.png){kind=icon}
返回
Predicting university dropout using machine learning: Applications based on multidisciplinary databases
.png){kind=icon}
OA
AI
DOI：10.14201/eks.31711.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
学生辍学对高等教育机构构成挑战，原因包括学生社会、教育和经济背景的多样性，以及他们所注册学科和学术学位的差异，导致教育轨迹存在广泛变异性。本研究旨在利用机器学习开发针对不同专业注册学生的大学辍学预测模型。通过在线问卷调查和学业记录，获取了先前被确认为与研究现象相关的十个变量，并利用有监督机器学习程序训练分类器。样本由智利一所大学的7个不同学术学科中的946名学生组成。主要结果指出，基于RUSboosted Trees分类器的模型在预测高等教育辍学方面表现出最佳性能，成功识别了90%的辍学学生。先前多项研究已使用机器学习预测学生辍学，但通常针对同一专业学生样本。本研究提出一个预测模型，即使在其原始专业内的跨学科条件下，也能识别未来的辍学学生。
Keyword:
student dropout
students
higher education
prediction, machine learning
data mining
期刊
E
IF:
2.8
论文数:
9
被引数:
0
机构
引用论文
分享收藏分享收藏‘It's all becoming a habitus’: beyond the habitual use of habitus in educational research“一切都成为一种习惯”: 在教育研究中习惯性地使用习惯
PREAI
分享收藏Early dropout prediction using data mining: a case study with high school students.png)
EXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏
查看更多内容