机器学习早在小学毕业时即可预测高中辍学
计算机与社会
2024-03-25 v1 机器学习
摘要
教育在缓解贫困、推动经济增长和赋能个人方面发挥着关键作用，从而深刻影响社会与个人发展。然而，持续存在的辍学问题构成了重大挑战，其影响超越了个人层面。尽管先前的研究已采用机器学习进行辍学分类，但这些研究往往受限于短期视角，仅依赖研究期间内收集的少数几年数据。本研究利用涵盖从幼儿园到九年级的13年纵向数据集，扩展了建模的时间跨度。我们的方法纳入了全面的参数范围，包括学生的学业与认知技能、动机、行为、幸福感以及官方记录的辍学数据。本研究开发的机器学习模型展现出显著的分类能力，使用截至六年级的数据时实现了0.61的平均曲线下面积（AUC），使用截至九年级的数据时AUC提升至0.65。进一步的数据收集以及独立的相关性与因果分析至关重要。在未来的迭代中，此类模型有望主动支持教育者的流程和现有识别高风险学生的协议，从而有可能帮助重塑学生留存与成功策略，最终有助于改善教育成果。
引用
@article{arxiv.2403.14663,
title = {Machine Learning Predicts Upper Secondary Education Dropout as Early as the End of Primary School},
author = {Maria Psyridou and Fabi Prezja and Minna Torppa and Marja-Kristiina Lerkkanen and Anna-Maija Poikkeus and Kati Vasalampi},
journal= {arXiv preprint arXiv:2403.14663},
year = {2024}
}