Toward scenario-compatible explainable student-risk prediction: a cross-dataset framework with evidence-grounded LLM feedback
Este artículo propone un marco de trabajo trans-dataset que integra atribuciones SHAP filtradas por evidencia con retroalimentación de LLM fundamentada pedagógicamente para generar explicaciones accionables y compatibles con escenarios para la predicción del riesgo estudiantil en diversos contextos educativos, demostrando una mejora en el cumplimiento y la robustez mediante la validación tanto en conjuntos de datos transversales como longitudinales.