Utilizzo dell'apprendimento automatico per prevedere la fidelizzazione degli studenti dal punto di vista socio

Sep 02, 2023

Rapporti scientifici volume 13, numero articolo: 5705 (2023) Citare questo articolo

1912 Accessi

25 Altmetrico

Dettagli sulle metriche

L’abbandono degli studenti rappresenta una sfida importante per le istituzioni accademiche, gli enti finanziatori e gli studenti. Con l’avvento dei Big Data e dell’analisi predittiva, un numero crescente di studi nel campo della ricerca sull’istruzione superiore ha dimostrato la fattibilità di prevedere l’abbandono degli studenti partendo da dati facilmente disponibili a livello macro (ad esempio, dati socio-demografici o parametri delle prestazioni iniziali) e a livello micro ( ad esempio, accessi ai sistemi di gestione dell'apprendimento). Tuttavia, il lavoro esistente ha ampiamente trascurato un elemento critico del successo studentesco a livello meso, noto per favorire la fidelizzazione: l’esperienza degli studenti all’università e il loro inserimento sociale all’interno del loro gruppo. In collaborazione con un'applicazione mobile che facilita la comunicazione tra studenti e università, abbiamo raccolto sia (1) dati istituzionali a livello macro sia (2) dati comportamentali sul coinvolgimento a livello micro e meso (ad esempio, la quantità e la qualità delle interazioni con i servizi universitari e eventi e con altri studenti) per prevedere l'abbandono dopo il primo semestre. Analizzando i dati di 50.095 studenti di quattro università e community college statunitensi, dimostriamo che i dati combinati a livello macro e meso possono prevedere l'abbandono con alti livelli di prestazioni predittive (AUC media tra modelli lineari e non lineari = 78%; AUC massima = 88%). È stato scoperto che le variabili di coinvolgimento comportamentale che rappresentano l'esperienza degli studenti all'università (ad esempio, centralità della rete, coinvolgimento delle app, valutazioni degli eventi) aggiungono potere predittivo incrementale oltre le variabili istituzionali (ad esempio, GPA o etnia). Infine, evidenziamo la generalizzabilità dei nostri risultati dimostrando che i modelli addestrati in un'università possono prevedere la permanenza in un'altra università con livelli ragionevolmente elevati di prestazioni predittive.

Negli Stati Uniti, solo il 60% circa degli studenti a tempo pieno si diploma al proprio programma1,2 e la maggior parte di coloro che interrompono gli studi abbandonano gli studi durante il primo anno3. Questi elevati tassi di abbandono pongono sfide importanti sia agli studenti, alle università che agli enti finanziatori4 ,5.

Abbandonare l'università senza una laurea ha un impatto negativo sulle finanze e sulla salute mentale degli studenti. Oltre il 65% degli studenti universitari statunitensi riceve prestiti studenteschi per contribuire a pagare il college, il che li costringe a contrarre pesanti debiti nel corso dei loro studi6. Secondo il Dipartimento dell’Istruzione degli Stati Uniti, gli studenti che chiedono un prestito ma non si laureano hanno tre volte più probabilità di non riuscire a rimborsare il prestito rispetto agli studenti che si laureano7. Ciò non sorprende, dato che gli studenti che abbandonano l'università senza una laurea guadagnano il 66% in meno rispetto ai laureati con una laurea e hanno molte più probabilità di rimanere disoccupati2. Oltre alle perdite finanziarie, la sensazione di fallimento spesso ha un impatto negativo sul benessere e sulla salute mentale degli studenti8.

Allo stesso tempo, l’abbandono degli studenti ha un impatto negativo sulle università e sugli organismi di finanziamento federali. Per le università, l’abbandono degli studenti si traduce in una riduzione media annua delle entrate di circa 16,5 miliardi di dollari all’anno attraverso la perdita delle tasse universitarie9,10. Allo stesso modo, il logoramento degli studenti spreca preziose risorse fornite dagli stati e dai governi federali. Ad esempio, il sistema IPEDS (Integrated Postsecondary Education Data System) del Dipartimento dell’Istruzione degli Stati Uniti mostra che tra il 2003 e il 2008, i governi statale e federale insieme hanno fornito più di 9 miliardi di dollari in sovvenzioni e sussidi agli studenti che non sono tornati all’istituto in cui erano iscritti. per il secondo anno11.

Considerati gli alti costi legati all’abbandono, la capacità di prevedere gli studenti a rischio – e di fornire loro ulteriore supporto – è fondamentale12,13. Poiché la maggior parte degli abbandoni avviene durante il primo anno14, tali previsioni sono più utili se riescono a identificare gli studenti a rischio il più presto possibile13,15,16. Quanto prima si riescono a identificare gli studenti che potrebbero avere difficoltà, tanto maggiori sono le possibilità che gli interventi volti a proteggerli dal graduale ritardo – e infine dall’interruzione degli studi – siano efficaci17,18.