التنبؤ بتسرب الطلاب باستخدام الذكاء الاصطناعي وأتمتة البيانات في Excel

قمتُ بتصميم وتطوير لوحة تحكم تفاعلية في Excel مدعومة بخوارزميات تعلم الآلة لتحليل أنماط تسرب الطلاب في مؤسسات التعليم العالي، اعتمادًا على بيانات تضم أكثر من 4,424 طالبًا. الهدف من المشروع هو مساعدة الإدارات الأكاديمية على التعرف على العوامل المؤثرة في بقاء الطلاب واتخاذ قرارات استباقية للحد من التسرب.

مكونات المشروع:

إحصائيات عامة: 2,209 خريجين، 1,421 متسرب، و794 طالبًا ما زالوا مسجلين.

معدلات النجاح: أظهر التصنيف أن 50% من الطلاب يتخرجون، 32% يتسربون، و18% لا يزالون مقيدين.

العوامل الأكثر ارتباطًا بالنجاح:

عدد المقررات المعتمدة في الفصل الثاني (ارتباط 0.624).

درجات المقررات في الفصل الثاني (0.567).

عدد المقررات المعتمدة في الفصل الأول (0.529).

درجات المقررات في الفصل الأول (0.485).

الالتزام بسداد المصروفات (0.410).

تحليل الفئات العمرية: أغلب الطلاب يلتحقون بين عمر 18–22 عامًا، مع زيادة نسب التسرب لدى الفئات الأكبر سنًا.

تحليل المخاطر: العمر عند الالتحاق، حالة المدين، الجنس (ذكور)، ونمط التقديم من أبرز عوامل الخطر.

أداء النماذج:

تم اختبار عدة خوارزميات تعلم آلي للتنبؤ بتسرب الطلاب، حيث حقق نموذج التجميع بالتصويت (Ensemble Voting – Soft) أعلى دقة بلغت 82.15% متفوقًا على نماذج مثل Random Forest (80.56%) وXGBoost (79.89%).

التوصيات:

الأداء الأكاديمي هو الأهم: يجب التدخل المبكر لمساعدة الطلاب الذين يواجهون صعوبة في المقررات الدراسية.

الدعم المالي يصنع فارقًا: الطلاب الملتزمون بالسداد أو الحاصلون على منح يظهرون معدلات بقاء أعلى.

العمر عامل مؤثر: الطلاب الأكبر سنًا يحتاجون لخيارات تعليم مرنة تناسب ظروفهم.

الفجوة بين الجنسين: الذكور أكثر عرضة للتسرب، مما يستدعي برامج دعم موجهة.

إدارة الديون: الطلاب المثقلون بالديون أكثر عرضة للانسحاب، ما يستوجب برامج استشارات مالية.

هذا العمل يجمع بين تحليل البيانات الإحصائي وقدرات التعلم الآلي داخل بيئة Excel، ليكون أداة عملية وفعالة لدعم القرارات في المؤسسات التعليمية.