Η Τεχνητή Νοημοσύνη (ΤΝ) έχει αναδειχθεί σε ένα ισχυρό εργαλείο για την πρόβλεψη της ακαδημαϊκής συμπεριφοράς και απόδοσης, ιδιαίτερα στον τομέα της δευτεροβάθμιας εκπαίδευσης. Σύμφωνα με τη διεθνή βιβλιογραφία, η ΤΝ αξιοποιεί τεχνικές όπως η μηχανική μάθηση και η βαθιά μάθηση για την ανάλυση δεδομένων που σχετίζονται με τις σχολικές επιδόσεις, τη φοίτηση και τη συμπεριφορά των μαθητών (Cruz-Jesus et al., 2020; Dubey & Mani, 2019).

Οι εφαρμογές της περιλαμβάνουν την πρόβλεψη της σχολικής εγκατάλειψης σε αναπτυσσόμενες χώρες (Mnyawami et al., 2022), την αξιολόγηση της ανάγνωσης μαθητών σε παγκόσμιο επίπεδο (Hu et al., 2022) και τη βελτίωση της κατανόησης παραγόντων που σχετίζονται με την επιτυχία σε εξετάσεις εισαγωγής (Tuba & Pelin, 2022). Παράλληλα, η ΤΝ χρησιμοποιείται για τη μελέτη της συμπεριφοράς μαθητών με ειδικές ανάγκες, όπως στην περίπτωση πρόβλεψης παρουσιών αυτιστικών μαθητών (Jarbou et al., 2022).

Η εγκυρότητα αυτών των εφαρμογών εξαρτάται από την ποιότητα των δεδομένων, καθώς και από την ηθική χρήση τους. Μελέτες όπως αυτή του Ishikura et al. (2020) για μαθητές που αντιμετωπίζουν προβλήματα σχολικής φοίτησης, τονίζουν την ανάγκη για προσεκτική ανάλυση, ώστε να διασφαλιστούν ακριβείς και χρήσιμες προβλέψεις. Ως εκ τούτου, η ενσωμάτωση της ΤΝ στην εκπαίδευση έχει τη δυνατότητα να συμβάλει σημαντικά στην κατανόηση και βελτίωση της ακαδημαϊκής συμπεριφοράς και απόδοσης.