پيش‌بيني عملكرد تحصيلي دانشجويان مبتني بر شبكه كانولوشن گراف و لايه ‏توجه

پيش‌بيني عملكرد دانشجويان، يكي از موضوع‌هاي اساسي در آموزش مجازي ‏ ‏است. عدم تعامل بين استاد و دانشجو در آموزش‌ مجازي سبب مي‌شود، شرايط ‏تحصيلي دانشجويان به طور صحيح و كامل تشخيص داده نشود. در ‏سيستم‌هاي آموزش مجازي، داده‌هاي مربوط به فعاليت‌هاي آموزشي دانشجويان ‏جمع‌آوري مي‌شود. ما با تحليل اين داده‌ها با استفاده از تكنيك‌هاي داده‌كاوي ‎ ‎مي‌توانيم الگوهاي آموزشي دانشجويان را تعيين كنيم. اين الگوها به اساتيد در ‏شناسايي دانشجويان در معرض خطر كمك مي‌كند.‏ در تجزيه و تحليل داده‌هاي آموزشي، از مدل‌هاي مختلفي از جمله ‏شبكه‌هاي عصبي ، ماشين‌هاي بردار پشتيبان ، بيزين ، درخت تصميم‌گيري ، ‏نزديك ترين همسايه و ... استفاده شده‌است. نتايج نشان مي‌دهد كه شبكه ‏عصبي دقت بهتري نسبت به ساير روش‌ها دارد ‏‎‎‏. در اين تحقيق، روش ‏جديدي براي پيش بيني عملكرد تحصيلي دانشجويان ارائه كرده‌ايم كه اولا براي ‏تحليل اطلاعات مربوط به پيشينه دانشجو از گراف دانش استفاده مي كند و ‏همچنين به منظور استفاده از داده‌هاي فعاليتي دانشجو در طول ترم، از مكانيزم ‏توجه ‏ بهره مي برد. نتايج به دست آمده نشان مي‌دهد روش پيشنهادي توانسته ‏است دقت بهتري نسبت به مدل مبتني بر ‏LSTM‏ كسب كند.‏