في عصر التعليم الرقمي، أصبح تحليل البصمات الرقمية للطلاب أداةً قوية لفهم أساليب التعلم وتكييف المحتوى التعليمي وفقًا للاحتياجات الفردية. يهدف هذا البحث إلى تطوير نموذج ذكاء اصطناعي يستخدم الشبكات العصبية التلقائية (Autoencoders) و تحليل المكونات الرئيسية (PCA) لتحليل بيانات البصمات الرقمية للطلاب وتصنيفهم بناءً على نموذج فيلدر-سيلفرمان لأنماط التعلم.

تم جمع بيانات 120 طالبًا من أنظمة إدارة التعلم، حيث أظهرت النتائج أن النموذج المقترح حقق دقة تصنيف بلغت 89.7% باستخدام الشبكات العصبية التلقائية، متفوقًا على الأساليب التقليدية مثل تحليل المكونات الرئيسية (PCA) والخوارزميات التقليدية الأخرى. تسلط هذه الدراسة الضوء على إمكانيات الذكاء الاصطناعي في تحسين التعلم المخصص وتعزيز تجربة الطالب في بيئات التعلم الرقمي.

🔹 الكلمات المفتاحية: التعلم الآلي، البصمات الرقمية، الشبكات العصبية التلقائية، تحليل المكونات الرئيسية، أنماط التعلم، الذكاء الاصطناعي في التعليم