Academic Dropout Prediction Using Large-Scale Static Institutional Data: A Multi-Scenario Machine Learning Study

Rômulo Barreto Mincache

doi:10.3390/technologies14090556

Academic Dropout Prediction Using Large-Scale Static Institutional Data: A Multi-Scenario Machine Learning Study

2026-09-08

0

OA

AI

R

Rômulo Barreto Mincache

L

Leonardo Gabiato Catharin *

Valéria Delisandra Feltrim

DOI：10.3390/technologies14090556

原文链接

原文求助

摘要

En 中文

学术辍学对学生和机构来说代价高昂，而支持措施在信息有限（仅限于注册记录）的早期阶段最为有效。然而，最具信息量的预测因子源自学术轨迹数据（如成绩和课程进展），这些数据仅在学生完成一个或多个学期后才能获得。本研究探讨了使用监督机器学习（ML）预测辍学，应用了巴西马林加州立大学（2002—2022年）45个本科专业的66,820名学生的记录，模型训练仅基于静态的注册时间变量，因为这些是唯一可用的机构数据。尽管这限制了模型可用的信息，但也允许在极早期识别可能存在风险的学生。在十种训练配置中评估了决策树、随机森林和XGBoost模型，覆盖了完整数据集、完整世代子集、时间队列分割、学术中心、单个专业及重采样变体。评估基于每类的精确率、召回率和F1分数，以及无阈值和校准度量（PR-AUC、ROC-AUC和Brier分数）。XGBoost在机构级配置中表现最佳，通过欠采样达到辍学召回率0.64（精确率0.51），未重采样时PR-AUC为0.586（辍学患病率0.364），相当于随机排序性能的1.61倍。在时间分割下，默认阈值下的召回率从0.37降至0.18，而ROC-AUC变化不大（0.708降至0.679）；这种损失反映了辍学患病率变化下的校准偏差，无需重新训练即可纠正。主要贡献包括：一种控制信息泄露并包含时间验证的注册时间辍学预测评估方法，以及一种在跟踪能力有限时利用模型输出优先支持学生的部署协议。

Keyword:

academic dropout

machine learning

classification

institutional data

static features

class imbalance

educational data mining

Academic Dropout Prediction Using Large-Scale Static Institutional Data: A Multi-Scenario Machine Learning Study

摘要

期刊

机构

引用论文