运用学习分析方法，通过人工智能预测技术教育中的学生辍学风险

《Scientific Reports》：Using AI to forecast student dropout risk in technical education using a learning analytics approach

　　

摘要

人工智能与学习分析在高等教育领域的融合为自适应课程设计及基于证据的决策提供了新机遇。本研究探讨了预测分析如何提升电子课程的开发质量，及早识别有辍学风险的学生，并为及时采取教学干预措施提供支持。研究利用了爱沙尼亚TTK应用科学大学在2024–2025学年通过Moodle系统收集的6门CAD课程数据（共154名学生的99,104条活动记录），构建了一个机器学习模型，用于识别有学业失败风险的学生。所采用的加权属性法结合了参与度、学习难度和时间投入等关键指标，以标准化行为和认知因素，从而更精准地预测结果。研究还对逻辑回归和决策树分类器进行了训练与评估。结果表明，预测模型能够识别出有风险的学生，从而实现早期预警，并通过持续监测提供针对性支持。该框架将学习分析转化为教育工作者可实际运用的洞察力，帮助他们采取主动措施。研究结论认为，在符合伦理规范和教育原则的框架下开发的人工智能分析工具，能够提升高等教育的透明度，促进公平的学习环境。