نشر الباحث عيسى المزروعي من قسم تقنيات وتصميم التعليم بكلية التربية في جامعة جدة، دراسة علمية تهدف إلى تعزيز الأداء الأكاديمي للطلاب في بيئات التعلم الإلكتروني. نُشِرت الدراسة في مجلة Scientific Reports التابعة لدار نشر Springer Nature، المصنفة في الربع الأول Q1 ضمن قواعد البيانات Web of Science. تقدم الدراسة إطار عمل مبتكر يعتمد على دمج خوارزميات التعلم الآلي القوية مع تقنيات الذكاء الاصطناعي القابل للتفسير (XAI). تفاصيل الدراسة والمنهجية للوصول إلى نموذج تنبؤي دقيق، قام الباحث بدمج سبع مجموعات بيانات تعليمية متنوعة ضمن مسار تحليل موحد. وقد شملت هذه البيانات ما يلي: - البيانات الديموغرافية للمتعلمين. - السجل التاريخي للتقييمات والدرجات. - مستويات التفاعل والمشاركة عبر بيئة التعلم الافتراضية (VLE). - أنماط التسجيل والانسحاب من المقررات. وقد تم تدريب واختبار أربع خوارزميات للتعلم الخاضع للإشراف، وهي: الانحدار اللوجستي (Logistic Regression)، الغابات العشوائية (Random Forest)، XGBoost، والشبكات العصبية (MLP). أبرز النتائج والتأثير الأكاديمي: أثبتت الدراسة كفاءة عالية في تحديد الطلاب المعرضين للخطر الأكاديمي بوقت مبكر. وفيما يلي أبرز مخرجات البحث: - تفوق نموذج XGBoost كأقوى النماذج أداءً، محققاً نسبة دقة بلغت 95.04%. - استخدام تقنيات متقدمة مثل SHAP و LIME لضمان شفافية وقابلية تفسير القرارات التي يتخذها النظام. - الكشف عن أن الأداء التراكمي للتقييمات، وأنماط الانسحاب، وكثافة التفاعل هي المؤشرات الأكثر تأثيراً على نجاح الطالب. - توفير نظام "إنذار مبكر" موثوق يساعد المؤسسات التعليمية على تقديم تدخلات أكاديمية مستهدفة ودعم مخصص للطلاب. تمثل هذه الورقة العلمية خطوة هامة نحو توظيف البيانات التعليمية الضخمة لتحسين جودة صنع القرار المؤسسي وتقليل معدلات التعثر الأكاديمي في أنظمة التعليم عن بعد.

انطلاق برنامج باحث (7) والموجه للباحثين لتطوير المهارات البحثية وفق أسس علمية ومنهجية.