Analysis and Prediction of At-Risk Students Using Machine Learning Algorithms

Stel je een universiteit voor als een grote, drukke tuin. Het doel is om elke student (de planten) sterk te laten groeien en volledig te laten bloeien (afstuderen). Maar soms beginnen planten te verwelken of stoppen ze met groeien voordat ze klaar zijn. In het verleden merkten tuinmannen (universiteitsmedewerkers) pas op dat een plant in de problemen zat nadat deze al geel was geworden of zijn bladeren had verloren. Tegen die tijd was het vaak al te laat om de plant te redden.

Dit artikel gaat over het bouwen van een slim weersvoorspellingssysteem voor die tuin. In plaats van te wachten tot de bladeren geel worden, gebruikten de onderzoekers computerprogramma's (Machine Learning) om naar de grond, het water en de geschiedenis van de plant te kijken om vooraf te voorspellen welke planten moeite zouden kunnen hebben.

Hier is een eenvoudige uitsplitsing van wat ze hebben gedaan en wat ze hebben gevonden:

Het Probleem: Het "Te Late Alarm"

Universiteiten verliezen geld en reputatie wanneer studenten voortijdig stoppen. Momenteel proberen scholen studenten te helpen door counseling of bijles aan te bieden, maar ze doen dit vaak reactief. Het is alsof je een dokter belt pas nadat je al je been hebt gebroken. De onderzoekers wilden een manier vinden om de breuk te voorspellen voordat deze gebeurt, zodat ze vroegtijdig een gipsverband (ondersteuning) kunnen aanbieden.

Het Gereedschap: De "Glazen Bol" Algoritmen

De onderzoekers verzamelden gegevens van de Sydney International School of Technology and Commerce (SISTC). Ze bekeken 2.405 studentendossiers, maar deze werden opgeschoond om zich te concentreren op 1.027 studenten die ofwel hun studie hadden afgerond, ofwel waren gestopt.

Ze voedden deze gegevens aan vier verschillende "glazen bollen" (Machine Learning-algoritmen) om te zien welke de toekomst het beste kon voorspellen:

1. Logistische Regressie: Een eenvoudige, rechte lijn-calculator die verschillende factoren weegt.
2. Random Forest: Een team van vele besluitvormers (zoals een commissie van experts) die stemmen over de uitkomst.
3. K-Nearest Neighbors (KNN): Een methode die kijkt naar de "buren" van een student (studenten met vergelijkbare cijfers en achtergronden) om te raden wat er met hen zal gebeuren.
4. Support Vector Machines (SVM): Een methode die een lijn trekt om "afgestudeerden" van "stoppers" te scheiden.

De Ingrediënten: Waar hebben ze naar gekeken?

Om hun voorspellingen te doen, keek de computer naar 14 specifieke aanwijzingen, zoals:

• Academische geschiedenis: Hoeveel vakken ze hebben gehaald, gefaald of overgeslagen.
• Demografie: Hun leeftijd, geslacht, nationaliteit en visumtype.
• Tijd: Hoe lang ze al studeren en hoeveel keer ze een cursus hebben geprobeerd.

De Resultaten: Wie won de race?

De onderzoekers testten deze "glazen bollen" om te zien hoe nauwkeurig ze waren. De resultaten waren verrassend hoog:

• De Winnaars: Logistische Regressie en SVM (Linear Kernel) waren de kampioenen. Ze behaalden een nauwkeurigheid van 99%. Dit betekent dat ze bijna perfect waren in het raden welke studenten zouden afstuderen en welke zouden vertrekken.
• De Runner-up: Random Forest was ook zeer sterk met 98,7%.
• De Anderen: KNN en de complexere versie van SVM waren ook goed, maar iets minder nauwkeurig (rond de 96-97%).

Wat de "Glazen Bol" hen vertelde

Toen de onderzoekers keken naar waarom de winnende modellen hun voorspellingen maakten, vonden ze enkele interessante patronen:

• Visumtype: Studenten met een standaard "Student Visum" hadden een veel grotere kans om hun studie af te ronden.
• Nationaliteit: De gegevens lieten zien dat studenten uit Pakistan een grotere kans hadden om te stoppen in vergelijking met anderen in deze specifieke dataset.
• Cijfers: Het aantal vakken dat een student faalde, was een enorme rode vlag. Hoe meer ze faalden, hoe groter het risico dat ze zouden vertrekken.
• Keuze van de opleiding: Studenten in het "Master of IT"-programma waren eerder geneigd te blijven en af te ronden.

De Veiligheidscontrole

De onderzoekers waren voorzichtig met de privacy. Ze verwijderden alle namen en persoonlijke details uit de gegevens en behandelden de studenten als anonieme nummers. Ze merkten ook een potentieel probleem op: als de gegevens niet genoeg voorbeelden bevatten van bepaalde groepen (zoals specifieke geslachten of nationaliteiten), kan de computer bevooroordeeld raken. Ze suggereerden om dit in de toekomst te controleren.

De Kernboodschap

Deze studie bewijst dat universiteiten, door het gebruik van eenvoudige wiskunde en computermodellen, kunnen handelen als proactieve tuinmannen. In plaats van te wachten tot een student faalt, kunnen ze gegevens gebruiken om de waarschuwingssignalen vroegtijdig te herkennen. De studie concludeerde dat eenvoudige modellen (Logistische Regressie en Lineaire SVM) eigenlijk de beste instrumenten voor deze taak zijn, waarbij ze een kans van 99% bieden om correct te identificeren welke studenten hulp nodig hebben voordat ze besluiten te vertrekken.

De onderzoekers suggereren dat scholen in de toekomst nog meer details kunnen toevoegen — zoals hoe vaak een student deelneemt aan de les of hun huiswerkgewoonten — om deze voorspellingen nog scherper te maken, maar voor nu doet de huidige data het al fantastisch werk.