افت و پیشرفت تحصیلی دانش آموزان از چالشهای اساسی نظام آموزشی است که عوامل متعددی مانند ویژگیهای فردی، روابط اجتماعی و استفاده از فناوری بر آن تأثیرگذارند. این پژوهش باهدف بررسی جامع تأثیر عوامل مذکور بر عملکرد تحصیلی دانشآموزان متوسطه دوم شهر سنندج انجام شد و بهطور ویژه از روشهای تحلیل گراف برای شناسایی تأثیر روابط اجتماعی حقیقی و مجازی بهره گرفته شد. این پژوهش از نوع توصیفی-تحلیلی بوده و با رویکرد کمی انجام شده است. جامعه آماری شامل دانشآموزان متوسطه دوم شهر سنندج در سال تحصیلی 1403 - 1402 بود و حجم نمونه با استفاده از روش نمونه گیری تصادفی طبقه بندیشده و جدول کرجسی و مورگان تعیین گردید. دادهها با استفاده از پرسشنامه ای که شامل بخشهای اطلاعات دموگرافیک، ویژگیهای تحصیلی، روابط اجتماعی و استفاده از فناوری بود، گردآوری شدند. برای تحلیل داده ها از روشهای آماری مانند تحلیل واریانس دوطرفه، آزمون همبستگی، و خوشه بندی استفاده شد. همچنین، مدلهای یادگیری عمیق GCN (Graph Convolutional Network ( و GAT (Graph Attention Network) برای پیش بینی تأثیر روابط اجتماعی بر عملکرد تحصیلی مورداستفاده قرار گرفتند. یافته های پژوهش نشان داد که ساعات مطالعه بیشتر از 3 ساعت در روز به طور معناداری با نمرات بالاتر مرتبط است. همچنین، روابط اجتماعی حقیقی تأثیر قویتری نسبت به روابط مجازی بر پیشرفت تحصیلی داشتند، اما استفاده هدفمند از روابط مجازی- مانند گروههای درسی آنلاین - نیز تأثیر مثبت داشت. تحلیلهای گرافی نشان داد که دانشآموزانی با مرکزیت بالاتر در گرافهای اجتماعی حقیقی و مجازی، عملکرد تحصیلی بهتری داشتند. مدل GCN با دقت 99.05 % و مدل GAT با دقت 70 % نشان دادند که روابط اجتماعی هدفمند میتواند بهطور معناداری افت یا پیشرفت تحصیلی را پیشبینی کند. همچنین، استفاده هدفمند از فناوریهای آموزشی، مانند ویدئوهای آموزشی و منابع آنلاین، تأثیر مثبتی بر پیشرفت تحصیلی داشت، درحالیکه استفاده غیر هدفمند از فناوری به افت تحصیلی منجر شد. این پژوهش با ارائه مدلی ترکیبی از تحلیل گراف و یادگیری عمیق، نشان داد که برای بهبود عملکرد تحصیلی دانش آموزان، باید به تقویت روابط اجتماعی حقیقی، استفاده بهینه از فناوری و مدیریت ساعات مطالعه توجه شود. یافتههای این تحقیق میتواند به معلمان، والدین و سیاستگذاران در طراحی برنامههای آموزشی مؤثر کمک کند. همچنین، این پژوهش بستری برای مطالعات آتی در زمینه تحلیل گراف و یادگیری مبتنی بر فناوری فراهم میکند.
