إطار هجين قائم على Transformer وXGBoost مع قابلية التفسير باستخدام SHAP للتنبؤ متعدد الوسائط بأداء الطلاب في التعليم العالي

Clicks: 13
ID: 332784
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 #12 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
يُعد التنبؤ الدقيق بأداء الطلاب مهمًا لدعم التدخلات المبكرة والقرارات التعليمية المستندة للبيانات، لذا تهدف الدراسة لتطوير إطار تنبؤي هجين يجمع التعلم العميق القائم على بنية Transformer وخوارزمية XGBoost للتنبؤ بالمخرجات الأكاديمية اعتمادًا على بيانات النصوص، وسجلات تفاعل أنظمة إدارة التعلم (LMS)، ودرجات التقييم، والبيانات الديموغرافية. تم تدريب النموذج وتقييمه ببيانات مؤسسية واقعية عبر التحقق المتقاطع الطبقي خماسي الطيات، ومقارنته بنماذج مرجعية شملت Transformer وXGBoost وRandom Forest والشبكات العصبية متعددة الطبقات متعددة الوسائط (MLP)؛ حيث حقق الإطار بمهمة التصنيف متعدد الفئات دقة 79.3%، وقيمة F1 بلغت 0.746، ومؤشر ROC-AUC كليًا قدره 0.861 متفوقًا على النماذج المرجعية، بينما حقق بمهمة التصنيف الثنائي دقة 84.5% ومؤشر ROC-AUC بلغ 0.902، مما يعكس قدرة عالية على تحديد الطلاب المعرضين لخطر التعثر. ولتعزيز الشفافية، استُخدمت تقنية SHAP لتفسير أهمية المتغيرات كليًا والتنبؤات الفردية، وأظهرت النتائج أن درجات التقييم ومؤشرات التفاعل الإلكتروني كانت الأكثر تأثيرًا، في حين أسهمت التمثيلات الدلالية المستمدة من تضمينات BERT ملحوظًا في تحسين التمييز بين الطلاب مرتفعي الأداء والمعرضين للخطر، مما يؤكد إمكانات الإطار في دعم الإرشاد الأكاديمي، وأنظمة الإنذار المبكر، والتدخلات المخصصة عبر تقديم نهج قوي وقابل للتفسير يدعم تطبيقات الذكاء الاصطناعي العادلة والخاضعة للمساءلة بالتعليم العالي.
Reference Key
202622 Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors 1-أ.أمل محمد حسن نوري. 2-أ.م.د/ فخري الدين سعيد
Journal Journal of the Arabian Peninsula Center for Educational and Humanity Researches
Year 2026
DOI
10.56793/pcra23142
URL
https://apcfra.com/detailspaper/204
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.