Son yıllarda yapay zekâ ve büyük veri analitiği, eğitim alanında köklü bir dönüşüme öncülük etmektedir. Bu kitap bölümü, son beş yılda yapay sinir ağları (Artificial Neural Network, ANN) tabanlı modellerin eğitimdeki uygulamalarını inceleyerek bu alandaki güncel eğilimleri ve metodolojileri sistematik bir çerçevede sunmayı amaçlamaktadır. Çalışma, literatürü dört ana tematik başlık altında kategorize etmektedir: akademik performans tahmini, kişiselleştirilmiş eğitim, içerik üretimi ve soru çözümü ile eğitim sistemlerinin geliştirilmesi ve değerlendirilmesi. Ayrıca, Çok Katmanlı Algılayıcı (Multilayer Perceptron, MLP), Konvolüsyonel Sinir Ağları (Convolutional Neural Network, CNN), Uzun-Kısa Süreli Bellek (Long Short-Term Memory, LSTM) ve Transformatör gibi temel derin öğrenme modellerinin çalışma prensipleri açıklanmıştır.
İncelenen çalışmalar, ANN tabanlı modellerin, öğrenci başarısızlık riskini erken belirlemede, bireysel öğrenme yolları ve duygusal durumlara göre uyarlanmış içerik önermede, otomatik olarak soru ve ders materyali üretmede ve kurumsal düzeyde eğitim kalitesini değerlendirmede geleneksel yöntemlere kıyasla üstün bir performans sergilediğini göstermektedir. Özellikle MLP, LSTM ve CNN gibi modellerin, erken müdahale sistemlerinden takım tabanlı performans takibine kadar geniş bir yelpazede etkinliği kanıtlanmıştır.
Sonuç olarak bu bölüm, ANN'lerin eğitimde sadece bir tahmin aracı olmanın ötesinde, proaktif, uyarlanabilir ve bütüncül eğitim sistemleri oluşturmak için temel bir teknoloji haline geldiğini ortaya koymaktadır. Bu derleme, alandaki araştırmacılar ve uygulayıcılar için kapsamlı bir başvuru kaynağı niteliğindedir.