学生为何辍学？基于机器学习技术的大学辍学预测及关联因素分析
机器学习
2023-10-18 v1 计算机与社会
摘要
毕业率与辍学率一直是教育机构和学生高度重视的问题。高辍学率对个别学生的生活与机构均产生负面影响。为解决此问题，本研究利用学业、人口统计、社会经济及宏观经济四类数据进行了大学辍学预测。此外，我们进行了关联因素分析，以考察哪类数据对机器学习模型预测毕业与辍学状态性能的影响最为显著。这些特征被用于训练四个二分类器，以判定学生将毕业还是辍学。分类器预测辍学状态的整体性能平均 ROC-AUC 得分为 0.935。对模型性能影响最大的数据类型为学业数据：当从数据集中剔除所有学业相关特征后，平均 ROC-AUC 得分由 0.935 降至 0.811。初步结果表明，数据类型与辍学状态之间确实存在相关性。
引用
@article{arxiv.2310.10987,
title = {Why Do Students Drop Out? University Dropout Prediction and Associated Factor Analysis Using Machine Learning Techniques},
author = {Sean Kim and Eliot Yoo and Samuel Kim},
journal= {arXiv preprint arXiv:2310.10987},
year = {2023}
}