Calibrated Explainable AI for Student Risk Prediction with Resource-Constrained Intervention and Machine Unlearning
Dit artikel presenteert een privacy-bewarend, door middelen beperkt framework voor vroege risicovoorspelling bij studenten dat gekalibreerde XGBoost-modellen, SHAP-gebaseerde uitlegbaarheid en een budgetbewuste agentische interventielaag integreert om nauwkeurige, interpreteerbare en conforme besluitvorming te waarborgen terwijl het machine unlearning ondersteunt.