可解释的机器学习方法在巴西大规模预测学生缺勤情况中的应用：来自22,000所学校的证据

《Scientific Reports》：Interpretable machine learning for predicting school absenteeism at-scale in Brazil: evidence from 22,000 schools

　　

摘要

出勤率是儿童和青少年在学业、社交和个人发展方面的基本前提。然而，尽管经过数十年的研究和政策努力，问题性缺勤率仍然居高不下。本研究探讨了学校层面因素在识别巴西中等教育阶段缺勤率较高风险学校方面的预测潜力。利用22,476所学校的数据，我们整合了三类主要预测因素：学校基础设施、人力资源和地区特征，并结合出勤记录及人口统计信息。我们比较了五种机器学习模型，最终选择了随机森林（Random Forest），因为它在预测性能、可解释性以及通过DeLong检验得到的统计验证方面表现均衡。在此基础上，我们运用了可解释的机器学习技术（特别是SHapley Additive Explanations，简称SHAP），以揭示不同学校复杂程度下各预测因素的重要性差异。学校复杂程度指的是学校运营的结构和组织条件。此外，我们还进行了反事实“假设”分析，系统地改变关键因素，以探讨相关政策调整如何将学校从高缺勤风险状态转变为低风险状态。研究结果强调了结构因素、人员相关因素和情境因素在不同学校复杂程度下的相互作用方式，为制定更加公平的教育干预措施和政策决策提供了实用见解。