💻 computer science

An Optimized Stacking Ensemble Model for Forecasting Student Dropout

Questo studio presenta un modello di stacking ensemble ottimizzato che integra i classificatori K-Nearest Neighbors e Bayesian Network, potenziato dalla sintonizzazione degli iperparametri e dal bilanciamento basato su SMOTE, il quale raggiunge un'accuratezza dell'85,9% e supera i metodi esistenti per fornire uno strumento di preallerta efficace per la previsione dell'abbandono scolastico.

Autori originali: Jackson Kisuule, Anthony Bua

Pubblicato 2026-09-23

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Jackson Kisuule, Anthony Bua

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Ogni anno, le università di tutto il mondo affrontano una crisi silenziosa ma persistente: gli studenti che iniziano i loro corsi di laurea ma non li concludono mai. Questo tasso di abbandono non è solo una tragedia personale per gli individui coinvolti; drena risorse dalle istituzioni, abbassa i tassi di laurea e lascia le comunità senza i professionisti qualificati di cui hanno bisogno. Per decenni, le scuole hanno cercato di risolvere il problema esaminando manualmente voti e presenze, cercando gli studenti che sembrano scivolare verso il basso. Tuttavia, questi metodi sono spesso troppo lenti per aiutare uno studente prima che sia troppo tardi. Negli ultimi anni, i ricercatori si sono rivolti al machine learning, un ramo dell'informatica in cui il software impara a riconoscere modelli nei dati senza essere esplicitamente programmato con regole. Alimentando questi sistemi con i record storici di migliaia di studenti, i computer possono identificare segnali di avvertimento sottili che gli osservatori umani potrebbero perdere, offrendo una possibilità di intervenire precocemente e mantenere gli studenti sul percorso verso la laurea.

Un team di ricercatori della Victoria University in Kampala, Uganda, e della The Unity University di Hargeisa, Somaliland, ha portato questo approccio un passo avanti sviluppando un nuovo tipo di sistema di previsione progettato specificamente per questa sfida. Invece di fare affidamento su un singolo algoritmo informatico per emettere un giudizio, hanno costruito un sistema che combina i punti di forza di due metodi diversi. Il primo metodo, noto come K-Nearest Neighbors, funziona osservando il record di uno studente e trovando gli studenti passati più simili per vedere cosa è successo loro. Il secondo metodo, una Rete Bayesiana, calcola la probabilità che uno studente abbandoni studi sulla base della complessa rete di relazioni tra i suoi voti, la sua situazione finanziaria e le sue circostanze personali. Sebbene ciascun metodo sia utile da solo, i ricercatori hanno scoperto che a volte vedono cose diverse negli stessi dati. Per risolvere questo problema, hanno creato un modello di "stacking", una struttura in cui un terzo programma, più intelligente, ascolta le previsioni dei primi due e prende la decisione finale. Questo programma finale agisce come un editor esperto, pesando le prove provenienti da entrambe le fonti per produrre un verdetto più affidabile di quello che ciascuno potrebbe ottenere da solo.

I ricercatori hanno testato questo sistema utilizzando una vasta collezione di veri record studenteschi della The Unity University, coprendo gli anni dal 2021 al 2025. Il dataset includeva oltre 4.400 studenti e monitorava trentasei fattori diversi, che spaziavano da quanti corsi uno studente avesse superato alla sua posizione finanziaria e al suo background demografico. Un grande ostacolo in questo tipo di ricerca è che la maggior parte degli studenti resta a scuola, mentre molti meno abbandona, creando un campo di gioco sbilanciato per il computer. Per risolvere questo problema, il team ha utilizzato una tecnica per bilanciare artificialmente i dati, assicurandosi che il sistema imparasse a riconoscere i segnali di avvertimento dell'abbandono scolastico altrettanto bene di quanto imparasse a riconoscere gli studenti che erano al sicuro. Hanno poi diviso i dati, usando la maggior parte di essi per insegnare al sistema e trattenendo una parte per testare quanto bene performasse su studenti che non aveva mai visto prima.

I risultati hanno mostrato che il nuovo sistema combinato era effettivamente superiore ai singoli metodi. Quando testato, il modello di stacking identificava correttamente se uno studente avrebbe abbandonato gli studi o sarebbe rimasto a scuola circa l'86 percento delle volte. Più importante ancora, era molto bravo a individuare gli studenti che erano effettivamente a rischio. Ha identificato correttamente l'81 percento degli studenti che alla fine se ne sono andati, una metrica cruciale per le scuole che cercano di intervenire. In confronto, i singoli metodi e un modo più semplice di combinarli (chiamato soft voting) erano meno accurati, mancando più studenti a rischio o segnalando erroneamente quelli che erano al sicuro. L'analisi ha anche rivelato quali fattori contassero di più: la performance accademica, specificamente il numero di corsi approvati e i voti cumulativi, era il predittore più forte, seguita da vicino dagli indicatori finanziari come lo stato del pagamento delle tasse e se uno studente dovesse denaro all'istituzione.

Questo studio dimostra che, intrecciando diversi tipi di machine learning, le università possono costruire una rete di sicurezza più robusta per i loro studenti. Il modello non sostituisce i consulenti umani, ma fornisce loro uno strumento potente per dare priorità ai propri sforzi. Identificando gli studenti più propensi ad andarsene prima che lo facciano realmente, le istituzioni possono offrire assistenza finanziaria, tutoraggio accademico o consulenza nel momento preciso in cui è necessario. Sebbene i ricercatori notino che il loro modello è stato addestrato su dati di un'unica università e che il lavoro futuro dovrebbe testarlo in diverse regioni e con tecniche più avanzate, i risultati offrono una via chiara da seguire. Essi dimostrano che, con la giusta combinazione di dati e algoritmi, è possibile invertire la rotta dell'abbandono scolastico, trasformando un processo reattivo di gestione dei dropout in una strategia proattiva per mantenere gli studenti a scuola.

Sintesi Tecnica: Un Modello di Ensemble di Stacking Ottimizzato per la Previsione dell'Abbandono degli Studenti

Definizione del Problema
L'abbandono degli studenti rimane una sfida critica per le istituzioni di istruzione superiore, con impatti negativi sul successo accademico, sulle prestazioni istituzionali e sull'utilizzo delle risorse. Nelle regioni in via di sviluppo, i tassi di abbandono sono persistentemente elevati, con proiezioni che suggeriscono che fino al 40% degli iscritti universitari potrebbe non laurearsi senza interventi mirati. I metodi di identificazione esistenti si affidano spesso al monitoraggio manuale e a revisioni accademiche periodiche, che risultano lenti ed inefficaci per un intervento tempestivo. Sebbene modelli statistici tradizionali e singoli algoritmi di machine learning (come la Regressione Logistica, K-Nearest Neighbors e le Reti Bayesiane) siano stati applicati per prevedere l'attrito, essi spesso soffrono di limitazioni quali confini decisionali lineari, complessità computazionale con grandi set di dati o difficoltà nel modellare l'incertezza in dati ad alta dimensionalità. Vi è una dimostrata necessità di un framework predittivo intelligente e automatizzato capace di identificare precocemente gli studenti a rischio, sfruttando i dati storici per supportare un processo decisionale proattivo.

Metodologia
Lo studio propone un modello di ensemble di stacking ottimizzato, progettato per prevedere l'abbandono degli studenti integrando i punti di forza complementari di classificatori eterogenei. La ricerca ha utilizzato un dataset di 4.424 record storici di studenti della The Unity University di Hargeisa, Somaliland, coprendo il periodo dal 2021 al 2025. Il dataset includeva 36 variabili predittive che comprendevano attributi demografici, accademici, finanziari e istituzionali.

La pipeline tecnica ha previsto le seguenti fasi:

Preelaborazione e Ingegneria dei Dati: Le variabili categoriche sono state sottoposte a label encoding e le caratteristiche continue sono state normalizzate. L'ingegneria delle caratteristiche è stata eseguita per derivare attributi significativi.
Bilanciamento delle Classi: Per affrontare lo squilibrio naturale tra studenti continuativi e discontinui, è stata applicata la tecnica di sovracampionamento sintetico delle minoranze (SMOTE) per bilanciare la distribuzione delle classi.
Base Learners (Apprendisti Base): L'architettura dell'ensemble ha impiegato due classificatori base distinti:
- K-Nearest Neighbors (KNN): Configurato con $K=11$ e pesatura della distanza per catturare i modelli di somiglianza locale tra gli studenti.
- Rete Bayesiana (BN): Implementata come classificatore Naive Bayes Gaussiano per modellare le relazioni probabilistiche e gestire l'incertezza tra le variabili educative.
Ensemble di Stacking: Un meta-learner Gaussian Naive Bayes è stato addestrato sulle probabilità di previsione out-of-fold generate dai base learners (tramite cross-validation a 5 fold) per produrre la classificazione finale. Questo approccio ha permesso al meta-learner di integrare i pattern decisionali dei modelli base senza utilizzare i dati di addestramento per il meta-learner stesso.
Ottimizzazione: La regolazione degli iperparametri è stata condotta per i base learners e il modello è stato valutato utilizzando metriche di classificazione standard.

Contributi Chiave

Architettura di Ensemble Innovativa: Lo studio introduce una specifica configurazione di stacking che combina KNN e Reti Bayesiane con un meta-learner Gaussian Naive Bayes, affrontando il suggerimento presente nella letteratura precedente di incorporare questi specifici algoritmi per una maggiore robustezza in contesti con risorse limitate.
Valutazione Comprensiva: Il modello è stato rigorosamente valutato rispetto ai singoli classificatori base (KNN, BN) e a un ensemble di Soft Voting utilizzando accuratezza, precisione, recall, F1-score e specificità.
Applicazione Contestuale: La ricerca fornisce un'applicazione empirica dell'apprendimento di ensemble avanzato alla ritenzione degli studenti in una regione in via di sviluppo (Somaliland), dimostrando la fattibilità di tali modelli in istituzioni con infrastrutture digitali limitate.

Risultati
Il modello di stacking ensemble proposto ha dimostrato una performance superiore rispetto ai singoli classificatori e all'ensemble di soft voting. Le specifiche metriche di performance raggiunte sono state:

Accuratezza: 85,9%
Precisione: 76,4%
Recall: 81,3%
F1-score: 78,8%
Specificità: 81,3%

L'analisi dell'importanza delle caratteristiche ha rivelato che gli indicatori delle prestazioni accademiche (specificamente il numero di unità curriculari approvate e il rendimento cumulativo), lo stato delle tasse scolastiche e gli indicatori finanziari sono stati i predittori più influenti dell'abbandono. L'analisi della matrice di confusione ha confermato che lo stacking ensemble ha ridotto i falsi positivi e i falsi negativi in modo più efficace rispetto ai modelli di base, migliorando così l'identificazione degli studenti a rischio.

Significatività e Rivendicazioni
Gli autori affermano che lo studio ha sviluppato con successo uno strumento di allerta precoce efficace che supporta interventi tempestivi per migliorare la ritenzione degli studenti. I risultati confermano che l'integrazione di algoritmi di machine learning eterogenei all'interno di un framework di stacking produce previsioni più accurate e robuste rispetto ai singoli classificatori. Il modello funge da sistema pratico di supporto alle decisioni per gli amministratori universitari per identificare gli studenti a rischio prima del ritiro.

Il documento mantiene un ambito modesto riguardo alle proprie rivendicazioni, notando che il modello è stato validato su un dataset di una singola istituzione. Gli autori suggeriscono che il lavoro futuro dovrebbe concentrarsi sulla validazione del modello attraverso molteplici istituzioni, l'incorporazione di variabili comportamentali e di gestione dell'apprendimento aggiuntive, e il confronto dell'approccio con tecniche di deep learning più avanzate. Essi sottolineano inoltre la necessità di valutare l'impatto a lungo termine di tali interventi guidati dal ML in veri ambienti educativi.

Articoli simili