TA’LIMIY MA’LUMOTLAR ASOSIDA MASHINAVIY O‘RGANISH YORDAMIDA TALABA BILIMINI BASHORATLASH MODELI
Kalit so‘zlar:
Mashinaviy o‘rganish, Ta’limiy ma’lumotlar tahlili, Talaba bilimini bashoratlashAbstrak
. Mazkur tadqiqot ta’limiy ma’lumotlar asosida mashinaviy o‘rganish usullaridan foydalanib talabalarning bilim darajasini bashoratlash modelini ishlab chiqishga qaratilgan. Raqamli ta’lim muhitida shakllanayotgan katta hajmdagi o‘quv ma’lumotlaridan samarali foydalanish ta’lim jarayonini individuallashtirish va akademik natijalarni yaxshilash imkonini beradi, biroq ushbu imkoniyatlar amaliyotda yetarli darajada qo‘llanilmayapti. Shu sababli, talaba o‘zlashtirishini oldindan aniqlashga qodir intellektual modellarni yaratish dolzarb hisoblanadi. Tadqiqot metodologiyasi doirasida oliy ta’lim muassasasi talabalarining o‘quv faoliyatiga oid ma’lumotlar to‘plami shakllantirildi va dastlabki qayta ishlashdan o‘tkazildi. Bashorat modellarini qurishda chiziqli regressiya, qarorlar daraxti, tasodifiy o‘rmon va sun’iy neyron tarmoqlari algoritmlaridan foydalanildi. Modellarning samaradorligi aniqlik va xatolik ko‘rsatkichlari asosida baholandi hamda natijalar o‘zaro taqqoslandi. Olingan natijalar ansambl yondashuviga asoslangan modellar talaba bilim darajasini bashoratlashda yuqori aniqlikni ta’minlashini ko‘rsatdi. Ishlab chiqilgan model xavf ostidagi talabalarni erta aniqlash, moslashtirilgan ta’lim strategiyalarini ishlab chiqish va ta’lim sifatini oshirishda samarali qo‘llanishi mumkin. Tadqiqot natijalari sun’iy intellekt texnologiyalarini ta’lim tizimiga integratsiya qilish va ma’lumotlarga asoslangan pedagogik qarorlar qabul qilish uchun ilmiy- amaliy asos bo‘lib xizmat qiladi.Havolalar
1.Angeioplastis, A., Aliprantis, J., Konstantakis, M., & Tsimpiris, A. (2025). Predicting student
performance and enhancing learning outcomes: A data-driven approach using educational data mining
techniques. Computers, 14(3), 83. https://doi.org/10.3390/computers14030083
2. Buzducea, C.-A., Drăgoi, M.-V., Cristoiu, C., Puiu, R.-A., Puiu, M., Petrea, G. C. N., &
Navligu, B.-C. (2026). Machine learning in education: Predicting student performance and guiding
institutional decisions. Education Sciences, 16(1), 76. https://doi.org/10.3390/educsci16010076
3. Ahmed, E. (2024). Student performance prediction using machine learning techniques.
Journal of Visual and Performing Arts, 5(6), 1112–1122.
https://doi.org/10.29121/shodhkosh.v5.i6.2024.4552
4. (2025). Using machine learning to predict student outcomes for early intervention. Nature
Scientific Reports.
5. Tiwari, M., & Jain, N. (2024). Student performance prediction using machine learning
algorithms. ShodhKosh Journal, 5(6), 1112-1122.
6. Аbdullауev, А.А.О.G.L., O’G’Li, F.S.I., & Yangibayevich, I. B. (2024). Ta’lim jarayonida
sun’iy intellekt va neyron to‘rli texnologiyalar. Science and innovation, 3(Special Issue 50), 431-433.
