机器学习分类器不能改善学业风险预测：来自澳大利亚的证据

机器学习方法往往在预测上优于传统统计模型。在学业成就预测中，ML 模型相较逻辑回归并未显示出实质性改善。迄今为止，由于行政数据集的可获得性，这些结果几乎完全聚焦于大学成就，且按 ML 标准样本量相对较小。在本文中，我们将流行的机器学习模型应用于一个大型数据集（$n=1.2$ 百万），其中包含澳大利亚学生每年标准化测试的初等和中等学校表现。我们表明，即使在大数据量（$n$ 很大）环境下，机器学习模型在检测下次测试时成绩处于“低于标准”段的学生方面，并未优于逻辑回归。