地平线电视特色BD+C:观看集点播HorizonTV

机器学习接受了大学辍学生

许多学校使用预测分析来帮助降低新生的流失率。

2018年6月12日|
学生们靠墙排好队

如果人工智能驱动的机器能够打败世界上最伟大的国际象棋棋手,甚至更不可能的是打败全球顶级围棋策略师,那么一个大学辍学生对抗机器学习技术的机会有多大?一所大学的研究主任预测,这个数字几乎为零。

亚利桑那大学(University of Arizona)管理信息系统教授、商业智能与分析中心(Center for Business Intelligence and Analytics)主任苏达·拉姆(Sudha Ram)正在亚利桑那大学(UA)领导一个旨在从一开始就防止大学退学的研究项目。

拉姆的努力对美国高校来说并不是什么新鲜事。许多学校使用预测分析来帮助降低新生的流失率。例如,UA已经追踪了800个数据点。拉姆的研究与众不同之处在于所收集的数据类型,以及如何对这些指标进行分析,从而更有效地识别有风险的学生。

大一的前几个月对学生来说是最痛苦的。学院和大学都知道这一点。他们也知道,对于那些在第一学年结束后离开学校的学生来说,有一些早期指标是最危险的。最明显的是第一学期的成绩、经济资助活动和学生对课程管理系统的参与。但即使是这样的信息也可能来得太迟,无法带来改变。(研究表明,大多数大一新生在入学12周内就做出了退学的决定。)

Ram说,社交和行为相关的指标,如缩小的社交网络、更少的社交互动和更少的日常活动,虽然不那么明显,但却非常有力。

拉姆的学生活动数据来自大学的身份证跟踪系统,该系统收集从学生购买和吃什么到他们经常光顾的建筑和场所等一切信息。Ram利用大规模网络分析和机器学习技术来处理三年的身份证使用数据,能够拼凑出学生群体和个人的复杂行为模式。

例如,如果学生A和学生B在同一地点、同一时间多次使用自己的身份证,那么两者之间必然存在社会互动。随着时间的推移,详细的行为和社会模式就会出现。

通过追踪这些模式随时间的变化,Ram已经能够准确预测大学新生的退学率为85-90%,而目前该校使用传统指标的退学率为73%。

研究结果表明,机器学习方法和大数据分析在自动电子商务行业和房地产行业的应用前景广阔。例如,类似的方法可以应用于商业写字楼,以确定哪些租户不续约的风险最大。

覆盖Init

您的卡将会被扣除:0

成功!
x