تعمل الجامعات اليوم في بيئة معقدة للغاية وذات قدرة تنافسية عالية. التحدي الرئيسي الذي يواجه الجامعات الحديثة هو توقع الأداء الأكاديمي للطلاب في مرحلة مبكرة. يساعد توقع الأداء الأكاديمي في مرحلة مبكرة المؤسسات التعليمية على التخطيط بشكل أفضل لتسجيل الطلاب ، والتعرف المبكر على الطلاب الضعفاء والمتميزين ، وتخصيص الموارد بكفاءة. الهدف الرئيسي من هذا البحث هو تطوير نماذج تنبؤية باستخدام خوارزميات التصنيف للتنبؤ بأداء الطالب ، إلى جانب تحديد أهم السمات التي تؤثر على أداء الطالب في مرحلة مبكرة. تم استخدام مجموعة بيانات مكونة من 1665 طالبًا وطالبة مسجلين في كلية العلوم الطبية التطبيقية وكلية الأعمال بجامعة الملك خالد في المملكة العربية السعودية من 2013 إلى 2015 للتحقق من صحة المنهجية المقترحة. تم استخدام العديد من تقنيات النمذجة التنبؤية ، مثل Na?ve Bayes و Decision Tree و Random Forest و Support Vector Machine ، للتنبؤ بأداء الطالب. استنادًا إلى قياسات الدقة والدقة والتذكر وقياس F1 ، تُظهر النتائج أن Random Forest يتفوق في الأداء على خوارزميات التصنيف الأخرى. تظهر النتائج أيضًا أن أهم العوامل التي تساهم في توقع أداء الطلاب هي المعدل التراكمي للسنة الأولى ونسبة المدرسة الثانوية.