基于 AI 的 at-risk 学生识别与支持：摩洛哥教育体系案例研究
计算机与社会
2025-04-11 v1
摘要
学生掉学校是全球性问题，受个人、家庭和学术因素影响，在不同国家的掉学校率各不相同。本文引入一种基于 AI 的预测建模方法，用于识别可能掉学校的学生，运用先进的机器学习技术。旨在实现及时干预并改善教育成果。该方法可以在不同的教育体系和层级中灵活应用。通过严格的评估框架，我们评估模型性能并使用 Shapley 增益解释 (SHAP) 识别影响预测的关键因素。该方法在摩洛哥国家教育部提供的真实数据上实现了 88% 的准确率、88% 的召回率、86% 的精确率以及 87% 的 AUC。这些结果凸显了 AI 模型在识别 at-risk 学生方面的有效性。该框架具有可适应性，能够整合历史数据进行短期和长期检测，为持续挑战——学生掉学校问题提供了全面的解决方案。
引用
@article{arxiv.2504.07160,
title = {AI-based identification and support of at-risk students: A case study of the Moroccan education system},
author = {Ismail Elbouknify and Ismail Berrada and Loubna Mekouar and Youssef Iraqi and El Houcine Bergou and Hind Belhabib and Younes Nail and Souhail Wardi},
journal= {arXiv preprint arXiv:2504.07160},
year = {2025}
}