت آلات المتجهات الداعمة والغابات العشوائية وإكس جي بوست مع تقديرات الطلاب الحقيقية بدقات 19 و22 و33 في المئة على التوالي عند خط الأساس، وهو تباين صارخ بين الدقة العالمية والدقة الفردية يبرز أهمية عدم الخلط بين مستويي التقييم عند الحكم على فائدة النماذج عمليًا

3. تنبأت النماذج بتقدير جيد بدقة بلغت 97 في المئة في حين كان التنبؤ بتقدير ممتاز أكثر صعوبة بدقة 66 في المئة فقط، وأيدت مخططات خطأ الدقة والاستدعاء هذه النتائج، بما يعني أن النماذج أقدر على رصد الأداء المتوسط من رصد التفوق الاستثنائي الذي قد تتداخل فيه عوامل لا تلتقطها البيانات المتاحة

4. حقق البحث الشبكي لخوارزمية الغابات العشوائية درجة 79 في المئة عند الضبط الأمثل، غير أن دقة التدريب بلغت 99 في المئة، وهو فارق ينبه إلى خطر فرط التخصيص على بيانات التدريب عند تقييم أداء النماذج وضرورة الاعتماد على بيانات اختبار مستقلة للحكم الواقعي على قدرة التعميم

ثالثًا: دلالات الدراسة وتطبيقاتها

تترتب على النتائج آثار للطلاب والمؤسسات التعليمية معًا، إذ تساعد في تحديد مجالات التحسين والتعرف على المتفوقين، بما يسهم في نهاية المطاف في تحسين المخرجات الأكاديمية لطلاب الهندسة، ويمكن للجامعات توظيف النماذج التجميعية في أنظمة إنذار مبكر ترصد الطلاب المعرضين لتدني التقديرات وتوجه لهم الدعم الأكاديمي قبل تفاقم التعثر، مع وعي واضح بحدود الدقة الفردية حتى لا تتحول التنبؤات إلى أحكام قاطعة على الطلاب، وتفيد الدراسة الباحثين العرب وطلاب الدراسات العليا في تحليلات التعلم بدرس منهجي حول ضرورة الجمع بين المقاييس الكلية والجزئية ومنهج واحد مقابل الباقي ومنحنيات خصائص التشغيل عند تقييم تصنيف متعدد الفئات في التعليم

وخلاصة القول إن نماذج التعلم الآلي التجميعية، وفي مقدمتها تعزيز التدرج، قدمت أفضل دقة عالمية في التنبؤ بتقديرات طلاب الهندسة متعددة الفئات، مع دقة مرتفعة في رصد التقدير المتوسط وضعف نسبي في رصد التفوق، بما يجعلها أدوات مساندة واعدة للإنذار المبكر والدعم الأكاديمي متى قُيمت بمقاييس متعددة المستويات ووظفت بحذر منهجي