إنشاء نموذج يتنبأ بأداء الطالب (مثلاً: الدرجة النهائية أو النسبة المئوية) بناءً على عوامل مثل: عدد ساعات الدراسة الحضور عدد ساعات النوم استخدام الإنترنت عدد الغيابات الأنشطة اليومية الجنس / الخلفية الاجتماعية (اختياري للتحليل فقط)

يهدف هذا المشروع إلى بناء نموذج تعلم آلي بسيط باستخدام الانحدار الخطي لتوقع أداء الطلاب الأكاديمي (مثل الدرجة النهائية أو التقييم العام)، وذلك بالاعتماد على مجموعة من العوامل المؤثرة مثل:

عدد ساعات الدراسة.

الحضور والغياب.

استخدام الإنترنت.

ساعات النوم.

متغيرات اجتماعية أو سلوكية أخرى.

️ الأدوات المستخدمة:

Python

مكتبات: pandas, numpy, matplotlib, seaborn, sklearn

الخطوات المتبعة في المشروع:

استيراد البيانات: تم استخدام بيانات تحتوي على معلومات عن مجموعة من الطلاب.

تنظيف البيانات: معالجة القيم الفارغة وتحويل البيانات النصية إلى رقمية (إن وجدت).

التحليل الاستكشافي للبيانات (EDA): تم رسم رسوم بيانية لفهم العلاقات بين المتغيرات.

بناء النموذج:

تم استخدام LinearRegression من مكتبة sklearn.

تقسيم البيانات إلى بيانات تدريب واختبار.

تقييم النموذج:

باستخدام مؤشرات مثل: معامل التحديد (R² Score)، ومتوسط الخطأ التربيعي (MSE).

التنبؤ: تم تجربة النموذج على بيانات جديدة لمعرفة درجة التوقع.

الهدف النهائي:

إنشاء نموذج قادر على توقع درجة الطالب المستقبلية بناءً على بياناته الشخصية والسلوكية، مما يساعد الإدارات التعليمية على دعم الطلاب ذوي الأداء المنخفض قبل فوات الأوان.

نتائج المشروع:

النموذج أظهر دقة جيدة في التنبؤ.

هناك علاقة قوية بين عدد ساعات الدراسة والحضور وبين الأداء الأكاديمي.

إمكانيات مستقبلية للتطوير:

استخدام خوارزميات أخرى مثل: Decision Trees أو Random Forest.

تحويل المشروع إلى تطبيق تفاعلي باستخدام Streamlit أو Tkinter.

إدخال متغيرات إضافية مثل الحالة النفسية أو البيئة الأسرية.