إطار هجين GBDT-DNN لتعزيز اتخاذ القرار القائم على البيانات في التعليم العالي

Clicks: 18
ID: 332783
2026
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #1 of 216 articles by views in Journal of the Arabian Peninsula Center for Educational and Humanity Researches

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 216 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
لمعالجة القيود المرتبطة بالمقاربات التنبؤية التقليدية أحادية النموذج في التعليم العالي-مثل انخفاض الدقة، وضعف التعامل مع مجموعات البيانات الكبيرة، وضعف التنبؤ بالفئات الأقل تمثيلًا- طوّرت هذه الدراسة إطارًا هجينًا للتعلم الآلي يجمع بين أشجار القرار المعززة تدريجيًا (GBDT) والشبكات العصبية العميقة (DNN). وباستخدام مجموعة بيانات عامة تضم 4,424 طالبًا من التعليم العالي في البرازيل لتصنيف المخرجات الأكاديمية (انسحاب، تخرج، أو استمرار في الدراسة)، يقوم مكوّن GBDT بتحسين اختيار الخصائص لضمان قابلية تفسير النموذج، بينما تلتقط الشبكة العصبية العميقة الأنماط المعقدة وغير الخطية في البيانات. وقد حقق الإطار الهجين GBDT-DNN دقة تنبؤية بلغت 95.8% ومتوسط F1-score كلي (macro-averaged) بلغ 0.95، متفوقًا بشكل ملحوظ على النماذج المرجعية بما في ذلك الانحدار اللوجستي، وآلة المتجهات الداعمة، والغابات العشوائية. وأظهرت اختبارات الصلابة الصارمة أن الإطار يحافظ على كفاءة تنبؤية عالية حتى في ظل البيانات المشوشة أو غير المكتملة، كما أظهر قدرة قوية على التوسع عند تقييمه مقابل زيادة عشرة أضعاف في حجم البيانات. علاوة على ذلك، أشار محاكاة سياسية عملية إلى أن استخدام هذا النموذج في التدخلات المستهدفة القائمة على البيانات يمكن أن يؤدي إلى تقليل معدل الانسحاب الطلابي بنسبة 3.9%. وبالتالي، يوفر هذا الإطار لصنّاع القرار في المؤسسات أداة دعم قرار موثوقة، قابلة للتوسع، وعملية، تساعد على تحسين تخصيص الموارد التعليمية، وتعزيز استراتيجيات الاحتفاظ بالطلاب، وتسهيل الحوكمة الاستباقية.
Reference Key
202621 Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors أمل محمد حسن نوري, فخري الدين سعيد
Are you one of these authors? Claim your profile
Journal Journal of the Arabian Peninsula Center for Educational and Humanity Researches
Year 2026
DOI
10.56793/pcra23141
URL
https://apcfra.com/detailspaper/203
Keywords Keywords not found

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.