Lemorzsolódás előrejelzése a középiskolai és az első félévi teljesítmények alapján

Az oktatási rendszeresekben tárolt nagy adatok és az adattudományi módszerek térnyerésének köszönhetően egy új kutatási irányzat jelent meg az elmúlt években, amire oktatási adatbányászatként hivatkoznak. Az oktatási adatbányászat egyik fontos kutatási kérdésköre a felsőoktatási lemorzsolódás prediktív analitikája. Magyarországon a műszaki szakemberek iránti sürgető igény miatt nemzetgazdasági kérdés lett a hallgatók lemorzsolódásának csökkentése a műszaki egyetemeken, köztük a Budapesti Műszaki és Gazdaságtudományi Egyetemen.

Jelen tanulmány célja a BME hallgatóinak lemorzsolódásának előrejelzése prediktív analitikai eszközök segítségével. A dolgozatban tanulmányaikat 2013 és 2018 között befejező (elbocsátott vagy diplomát szerzett) alapszakos hallgatók teljesítményadatait vizsgáltuk, amelyeket a Központi Tanulmányi Hivatal szolgáltatott. Két fő forgatókönyv szerint elemeztük a lemorzsolódás kiszámíthatóságát: először a beiratkozáskor rendelkezésre álló adatok felhasználásával, majd ezt az adatkészletet kiegészítettük az első szemeszter teljesítménymutatóival, és ezt a gazdagabb adathalmazt használtuk a további elemzéshez. Az egyik legnagyobb kihívás a hiányzó adatok kezelése, amelyekre számos lehetséges megoldás hatékonyságát megvizsgáltuk. Az egyik legnagyobb kihívás a hiányzó adatok kezelése, amelyekre számos lehetséges megoldás hatékonyságát megvizsgáltuk.

Elsősorban mesterséges neurális hálózatokat és boosting algoritmusokat használtunk a predikcióhoz. Összehasonlítottuk ezek teljesítményét a két fent említett adatkészleten, és megvizsgáltuk, hogy hogyan javulnak a bináris osztályozási teljesítménymutatók a többletinformáció hatására. Másként, megvizsgáljuk, hogy milyen inkrementális prediktív erővel bírnak a korai egyetemi teljesítménymutatók a diplomaszerzés tényére vonatkozóan, pusztán a beiratkozás pillanatában rendelkezésre álló adatokhoz képest.

szerző

Kiss Botond
Matematikus mesterképzési szak (MSc)
mesterképzés (MA/MSc)

konzulensek

Molontay Roland
Egyetemi docens, Sztochasztika Tanszék
Dr. Nagy Marcell
Tudományos munkatárs, Sztochasztika Tanszék