يعتمد الذكاء الاصطناعي (AI) على الخوارزميات التي تمكن الآلات من اتخاذ قرارات بدلاً من البشر، مما يؤدي إلى تحسين تجارب المستخدم عبر مجالات متنوعة. تناقش هذه الدراسة حلاً ذكيًا للتنبؤ بأداء الطلاب وتحديد الطلاب الذين قد يحتاجون إلى دعم إضافي. يستخدم النظام المقترح خوارزميات التعلم الآلي الخاضع للإشراف: مصنف الغابة العشوائية، ومصنف الأشجار الإضافية، ومصنف. تتضمن منهجية البحث جمع البيانات والمعالجة المسبقة وتحديد الميزات وبناء النموذج والتقييم. يتم استخدام مجموعة بيانات مكونة من 24000 مثيل للتدريب و6000 مثيل للاختبار. يتم تطبيق تقنيات المعالجة المسبقة على مجموعة البيانات، ويتم استخدام خوارزميات تعلم الآلة للكشف عن أداء الطلاب. تقوم النماذج المدربة بتقييم نتائج الطلاب بناءً على استفسارات المستخدم. ويتم تقييم دقة وكفاءة النظام المقترح باستخدام المقاييس المناسبة. تحقق خوارزمية ET أعلى دقة تبلغ 98.15%، تليها خوارزمية RF بنسبة 94.03% وKNN بنسبة 91.65%. تُظهر مقاييس الدقة والاستدعاء قيمًا عالية عبر الخوارزميات الثلاثة. تعرض KNN وقت تدريب أقل بكثير يبلغ 0.00 ثانية، مما يوضح كفاءتها الحسابية. بشكل عام، توفر هذه الورقة رؤى فعالة حول تطبيق تعلم الآلة في التنبؤ بأداء الطلاب. يُظهر النموذج المقترح نتائج واعدة في تحديد الطلاب الذين يحتاجون إلى دعم إضافي، مما يتيح التدخلات المناسبة لتعزيز نتائجهم الأكاديمية. تساهم النتائج في التنقيب عن البيانات التعليمية في العراق ولها آثار على تحسين معدلات نجاح الطلاب في المؤسسات التعليمية.