大学肄业：使用教育数据挖掘技术得到的肄业遏制模型

摘要

近期，教育数据挖掘技术的使用范围凸显，特别是在失业预测，创建留级、行为模式、学业失败等预测模型方面的应用。该研究使用属性选择算法，来区分出最重要的肄业决定影响因素。同时使用决策树定义模型，用来对将要发生的肄业情况提出警示。 研究使用网络工具管理统计来自中等教育公立学校的300名学生以及来自中等教育私立学校但报名高等项目的200名学生的信息。通过属性选择算法找到27个相关因素，其中最重要的三大因素分别为教育顾问的缺乏、缺少适宜的学生氛围、 学业监测的缺失。除此之外，研究利用决策树找到7个模型，其中的一个模型包括：学生氛围、欠充足的资金支持、不快处境的经历、专业选择所处地位等内容。最终研究发现肄业并非只取决于某一因素，而是由多因素共同决定的。同时，研究也发现当下的紧迫任务是将样本扩大到其他城市，使用多样的算法提供更丰富的信息，从而根据地方学生群体特点，确立减少大学肄业指数的准确机制。