أدى ظهور جائحة كوفيد-19 إلى تسريع وتيرة التحول الرقمي، مما أحدث اضطرابًا كبيرًا في أساليب التعليم التقليدي. وقد أدى تطبيق ممارسات التعليم عن بُعد إلى توليد كميات هائلة من البيانات من خلال أنظمة إدارة التعلم المستخدمة. يمكن لأدوات التنقيب في البيانات التعليمية باستخدام أساليب التعلم الآلي تقديم رؤى دقيقة على مستوى الطلاب، ضمن ما يُعرف بـ"التعليم الدقيق".

تهدف هذه الدراسة إلى استكشاف نهج مناسب لتحليل مجموعة بيانات تشمل 480 طالبًا في منطقة الشرق الأوسط، باستخدام ثلاثة أساليب تعلم آلي خاضعة للإشراف (الشبكات العصبية الاصطناعية، أشجار القرار، وخوارزمية نايف بايز) للتنبؤ بالأداء العام للطلاب باستخدام برنامج SPSS. أظهرت النتائج أن خوارزمية نايف بايز حققت أعلى دقة بنسبة 89.85%، بينما أظهرت الشبكات العصبية الاصطناعية أقل تباين بمتوسط انحراف معياري بلغ 2.37. بالإضافة إلى ذلك، قدمت النماذج الأخرى رؤى قيّمة بخلاف الدقة، مثل التمثيل المرئي وأهمية المتغيرات المستقلة في بيئة SPSS.

كما تم تقييم مجموعة البيانات في سياق افتقار بعض بيانات الطلاب، لمعرفة ما إذا كانت معايير التعلم الإلكتروني وحدها يمكن أن تتنبأ بأداء الطلاب. وأظهرت النتائج أن معايير التعلم الإلكتروني وحدها يمكن أن تتنبأ بالأداء بدقة متوسطة بلغت 84.49%. تسهم هذه الدراسة في الحد من تضخم الدرجات في عصر التعليم عبر الإنترنت الناتج عن الممارسات التعليمية غير السليمة.