TA’LIM PLATFORMALARI LOG-MA’LUMOTLARI ASOSIDA TALABALARNING O‘ZLASHTIRISH XAVFINI ERTA ANIQLASH UCHUN TUSHUNTIRILADIGAN MASHINAVIY O‘QITISH MODELINI ISHLAB CHIQISH

Abstract

: Mazkur maqolada ta’lim platformalarida shakllanadigan log-ma’lumotlar asosida talabalarning o‘zlashtirish xavfini erta aniqlashga xizmat qiluvchi tushuntiriladigan mashinaviy o‘qitish modeli taklif etiladi. Tadqiqotning muammoli maydoni raqamli ta’lim muhitida to‘planayotgan katta hajmdagi xatti-harakat ma’lumotlarini pedagogik qaror qabul qilishga mos, izohlanadigan va amaliy jihatdan qo‘llanadigan ko‘rinishga keltirish zaruratidan kelib chiqadi. Taklif etilayotgan yechimda log-ma’lumotlar sessiya, hafta va kurs kesimida agregatsiyalanadi; ulardan faollik intensivligi, davomiylik, topshiriq bajarish ritmi, kechikish, barqarorlik va o‘zaro ta’sir xilma-xilligi kabi belgilarning hosil qilinishi nazarda tutiladi. Bashoratlash qatlami uchun logistic regression, random forest va XGBoost kabi modellar benchmark va asosiy model sifatida qaraladi, interpretatsiya uchun esa SHAP asosidagi global hamda lokal izohlar qo‘llanadi. Tahlil natijasida samarali erta ogohlantirish tizimi uchun faqat aniqlik emas, balki recall, kalibrovka, vaqt bo‘yicha barqarorlik va noto‘g‘ri bashoratlarni alohida izohlash talab etilishi asoslandi. Shuningdek, modeldan foydalanishda minimal, ammo mazmunli feature to‘plami, time-sliced validatsiya va misprediction tahlili ustuvor dizayn talablari sifatida ajratildi.