An Interpretable Hybrid Deep Learning Framework for Student Placement Prediction Using PSO–GA–Bayesian Optimized ANN with SHAP–LIME Explainability

Chaque année, les écoles d'ingénieurs en Inde sont confrontées à un casse-tête difficile : prédire quels étudiants décrocheront un emploi après l'obtention de leur diplôme et lesquels auront du mal à trouver du travail. Il ne s'agit pas simplement de vérifier les notes. Le chemin vers l'emploi est façonné par un réseau complexe de facteurs, incluant les résultats académiques, les capacités techniques, les compétences douces comme la communication, et même l'origine familiale d'un étudiant. Pendant des décennies, les institutions se sont appuyées sur des programmes informatiques standards pour faire ces prédictions, mais ces outils trébuchent souvent face à la réalité désordonnée et non linéaire du potentiel humain. Ils ont tendance à ne voir que des lignes droites entre la cause et l'effet, manquant les subtilités par lesquelles un projet de codage solide pourrait l'emporter sur une moyenne générale légèrement inférieure, ou comment un manque d'expérience peut faire dérailler un étudiant brillant. Lorsque ces modèles traditionnels échouent, ils laissent les éducateurs sans une carte claire pour aider les étudiants à risque avant qu'il ne soit trop tard.

Pour résoudre cela, une équipe de chercheurs a développé une nouvelle approche plus sophistiquée qui combine les forces de plusieurs stratégies computationnelles différentes. Ils ont construit un système qui ne se contente pas de deviner ; il apprend, évolue et affine son propre processus de pensée. En alimentant le système avec les données de 5 000 étudiants en ingénierie indiens, couvrant vingt-deux attributs allant des compétences en codage au revenu familial, les chercheurs ont créé un cadre capable de repérer des motifs que les anciennes méthodes manquaient. Le résultat est un prédicteur hautement précis qui ne dit pas seulement aux institutions qui est susceptible d'être embauché, mais explique également exactement pourquoi, offrant une vue claire sur le processus de décision de la machine elle-même.

Le cœur de ce nouveau cadre est un processus en trois étapes conçu pour trouver les réglages parfaits pour un modèle d'apprentissage profond (deep learning), qui est un type de programme informatique inspiré par le cerveau humain. Imaginez un vaste paysage sombre rempli de collines et de vallées, où le sommet le plus élevé représente la prédiction la plus précise possible. Trouver ce sommet en marchant au hasard est lent et inefficace. Le système des chercheurs utilise trois méthodes distinctes pour naviguer dans ce terrain. Premièrement, il emploie une technique appelée Optimisation par Essaim de Particules (Particle Swarm Optimization), qui imite la façon dont un vol d'oiseaux cherche de la nourriture, permettant au système de scanner une large zone rapidement pour trouver des régions prometteuses. Ensuite, il utilise un Algorithme Génétique, qui fonctionne comme la sélection naturelle, prenant les meilleures solutions trouvées jusqu'à présent et les mélangeant pour créer des versions encore meilleures. Enfin, il applique l'Optimisation Bayésienne, une méthode qui agit comme un instrument de précision, effectuant des ajustements minuscules et calculés pour affiner le modèle jusqu'à ce qu'il atteigne le sommet de la montagne. Cette combinaison garantit que le système ne reste pas bloqué sur une petite colline alors qu'une montagne bien plus haute se trouve à proximité.

Une fois que le système a trouvé les réglages optimaux, il est entraîné sur les données des étudiants. Un obstacle important dans ces données était qu'il y avait beaucoup plus d'étudiants ayant obtenu un emploi que ceux qui n'en avaient pas obtenu, une situation qui peut tromper un ordinateur en l'incitant à ignorer le groupe minoritaire. Pour corriger cela, les chercheurs ont utilisé une technique qui crée des exemples synthétiques du groupe sous-représenté, garantissant que le modèle apprenne à reconnaître les signes de succès et de difficulté de manière égale. Le modèle a ensuite été testé contre un large ensemble de données de 5 000 étudiants. Les résultats étaient frappants. Alors que les anciens modèles comme les arbres de décision ou les classificateurs statistiques standards géraient des taux de précision compris entre 82 et 91 pour cent, et que même les méthodes d'ensemble avancées comme XGBoost atteignaient 99,1 pour cent, le nouveau système hybride a atteint une précision de test de 99,60 pour cent. Cela signifie que le système a correctement prédit le résultat pour presque chaque étudiant du groupe de test, un niveau de précision qui suggère qu'il a capturé les véritables moteurs de l'employabilité.

Peut-être plus important encore que la précision brute est la capacité du système à expliquer son raisonnement. Par le passé, les puissants modèles d'apprentissage profond étaient souvent des « boîtes noires », donnant une réponse sans révéler comment ils y étaient parvenus. Ce nouveau cadre brise cette boîte en utilisant deux méthodes d'explication distinctes. Une méthode, connue sous le nom de SHAP, examine l'ensemble du groupe d'étudiants pour déterminer quels facteurs comptent le plus en moyenne. Elle a révélé que les évaluations des compétences en codage et les moyennes générales étaient les deux prédicteurs les plus puissants du placement, suivis de près par le nombre de projets réalisés par l'étudiant. Étonnamment, des facteurs comme le revenu familial ou le genre n'avaient presque aucune influence sur la prédiction, suggérant que la compétence technique et la performance académique sont les véritables gardiens de l'emploi dans ce contexte.

La seconde méthode, appelée LIME, zoome sur des cas individuels. Elle peut regarder un étudiant spécifique et dire : « Cet étudiant est prédit comme étant placé parce que ses compétences en codage sont élevées et qu'il a réalisé plusieurs projets », ou inversement : « Cet étudiant est à risque car ses compétences en codage sont faibles et il n'a aucune expérience de projet ». Ce niveau de détail permet aux éducateurs d'aller au-delà des conseils génériques. Au lieu de dire à un étudiant en difficulté de « travailler plus dur », un conseiller peut pointer vers la donnée spécifique : « Vos compétences en codage doivent être améliorées pour correspondre aux standards de l'industrie ». Le système a également identifié un point de saturation ; une fois qu'un étudiant atteint un certain niveau de compétence en codage, autour de 8 sur 10, l'augmentation de cette compétence importe moins que l'acquisition de plus d'expérience de projet. Cette nuance aide les institutions à comprendre qu'il existe une limite à la façon dont un facteur peut stimuler le succès avant que d'autres ne prennent le relais.

L'étude remet explicitement en question l'idée que les modèles traditionnels d'apprentissage automatique sont suffisants pour cette tâche. Les chercheurs ont constaté que les anciennes méthodes ne parvenaient pas à capturer les relations complexes et non linéaires entre les divers facteurs influençant la carrière d'un étudiant. Ils ont également démontré que se fier uniquement aux notes académiques est une erreur, car la maîtrise technique et l'expérience pratique se sont révélées bien plus significatives. En démontrant l'inefficacité des modèles linéaires simples et en soulignant la nécessité d'une approche d'optimisation hybride et multi-étapes, l'article soutient que l'avenir de la prédiction éducative réside dans des systèmes capables de s'adapter, d'évoluer et de s'expliquer eux-mêmes.

Ce travail fournit un outil fiable pour les institutions éducatives afin d'agir comme un système d'alerte précoce. En identifiant les étudiants susceptibles de rencontrer des difficultés de placement bien avant l'obtention de leur diplôme, les universités peuvent intervenir avec un soutien ciblé, tel que des ateliers de codage supplémentaires ou un mentorat de projet. Le cadre ne se contente pas de prédire l'avenir ; il offre une feuille de route pour le changer. Les chercheurs suggèrent qu'en alignant le cursus sur les compétences spécifiques que les données montrent comme étant les plus précieuses — principalement la capacité de codage et la réalisation de projets — les écoles peuvent directement améliorer les résultats d'employabilité. Bien que l'étude se soit concentrée sur un ensemble de données spécifique en Inde, la méthodologie offre un modèle pour la façon dont les données éducatives peuvent être exploitées pour créer des systèmes plus justes, plus efficaces et plus transparents pour guider les étudiants vers leurs carrières. Les conclusions suggèrent que lorsque nous combinons la puissance brute de l'apprentissage profond avec la clarté des explications compréhensibles par l'humain, nous pouvons enfin voir clairement le chemin du succès, tant pour l'étudiant que pour l'institution.