高等教育中的学生退学预测
机器学习
2017-03-09 v4 计算机与社会
摘要
每年，美国学士学位授予机构的初年级学生中约有 30% 不再返回攻读第二年，且用于教育这些学生的花费超过 90 亿美元。然而，很少有定量研究分析学生流失的原因及可能的补救措施。在此，我们描述了利用已知最大的高等教育流失数据集对学生退学进行建模的初步工作，该数据集追踪了美国最大的公立大学之一中超过 32,500 名学生的人口统计和成绩单记录。我们的结果突出了学生流失的几个早期指标，并表明即使预测仅基于单学期的学术成绩单数据，也能准确预测退学。这些结果凸显了机器学习对学生留存和成功产生影响的潜力，同时指出了未来工作的几个有前景的方向。
引用
@article{arxiv.1606.06364,
title = {Predicting Student Dropout in Higher Education},
author = {Lovenoor Aulck and Nishant Velagapudi and Joshua Blumenstock and Jevin West},
journal= {arXiv preprint arXiv:1606.06364},
year = {2017}
}
备注
Presented at 2016 ICML Workshop on #Data4Good: Machine Learning in Social Good Applications, New York, NY